Elasticsearch是基于Lucene的搜尋引擎。它提供了一個分布式，支援多租戶的全文搜尋引擎，它具有HTTP Web界面和無模式JSON文檔。 Elasticsearch是用Java開發的，根據Apache許可條款作為開源釋出。
----來自維基百科的解釋
我個人的了解是Elasticsearch（以下簡稱ES）是一個支援分布式的全文搜尋引擎，因為在海量資料搜尋時，普通關系型、非關系型資料庫因為IO讀取、處理器運算能力的限制，導緻查詢效率難以提升，但是ES是分布式的（能把處理壓力分攤給每個節點），而且它是給每個詞建立索引，是以查詢效率極高，堪稱即時搜尋。
而且ES能搭配Kibana,實作資料的可視化管理與資料分析。
Kibana儀表盤
前面所過ES是一個分布式搜尋引擎，其本質是一個分布式資料庫，可以多台計算機上的ES執行個體協同工作，這裡面的某一台計算機上的某個ES執行個體，就可以稱為一個Node(節點)，所有的這些協同工作的執行個體，可以稱為一個Cluster(叢集)。
Elastic 會索引所有字段，經過處理後寫入一個反向索引（Inverted Index）。查找資料的時候，直接查找該索引。
是以，Elastic 資料管理的頂層機關就叫做 Index（索引）。它是單個資料庫的同義詞。每個 Index （即資料庫）的名字必須是小寫。
Index 裡面單條的記錄稱為 Document（文檔）。許多條 Document 構成了一個 Index。
Document 使用 JSON 格式表示，下面是一個例子。
同一個 Index 裡面的 Document，不要求有相同的結構（scheme），但是最好保持相同，這樣有利于提高搜尋效率。
Document 可以分組，比如<code>weather</code>這個 Index 裡面，可以按城市分組（北京和上海），也可以按氣候分組（晴天和雨天）。這種分組就叫做 Type，它是虛拟的邏輯分組，用來過濾 Document。
不同的 Type 應該有相似的結構（schema），舉例來說，<code>id</code>字段不能在這個組是字元串，在另一個組是數值。這是與關系型資料庫的表的一個差別。性質完全不同的資料（比如<code>products</code>和<code>logs</code>）應該存成兩個 Index，而不是一個 Index 裡面的兩個 Type（雖然可以做到）。
根據規劃，Elastic 6.x 版隻允許每個 Index 包含一個 Type，7.x 版将會徹底移除 Type。
----參考阮一峰 全文搜尋引擎 Elasticsearch 入門教程
Elasticsearch用于建構高可用和可擴充的系統。擴充的方式可以是購買更好的伺服器(縱向擴充)或者購買更多的伺服器（橫向擴充）。
Elasticsearch雖然能從更強大的硬體中獲得更好的性能，但是縱向擴充有它的局限性。真正的擴充應該是橫向的，它通過增加節點來均攤負載和增加可靠性。如果我們啟動一個單獨的節點，它還沒有資料和索引，這個叢集看起來就像下圖。
叢集中一個節點會被選舉為主節點(master),它将臨時管理叢集級别的一些變更，例如建立或删除索引、增加或移除節點等。
主節點不參與文檔級别的變更或搜尋，這意味着在流量增長的時候，該主節點不會成為叢集的瓶頸。任何節點都可以成為主節點。我們例子中的叢集隻有一個節點，是以它會充當主節點的角色。
當索引建立完成的時候，主分片的數量就固定了，但是複制分片的數量可以随時調整。
讓我們在叢集中唯一一個空節點上建立一個叫做 blogs 的索引。預設情況下，一個索引被配置設定5個主分片，但是為了示範的目的，我們隻配置設定3個主分片和一個複制分片（每個主分片都有一個複制分片）：
PUT /blogs
{
"settings" : {
"number_of_shards" : 3,
"number_of_replicas" : 1
}
我們的叢集現在看起來就像上圖，三個主分片都被配置設定到 Node 1 。
在單一節點上運作意味着有單點故障的風險：沒有資料備份。幸運的是，要防止單點故障，我們唯一需要做的就是啟動另一個節點。
如果我們啟動了第二個節點，這個叢集看起來就像下圖
第二個節點已經加入叢集，三個複制分片(replica shards)也已經被配置設定了，分别對應三個主分片，這意味着在丢失任意一個節點的情況下依舊可以保證資料的完整性。
文檔的索引将首先被存儲在主分片中，然後并發複制到對應的複制節點上。這可以確定我們的資料在主節點和複制節點上都可以被檢索。
随着應用需求的增長，我們該如何擴充？如果我們啟動第三個節點，我們的叢集會自我感覺，這時便成為了三節點叢集。
分片已經被重新配置設定以平衡負載：
從 Node 1 和 Node 2 來的分片已經被移動到新的 Node 3 上，這樣每個節點就有兩個分片，以代替之前的三個。這意味着每個節點的硬體資源（CPU、RAM、I/O）被較少的分片共享，這樣每個分片就會有更好的表現。
