用户需要检索和发觉符合条件的信息，ES如何帮忙？
1、用户如何问问题？
2、用户如何借助ES回答问题？
1）查询包含“john smith”短语的文档（文档中任何包含john smith字段均可以命中吗？是的，所有支持full-text搜索的字段均考虑在内）： 全文检索之 短语匹配 match_phrase
2）如何高亮匹配的文本？：全文检索之高亮匹配字段
3）按某个字段对返回结果进行汇总/聚合/分组: aggregation, grouping？： 根据兴趣将结果进行分汇总。
3、有什么替代方案？
4、 ES 知识点总结
1) 多词、多字段查询语句： match_multi
多词： 查询语句包含多个词； 多字段： 查询在文档的多个字段进行。
可将多词、多字段查询分为几种情况？
single best field（最佳字段）：在一个字段中出现多》分散在多个字段中》在一个字段中出现少
most fields（最多字段），
cross fields（跨字段：当前实现）： field centirc versers term centric？ term centric！！
2）你最希望的查询结果是什么？
在首页中返回给用户最相关的文档！！！最佳匹配排在最前面！！
返回所有相关文档 versers 不返回任何不相关文档！！！
如何调优相关度计算？： 想似词、 词根、方言
3）你希望查询的词之间按顺序出现的相关分数高！
match_phrase（非常严格的查询，每个分词都按照term匹配）: 所有词都出现、并且按顺序，并且相邻
4）如何减少/限制match_phrase的查询开销？
5）partial update of a document
6） 结构化查询 or 全文检索？
7） 全文检索面临的核心问题是什么？
相关度计算、analysis（分词、计算反向索引，并查询反向索引表）
8）查询和过滤有什么不同？
查询：模式匹配？how relevance？
过滤：逻辑运算？yes or no
9）如果一个字段是array, 如何聚合？
