了解Elasticsearch原理，建议首先通过官方博客中的一篇图解文章(基于2.X版本)来构筑对ES的初步认识。
基本概念
集群(Cluster)
节点(Node)
集群里面每个白色正方形的盒子代表一个节点
索引(Index)
在一个或者多个节点直接，多个绿色小方块组合在一起形成一个Elasticsearch的索引
分片(Shard)
一个索引中分布在多个节点里的绿色小方块
Lucene Index = Shard
一个ElasticSearch的Shard本质上是一个Lucene Index
Lucene是一个全文搜索库，ElasticSearch是建立在Lucene之上的。接下来说一下Elasticsearch如何基于Lucene工作
Lucene
Segment
Mini索引(Segment)
在Lucene里面有很多segment，我们可以把它们看成Lucene内部的mini-index
Segment内部结构
- Inverted Index
- Stored Fields
- Document Values && Cache
Inverted index
即倒排索引，主要包括两部分：
- 一个有序的数据字典Dictionary（包括单词Term和它出现的频率）。
- 与单词Term对应的Postings list（即存在这个单词的文件）。
当我们搜索的时候，首先将搜索的内容分解，然后在字典里找到对应Term，从而查找到与搜索相关的文件内容。
例如：查询"the fury"
全文搜索的痛点
如果想要查找所有包含"our"字母的单词，那么系统会扫描整个Inverted Index，这是非常昂贵的。
在此种情况下，如果想要做优化，那么我们面对的问题是如何生成合适的Term。
Stored Fields
当我们想要查找包含某个特定标题内容的文件时，Inverted Index就不能很好的解决这个问题，所以Lucene提供了另外一种数据结构Stored Fields来解决这个问题。
本质上，Stored Fields是一个简单的键值对key-value。默认情况下，ElasticSearch会存储整个文件的JSON source。
Document Values && Cache
即使这样，我们发现以上结构仍然无法解决诸如：排序、聚合、facet(维度，因为我们可能会要读取大量不需要的信息。
所以，另一种数据结构解决了此种问题：Document Values。
这种结构本质上就是一个列式的存储，它高度优化了具有相同类型的数据的存储结构。
为了提高效率，ElasticSearch可以将索引下某一个Document Value全部读取到内存中进行操作，这大大提升访问速度，但是也同时会消耗掉大量的内存空间。
当ElasticSearch索引一个文件的时候，会为文件建立相应的缓存，并且会定期（每秒）刷新这些数据，然后这些文件就可以被搜索到。
总之，这些数据结构Inverted Index、Stored Fields、Document Values及其Cache，都在segment内部
Lucene特性
搜索时，Lucene会搜索所有的segment然后将每个segment的搜索结果返回，最后合并呈现给客户。
Lucene的一些特性使得这个过程非常重要。
Segments是不可变的
当进行删除时，Lucene只是将其标记为删除，但是文件还是会在它原来的地方，不会发生改变
当进行更新时，Lucene是将其先删除，再新建索引(Re-index)
Lucene压缩
Lucene非常擅长压缩数据，基本上所有教科书上的压缩方式，都能在Lucene中找到
随着时间的增加，我们会有很多segments
通过定时机制或者存储达到一定限制，Elasticsearch会将这些segments进行合并，在这个过程中，segment会被删除
这就是为什么增加文件可能会使索引所占空间变小，它会引起merge，从而可能会有更多的压缩。
Lucene缓存
Lucene也会将所有的信息做缓存，这大大提高了它的查询效率。
Shard搜索
ElasticSearch从Shard中搜索的过程与Lucene Segment中搜索的过程类似
不同的是，Shard可能是分布在不同Node上的，所以在搜索与返回结果时，所有的信息都会通过网络传输
需要注意的是：1次搜索查找2个shard ＝ 2次分别搜索shard
日志文件处理
当我们想搜索特定日期产生的日志时，通过根据时间戳对日志文件进行分块与索引，会极大提高搜索效率。
当我们想要删除旧的数据时也非常方便，只需删除老的索引即可。
Scale
shard不会进行更进一步的拆分，但是shard可能会被转移到不同节点上
所以，如果当集群节点压力增长到一定的程度，我们可能会考虑增加新的节点，这就会要求我们对所有数据进行重新索引，这是我们不太希望看到的，所以我们需要在规划的时候就考虑清楚，如何去平衡足够多的节点与不足节点之间的关系。
节点分配与Shard优化
- 为更重要的数据索引节点，分配性能更好的机器
- 确保每个shard都有副本信息replica
路由Routing
每个节点，每个都存留一份路由表，所以当请求到任何一个节点时，Elasticsearch都有能力将请求转发到期望节点的shard进一步处理。