分片本身就是一個完整成熟的搜尋引擎，它可以使用單一節點的所有資源。使用這6個分片（3個主分片和三個複制分片）我們可以擴充最多到6個節點，每個節點上有一個分片，這樣就可以100%使用這個節點的資源了。
----參考文獻Elasticsearch: 權威指南
因為每個平台上ES安裝方法有所差別，而且網絡上有較為詳細的安裝教程，本文在此不再贅述。原本是想着在我的兩台騰訊雲Centos伺服器上，搭建一個ES叢集的，但是因為雲伺服器記憶體1G，運作ES時總是報錯，大體意思是記憶體不足，是以我就在自己的PC上,隻搭建了一個ES節點，還不算ES叢集，不過不影響功能的測試。
Windows環境下ES 6.4 MSI下載下傳位址：https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-6.4.0.msi
一路預設下一步，安裝完成後，在浏覽器位址輸入http://localhost:9200/，如果您能看到下列結果，說明安裝完成。
"You Know, for Search"
ES有一套Restful 風格的API系統，通過該API我們與ES進行互動。
利用PostMan向ES POST一條資料如下。
http://localhost:9200/index/test1/1 中Index是該資料的Index(上文有介紹Index),test1是該資料的Type,1是該條資料的Id,該ID在通過ID擷取資料時需要用到。
在知道資料的Index,Type和ID的情況下，可以通過和上文Post資料的Url一樣的格式擷取資料，不同之處時，此時的HTTP方法時Get,如下：
ES的資料查詢文法較為豐富，此處以一個最簡單的查詢為例，Http方法為POST,請求的Url中同樣指定了Index和Type
"query" : { "match" : { "tagline" : "for" }}
指的時查詢tagline中包含的for的資料，
其他更詳細的查詢文法，建議大家檢視Elasticsearch: 權威指南，此處主要抛磚引玉。
在上文中，我們了解到，可以通過restful api與ES進行互動，那麼，如果需要在我們的程式中使用ES，是不是要建立一個這樣的Helper方法，通過HTTP調用RESTFul API與ES進行互動呢？
不是不可以，但是Elastic為大部分語言都建立了"Clients”，其實就是把上文提及的那些方法進行了一個封裝，是我們在代碼中，能夠友善地調用ES。
以.Net Core為例，該”Clients”開源在Github:
https://github.com/elastic/elasticsearch-net
在該倉庫中，其實有<code>Elasticsearch.Net</code> 和 <code>NEST</code>兩個.Net官方SDK,兩個各有特色。
<code>Elasticsearch.Net</code> 是一個非常low leave而且靈活的SDK，它不在意你如何的建構自己的請求和響應。它非常抽象，是以所有的Elasticsearch RESTFul API被表示為方法，而且不會影響你建構json / request / response對象的方式。 它還内置可配置/可覆寫的群集故障轉移重試機制。
<code>NEST</code> 是一個 high level SDK, 有非常大的彈性，如果你想更好的提升你的搜尋服務，你完全可以使用它來做為你的用戶端。可以映射所有請求和響應對象，擁有一個強類型DSL（領域特定語言），并且可以使用.net的特性，如協變、Auto Mapping Of POCOs，NEST内部使用的依然是Elasticsearch.Net用戶端。
本Demo我使用的NEST，是以第一步是建立一個Asp.Net Core Api應用程式并引入NEST的Nuget包。
然後我建立一個EsClientProvider,代碼如下：
IEsClientProvider代碼如下：
然後再Startup的ConfigureServices進行服務的注冊
最後，修改ValueContoller,代碼如下：
其中Index方法能進行資料的送出，Search是通過Post實體的type來進行資料查詢。
代碼不複雜，我就不詳細介紹了，在PostMan中進行Search方法的測試，效果如下：
查詢要求是type是567,響應的實體中，type确實為567,Success!
項目完整代碼：https://github.com/liuzhenyulive/Elasticsearch.Net-Demo
另外推薦一個不錯的ElasticSearch學習資料: ElasticSearch教程
不定期分享.Net實用幹貨，歡迎關注
！