lucene基本概念
索引(Index)
對應一個倒排表，一個檢索的基本單位。在lucene中就對應一個目錄。
lucene基本概念
段(Segment)
一個索引可以包含多個段，段與段之間是獨立的，添加新文檔可以生成新的段，不同的段可以合並。段是索引數據存儲的單元。
文檔(Document)
•文檔是我們建索引的基本單位，不同的文檔是保存在不同的段中的，一個段可以包含多篇文檔。
•新添加的文檔是單獨保存在一個新生成的段中，隨着段的合並，不同的文檔合並到同一個段中。
域(Field)
•一篇文檔包含不同類型的信息，可以分開索引，比如標題，時間，正文，作者等，都可以保存在不同的域里。
•不同域的索引方式可以不同。
詞(Term)
詞是索引的最小單位，是經過詞法分析和語言處理后的字符串。
詞相同，但域不同被認為是兩個不同的詞，也就是說詞是詞根和域名的一個組合。
詞向量(Term Vector)
又稱文檔向量（document vector),由詞文本和詞頻率組成。
語義樹
語義樹是構成搜索處理的一個中間結果，搜索時，會生成語義樹，然后再進行搜索。
權重（Term Weight)
計算分值時使用的主要指標，指詞(Term）在文檔中的分值，脫離文檔單獨說某個詞的權重是沒有意義的。
Term Frequency (tf)：即此Term 在此文檔中出現了多少次。tf 越大說明越重要。
Document Frequency (df)：即有多少文檔包含次Term。df 越大說明越不重要 。
Posting
一般情況下，將一個詞條所索引的文檔（一般用文檔編號表示）稱之為 Posting，那么一個詞條索引的多個文檔就稱之為 Posting-list。這個詞我們在看Java api的時候會經常看到
Payload
即詞條 (Term) 的元數據或稱載荷， Lucene 支持用戶在索引的過程中將詞條的元數據添加的索引庫中，同時也提供了在檢索結果時讀取 Payload 信息的功能。Payload 的誕生為用戶提供了一種可靈活配置的高級索引技術，為支持更加豐富的搜索體驗創造了條件。
倒排表（Inverted Indexing）
倒排表是Lucene索引采用的一套數據結構，這種結構以詞為中心，能夠快速找到包含該詞根的文檔。因為跟正常的便利文檔檢索采用的方法相反，因此叫倒排表。倒排表是一種數據結構，lucene的數據文件一起構成了一張大的倒排表，而不是具體的某文件存儲的倒排結構。
文檔編號（Document Number)
Lucene內部通過文檔編號索引文檔。這個編號在一個段內部唯一，一個段的第一個文檔的編號為0，依次遞增。不過這個編號僅用於lucene內部使用，而且這個編號在段合並的時候會發生改變。如果需要在段外部使用，必須對這個編號進行唯一性重新編排，確保一個文檔在更大的范圍也是唯一的。重新編排的一個實現方法是，基數+段內序號的方法。比如有兩個段，每個段里面都有5個文檔，則第一個段的文檔編號=0+段內編號，第二個段的文檔編號=5+段內編號。
ES基本概念
索引(Index)
ElasticSearch把數據存放到一個或者多個索引(indices)中。如果用關系型數據庫模型對比，索引(index)的地位與數據庫實例(database)相當。索引存放和讀取的基本單元是文檔(Document)。我們也一再強調，ElasticSearch內部用Apache Lucene實現索引中數據的讀寫。讀者應該清楚的是：在ElasticSearch中被視為單獨的一個索引(index)，在Lucene中可能不止一個。這是因為在分布式體系中，ElasticSearch會用到分片(shards)和備份(replicas)機制將一個索引(index)存儲多份。
文檔(Document)
