Elasticsearch（简称 ES，下同） 有几个重要的概念，初学的人不是很好理解，所以为了更快理解和掌握 ES 的重要概念，我们将  ES 和关系型数据库作下类比。

1. 重要概念对比

• ES 的几个重要概念是：Index（索引）、Type（类型）、Mapping（索引定义）、Document（文档）、Field（字段）、DSL（查询等语句）。

• 关系型数据库类似的重要概念是：Table（表）、Schema（结构、定义）、 Row（数据行）、Column（数据列）、SQL（查询等语句）。

按照类比将 ES 和关系型数据库各重要概念具体对应关系如下表所示：

下面通过实例来比较和说明两者的重要概念，帮助我们更加直观的理解这些概念：

• 比如我们现在来创建一张 student 表，创建过程如下：

• 创建学生数据库

• 创建学生信息表（student）

• 配置 student 表字段，如：姓名 name - vachar 类型、性别 sex - char 类型、年龄 age - int 类型

• student 表的每一行表示一个学生信息，不同列表示这个学生不同的属性

• 使用 ES 创建 student 索引如下：

• 配置 ES，启动一个 ES 实例（在 ES 中启动一个 ES 实例，这个实例就相当于数据库）

• 创建学生信息索引（student）

• 不需要配置字段属性，ES 会自动识别

• 一个 json 字符串表示一个学生信息，json 字符串中包含学生属性的字段 Field

2. 创建 Index 和 Table 对比

• 关系型数据表使用 SQL 语句来创建数据表和数据，但需要提前定义好表结构和数据类型：

• 创建数据表：

CREATE TABLE student(
    name varchar(20),
    sex char(5),
    age int
);

• 创建一条数据：

INSERT INTO student (`name`,`sex`,`age`) VALUES ('gala','male','22');

• ES 是基于 http 协议的，所以增删改查的接口都基于 http 协议，因此创建数据时，需要使用 ES 的 Rest API 才能够创建，只需要将 json 格式的学生信息数据利用 Rest API PUT 给 ES 接口创建数据，下面的操作是基于 ES 的可视化界面 Kibana 来操作的，使用 POST 的方式，索引是 student，操作是 _create 创建，这样就能自动创建好索引，并且自动识别各字段的数据类型。

POST student/_create/1
{
  "name":"gala",
  "sex":"male",
  "age":22
}

这样就可以轻松创建一个索引（Index）和一条数据了，接下来介绍具体数据的格式。

3. Document 和 Row 对比

• 关系型数据表，Row 就是一行数据，每行数据是一条记录，查询 SQL 和结果如下：

• 查询 SQL 语句：

select * from student;

• 查询结果：

• ES 中的数据记录的方式是 Document，数据格式是 json，因此查询返回的结果也是 json：

• 查询 DSL 语句：

GET student/_search

• 查询结果：

{
  "took" : 44,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "student",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "name" : "gala",
          "sex" : "male",
          "age" : 22
        }
      }
    ]
  }
}

4. Field 和 Column 对比

• 关系型数据表每列（Column）代表一个属性，student 表的列数据格式如下：

• ES 的字段（Field）类型是自动创建的，比如会给 name 字段自定义为 string 类型，下图是在 Kibana 上创建索引模式之后可以方便看出该类索引的 Field 数据类型：

5. Mapping 和 Schema 对比

关系型数据表的 Schema 说明表之间的关联结构，字段、主外键等关系，但 ES 是没有这么多复杂关系的，不存在主外键，表与表之间的相互联系，ES 是将 json 数据直接存在 ES 中，通过 Mapping 来查看具体数据结构：

• 查询 DSL 语句：

GET student/_mapping

• 查询结构：

{
  "student" : {
    "mappings" : {
      "properties" : {
        "age" : {
          "type" : "long"
        },
        "name" : {
          "type" : "text",
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          }
        },
        "sex" : {
          "type" : "text",
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          }
        }
      }
    }
  }
}

6. DSL 和 SQL 对比

上面的查询用到了 DSL 和 SQL 语句，两者都是一种语法，SQL 针对关系型数据表的，DSL 针对 ES，两者的语法有较大的区别，但应用场景非常相似，比如两者都有“增删改查”等基础功能。在这里不在赘述，后面的学习中会很频繁使用 DSL 语句，届时再详细介绍。