经过三年的历练，张大胖已经成为了一个利用Lucene这个著名的开源软件做搜索的高手，各种细节知识和最佳实践尽在掌握。
（张大胖的学搜索的历程参见上一篇文章：《搜索之路》）
随着互联网应用的爆炸式增长，搜索变成了网站的一个常见需求，各个网站都想搜索产品，搜索帖子，搜索服务......张大胖的“业务”变得十分繁忙，经常在业余时间给人做Lucene的咨询，赚了不少外快。
但是张大胖也敏锐地觉察到了两个问题：
1. Lucene做搜索很强大，但是API用起来太“低级”，很多人抱怨：我就想搜索一下我的产品描述，现在还得理解什么“Directory”,"Analyzer","IndexWriter"，实在是太复杂了！
2. 互联网的数据是海量的，仅仅是单机存储索引是远远不够的。
俗话说：“软件开发中遇到的所有问题，都可以通过增加一层抽象而得以解决”。 张大胖觉得，是时候对Lucene做一个抽象了。
保险起见，张大胖拉了大神Bill来做顾问，帮自己设计。
这个新的抽象层应该对外提供一个什么样的API呢？
很多时候，Web开发面对的都是领域模型，比如User,Product, Blog，Account之类。用户想做的无非就是搜索产品的描述， 搜索Blog的标题，内容等等。
张大胖说：“如果能围绕着领域模型的概念进行搜索的各种操作就好了，这样简单而直接，如同CRUD。”
Bill 提示到：“Web时代了，程序员都喜欢采用RESTful的方式来描述一个Web资源， 对于搜索而言，完全可以借鉴一下嘛！”
张大胖眼前一亮： “要不这样？”
/coolspace/blog/1001 : 表示一个编号为1001的博客
/coolspace/user/u3876：表示一个ID为u3876的用户
/coolspace表示一个“索引库”
/blog ,/user 表示“索引的类型”（可以理解为编程中的领域模型）。 1001， u3876表示数据的ID
格式是///
如果和关系数据库做个类比的话：
索引库数据库
索引的类型 数据库的表
Bill说：“这样挺好的，用户看到的就是领域模型， 当用户想去操作时候，用HTTP的GET, PUT等操作就好了，交互的数据可以使用JSON这个简单的格式。”
张大胖开始定义基本的操作。
（1） 把文档加入索引库
例如：把一个blog的“文档”加入索引库，这个文档的数据是JSON格式，其中的每个字段将来都可以被搜索：
PUT /coolspace/blog/1001
{
"title" : "xxxxxxx",
"content" : "xxxxxxxxxxxx",
"author" : "xxxxx",
"create_date": "xxxxxx"
...
}
(注：当然，在发起HTTP请求的时候，需要加上服务器的地址和端口，下同。)
（2）把一个blog文档删除，从此就再也搜索不到了：
DELETE /coolspace/blog/1001
（3） 用户搜索
用户想搜索的时候也很简单，发起一个这样的请求就行：
GET /coolspace/blog/_search
但是如何表达查询的具体需求呢，这时候必须得定义一个规范了，例如：想查询一个内容字段（content)包含“java"的 blog。
GET /coolspace/blog/_search
{
"query" : {
"match" : {
"content" : "java"
}
}
}
这个query下面可以增加更加复杂的条件，表示用户的查询需求，反正是JSON格式，可以非常灵活。
返回值也是JSON， 这里就不再展示了。
这个抽象层是以HTTP+JSON来表示的， 和具体的编程语言无关，不管是Java， 还是Python，Ruby，只要能发起HTTP调用，就可以使用。
通过这样一个抽象层， Lucene那些复杂的API全部被隐藏到了海平面以下。
对于程序员来说，使用HTTP+JSON是非常自然的事情，好用就是最大的生产力。
到目前为止，进展还算顺利，接下来要考虑的就是如何存储海量的索引数据。
张大胖说： “这个简单，如果索引太大，我们把它切割一下，分成一片一片的，存储到各个机器上不就得了？”
Bill问道： “想得美！ 你分片以后，用户去保存索引的时候，还有搜索索引数据的时候，到哪个机器上去取？”
张大胖说：“这个简单，首先我们保存每个分片和机器之间的对应关系， 嗯，我觉得叫node显得更专业。”
分片1 ：node1
分片2 ：node2
分片3 ：node3
“分片在英文中叫做shard。 ” Bill 友情提示。
“好的， 然后可以用余数算法来确定一个‘文档’到底保存在哪个shard中。” 虽然张大胖觉得这个词看起来不爽，还是开始使用了
shard 编号 = hash(文档的ID) % shard 总数
“这样对于任意一个文档，对它的ID做hash计算，然后对总分片数量求余， 就可以得到shard的编号，然后就可以找到对应的机器了。 ” 张大胖觉得自己的这个算法又简单，效率又高，洋洋得意。
Bill觉得这两年张大胖进步不小，开始使用算法来解决问题了， 他问道：“如果用户想增加shard数该怎么处理呢？ 这个余数算法就会出问题啊 ！”
比如原来shard 总数是3， hash值是100， shard编号 = 100 % 3 = 1
