ES對于數據上的數據模型如下：
index type document field mapping
與數據庫的概念一一對應的為
db table row column schema
ES 導入數據時會自動的建立document的mapping， 導入的數據為json數據格式
ES 中所有的搜索都是基于文檔的，在此基礎上又三種搜索方式:
檢索（根據 index, type, id 查找某一文檔）
搜索（調用 search接口根據query進行簡單或者復雜的條件進行搜索，包括簡單搜索，復雜搜索，全文搜索，段落搜索）
聚合統計 （ 調用 search接口根據aggs 進行各種統計操作，并且可以配合query進行使用）
一個節點（node）就是一個Elasticsearch實例，一個集群由多個節點組成，它們擁有相同的
cluster。name. 當加入新的節點或者刪除一個節點時，集群就會自動感知到并平衡數據。
集群中的一個節點會被選舉為主節點（master），它將臨時管理集群級別的一些變更，例如新建或者刪除索引。主節點不參與文檔級別的變更或者搜索，該節點不會成為集群的瓶頸。
集群健康：
集群監控有三種狀態： green， yellow 或red
顏色 意義
green 所有的主要分片和復制分片都可用
yellow 所有主要分片可用，但不是所有復制分片都可用
red 不是所有的主要分片都可用
主要分片（primary sahrd) 復制分片（replica shard)
索引：
索引（index）關聯存儲數據的地方，用來指向一個或多個分片（shards）的 邏輯命名空間
分片：
一個分片（shard）是一個最小級別 "工作單元（worker unit）"，保存了索引的一部分數據，（可以理解為hadoop中hdfs的塊以及mapreduce中的task集合體，即處理一塊數據的數據和程序）
實現上 一個分片就是一個Luence實例，并且它本身就是一個完整的搜索引擎。文檔存儲在分片中，并且在分片中被索引。
當索引創建完成的時候，主分片的數量就固定了（默認為5），復制分片的數量可以隨時調整
（需要提前思考創建多少主分片，因為主分片的數量是不變的，文檔的大小和復雜度，期望的響應時間，文檔數量，文檔的屬性等，如果數據量可能很大，就需要創建多個分片，從而提高搜索的響應時間）
故障轉移：
按照道理來講，只要節點之間擁有相同的 cluster.name 那么它們就會被自動發現，如果沒有，則有可能是 網絡廣播被禁用，或者防火墻阻止了節點通信
問題一：當主節點（master）掛了，其他節點可以選舉為主節點，但是主節點的元數據呢，還是說主節點的元數據也已經在其他節點有備份。
