白色黑墙
ElasticSearch（业界常称为ES）是一个全文搜索引擎，其特点为分布式，易扩展，实时文件存储与提取！
ES的底层使用Apache鼎鼎大名的Lucence开源框架实现，严格来说lucence只属于一个工具包，提供了简单的接口用于实现全文检索！
lucence有什么用呢？
想想我们使用天猫购物的时候，假设输入一个床，整个页面能显示木板床，水床，甚至有床垫，床单等购物信息出现，就是因为所有这些与床有关的信息录入时，以“床”这个词作为分词，建立索引，从而能得到各种与床有关的店铺，商品等等！ 
如果用mysql，怎么实现呢，一大段商品信息描述，使用like'%床%'来查询，本来就不走索引，字段还很大，别说亿级别的数据了，几百万就能把一台mysql服务器搞死！
那么ES怎么做的呢？跟mysql的查找方式相反，mysql是从文档中提取关键字，而使用ES可以先提取出关键字(使用特定的分词器)，然后关键字出现的位置，建立倒排索引，明确的记录关键词所在的位置，举例截图如下：
图中的箭头所示的一列数据叫做Posting List，就是存放关键字对应的位置；这样在查询羽毛球的时候，能迅速返回证件号1的数据，查年龄20的时候，能迅速返回证件号2,3对应的数据；
图中的Term就是Term Dictionary(字典)，ES对字段Term Dictionary进行了排序，然后使用二分法查找数据，查找到的效率为O(logN)，为了避免磁盘IO的低性能，ES可以把字典放在了内存中来提升查询性能，那么问题来了，如果是亿万级的数据，年龄还好，但是爱好可能也是亿万级别的量，这时候内存可能就要爆了，于是就有了Term Index，就是将Term Dictionary再进行一次索引，比如说羽毛球这个词，建立一个索引树，使用羽字就可以定位到羽字开头的所有Term Dictionary，然后在使用二分法查找到需要的关键词，这样就可以只把Term Index放入内存，从而提升整个ES系统的处理能力；
上面就是ES大概的原理，当然远不止于此，作为大数据领域中文档处理的佼佼者，ES大量使用在日志记录与分析，全文检索，数据统计等等情景中！
以上是ES简单的原理说明，对于分词器选择，字典树压缩，如何使用等更多的东西没有描述，以后找机会会详细分享一次，请关注。。。
哎哟JAVA不错哦
Elastic主要用于快速储存、搜索和分析海量的数据。它的底层是基于开源库Lucene。
Elastic是面向文档型数据库，一条数据就是一个文档。在插入数据的时候，elastic就默默的为插入这些字段都建立的索引--倒排索引。而倒排索引是比mysql的B+树索引更快的索引。
而且如果多个字段联合查询就利用跳表快速做与运算或者bitset按位与。
主要应用场景 站内搜索，日志数据分析，BI系统等。
yes的练级攻略
es实现原理就是利用了Lucence框架实现索引，支持分布式部署，性能非常高。现在用的比较广泛，如：网站的全文搜索，数据的统计分析等。
如果项目需要选型，推荐使用es
