1.学习方法：看官方文档，更新速度快，不要在书上花太多时间
2.倒排索引：基于document，分词，把词拆开，统计，出现频次，相关度越高，说明结果越精准
分词以后，统计各分词在document出现的id,这就是倒排索引，然后根据搜索关键词，把关键词分词，再去匹配分词，匹配到之后将各分词内的id集合，去统计原词汇出现的相关度
3.倒排索引数据结构：
包含关键词的document list(id);
关键词在每个doc中出现的次数,TF term frequency；
关键词在整个索引出现的次数，IDF inverse doc frequency;idf越高，相关度越低（说明在每个doc中都出现了，相关度不高，搜索精准度不高） ；
关键词在当前doc中出现的次数；
每个doc的长度，越长相关度越低；
包含整个关键词的所有doc的平均长度；
4.lucene:java的jar包，
功能：
创建倒排索引；
提供了复杂api；
缺点：
单点；（如果lucene做集群节点一旦宕机，数据丢失；如果做集群，需要zk去管理，管理成本高，单台节点的承载能力有限，需要人工做负载，所以要用es,因为es本身就是分布式的）
5.es集群：面向开发者友好，只需要通过客户端调用，不需要自己在每个节点创建索引，并且自动做负载和冗余副本
pb级别的数据；
分布式的搜索，存储，数据分析引擎；
优点：
面向开发者友好，屏蔽了Lucene的复杂性，集群自动发现；
自动维护数据在多个节点上的建立；
会帮我们处理搜索请求的负载均衡；
自动维护冗余副本，保证部分节点宕机的情况下仍然不会有任何数据丢失；
es基于lucene提供了很多的高级功能，复合查询，聚合分析，基于地理位置（例如疫情地图）；
对于大公司，可以构建几百台服务器的大型分布式集群，处理PB级别的数据；
对于小公司，开箱即用，门槛低，上手简单；
相比传统数据库，提供了全文检索，同义词处理（美丽的，漂亮的），相关度排名，聚合分析以及海量数据的近实时（NTR）处理；
应用领域：
百度（全文检索，高亮，搜索推荐）；
各大网站的用户行为日志（用户点击，浏览，收藏，评论）；
BI（商业智能，数据分析，数据挖掘统计），用户画像等；
github几千亿行代码，代码托管平台；
ELK（elasticsearch （数据存储），logstash(日志采集），kinaba(可视化)）；
6.es核心概念
集群：
每个集群至少包含两个节点；
集群中的每个节点，一个节点不代表一台服务器，一台服务器可以有多个节点；
Field:一个数据字段，与index和type一起，可以定位一个doc;
Document:可以理解为行，es的最小数据单元，一个json对象
Type:逻辑上的数据分类，
Index:一类相同或者类似的doc，比如一个员工索引，商品索引；
shard 分片：如果一台机器宕机，可以保证其他节点数据的完整性，横向扩展，es会自动做shard rebalance
primary shard ,replica shard副本分片（性能提升很高），高可用，横向扩容；
一个Index包含多个shard,默认5个primary shard，默认每个primary shard分配一个replica shard,primary shard的数量在创建索引的时候设置，如果想修改，需要重新创建索引;
每个shard 都是一个lucene实例，有完整的创建索引的处理请求能力；
es会自动在Nodes上为我们做shard均衡；
一个doc是不可能同时存在于多个primary shard中的，但是可以存在多个replica shard中；
副本分片主要是查询压力的，不做写请求；
p和对应的r不能同时存在于同一个节点，所以最低的可用配置是两台节点，互为主备；
