原文：https://blog.csdn.net/laoyang360/article/details/52244917
ES是如何产生的？
（1）思考：大规模数据如何检索
当系统数据量上了10亿、100亿条的时候，我们在做系统架构的时候通常会从以下角度去考虑问题：
- 用什么数据库好？
- 如何解决单点故障（lvs、F5、A10、Zookeeper、MQ）
- 如何保证数据安全性（热备、冷备、异地多活）
- 如何解决检索难题（数据库代理中间件：msql-proxy,Cobar, MaxScale等）
- 如何解决统计分析问题（离线、近实时）
（2）传统数据库的应对解决方案
对于关系型数据，我们通常采用以下或类似架构去解决查询瓶颈和写瓶颈：
- 通过主从备份解决数据安全性问题
- 通过数据库代理中间件心跳监测，解决单点故障问题
- 通过代理中间件将查询语句分发到各个slave节点进行查询，并汇总结果
（3）非关系型数据库的解决方案
对于Nosql数据库，以mongdb为例，其它原理类似：
- 通过副本备份保证数据库安全性
- 通过节点竞选机制解决单点问题
- 先从配置库检索分片信息，然后将请求分发到各个节点，最后由路由节点合并汇总结果
为了解决问题，通常会从以下方式来寻找方法：
（1）存储数据时按有序存储
（2）将数据和索引分离
（3）压缩数据
这就引出一Elasticsearch。
ES
Elasticsearch是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据，可扩展性好。使用Lucenne作来核心，但它的目的是通过Restful API来隐藏lucene的复杂性，从而让全文搜索变得简单。
1.解决主要问题
（1）检索相关数据
（2）返回统计结果
（3）速度更快
2. 工作原理
当ES节点启动后，它会利用多播（或者单播，如查用户更改了配置）寻找集群中的其它节点，并与之建立连接。
3. 概念
（1）集群cluster
（2）节点node
（3）分片shard
当有大量的文档时，由于内存的限制、磁盘处理能力不足、无法足够快的响应客户端的请求等，一个节点可能不够，这种情况下，数据可以分成较小的分片，每个分片放在不同的服务器上。当你查询的索引分布在多个分片时，ES会把查询发给每个相关的分片，并将结果组合在一起。
（4）副本replia
副本是一个分片的精确复制，每个分片可以有0或多个副本。
（5）全文检索
可以根据关键字搜索，类似sql中的like。
4.ES数据架构的主要概念（与mysql对比）
在一个关系数据库里面，schema定义了表、每个表的字段，还有表和字段之间的关系。与之对应的，在ES中Mapping定义索引下的Type的字段处理规则，即索引如何建立、索引类型、是否保存原始索引JSON文档、是否压缩原始JSON文档、是否需要分词处理、如何进行分词处理等。