剛接觸ElasticSearch不久，還處於學習和探索階段，在剛剛過去的2017年的最後一個月裏，我提交了自己的畢業論文，
在姚老師（姚攀的博客）的幫助下，使用ElasticSearch及其搭配的開發工具Kibana以及head實現了一個新聞搜索引擎，
現把這段時間的學習過程和收穫從頭整理一遍，連載到ElasticSearch入門篇中，
作爲給自己的一個總結，也作爲對姚老師的一個交代，感謝姚老師這些日子對我的幫助和指導。
首推官方學習文檔：https://www.elastic.co/guide/cn/index.html
ElasticSearch是什麼
第一次聽說這個詞還是姚老師對我講的，那時我對ElasticSearch一無所知，現在我在寫我的ElasticSearch學習總結，
有需要更專業的指導的同學可以去訪問他的博客（姚攀的博客）或給他留言或購買他寫的書。
ElasticSearch是一個基於Lucence構建的分佈式的、可擴展的、實時的、開源的全文搜索和數據分析引擎，
也是一個具有良好搜索功能的數據庫。從它的定義中就能很好的瞭解到它的優點。
全文搜索：是指掃描文章中的每一個詞，對每一個詞建立相應的索引，指明該詞出現在哪篇文章中以及出現的頻次，
檢索時程序就能根據這個索引進行相應的查找，顯然這裏會涉及到“分詞”和“倒排索引”的概念，下面會介紹。
根據https://db-engines.com/en/ranking官方數據可以看出來，ElasticSearch是使用量第一的搜索引擎，所以值得去學習。
Lucence和倒排索引
Lucence是什麼：Lucence是一個開源的、高性能的全文搜索引擎工具庫，它和ElasticSearch的區別如下：
Lucence只是工具庫，用它能夠實現搜索功能，但是很多代碼需要我們去完成，使用起來非常複雜，
而ElasticSearch是基於Lucence的、用java開發的搜索引擎，它是一個服務，或者說是一款產品，
很多工作它都能幫我們完成而不需要我們去實現，隱藏了Lucence的複雜性。
它們的關係就好像是利用發動機構建一輛汽車。
倒排索引：進行快速的全文搜索的關鍵是構建倒排索引，Lucence使用倒排索引結構，所以ElasticSearch也使用了倒排索引機制，
通過分詞器（需要安裝）獲取每個單詞，然後爲這些單詞構建一個由“單詞”“文檔號”構成的列表，
由於這裏是根據單詞查找它所在的文檔，所以稱爲“倒排”，當然這些工作都不要我們來做，
但是理解搜索的原理非常重要。比如：
文檔1：中國南京
文檔2：南京今天下雨
文檔3：今天需要打傘
則ES構建的倒排索引結構如下：
| 單詞 | 文檔號 |
|---|---|
| 中國 | 1 |
| 南京 | 1，2 |
| 今天 | 2，3 |
| 下雨 | 2 |
| 需要 | 3 |
| 打傘 | 3 |
當搜索“南京”時，程序會返回文檔1和2，當然，實際的分詞過程肯定要比上面複雜的多，但是原理就是這樣。
相關術語
相比於傳統的關係型數據庫，ElasticSearch與它們在相關術語上是有區別的，它們的對應關係如下（來自姚攀的博客）：
| 關係型數據庫（如MySQL） | ElasticSearch |
|---|---|
| 數據庫（database） | 索引（index） |
| 表（table） | 類型（type） |
| 行（row） | 文檔（document） |
| 列（column） | 字段（field） |
| 模式/表結構（schema） | 映射（mapping） |
| 索引 | 倒排索引 |
| INSERT | PUT |
| DELETE | DELETE |
| UPDATE | PUT/POST |
| SELECT | GET |
上面表格中的對應關係很直接也很簡單，事實上也是如此。除此之外，ElasticSearch中還有幾個特殊的概念（來自ES官方文檔）：
節點：一個運行中的 Elasticsearch 實例稱爲一個 節點。
集羣：集羣是由一個或者多個擁有相同 cluster.name 配置的節點組成， 它們共同承擔數據和負載的壓力。
當有節點加入集羣中或者從集羣中移除節點時，集羣將會重新平均分佈所有的數據。
關於ElasticSearch，我覺得初學階段瞭解檢索機制及其基本概念就可以了，後續在使用過程中會慢慢對這些概念有自己的領悟。
我心心期盼的2018年終於來了，願你我都能擁有美好年華。
