Elasticsearch也是基于Lucene的全文检索库，本质也是存储数据，很多概念与MySQL类似的。
对比关系：
索引（indices）--------------------------------Databases 数据库
类型（type）-----------------------------Table 数据表
文档（Document）----------------Row 行
字段（Field）-------------------Columns 列
详细说明：
|
概念 |
说明 |
|
索引库（indices) |
indices是index的复数，代表许多的索引 |
|
类型（type） |
类型是模拟mysql中的table概念，一个索引库下可以有不同类型的索引，比如商品索引，订单索引，其数据格式不同。不过这会导致索引库混乱，因此未来版本中会移除这个概念 |
|
文档（document） |
存入索引库原始的数据。比如每一条商品信息，就是一个文档 |
|
字段（field） |
文档中的属性 |
|
映射配置（mappings） |
字段的数据类型、属性、是否索引、是否存储等特性 |
另外，在SolrCloud中，有一些集群相关的概念，在Elasticsearch也有类似的：
- 索引集（Indices，index的复数）：逻辑上的完整索引
- 分片（shard）：数据拆分后的各个部分
- 副本（replica）：每个分片的复制
Elasticsearch本身就是分布式的，因此即便你只有一个节点，Elasticsearch默认也会对你的数据进行分片和副本操作，当你向集群添加新数据时，数据也会在新加入的节点中进行平衡。
Elasticsearch采用Rest风格API，因此其API就是一次http请求，你可以用任何工具发起http请求
创建索引的请求格式：
- 请求方式：PUT
- 请求路径：/索引库名
- 请求参数：json格式：
{
"settings": {
"number_of_shards": 3,
"number_of_replicas": 2
}
}
- settings：索引库的设置
- number_of_shards：分片数量
- number_of_replicas：副本数量
此处就相当于三个分片，每个分片都有一个副本，简单来说就是会将数据分为三部分存储，而每一部分都有一个备份。