ElasticSearch

ES是以lucene为基础的分布式、面向文档型数据库。一条数据是一个文档，以Json格式存储。

关系数据库 ⇒ 数据库 ⇒ 表 ⇒ 行 ⇒ 列(Columns)

Elasticsearch ⇒ 索引(Index) ⇒ 类型(type) ⇒ 文档(Docments) ⇒ 字段(Fields)

提供Restful接口、实时搜索、分析引擎。可以扩展到上百台服务器，可实现处理PB级别的结构和非机构化数据。ES提供中文分词组件IK。

ES支持sql查询。

ES集群

节点

候选主节点（Master-eligible node）：一个节点启动后，就会使用Zen Discovery机制去寻找集群中的其他节点，并与之建立连接。集群中会从候选主节点中选举出一个主节点，主节点负责创建索引、删除索引、分配分片、追踪集群中的节点状态等工作。
一个节点可以是数据节点，也可以是候选主节点。候选节点设置方法是设置node.mater为true，默认情况下，node.mater和node.data（数据节点）的值都为true

主节点的负载较轻。

数据节点（Data node）：数据节点负责数据的存储相关操作，比如CRUD、搜索、聚合数据节点对机器配置要求比较高。

客户端节点（Client node）：负责请求的分发、汇总等。是协调节点的角色。这样的工作，其实任何一个节点都可以完成，单独增加这样的节点更多是为了负载均衡。

协调节点（Coordinating node）：协调节点，是一种角色，而不是真实的Elasticsearch的节点。任何节点都可以充当协调节点的角色。当一个节点A收到用户的查询请求后，会把查询子句分发到其它的节点，然后合并各个节点返回的查询结果，最后返回一个完整的数据集给用户。在这个过程中，节点A扮演的就是协调节点的角色，协调节点会对CPU、Memory要求比较高。

分片（shard）

小的分片会造成小的分段，从而会增加开销。对于基于时间的数据的使用场景来说，通常将分片大小控制在 20GB 到 40GB 之间

节点上的分片数量与可用的堆内存成正比，一个好的经验法则：确保每个节点的分片数量低于每GB堆内存配置20到25个分片。所以，30GB堆内存的节点具有最多600-750个分片，但是低于该限制可以使其保持更好。这通常有助于集群保持健康。