昨天對 ElasticSearch做了一些簡單的小介紹，今天聊聊 ElasticSearch的資料組成以及架構

資料組成:

• Node : 一個安裝有 ElasticSearch 的機器就稱為是一個 Node
• Cluster : Node 群 (應用的所有 Node)
• Field : 欄位，為最小單位
• Document : 若干個 Field 集合成一個 Document，有唯一 ID
• Type : 一個 Document 必須隸屬於一個 Type
• Index : 由 Type 組成
• Example : /index/type/id

備註 : 在後期官方取消了 Type 的應用，並統一以 (_doc) 管理，而原來的 Type就類似於一般資料庫中的 Table，官方給出的解釋是，如果一個 Node中，又依據資料拆成多個 Type不符合原本理念，效能也較差，故取消。

比較圖 :

架構觀念
Shard : 分片，Elasticsearch 提供分散式搜尋的基礎，將一個完整的 Index 分成若干部分，儲存在相同或不同的 Node 上，這些組成 Index 的部分就叫做 Shard。
Replica : Shard 的備份，所以一個 Index 的 Shard 數量就等於 Shard × (1 + Replica)。
示意圖 :

Recovery :
當有節點加入、退出叢集(Cluster)或故障節點重新啟動時，Elasticsearch 會根據各節點 (Node) 的負載情況，對索引分片 (Shards) 進行重新分配
示意圖 :

ELK Stack
Logstash：可收集各式各樣的 Log 或是資訊，並根據你的 Log 來 Parser 成你要的資料欄位 
Kibana：視覺化與圖形化的方式來顯示各種 Log
Beats：針對特定要收集的 Log，官方量身定做的輕量級日誌收集與轉送套件

示意圖 :

資料結構大致上，明天來進行實作~

來源 :
https://www.dotblogs.com.tw/supershowwei/2015/12/01/112117
https://zhuanlan.zhihu.com/p/72974595
https://godleon.github.io/blog/Elasticsearch/Elasticsearch-getting-started/
https://blog.toright.com/posts/5319/fulltext-search-elasticsearch-kibana-bigdata.html