elasticsearch的核心概念與簡單舉例
1、Near Realtime（NRT）：
近實時，兩個意思，從寫入數據到數據可以被搜索到有一個小延遲（大概1秒）；基於es執行搜索和分析可以達到秒級；
2、Cluster：集羣
包含多個節點，每個節點屬於哪個集羣是通過一個配置（集羣名稱，默認是elasticsearch）來決定的，
對於中小型應用來說，剛開始一個集羣就一個節點很正常；
比如，在上文
ElasticSearch-02-使用Docker在Mac系統上搭建兩個節點的ElasticSearch集羣
（並同時創建kibana，cerebro兩個容器）： https://blog.csdn.net/yangqian201175/article/details/99664126
中在本機上通過Docker部署的便是一個擁有兩個節點的集羣，elasticsearch_cluster_product；
3、Node：節點
集羣中的一個節點，節點也有一個名稱（默認是隨機分配的），
節點名稱很重要（在執行運維管理操作的時候），
默認節點會去加入一個名稱爲“elasticsearch”的集羣，
如果直接啓動一堆節點，那麼它們會自動組成一個elasticsearch集羣，
一個節點的elasticsearch部署也可以稱之爲一個集羣；
在上文02中部署後的兩個節點命名如下圖所示：
4、Document&field：文檔
es中的最小數據單元，一個document可以是一條客戶數據，一條商品分類數據，一條訂單數據，通常用JSON數據結構表示，
每個index下的type中，都可以去存儲多個document。一個document裏面有多個field，每個field就是一個數據字段，
比如大家在工作中通過Kibana去查詢某個服務的日誌，那麼諸多服務的日誌通過換行截取，收集以後便是一份一份的文檔，
而文檔中所包含的服務名稱，訪問TxId，logDetails等信息便是其中的filed；
簡單舉例如下圖所示：
5、Index：索引
包含一堆有相似結構的文檔數據，比如可以有一個客戶索引，商品分類索引，訂單索引，索引有一個名稱。
一個index包含很多document，一個index就代表了一類類似的或者相同的document。
還是按照大家熟悉的日誌系統舉例，我們的日誌組成結構，
如果是業務服務，日誌一般情況下會通過切面的形式進行統一處理，
或者在手機的時候進行統一處理成格式基本一致的日誌入到ElasticSearch中，
那麼我們不同的測試場景，業務服務，數據服務，不同的環境，便是不同的Index；
簡單的舉例如下圖所示：
6、Type：類型
每個索引裏都可以有一個或多個type，type是index中的一個邏輯數據分類，一個type下的document，
都有相同的field，比如博客系統，有一個索引，可以定義用戶數據type，博客數據type，評論數據type（不再贅述）
7、shard
單臺機器無法存儲大量數據，es可以將一個索引中的數據切分爲多個shard，分佈在多臺服務器上存儲。
有了shard就可以橫向擴展，存儲更多數據，讓搜索和分析等操作分佈到多臺服務器上去執行，提升吞吐量和性能。
8、replica
任何一個服務器隨時可能故障或宕機，此時shard可能就會丟失，因此可以爲每個shard創建多個replica副本。
replica可以在shard故障時提供備用服務，保證數據不丟失，多個replica還可以提升搜索操作的吞吐量和性能。
primary shard（建立索引時一次設置，不能修改，默認5個），
replica shard（隨時修改數量，默認1個），
默認每個索引10個shard，5個primary shard，5個replica shard，最小的高可用配置，是2臺服務器。
如上圖所示，其實每個shard都是一個lucene index，在讀取，搜索的時候replica可以起到分攤的作用從而提高性能；
類比理解
| ES | 數據庫 |
|---|---|
| Index | 庫 |
| Type | 表 |
| Document | 行 |
| field | 列 |