ElasticSearch特點
1. 天然分片，天然集羣： es 把數據分成多個shard，下圖中的P0-P2，多個shard可以組成一份完整的數據，這些shard可以分佈在集羣中的各個機器節點中。隨着數據的不斷增加，集羣可以增加多個分片，把多個分片放到多個機子上，已達到負載均衡，橫向擴展。 這種集羣分片的機制造就了elasticsearch強大的數據容量及運算擴展性。
在實際運算過程中，每個查詢任務提交到某一個節點，該節點必須負責將數據進行整理匯聚，再返回給客戶端，也就是一個簡單的節點上進行Map計算，在一個固定的節點上進行Reduces得到最終結果向客戶端返回。
2. 天然索引：ES 所有數據都是默認進行索引的，這點和mysql正好相反，mysql是默認不加索引，要加索引必須特別說明，ES只有不加索引才需要說明。
而ES使用的是倒排索引和Mysql的B+Tree索引不同。
倒排索引是怎麼處理的 ：
全文搜索引擎目前主流的索引技術就是倒排索引的方式。
傳統的保存數據的方式都是
記錄→單詞
而倒排索引的保存數據的方式是
單詞→記錄
例如 > 搜索“紅海行動”
但是數據庫中保存的數據如圖：
那麼搜索引擎是如何能將兩者匹配上的呢？
基於分詞技術構建倒排索引：
首先每個記錄保存數據時，都不會直接存入數據庫。系統先會對數據進行分詞，然後以倒排索引結構保存。
然後等到用戶搜索的時候，會把搜索的關鍵詞也進行分詞，會把“紅海行動”分詞分成：紅海和行動兩個詞。
這樣的話，先用紅海進行匹配，得到id=1和id=2的記錄編號，再用行動匹配可以迅速定位id爲1,3的記錄。
那麼全文索引通常，還會根據匹配程度進行打分，顯然1號記錄能匹配的次數更多。所以顯示的時候以評分進行排序的話，1號記錄會排到最前面。而2、3號記錄也可以匹配到。
B+Tree
lucene 倒排索引結構
可以看到 lucene 爲倒排索引(Term Dictionary)部分又增加一層Term Index結構，用於快速定位，而這Term Index是緩存在內存中的，但mysql的B+tree不在內存中，所以整體來看ES速度更快，但同時也更消耗資源（內存、磁盤）。
lucene與elasticsearch的關係
咱們之前講的處理分詞，構建倒排索引，等等，都是這個叫lucene的做的。那麼能不能說這個lucene就是搜索引擎呢？
還不能。lucene只是一個提供全文搜索功能類庫的核心工具包，而真正使用它還需要一個完善的服務框架搭建起來的應用。
好比lucene是類似於發動機，而搜索引擎軟件（ES,Solr）就是汽車。
目前市面上流行的搜索引擎軟件，主流的就兩款，elasticsearch和solr,這兩款都是基於lucene的搭建的，可以獨立部署啓動的搜索引擎服務軟件。由於內核相同，所以兩者除了服務器安裝、部署、管理、集羣以外，對於數據的操作，修改、添加、保存、查詢等等都十分類似。就好像都是支持sql語言的兩種數據庫軟件。只要學會其中一個另一個很容易上手。
從實際企業使用情況來看，elasticSearch的市場份額逐步在取代solr，國內百度、京東、新浪都是基於elasticSearch實現的搜索功能。國外就更多了 像維基百科、GitHub、Stack Overflow等等也都是基於ES的。
基本概念
