主要总结一下es的索引结构，看看一个索引是怎么储存在多个节点中，又是如何从多个节点上获得搜索结果的。
网上看到的两句话，特别有意思:
一切设计都是为了提高搜索性能
Elasticsearch索引的思路是将硬盘的东西尽可能搬到内存中，减少硬盘随机读写次数(同时利用硬盘顺序读写的特性)，
结合各种奇技淫巧的压缩算法，用其及其苛刻的态度使用内存
基本术语
在Elasticsearch中，索引的逻辑结构分为下面几个层次: 索引->类型->文档(document),
从储存结构上看可以分为:分片(shard)->段(segment)->文档(document)->域(field)->词(term)
还有下面的一些术语:
文档: Elasticsearch的基本结构，采用json表示，每一个文档是独立的，每个文档都包含了字段名和值，文档是字段不一定完全相同，
当相同类型的文档，类型必须相同索引 Index: 索引是类型的容器，每一个索引都包含一个以上的类型和一些配置，例如: 分片数量，刷新时间等等类型Type: 一个类型中可以包含多个文档，每一个类型都有一个自己的映射(mapping)，这个映射描述了字段的类型和相关的配置参数域field: 具体索引的字段
ES索引的配置参数
{
"settings":{
"number_of_shards": "16",
"number_of_replicas": "1",
"refresh_interval": "-1",
"index.codec": "best_compression"
},
"mappings": {
"fourtb": {
"_all": { "enabled": false},
"_source": { "enabled": true},
"properties": {
"length": {"index": "no", "store": "no", "type": "integer"}
}
}
}
}先说_all和_source，如果开启了_all，则会将所有的字段合在一起，创建一个新的field，这样就可以指定field进行搜索
而_source则会将文本储存起来，这样可以查询的时候可以完整返回原来的数据。
索引的基本参数有:
index: 参考值:no(不建立索引，不能被搜索的字段)，not_analyzed(整个关键词会被储存为关键词),analyzed(默认采用standard分析器)store: 参考值:true，false，单独储存原始文本，独立储存的字段越多，索引越大，更大的索引会减慢建立索引和搜索的速度type: 索引的数据类型，ES对不同的类型会采用不同的策略，下面是对类型的详细介绍
这里store和_source的意思相近，都是单独储存原始文本，但是还是有很多的区别的。
store是指field的存储，如果开启，则会单独储存这个field，在对index进行查询的时候，可以返回这个field的原始值，
但是在每次读取field的值都是读硬盘的一次读取，代价也是比较高的。_source是对整个索引的储存，可以进行压缩，在查询的时候可以返回原始的索引，如果不开启，就只能返回开启了store的field，
另外，如果我们要获取fiel的话，可以直接从_source上分析提取，所以读取硬盘的次数也少一些。但是如果我们需要频繁获取一个字段的数据，而且source比较大的情况下，单独储存这个field会比从source上提取要快。
简单来说，开了_source就能返回全部的原始数据，store是表明是否开启单独储存的
下面是一些常见的索引类型,并不是全部，具体的还要去看参考手册:
| 类型 | 说明 |
| :-: | :-: |
| text | 在ES5.x之后，将string类型拆分为text和keyword，text对应的是全文搜索，text会被切开，分为多个term建立索引，可以对这个field进行模糊搜索，但是text不能进行排序或者聚合操作 |
| keyword | 这个类型一般用于邮箱地址，用户名，tag等等，需要精确匹配，一般可以用于聚合，排序，过滤等等操作，对于部分特殊的字段，可以建立多个域，text和keyword，分别使用不同的需求 |
| Numeric | 数字类型保存long，integer，short，byte，double，float，half_float,scaled_float等等 |
| date | 日期类型，可以指定日期的格式 |
| ip | 没什么好说的 |
| boolean | 也是没什么好说的 |
