Elasticsearch 是一个分布式、高扩展、高实时的搜索与数据分析引擎。它能很方便的使大量数据具有搜索、分析和探索的能力。
Elasticsearch核心概念
索引（index）
索引（index）:Elasticsearch存储数据的地方，可以理解成关系型数据库中的数据库概念
类型（type）
类型（type）
映射（mapping）
映射（mapping）:映射是定义一个文档以及其所包含的字段如何被存储和索引的方法。相当于关 系型数据库中的表结构
文档（document）
文档（document）:Elasticsearch中的最小数据单元，常以json格式显示，一个document相当于关系型数据库中的一行数据 文档-----> mysql中的一行（一条记录）
倒排索引
一个倒排索引由文档中所有不重复词的列表构成，对于其中每个词，对应一个包含它的文档id列 表
TF ：单词在某个文档中出现的次数
POS：单词在文档中出现的位置
field（域）
field（域）：相当于mysql中的一列（一个字段）
倒排索引补充
正排索引
在讲述倒排索引之前先介绍下正排索引。正排索引就是如下表形式：
| 文档id | 文档内容 |
|---|---|
| 1 | 什么是正排索引 |
| 2 | 什么是倒排索引 |
| 3 | 正排索引和倒排索引 |
倒排索引
倒排索引就是对上表进行转换，最简单的倒排索引如下表所示：
| 单词 | 文档ids |
|---|---|
| 什么 | 1,2 |
| 是 | 1,2 |
| 正排 | 1,3 |
| 倒排 | 2,3 |
| 索引 | 1,2,3 |
| 和 | 3 |
词频（TF）和位置（POS）
上表所示的倒排索引之所以是最简单的，是因为这个索引系统只记载了哪些文档包含某个单词。实用的倒排索引还可以记载更多的信息，如下表第3列的词频 和位置。
TF ：单词在某个文档中出现的次数
POS：单词在文档中出现的位置
以"索引"这个单词为例，"3:2:<2,7>"：表示在文档id是3的文档中出现2次，在文档中的位置分别是2和7。