Elastic主要用於快速儲存、搜尋和分析海量的資料。它的底層是基於開源庫Lucene。

Elastic是面向文件型資料庫，一條資料就是一個文件。在插入資料的時候，elastic就默默的為插入這些欄位都建立的索引--倒排索引。而倒排索引是比mysql的B+樹索引更快的索引。

而且如果多個欄位聯合查詢就利用跳錶快速做與運算或者bitset按位與。

主要應用場景 站內搜尋，日誌資料分析，BI系統等。

ElasticSearch（業界常稱為ES）是一個全文搜尋引擎，其特點為分散式，易擴充套件，實時檔案儲存與提取！

ES的底層使用Apache鼎鼎大名的Lucence開源框架實現，嚴格來說lucence只屬於一個工具包，提供了簡單的介面用於實現全文檢索！

lucence有什麼用呢？

想想我們使用天貓購物的時候，假設輸入一個床，整個頁面能顯示木板床，水床，甚至有床墊，床單等購物資訊出現，就是因為所有這些與床有關的資訊錄入時，以“床”這個詞作為分詞，建立索引，從而能得到各種與床有關的店鋪，商品等等！

如果用mysql，怎麼實現呢，一大段商品資訊描述，使用like"%床%"來查詢，本來就不走索引，欄位還很大，別說億級別的資料了，幾百萬就能把一臺mysql伺服器搞死！

那麼ES怎麼做的呢？跟mysql的查詢方式相反，mysql是從文件中提取關鍵字，而使用ES可以先提取出關鍵字(使用特定的分詞器)，然後關鍵字出現的位置，建立倒排索引，明確的記錄關鍵詞所在的位置，舉例截圖如下：

圖中的箭頭所示的一列資料叫做Posting List，就是存放關鍵字對應的位置；這樣在查詢羽毛球的時候，能迅速返回證件號1的資料，查年齡20的時候，能迅速返回證件號2,3對應的資料；

圖中的Term就是Term Dictionary(字典)，ES對欄位Term Dictionary進行了排序，然後使用二分法查詢資料，查詢到的效率為O(logN)，為了避免磁碟IO的低效能，ES可以把字典放在了記憶體中來提升查詢效能，那麼問題來了，如果是億萬級的資料，年齡還好，但是愛好可能也是億萬級別的量，這時候記憶體可能就要爆了，於是就有了Term Index，就是將Term Dictionary再進行一次索引，比如說羽毛球這個詞，建立一個索引樹，使用羽字就可以定位到羽字開頭的所有Term Dictionary，然後在使用二分法查詢到需要的關鍵詞，這樣就可以只把Term Index放入記憶體，從而提升整個ES系統的處理能力；

上面就是ES大概的原理，當然遠不止於此，作為大資料領域中文件處理的佼佼者，ES大量使用在日誌記錄與分析，全文檢索，資料統計等等情景中！

以上是ES簡單的原理說明，對於分詞器選擇，字典樹壓縮，如何使用等更多的東西沒有描述，以後找機會會詳細分享一次，請關注。。。

es實現原理就是利用了Lucence框架實現索引，支援分散式部署，效能非常高。現在用的比較廣泛，如：網站的全文搜尋，資料的統計分析等。

如果專案需要選型，推薦使用es