Elastic Search(1) - 事情起源

如何解决大规模数据的实时查询？为解决这个问题，从源头着手分析，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；

ES能做到的
1）检索相关数据；
2）返回统计结果；
3）速度要快。

ES和mysql对比

（1）关系型数据库中的数据库（DataBase），等价于ES中的索引（Index）
（2）一个数据库下面有N张表（Table），等价于1个索引Index下面有N多类型（Type），
（3）一个数据库表（Table）下的数据由多行（ROW）多列（column，属性）组成，等价于1个Type由多个文档（Document）和多Field组成。
（4）在一个关系型数据库里面，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。
（5）在数据库中的增insert、删delete、改update、查search操作等价于ES中的增PUT/POST、删Delete、改_update、查GET.

问题：为什么es比DB快？
1、DB的B+树是磁盘寻址，ES是通过内存term index -> term -> document
2、ES的document中采用了压缩算法，体量比行记录小。FSTs are finite-state machines that map a term (byte sequence) to an arbitrary output.

2. ES特点和优势
   1）分布式实时文件存储，可将每一个字段存入索引，使其可以被检索到。
   2）实时分析的分布式搜索引擎。
   分布式：索引分拆成多个分片，每个分片可有零个或多个副本。集群中的每个数据节点都可承载一个或多个分片，并且协调和处理各种操作；
   负载再平衡和路由在大多数情况下自动完成。
   3）可以扩展到上百台服务器，处理PB级别的结构化或非结构化数据。也可以运行在单台PC上（已测试）
   4）支持插件机制，分词插件、同步插件、Hadoop插件、可视化插件等。