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。那elasticsearch怎么使用?下面来我们就来给大家讲解一下elasticsearch使用教程。
集群(Cluster)： ES是一个分布式的搜索引擎，一般由多台物理机组成。这些物理机，通过配置一个相同的cluster name，互相发现，把自己组织成一个集群。
节点(Node)：同一个集群中的一个Elasticsearch主机。
Node类型：
1)data node: 存储index数据。Data nodes hold data and perform data related operations such as CRUD, search, and aggregations.
2)client node: 不存储index，处理转发客户端请求到Data Node。
3)master node: 不存储index，集群管理，如管理路由信息(routing infomation)，判断node是否available，当有node出现或消失时重定位分片(shards)，当有node failure时协调恢复。(所有的master node会选举出一个master leader node)
主分片(Primary shard)：索引(下文介绍)的一个物理子集。同一个索引在物理上可以切多个分片，分布到不同的节点上。分片的实现是Lucene 中的索引。
注意：ES中一个索引的分片个数是建立索引时就要指定的，建立后不可再改变。所以开始建一个索引时，就要预计数据规模，将分片的个数分配在一个合理的范围。
副本分片(Replica shard)：每个主分片可以有一个或者多个副本，个数是用户自己配置的。ES会尽量将同一索引的不同分片分布到不同的节点上，提高容错性。对一个索引，只要不是所有shards所在的机器都挂了，就还能用。
索引(Index)：逻辑概念，一个可检索的文档对象的集合。类似与DB中的database概念。同一个集群中可建立多个索引。比如，生产环境常见的一种方法，对每个月产生的数据建索引，以保证单个索引的量级可控。
类型(Type)：索引的下一级概念，大概相当于数据库中的table。同一个索引里可以包含多个 Type。
文档(Document)：即搜索引擎中的文档概念，也是ES中一个可以被检索的基本单位，相当于数据库中的row，一条记录。
字段(Field)：相当于数据库中的column。ES中，每个文档，其实是以json形式存储的。而一个文档可以被视为多个字段的集合。比如一篇文章，可能包括了主题、摘要、正文、作者、时间等信息，每个信息都是一个字段，最后被整合成一个json串，落地到磁盘。
映射(Mapping)：相当于数据库中的schema，用来约束字段的类型，不过 Elasticsearch 的 mapping 可以不显示地指定、自动根据文档数据创建。
这就是elasticsearch每个功能的基本用法，我们在使用elasticsearch的时候，熟悉每一个功能的使用，这样会帮助大家提高工作效率!最后大家如果想要了解更多java架构师知识，敬请关注奇Q工具网。
推荐阅读：