前言

以下是這個系列的大綱：

1. 簡介Elasticsearch相關背景知識以及應用場景
2. 介紹Elasticsearch的組成架構
3. 快速安裝並開始使用
4. 介紹Elasticsearch針對索引或文檔等增刪改查語法
5. 介紹mapping，簡單介紹不同種類的儲存欄位，以及動態映射等知識
6. 查詢語法、aggression的介紹以及如何增進查詢技巧
7. 再次深入瞭解Elasticsearch整個架設原理，單或多節點啟動與運作流程
8. 了解相關的xpack的設定
9. 針對多節點以及xpack部分進行環境架設
10. Elasticsearch針對各項請求的底層原理
11. 索引生命週期

當然在之前的比賽已經有相當多厲害的大神們已經介紹過Elasticsearch有很多深入的介紹，並且在官方文檔中也有許多詳細的介紹。但是如果你是第一次聽到Elasticseach，或是剛開始學習的人，希望經過這30天的學習能夠獨立自己架設並且根據自身需求來進行使用

Elasticsearch特點

Elasticsearch是一個基於Apache Lucene庫的分散式搜尋和分析引擎，除了是具備開源的優勢之外(部分功能需付費)，在處理和搜索大量結構化和非結構化數據時的表現非常出色。

以下為Elasticsearch的一些特點：

1. 分佈式架構： ES通過將數據分成多個shard並在分佈在多機器上，達成高可用性和擴展性，因此處理大量數據時非常快速
2. 全文索引：ES除了一般的關鍵字查詢之外(term level qurey)，也支持全文索引(full text query)，在進行查詢時更有彈性
3. 多種數據類型支持：ES能夠處理多種數據類型，包含結構化與非結構化數據，例如地理位置、IP、日誌等等
4. 擴展性：ES能與其他服務構成ELK系統(Elasticsearch 、Logstash、Kibana)。在Logstash能夠進行數據過濾，並且多管道的收集數據，而Kibana則是提供數據分析與可視化平台，可以透過圖表或是儀表板的方式呈現數據。而beats家族也能做到各式不同的功能，例如Heartbeat可以監控服務的存活狀況，而Metricbeat則可以去監控主機的CPU與記憶體等狀況等

應用場景

1. 搜尋引擎：因為具備全文索引，支援proximity search與Fuzzy match query等等，在網站、app與內部資料庫查找時，能夠快速的檢索相關文檔，並且在使用者操作上給予一定的彈性。例如proximity search可以接受輸入的單字順序更改，而Fuzzy match query可以接受一定範圍內的錯字查詢

// Proximity searches
搜尋: Spicy Sauce 
結果: 除了Spicy Sauce之外，Spicy Tomato Sauce也可以被找到

// Fuzzy match query
搜尋: 想找Eason但是打成Eas0n
結果: 可以找到Eason

2. 日誌與數據分析：ES也常被用來收集以及儲存大量的日誌數據，並且可以支援數據的實時分析，可以幫助使用者去檢測服務問題、查看性能等等
   
   圖源：https://learn.microsoft.com/zh-tw/dotnet/architecture/cloud-native/logging-with-elastic-stack

3. 地理系統：ES可以處理地理空間的數據，所以也可以呈現不同地區的請求數以及用戶分佈等等
   
   圖源：https://www.elastic.co/cn/maps

4. 推薦系統：因為ES具備相似度分數的計算功能，簡而言之就是會計算出每項結果與查詢語句之間的相似度分數，因此也可以建立成推薦系統的選擇之一

Elasticsearch具備的功能都不是獨有，或是說有相當新穎的技術。但是可能比較難找到同時具備全文索引、處理同義詞、計算相關性分數計算的功能，又能從這些資料生成分析與聚合數據，而同時具備相當快速的速度處理上述任務的這樣的一個服務～