Elasticsearch(ES)作为被广泛地知道是一个开源搜索引擎，在开始了解ES之前，我们先对自己问几个问题。
为什么需要这样一个技术？
在日常工作中ES解决了什么问题，这些问题用现有技术无法解决么？
ES是如何解决上述这一类问题的？
ES在解决上述问题时，又会有什么局限？
Q1.数据库字段太多，查询太慢，索引没有办法再做优化
Q2.数据库一个count就拖死全表
Q3.mysql的limit翻到几十几百万页后实在是太慢
Q4.数据库like实在太慢，每次like整个服务器cpu内存飙高，拖慢整个线上服务
Q5.想要对外/内提供db里的数据的全文检索服务
Q6.提供日志(程序运行)查询功能
在最流行的innodb之类的存储引擎在计算count的时候非常的慢。
还有mysql的like，其实没什么玄幻的，每次做like本质还是查询内容去和数据库字段做字符串匹配。非常地慢。
企业里对数据的查询一般可以分为三种：列表查询、详情查询和统计查询。看名字也可以理解的差不多了，列表一般就是列表页对应的查询，详情查询一般就是具体id对应的详情查询，而统计查询一般都是在看一些数值之类的报表，也就是一堆count值。
这三种查询里，mysql做起来最困难的是1和3，即列表查询和统计查询。列表查询这种场景也会对应各种各样的查询条件，例如字段等于/小于/大于/不等判断，或者像字符串的严格匹配/前后缀模糊查询
ES数据架构的主要概念（与关系数据库Mysql对比）
ELK是什么？
ELK=elasticsearch+Logstash+kibana
elasticsearch：后台分布式存储以及全文检索
logstash: 日志加工、“搬运工”
kibana：数据可视化展示。
ELK架构为数据分布式存储、可视化查询和日志解析创建了一个功能强大的管理链。 三者相互配合，取长补短，共同完成分布式大数据处理工作。
ES官方的中文视频：https://www.elastic.co/cn/webinars/getting-started-elasticsearch?baymax=rtp&storm=learn
ES官方的英文文档：https://www.elastic.co/guide/en/elasticsearch/reference/6.0/_cluster_health.html
ES官方中文文档：
https://www.elastic.co/guide/cn/elasticsearch/guide/current/query-dsl-intro.html
