1、search接介词of侧重“寻找的对象”； 接介词for侧重“寻找的目的”。
2、是指Elastic search。Elasticsearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java语言开发的，并作为Apache许可条款下的开放源码发布，是一种流行的企业级搜索引擎。
3、es是英语单词elastic search的缩写，意为“弹性搜索”。它是一个开源的全文搜索和分析引擎，最初是由Elastic公司开发的。它能够帮助用户快速地搜寻和分析大量的数据，包括文本、数字、地理位置等各种形式的数据。es被广泛应用于企业、网站、电子商务平台等多个领域。es有许多优秀的特点和优势。
4、SearchURI中也可以使用和和 Query DSL 类型的布尔操作符，不过具体的使用规则略有不同，具体的规则如下：需要注意的是， “＋” 号在url中会被解析为空格，要使用encode后的结果才可以，我们需要用%2B来替代一下。
所有数据是存在ES中的，百万量级。恩~要用python写一个接口。通过查找资料，通过 ES模糊搜索 可以实现。 prefix的匹配一般是处理不分词的场景，将会匹配articleID中以”J”开头的doc。prefix不会计算revelance score，只是作一个过滤的操作，和filter唯一的区别是filter会缓存结果，而prefix不会。
云计算ES在处理大规模数据时具有很多的优势。首先，它可以实现分布式存储和计算，不断扩充集群规模，提高数据处理效率。其次，它可以对数据进行分片和副本管理，从而提高数据的可靠性和可用性。
数据量大：查询一万条数据要从庞大的数据集中检索并返回结果。数据量庞大，ES要进行大量的计算和遍历，导致查询时间增加。查询复杂度高：查询请求包含复杂的查询条件、聚合操作或排序要求，ES要进行更多的计算和处理，增加查询时间。
ES可以将这些数据集中存储，并提供快速的搜索和分析功能。通过对数据建立索引，ES能够实现高效的全文搜索，用户可以通过关键词快速找到所需信息。随着互联网的发展，ES可以实时收集、存储和分析大量的日志数据，同时提供强大的搜索和聚合功能，使得日志分析更加高效和便捷。
好。速度。es聚合几百万数据是专门为文本搜索而设计的，使用者可以通过简单的API查询所需文档并得到响应。扩展。es聚合几百万数据可以轻松地分配分布在多个节点上的数据和操作，用户可以轻松地扩展并提高性能。
之前我们已经了解过，Elasticsearch是一个基于Lucene实现的分布式全文检索引擎，其实Elasticsearch倒排索引就是Lucene的倒排索引。所谓的倒排索引，就是把你的数据内容先分词，每句话分成一个一个的关键词，然后记录好每一个关键词对应出现在了哪些id标识的数据。
1、好。速度。es聚合几百万数据是专门为文本搜索而设计的，使用者可以通过简单的API查询所需文档并得到响应。扩展。es聚合几百万数据可以轻松地分配分布在多个节点上的数据和操作，用户可以轻松地扩展并提高性能。
2、可以看到正排数据、倒排索引数据，列存数据容量占比几乎相同，正排数据和倒排数据还会存储Elasticsearch的唯一id字段，所以容量会比列存多一些。35M的uuid存入Elasticsearch后，数据膨胀了3倍，达到了127mb。Elasticsearch竟然这么消耗资源，不要着急下结论，接下来看另一个测试结果。
3、所有数据是存在ES中的，百万量级。恩~要用python写一个接口。通过查找资料，通过 ES模糊搜索 可以实现。 prefix的匹配一般是处理不分词的场景，将会匹配articleID中以”J”开头的doc。prefix不会计算revelance score，只是作一个过滤的操作，和filter唯一的区别是filter会缓存结果，而prefix不会。
