ES对于数据上的数据模型如下：
index type document field mapping
与数据库的概念一一对应的为
db table row column schema
ES 导入数据时会自动的建立document的mapping， 导入的数据为json数据格式
ES 中所有的搜索都是基于文档的，在此基础上又三种搜索方式:
检索（根据 index, type, id 查找某一文档）
搜索（调用 search接口根据query进行简单或者复杂的条件进行搜索，包括简单搜索，复杂搜索，全文搜索，段落搜索）
聚合统计 （ 调用 search接口根据aggs 进行各种统计操作，并且可以配合query进行使用）
一个节点（node）就是一个Elasticsearch实例，一个集群由多个节点组成，它们拥有相同的
cluster。name. 当加入新的节点或者删除一个节点时，集群就会自动感知到并平衡数据。
集群中的一个节点会被选举为主节点（master），它将临时管理集群级别的一些变更，例如新建或者删除索引。主节点不参与文档级别的变更或者搜索，该节点不会成为集群的瓶颈。
集群健康：
集群监控有三种状态： green， yellow 或red
颜色 意义
green 所有的主要分片和复制分片都可用
yellow 所有主要分片可用，但不是所有复制分片都可用
red 不是所有的主要分片都可用
主要分片（primary sahrd) 复制分片（replica shard)
索引：
索引（index）关联存储数据的地方，用来指向一个或多个分片（shards）的 逻辑命名空间
分片：
一个分片（shard）是一个最小级别 "工作单元（worker unit）"，保存了索引的一部分数据，（可以理解为hadoop中hdfs的块以及mapreduce中的task集合体，即处理一块数据的数据和程序）
实现上 一个分片就是一个Luence实例，并且它本身就是一个完整的搜索引擎。文档存储在分片中，并且在分片中被索引。
当索引创建完成的时候，主分片的数量就固定了（默认为5），复制分片的数量可以随时调整
（需要提前思考创建多少主分片，因为主分片的数量是不变的，文档的大小和复杂度，期望的响应时间，文档数量，文档的属性等，如果数据量可能很大，就需要创建多个分片，从而提高搜索的响应时间）
故障转移：
按照道理来讲，只要节点之间拥有相同的 cluster.name 那么它们就会被自动发现，如果没有，则有可能是 网络广播被禁用，或者防火墙阻止了节点通信
问题一：当主节点（master）挂了，其他节点可以选举为主节点，但是主节点的元数据呢，还是说主节点的元数据也已经在其他节点有备份。
