1: 数据结构
- 索引 index
索引与关系型数据库实例(Database)相当。索引只是一个 逻辑命名空间，它指向一个或多个分片(shards)，内部用Apache Lucene实现索引中数据的读写
- 类型 type
相当于数据库中的table概念。每个文档在ElasticSearch中都必须设定它的类型。文档类型使得同一个索引中在存储结构不同文档时，只需要依据文档类型就可以找到对应的参数映射(Mapping)信息，方便文档的存取
- 文档 document
相当于数据库中的row， 是可以被索引的基本单位。例如，你可以有一个的客户文档，有一个产品文档，还有一个订单的文档。文档是以JSON格式存储的。在一个索引中，您可以存储多个的文档。请注意，虽然在一个索引中有多分文档，但这些文 档的结构是一致的，并在第一次存储的时候指定, 文档属于一种 类型(type)，各种各样的类型存在于一个 索引 中
- 域 field
相当于数据库中的一个字段。
和MySQL进行对比
MySQL | ES | |
库 | database | 索引 |
表 | table | 类型 |
行 | 行 row | 文档 |
字段 | 列 Columns | 字段(Fields) |
2: 核心概念
- 集群 Cluster
集群，包含多个节点，每个节点都属于那个集群都是通过配置(集群名称 默认是elasticearch) 来决定的，对于中小型应用来说，刚开始一个集群就一个节点
- 节点 Node
集群中一个节点，节点也有一个名称（默认是随机分配的），节点的名称很重要(在执行运维管理操作的时候)，默认节点会去加入一个名称为‘elasticearch’ 的集群，如果直接启动一堆节点，那么他们 会自动组成一个elasticearch 集群。当然一个节点也可以组成一个elasticearch集群
- Mapping
对数据进行约束，相当于mysql中的字段类型约束
- 分片shard
单台机器无法存储大量数据，es可以讲一个索引中的数据切分为多个shard, 分布在多台服务器上存储。有了shard就可以横向扩展，存储更多数据，让搜索和分析等操作分布到多台服务器上去执行，提高 吞吐量和性能。每个shard都是一个Lucene index
- 副本 replica
任何一个服务器随时都可能出现故障或宕机，此时shard可能就会丢失，因此可以为每个shard创建多个replica副本。replica可以在多个shard故障时提供备用服务，保证数据不丢失，多个replica还可以提 升搜索操作的吞吐量和性能。primary shard （建立索引时一次设置，不能修改，默认5个),replica shard(随时修改数量，默认1个)，默认每个索引10个shard，5个primary shard，5个replica shard，最小的 高可用配置，是2台服务器
3: 数据类型
3.1: 核心数据类型
（1）字符串类型： text, keyword
（2）数字类型：long, integer, short, byte, double, float, half_float, scaled_float
（3）日期：date
（4）日期 纳秒：date_nanos
（5）布尔型：boolean
（6）Binary：binary
（7）Range: integer_range, float_range, long_range, double_range, date_range
3.2 复杂数据类型
（1）Object: object(for single JSON objects)
（2）Nested: nested (for arrays of JSON objects)
3.3 地理数据类型
（1）Geo-point： geo_point （for lat/lon points）
（2）Geo-shape: geo_shape (for complex shapes like polygons)
3.4 特殊数据类型
（1）IP: ip (IPv4 和 IPv6 地址)
（2）Completion类型：completion （to provide auto-complete suggestions）
（3）Token count：token_count (to count the number of tokens in a string)
（4）mapper-murmur3：murmur3(to compute hashes of values at index-time and store them in the index)
（5）mapper-annotated-text：annotated-text （to index text containing special markup (typically used for identifying named entities)）
（6）Percolator：（Accepts queries from the query-dsl）
（7）Join：（Defines parent/child relation for documents within the same index）
（8）Alias：（Defines an alias to an existing field.）
（9）Rank feature：（Record numeric feature to boost hits at query time.）
（10）Rank features：（Record numeric features to boost hits at query time.）
（11）Dense vector：（Record dense vectors of float values.）
（12）Sparse vector：（Record sparse vectors of float values.）
（13）Search-as-you-type：（A text-like field optimized for queries to implement as-you-type completion）
3.5.数组类型
在Elasticsearch中，数组不需要一个特定的数据类型，任何字段都默认可以包含一个或多个值，当然，这多个值都必须是字段指定的数据类型。
3.6 Multi-fields
Multi-fields 通常用来以不同的方式或目的索引同一个字段。比如，一个字符串类型字段可以同时被映射为 text 类型以用于全文检索、 keyword字段用于排序或聚合。又或者，你可以用standard分析器、english分析器和french分析器来索引同一个 text字段。
