Elasticsearch在下文简称ES。
一般情况下，我们通过查询关系型数据库，来获取数据，这是属于正排索引的方式进行搜索。
但是存在一种情况，即是我们需要对一些文章中的关键词或者词语进行搜索，命中以后返回这条数据。
或许我们可以想象通过数据库的模糊查询等来匹配，或者相关函数来匹配。
这种方式存在的问题有：
一个是分词的问题，比如我想通过一句话来搜索匹配包含这句话的、或者包含这句话中的几个关键词的文章，那这时候就没办法通过数据库的SQL查询来实现了。
另一个是性能的问题，数据库的模糊查询或者执行函数来匹配，都存在比较大的性能问题，尤其是在请求很多的情况下。
所以，针对这种情况，我们可以通过专门的搜索引擎来实现。也即是通过倒排索引来实现分词检索。
我们可以将文章进行分词，按照词语等进行分词，将输入的检索关键字也进行分词，然后进行全局“或”匹配。
只要有命中，那就可以返回数据，并且可以分页检索。
除了关键字分词后进行全局检索，也可以加上“与”逻辑，进行关键字精准匹配，关键字精准匹配就不会再分词了，类似数据中的 “=”条件查询。
在进行这些查询的时候，都需要我们建好索引，我们的索引就类似关系型数据库的数据库，索引下有type(类型），这在ES 7.x 以后，一个index 索引只有一个type ，type 就是相同类型的数据，类比关系型数据库的一张表，在接下来就可以定义我们的document了，document 类比关系型数据库表中的一条记录。
除了类似这种文章之类的搜索场景，所有需要搜索的结构化和非结构化文本数据都可以存入ES，比如我们的日志数据，也可以入ES，结合Logstash,和Kibana做成ELK 日志搜索平台。
还有我们有时候需要做一种全局搜索的功能，这时候其实也可以考虑将关系型数据库中的关键字段抽出来，建索引，存入ES。
根据需要，我们可以在数据入数据库的时候直接入ES ，也可以发送MQ消息，异步、削峰填谷式的来入ES，也可以批量全局入ES。
对于关系型数据库中的结构化数据，我们不必把所有数据都入进ES，可以将需要检索的数据入ES ，并且将这条数据的ID保存进ES ，那这样就可以再次通过ID 精确反查数据库表中的整条数据。
总之ES做搜索的场景有很多，合理的使用ES对系统能力的提升帮助很大。
