Elastic Search簡稱ES，是一款在搜索和日誌檢索領域極其成功的開源產品，當然ES背後的商業化公司也很成功。很多大的知名品牌，像是SAP、Booking、Ebay都在使用ES，
今天就來實際使用一下ES這款成功的商業化產品，並且介紹一下它的特點。
Elastic Search VS Luncence
說到搜索還是要提下Luncence，Luncence基本上可以稱爲搜索領域的鼻祖了，是很早期的索引構建庫。但是Luncence的主要問題有兩點，其一是隻支持Java類庫的調用方式，學習和使用門檻很高，其二是Luncence沒有線性擴展能力。搜索又是一個幾乎隨業務量線性擴張的功能，所以是否支持線性拓展資源很重要。
ES其實是對Luncence的庫的上層封裝，通過Restful的形式可以讓日誌的構建和檢索等功能更容易在多語言環境下調用，做到即使是開發小白也能快速上手。另外，ES支持線性拓展，使得使用ES的用戶不需要擔心資源協調的問題。
Elastic Search整體架構
接下來介紹下ES的各個模塊，從下向上介紹。
（1） Beat
Beat是一個輕量的數據採集器，Beat可以採集各種格式的數據，比如日誌文件、值班、網絡數據等，並且把這些數據傳輸到Logstash。
（2）Logstash
Logstash是一個服務端的數據管道，能夠從多個數據來源採集數據，完成數據轉換，然後將數據傳輸到Elastic Search。在Logstash中可以實現一些數據的過濾、轉碼等功能，比如把非結構化數據轉化成結構化數據，比如從IP地址破譯出地理座標。
（3）Elastic Search
Elastic Search主要做數據和索引的存儲以及相關查詢的計算。
（4）Kibana
Kibana主要是一個數據可視化界面，通過可視化的方式展示ES的計算和索引結果。
（5）X-Pack
X-Pack是ES內部插件，在老的ES版本是收費的，在新的版本中很多插件是被開源免費使用的。在X-Pack中可以直接使用機器學習、圖關係、安全相關的插件。
所以整體的流程如下，先通過Beat採集數據，然後數據通過管道寫到Logstash做一步處理，接着寫到Elastic Search，然後通過Kibana做數據的可視化展現。
具體操作體驗
接下來就具體體驗下ES的功能，當然是選擇通過Docker的模式run一下最快。可以參考：
https://www.elastic.co/guide/en/elasticsearch/reference/current/docker.html
可以選擇通過拉起單一Docker的模式體驗，也可以通過Docker Compose的方式體驗（Docker Compose比較適合構建一個分佈式ES集羣）。我兩個方案都試了試，Docker Compose一堆坑，官方案例都沒跑起來。
具體操作流程如下：
(1) 先Pull一個官方鏡像
docker pull docker.elastic.co/elasticsearch/elasticsearch:7.10.2
(2) 接着拉起這個鏡像
docker run -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" docker.elastic.co/elasticsearch/elasticsearch:7.10.2
(3)這個時候ES的服務就已經跑起來了，Docker化的模式就是如此方便，服務的本地地址是localhost:9200。
(4)發送服務請求到localhost:9200，
curl -X GET "localhost:9200/_cat/nodes?v=true&pretty"
可以查到ES服務的節點的具體情況。
總結一下
ES基本上是目前業內在搜素和日誌檢索領域非常成熟的開源工具，ES有很多豐富的插件，比如Kibana、Logstash，而且ES對於容器化技術非常擁抱，可以快速的做部署。最後一點是ES的全部功能都可以通過一套標準的RestFul接口去調用，這個設計很方便用戶使用。