面向文档型数据库，一条数据就是一个文档，用json把文档序列化。
关系数据库=elasticsearch
数据库=索引
表=类型
行=文档
列=字段
交互能够用java api或http的restful api，插入一条记录就是对一个uri执行put
PUT /megacorp/employee/1{ "name" : "John", "sex" : "Male", "age" : 25, "about" : "I love to go rock climbing", "interests": [ "sports", "music" ]}es的设计主旨：检索性能
为了进步检索性能，要就义插入、更新的性能。
插入时，会为每个字段建设倒排索引。
倒排索引
Term：阳光
posting list:12,23,45
这样搜寻“阳光”，就能够马上找到有“阳光”的文档
Term dictionary：
把“阳光”“雨水”等term排序，二分法查找term，logn的查找效率。
Term index：
通过磁盘性能差，所以es通过内存查找term，term太多，term dictionary就会很大。term index是基于前缀的树状索引，能够找到term的offset从而定位到term。
再联合fst压缩技术，term index就能够缓存到内存里了。
压缩技巧
1.posting list有序
step1 实在值存储变增量存储，step 2 分区，step 3 以字节模式存储
Roaring bitmaps
将posting list依照65535为界线分块，用<商，余数>的组合示意每一组id，
65535是一个经典值，因为它=2^16-1，正好是用2个字节能示意的最大数，一个short的存储单位。
最初的block，如果超过4096个元素，用bitset存，否则用short[]存。
65536个元素用bitmap存恒定8192bytes，用short[]存是2*nbytes。
联结索引
多个field索引联结查问
用跳表做疾速与运算，或者用bitset按位与
跳表查问很快，所以对最短的posting list每个元素判断其余两个posting list里是否存在就行。
用bitset就直观的按位与就行了。
总结和思考
es的思路：1.能搬进内存的尽量搬进内存，缩小磁盘读取次数。2.能压缩的尽量压缩，严苛地应用内存。
留神点
不须要索引的字段肯定要标出来，默认是建索引的
不须要anayasis的string也要标出来，默认是analysis的
选有法则的id很重要，晋升压缩效率和寻道效率