假设用户又增加了两台机器，shard总数变成了5， 此时 shard 编号 = 100 % 5 = 0 ， 如果去0号机器上去找索引，肯定是找不到的。
张大胖挠挠头：“要不采用分布式一致性算法， 嗯，它会减少出错的情况，还是无法避免，这该怎办？”
Bill建议：“要不这样，我们可以立下一个规矩： 用户在创建索引库的时候，必须要指定shard数量，并且一旦指定，就不能更改了！”
PUT /coolspace
{
"settings" : {
"number_of_shards" : 3
}
}
虽然对用户来说有点不爽， 但余数算法的高效和简单确实太吸引人了，张大胖表示同意。
“索引数据分布了，如果某个节点坏掉了，数据就会丢失，我们得做个备份才行。” 张大胖的思考很深入。
“对， 我们可以用新的node 来做replica，也可以为了节省空间， 复用现有的node来做replica。为了做区分，可以把之前的分片叫做主分片，primary shard。” Bill英文就是好。
（此处的设置为：每个主分片有两个副本）
PUT /coolspace/_settings
{
"number_of_replicas" : 2
}
虽然主分片的数目在创建“索引库”的时候已经确定，但是副本的数目是可以任意增减的，这依赖于硬件的情况：性能和数量。
“现在每个主分片都有两个副本， 如果某个节点挂了也不怕，比如节点1挂了，我们可以位于节点3上的副本0提升为 主分片0， 只不过每个主分片的副本数不够两个了。” 张大胖说道。
Bill 满不在乎地说： “没事，等到节点1启动后，还可以恢复副本。”
Bill和张大胖立刻意识到，他们建立了一个集群， 这个集群中可以包含若干node ， 有数据的备份，能实现高可用性。
但是另外一个问题马上就出现了：对于客户端来说，通过哪个node来读写‘文档’呢？
比如说用户要把一个'文档'加入索引库： PUT /coolspace/blog/1001， 该如何处理？
Bill说：“这样吧，我们可以让请求发送到集群的任意一个节点，每个节点都具备处理任何请求的能力。”
张大胖说：“具体怎么做呢？ ”
Bill 写下了处理过程：
（1）假设用户把请求发给了节点1
（2）系统通过余数算法得知这个'文档'应该属于主分片2，于是请求被转发到保存该主分片的节点3
（3）系统把文档保存在节点3的主分片2中，然后将请求转发至其他两个保存副本的节点。副本保存成功以后，节点3会得到通知，然后通知节点1， 节点1再通知用户。
“如果是做查询呢？ 比如说用户查询一个文档： GET /coolspace/blog/1001， 该如何处理？” 张大胖问道。
“同样，查询的请求也可以分发到任意一个节点，然后该节点可以找到主分片或者任意一个副本，返回即可。 ”
（1） 请求被发给了节点1
（2）节点1计算出该数据属于主分片2，这时候，有三个选择，分别是位于节点1的副本2， 节点2的副本2，节点3的主分片2， 假设节点1为了负载均衡，采用轮询的方式，选中了节点2，把请求转发。
（3） 节点2把数据返回给节点1， 节点1 最后返回给客户端。
“这个方式比较灵活，但是要求各个节点之间得能互通有无才行！” 张大胖说道。
“不仅如此，对于一个集群来说，还得有一个主节点（master node），这个主节点在处理数据请求上和其他节点是平等的，但是它还有更重要的工作，需要维护整个集群的状态，增加移除节点，创建/删除索引库，维护主分片和集群的关系等等。”
“那如果这个主节点挂了呢？ ” 张大胖追问。
“那只好从剩下的节点中重新选举喽！”
“哎呀，这就涉及到分布式系统的各种问题了，什么一致性，脑裂，太难了！” 张大胖开始打退堂鼓。
“我们只是选取一个Master， 要简单得多，你可以看看一个叫做Bully的算法， 改进一下应该就可以用了。 ”
开发分布式系统的难度要远远大于一个单机系统，半年以后，这个被Bill命名为Elasticsearch的系统才发布了第一个版本。
由于它屏蔽了很多Lucene的细节，又支持海量索引的存储，很快就大受欢迎。
当然， Elasticsearch不是Bill和张大胖创造的，这里才是其传奇的历史：（来源：《Elasticsearch权威指南》）
许多年前，一个刚结婚的名叫 Shay Banon 的失业开发者，跟着他的妻子去了伦敦，他的妻子在那里学习厨师。 在寻找一个赚钱的工作的时候，为了给他的妻子做一个食谱搜索引擎，他开始使用 Lucene 的一个早期版本。
直接使用 Lucene 是很难的，因此 Shay 开始做一个抽象层，Java 开发者使用它可以很简单的给他们的程序添加搜索功能。 他发布了他的第一个开源项目 Compass。
后来 Shay 获得了一份工作，主要是高性能，分布式环境下的内存数据网格。这个对于高性能，实时，分布式搜索引擎的需求尤为突出， 他决定重写 Compass，把它变为一个独立的服务并取名 Elasticsearch。
第一个公开版本在2010年2月发布，从此以后，Elasticsearch 已经成为了 Github 上最活跃的项目之一，他拥有超过300名 contributors(目前736名 contributors )。 一家公司已经开始围绕 Elasticsearch 提供商业服务，并开发新的特性，但是，Elasticsearch 将永远开源并对所有人可用。
据说，Shay 的妻子还在等着她的食谱搜索引擎…
