核心特性

1. 分布式架构
   • 水平扩展：通过集群（Cluster）机制，可动态添加节点（Node），轻松处理 PB 级数据，支持高并发查询。
   • 自动分片与复制：数据自动分片（Shard）存储在不同节点，每个分片可配置副本（Replica），保障数据冗余和故障容错。
2. 实时搜索与分析
   • 支持 全文检索（如模糊查询、短语匹配）和 结构化数据查询（如数值范围、聚合分析）。
   • 提供 聚合（Aggregation）功能，可快速统计数据分布、平均值、最大值等，用于生成报表或仪表盘。
3. 灵活的数据模型
   • 以 JSON 格式存储数据（称为文档，Document），无需预定义 Schema（动态映射），适合非结构化或半结构化数据（如日志、用户行为数据）。
   • 支持复杂数据类型（如嵌套对象、地理坐标、日期等）。
4. 高可用性
   • 集群自动管理节点状态，当节点故障时，副本自动切换为活跃分片，保证服务不中断。
   • 支持数据持久化和快照（Snapshot）备份，可快速恢复数据。
5. 生态丰富
   • 与 Elastic Stack 深度集成：
     • Logstash：数据收集和预处理管道。
     • Kibana：数据可视化与仪表盘工具。
   • 提供多种客户端（Java、Python、JavaScript 等），方便与各类应用集成。

典型应用场景

1. 全文搜索引擎
   • 电商网站商品搜索（如淘宝、京东）、企业内部文档检索（如 Confluence）。
   • 支持高亮显示搜索结果、自动补全、拼写纠错等功能。
2. 日志分析与监控
   • 收集和分析服务器日志、应用日志，实时监控系统状态（如通过 ELK Stack 构建日志中心）。
   • 快速定位故障、统计请求频率、分析用户行为。
3. 实时数据分析
   • 金融行业交易数据监控、社交媒体舆情分析、物联网设备数据实时统计。
   • 通过聚合功能生成实时报表，辅助决策。
4. 地理空间搜索
   • 支持地理坐标检索（如查找附近的餐馆、车辆轨迹分析），广泛用于地图应用和物流系统。

基本概念

• 索引（Index）：逻辑上的数据集，类似关系型数据库中的 “数据库”，由多个分片组成。
• 文档（Document）：索引中的一条记录，以 JSON 格式存储，类似数据库中的 “行”。
• 类型（Type）：早期版本用于区分同一索引中的不同数据类别（6.x 版本后逐步弃用，建议用字段区分）。
• 映射（Mapping）：定义索引中文档的字段类型、分词器等元数据，类似数据库的 “表结构”。

简单操作示例（REST API）

1. 创建索引
   http

   PUT /products
   {
     "mappings": {
       "properties": {
         "name": {"type": "text"},
         "price": {"type": "double"},
         "created_at": {"type": "date"}
       }
     }
   }
   

2. 插入文档
   http

   POST /products/_doc/1
   {
     "name": "Elasticsearch Book",
     "price": 99.9,
     "created_at": "2023-10-01"
   }
   

3. 搜索文档
   http

   GET /products/_search
   {
     "query": {
       "match": {
         "name": "Elasticsearch"
       }
     }
   }
   

优势与挑战

• 优势：
  • 分布式架构支持高吞吐和高可用，适合海量数据场景。
  • 开箱即用的全文检索和分析能力，降低开发成本。
• 挑战：
  • 学习曲线较陡峭，需理解分布式系统原理和分词机制。
  • 资源消耗较高（尤其是内存），需合理配置节点和分片。