ES是基于lucene的
其对Lucene 做了一层封装，它提供了一套简单一致的 RESTful API 来帮助我们实现存储和检索。
核心概念
1. Cluster：集群
ES可以作为一个独立的单个搜索服务器。不过，为了处理大型数据集，实现容错和高可用性，ES可以运行在许多互相合作的服务器上。这些服务器的集合称为集群。
2. Node：节点
形成集群的每个服务器称为节点。
3. Shard：分片
当有大量的文档时，由于内存的限制、磁盘处理能力不足、无法足够快的响应客户端的请求等，一个节点可能不够。这种情况下，数据可以分为较小的分片。每个分片放到不同的服务器上。 当你查询的索引分布在多个分片上时，ES会把查询发送给每个相关的分片，并将结果组合在一起，而应用程序并不知道分片的存在。即：这个过程对用户来说是透明的。
4. Replia：副本
为提高查询吞吐量或实现高可用性，可以使用分片副本。 副本是一个分片的精确复制，每个分片可以有零个或多个副本。ES中可以有许多相同的分片，其中之一被选择更改索引操作，这种特殊的分片称为主分片。 当主分片丢失时，如：该分片所在的数据不可用时，集群将副本提升为新的主分片。
5. 全文检索
全文检索就是对一篇文章进行索引，可以根据关键字搜索，类似于mysql里的like语句。 全文索引就是把内容根据词的意义进行分词，然后分别创建索引，例如”你们的激情是因为什么事情来的” 可能会被分词成：“你们“，”激情“，“什么事情“，”来“ 等token，这样当你搜索“你们” 或者 “激情” 都会把这句搜出来。
查询类型
1. query and fetch
向索引的所有分片 （ shard）都发出查询请求， 各分片返回的时候把元素文档 （ document）和计算后的排名信息一起返回。
这种搜索方式是最快的。 因为相比下面的几种搜索方式， 这种查询方法只需要去 shard查询一次。 但是各个 shard 返回的结果的数量之和可能是用户要求的 size 的 n 倍。
2. query then fetch（默认）
- 发送查询到每个shard
- 找到所有匹配的文档，并使用本地的Term/Document Frequency信息进行打分
- 对结果构建一个优先队列（排序，标页等）
- 返回关于结果的元数据到请求节点。注意，实际文档还没有发送，只是分数
- 来自所有shard的分数合并起来，并在请求节点上进行排序，文档被按照查询要求进行选择
- 最终，实际文档从他们各自所在的独立的shard上检索出来
- 结果被返回给用户
3. dfs query and fetch
- 预查询每个shard，询问Term和Document frequency
- 发送查询到每个shard
- 找到所有匹配的文档，并使用全局的Term/Document Frequency信息进行打分
- 对结果构建一个优先队列（排序，标页等）
- 返回关于结果的元数据到请求节点。注意，实际文档还没有发送，只是分数
- 来自所有shard的分数合并起来，并在请求节点上进行排序，文档被按照查询要求进行选择
- 最终，实际文档从他们各自所在的独立的shard上检索出来
- 结果被返回给用户
4. dfs query then fetch
- 预查询每个shard，询问Term和Document frequency
- 发送查询到每个shard
- 找到所有匹配的文档，并使用全局的Term/Document Frequency信息进行打分
- 对结果构建一个优先队列（排序，标页等）
- 返回关于结果的元数据到请求节点。注意，实际文档还没有发送，只是分数
- 来自所有shard的分数合并起来，并在请求节点上进行排序，文档被按照查询要求进行选择
- 最终，实际文档从他们各自所在的独立的shard上检索出来
- 结果被返回给用户
DFS 是一个什么样的过程？
从 es 的官方网站我们可以发现， DFS 其实就是在进行真正的查询之前， 先把各个分片的词频率和文档频率收集一下， 然后进行词搜索的时候， 各分片依据全局的词频率和文档频率进行搜索和排名。 显然如果使用 DFS_QUERY_THEN_FETCH 这种查询方式， 效率是最低的，因为一个搜索， 可能要请求 3 次分片。 但 使用 DFS方法，搜索精度是最高的。