4、亿文档），总共10个数据节点和2个元数据节点（48GB内存，8核心CPU，ES使用内存达到70%），每天的文档增量大概是3000W条（速度 持续增加中）。目前来看，单个文档的查询效率基本处于实时状态；对于1到2周的数据的聚合统计操作也可以在10秒之内返回结果。
5、数量级在亿级或以上。如数据集非常大，数量级在亿级或以上，可能需要使用es来存储和检索数据，es集群存储数据量达到10亿。
6、ES缓存是Elasticsearch中的一个核心特性，它能够快速存取数据，保证系统的高效性和可靠性。在使用ES时，若数据需要经常访问，或者需要对数据进行快速的搜索和查询，那么使用缓存是非常必要的。ES缓存的使用非常灵活，可分成两种类型：节点级缓存和分布式缓存。
所有数据是存在ES中的，百万量级。恩~要用python写一个接口。通过查找资料，通过 ES模糊搜索 可以实现。 prefix的匹配一般是处理不分词的场景，将会匹配articleID中以”J”开头的doc。prefix不会计算revelance score，只是作一个过滤的操作，和filter唯一的区别是filter会缓存结果，而prefix不会。
查询速度。ES可以支持的查询类型多种多样，单一的term匹配，复杂的historm agg，甚至父子文档模式下bool查询之后继续做文本高亮，数据量越大查询时间越长。如果只是简单的把数据写进去然后按照ID获取数据，那就尽管往里面写数据吧。写入速度。数据量越大，写入速度受影响的可能性越大。
千万数据es配置方法有：增加max_result_window属性，该属性可以设置每个搜索请求可以返回的结果数量。增加track_total_hits属性，该属性可以统计搜索请求返回的总结果数量。扩大filesystemcache，该缓存是es搜索引擎严重依赖的，扩大它可以提高搜索性能。
G。在Elasticsearch大规模集群中，至少需要10G的带宽。于大数据处理和分析等需要高速传输和计算密集型的任务，需要较高的带宽来满足数据传输和计算的需求。而对于一些轻量级的应用或数据量较小的任务，带宽需求可能相对较低。
磁带存储：磁带是一种顺序存储设备，它可以将数据按照顺序依次存储在磁带上。磁带存储通常用于大规模的数据备份和存档。光盘存储：光盘是一种光学存储介质，它可以存储各种类型的数据，包括文档、图片、音频、视频等。光盘的容量相对较小，通常用于存储小规模的数据。
数据存储方式有硬盘存储、固态硬盘、内存、云存储、数据库存储。硬盘存储：硬盘是计算机中最常见的一种存储设备，由一个或多个磁盘盘片和磁盘驱动器组成，是一种机械式存储设备。硬盘存储用于永久存储计算机系统中的数据，通常用于存储操作系统、应用程序和用户数据。
仓库存储：大数据似乎难以管理，就像一个永无休止统计数据的复杂的漩涡。因此，将信息精简到单一的公司位置似乎是明智的，这是一个仓库，其中所有的数据和服务器都可以被充分地规划指定。然而，有些报告指出了反对这种方法的论据，指出即使是最大的存储中心，大数据的指数增长也不再能维持。
1、默认情况下，ElasticSearch引擎在第一次对字段执行聚合或排序查询时（query-time），创建fielddata数据结构；在后续的查询请求中，ElasticSearch引擎使用fielddata数据结构以提高聚合和排序的查询性能。
2、Elasticsearch是一个分布式文档存储。Elasticsearch存储的是序列化为JSON文档的复杂数据结构，而不是以列行数据的形式存储信息。当集群中有多个Elasticsearch节点时，存储的文档分布在整个集群中，可以立即从任何节点访问。当存储文档时，它几乎是实时的——在1秒内就可以被索引和完全搜索。
3、Elasticsearch是一个 分布式文档存储 。Elasticsearch不是将信息存储为列式数据行，而是存储已序列化为JSON文档的复杂数据结构。当集群中有多个Elasticsearch节点时，存储的文档会分布在整个集群中，并且可以从任何节点立即访问。存储文档后，它会在近乎实时的情况下被索引并完全可搜索——1秒内。