1、产生背景
1、搜索是人的自然需求
2、海量数据组合条件查询-大数据时代新需求
3、专业的选择不多
2、什么是ES-官方定义
Elasticsearch简称ES，是一个高度可扩展的开源的全文搜索和分析引擎。 它允许你快速，近实时地存储，搜索和分析大量数据。
它通常作为底层引擎/技术，为具有复杂搜索功能和要求的应用程序提供支持。
关键词：易扩展（PB级）、实时、能存能搜能分析
3、优点
(1) 横向可扩展性: 作为大型分布式集群, 很容易就能扩展新的服务器到ES集群中; 也可运行在单机上作为轻量级搜索引擎使用.
(2) 更专业的功能: 与传统关系型数据库相比, ES提供了全文检索、同义词处理、相关度排名、复杂数据分析、海量数据的近实时处理等功能.
(3) 分片机制提供更好地分布性: 同一个索引被分为多个分片(Shard), 利用分而治之的思想提升处理效率.
(4) 高可用: 提供副本(Replica)机制, 一个分片可以设置多个副本, 即使在某些服务器宕机后, 集群仍能正常工作.
(5) 开箱即用: 提供简单易用的API, 服务的搭建、部署和使用都很容易操作.
4、两位"朋友"
1、Lucene
Lucene是apache软件基金会4 jakarta项目组的一个子项目，是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构@1。
ElasticSearch是一个基于Lucene的搜索服务器。Lucene专注于搜索底层的建设，而ElasticSearch专注于企业应用。
2、 Solr
Solr是Apache 下的一个开源项目，使用Java基于Lucene开发的全文检索服务是一个独立的企业级搜索应用服务器。Solr提供了比Lucene更为丰富的查询语言，同时实现了可配置、可扩展，并对索引、搜索性能进行了优化@2。
3、solr和es的对比：
（1）es基本是开箱即用，非常简单。Solr安装略微复杂一丢丢
（2）Solr 利用 Zookeeper 进行分布式管理，而 Elasticsearch 自身带有分布式协调管理功能。
（3）Solr 支持更多格式的数据，比如JSON、XML、CSV，而 Elasticsearch 仅支持json文件格式。
（4）Solr 官方提供的功能更多，而 Elasticsearch 本身更注重于核心功能，高级功能多有第三方插件提供，例如图形化界面需要kibana友好支撑
（5）Solr 是传统搜索应用的有力解决方案，但 Elasticsearch 更适用于新兴的实时搜索应用。
（6）最被大家诟病的 solr社区完善，参考文章多，es开发者少社区不完善的问题，已经发生很大改变。
3、三者的关系
大众集团的MLB-EVO架构
solr
es
5、应用场景
1. 站内搜索：主要和 Solr 竞争，属于后起之秀
2. NoSQL Json文档数据库：主要抢占 Mongo 的市场，它在读写性能上优于 Mongo ，同时也支持地理位置查询，还方便地理位置和文本混合查询。@4
3. 监控：统计、日志类时间序的数据存储和分析、可视化，这方面是引领者
4. 国外：Wikipedia（维基百科）使用 ES 提供全文搜索并高亮关键字、Stack Overflow（IT问答网站）结合全文搜索与地理位置查询、Github使用Elasticsearch检索1300亿行的代码
5. 国内：百度（在云分析、网盟、预测、文库、钱包、风控等业务上都应用了ES，单集群每天导入30TB+数据，总共每天60TB+）、新浪 、阿里巴巴、腾讯等公司均有对ES的使用
6. 使用比较广泛的平台ELK(ElasticSearch, Logstash, Kibana)
7、招聘情况：小厂：15-25k，大厂：25-40k，java：很多有需要了解这一项的要求
@1：搜索引擎框架和搜索引擎的区别
全文搜索引擎是名副其实的搜索引擎，国外具代表性的有Google、Fast/AllTheWeb、AltaVista、Inktomi、Teoma、WiseNut等，国内著名的有百度（Baidu）。它们都是通过从互联网上提取的各个网站的信息（以网页文字为主）而建立的数据库中，检索与用户查询条件匹配的相关记录，然后按一定的排列顺序将结果返回给用户，因此他们是真正的搜索引擎。
从搜索结果来源的角度，全文搜索引擎又可细分为两种，一种是拥有自己的检索程序（Indexer），俗称"蜘蛛"（Spider）程序或"机器人"（Robot）程序，并自建网页数据库，搜索结果直接从自身的数据库中调用，如上面提到的7家引擎；另一种则是租用其他引擎的数据库，并按自定的格式排列搜索结果，如Lycos引擎。
@2：solr和es的区别和对比
Solr可以独立运行，运行在Jetty、Tomcat等这些Servlet容器中，Solr 索引的实现方法很简单，用 POST 方法向 Solr 服务器发送一个描述 Field 及其内容的 XML 文档，Solr根据xml文档添加、删除、更新索引 。Solr 搜索只需要发送 HTTP GET 请求，然后对 Solr 返回Xml、json等格式的查询结果进行解析，组织页面布局。Solr不提供构建UI的功能，Solr提供了一个管理界面，通过管理界面可以查询Solr的配置和运行情况。
solr是基于lucene开发企业级搜索服务器，实际上就是封装了lucene。
Solr是一个独立的企业级搜索应用服务器，它对外提供类似于Web-service的API接口。用户可以通过http请求，向搜索引擎服务器提交一定格式的文件，生成索引；也可以通过提出查找请求，并得到返回结果。
@3：关于hermes
Hermes:的使用特点如下：
1. 一个基于大索引技术的海量数据实时检索分析平台。侧重数据分析。
2. 数据规模从几亿到万亿不等。最小的表也是千万级别。在腾讯17 台TS5机器，就可以处理每 天450亿的数据(每条数据1kb左右)，数据可以保存一个月之久。
@4：es能否替代mangodb
简单的说，对读多写少的存储es是可以代替mongo的，特别是运行在SSD服务器上时（传统硬盘请不要用aggregation和sort，就算有了doc_values的es2也一样不要用，就算你有再多的内存也不要用）。
对于复杂查询，mongo能作到的es也都可以做到。
扩展性方面，两者都很优秀靠谱，es维护起来要稍方便一些。
性能上来说，读方面mongo要比es稍强（都足够快了，一天千万级pv的单服两者都可以轻松顶住，es cpu占用会比mongo稍多），写方面mongo秒杀es，特别是mongo3以后wiredtiger的引入，写性能差距更大，所以如果满足开头说的，那才考虑用es替代mongo。
存储灵活性方面mongo完秒es，用es做主存储时你要想清楚，因为
mapping是不可变！
mapping是不可变！
mapping是不可变！
当需求经常变时候最好用mongo。需求变化时候用es你会想死，数据量少还好，数据量多你能想像一下几亿的数据慢慢scan然后全部重建的痛苦吗？想死的心都有。
es还多出个全文索引功能，当然mongo3也有，但和es比就是个玩笑。
我的这个，数据量差不多1.8T左右。全es，运行良好，除了有一次硬盘爆满了挂一次外，一直运行良好。
最后一点，es现在更多的也被归入nosql一族了而非ir系统，所以两者的界线其实没你想像的明显。
@5：
搜索 分析操作窗口 数据管道 轻量采集 部署安装
日志管理 指标分析 性能检测 定制搜索 交互分析
@6