在ElasticSearch的世界中，文檔(Document)是主要的存在實體(在Lucene中也是如此)。所有的ElasticSearch應用需求到最后都可以統一建模成一個檢索模型：檢索相關文檔。文檔(Document)由一個或者多個域(Field)組成，每個域(Field)由一個域名(此域名非彼域名)和一個或者多個值組成(有多個值的值稱為多值域(multi-valued))。在ElasticSeach中，每個文檔(Document)都可能會有不同的域(Field)集合；也就是說文檔(Document)是沒有固定的模式和統一的結構。文檔(Document)之間保持結構的相似性即可(Lucene中的文檔(Document)也秉持着相同的規定)。實際上，ElasticSearch中的文檔(Document)就是Lucene中的文檔(Document)。從客戶端的角度來看，文檔(Document)就是一個JSON對象(關於JSON格式的相關信息,請參看hhtp://en.wikipedia.org/wiki/JSON)。
### 參數映射(Mapping)
在 1.1節 認識Apache Lucene 中已經提到，所有的文檔(Document)在存儲之前都必須經過分析(analyze)流程。用戶可以配置輸入文本分解成Token的方式；哪些Token應該被過濾掉；或者其它的的處理流程，比如去除HTML標簽。此外，ElasticSearch提供的各種特性，比如排序的相關信息。保存上述的配置信息，這就是參數映射(Mapping)在ElasticSearch中扮演的角色。盡管ElasticSearch可以根據域的值自動識別域的類型(field type)，在生產應用中，都是需要自己配置這些信息以避免一些奇的問題發生。要保證應用的可控性。
文檔類型(Type)
每個文檔在ElasticSearch中都必須設定它的類型。文檔類型使得同一個索引中在存儲結構不同文檔時，只需要依據文檔類型就可以找到對應的參數映射(Mapping)信息，方便文檔的存取。
節點(Node)
單獨一個ElasticSearch服務器實例稱為一個節點。對於許多應用場景來說，部署一個單節點的ElasticSearch服務器就足夠了。但是考慮到容錯性和數據過載，配置多節點的ElasticSearch集群是明智的選擇。
集群(Cluster)
集群是多個ElasticSearch節點的集合。這些節點齊心協力應對單個節點無法處理的搜索需求和數據存儲需求。集群同時也是應對由於部分機器(節點)運行中斷或者升級導致無法提供服務這一問題的利器。ElasticSearch提供的集群各個節點幾乎是無縫連接(所謂無縫連接，即集群對外而言是一個整體，增加一個節點或者去掉一個節點對用戶而言是透明的<個人理解，僅供參考>)。在ElasticSearch中配置一個集群非常簡單，在我們看來，這是在與同類產品中競爭所體現出的最大優勢。
分片索引(Shard)
前面已經提到，集群能夠存儲超出單機容量的信息。為了實現這種需求，ElasticSearch把數據分發到多個存儲Lucene索引的物理機上。這些Lucene索引稱為分片索引，這個分發的過程稱為索引分片(Sharding)。在ElasticSearch集群中，索引分片(Sharding)是自動完成的，而且所有分片索引(Shard)是作為一個整體呈現給用戶的。需要注意的是，盡管索引分片這個過程是自動的，但是在應用中需要事先調整好參數。因為集群中分片的數量需要在索引創建前配置好，而且服務器啟動后是無法修改的，至少目前無法修改。
索引副本(Replica)
通過索引分片機制(Sharding)可以向ElasticSearch集群中導入超過單機容量的數據，客戶端操作任意一個節點即可實現對集群數據的讀寫操作。當集群負載增長，用戶搜索請求阻塞在單個節點上時，通過索引副本(Replica)機制就可以解決這個問題。索引副本(Replica)機制的的思路很簡單：為索引分片創建一份新的拷貝，它可以像原來的主分片一樣處理用戶搜索請求。同時也順便保證了數據的安全性。即如果主分片數據丟失，ElasticSearch通過索引副本使得數據不丟失。索引副本可以隨時添加或者刪除，所以用戶可以在需要的時候動態調整其數量。
時間之門(Gateway)
在運行的過程中，ElasticSearch會收集集群的狀態、索引的參數等信息。這些數據被存儲在Gateway中。
