背景
假设我们正在为一个名叫 megacorp 的公司的 HR 部门制作一个新的员工名单系统，这些名单应该可以满足实时协同工作，所以它应该可以满足以下要求：
- 数据可以包含多个值的标签、数字以及纯文本内容。
- 可以检索任何职员的所有数据。
- 允许结构化搜索。例如，查找30岁以上的员工。
- 允许简单的全文搜索以及相对复杂的短语搜索。
- 在返回的匹配文档中高亮关键字。
- 拥有数据统计与管理的后台。
为员工档案创建索引
存储员工的数据
（1）需要一个“员工档案”的表单，这样每个文档都代表着一个员工。
（2）在 Elasticsearch 中，存储数据的行为就叫做 索引(indexing) ，但是在我们索引数据前，我们需要决定将数据存储在哪里。索引 ， 类型 ，文档 ，字段
文档属于一种 类型(type)，各种各样的类型存在于一个 索引 中。
类比传统的关系数据库得到一些大致的相似之处：
关系数据库 ⇒ 数据库 ⇒ 表 ⇒ 行 ⇒ 列(Columns)
Elasticsearch ⇒ 索引 ⇒ 类型 ⇒ 文档 ⇒ 字段(Fields)一个 Elasticsearch 集群可以包含多个 索引（数据库），也就是说其中包含了很多 类型（表）。这些类型中包含了很多的 文档（行），然后每个文档中又包含了很多的 字段（列）。
三种索引的含义
索引(名词)
一个 索引 就类似于传统关系型数据库中的 数据库。这里就是存储相关文档的的地方。
索引 (动词)
为一个文档创建索引 是把一个文档存储到一个索引(名词)中的过程，这样它才能被检索。这个过程非常类似于 SQL 中的 INSERT 命令，如果已经存在文档，新的文档将会覆盖旧的文档。
反向索引
在关系数据库中的某列添加一个 索引，比如多路搜索树(B-Tree)索引，就可以加速数据的取回速度， Elasticsearch 以及 Lucene 使用的是一个叫做 反向索引(inverted index) 的结构来实现相同的功能。
每个文档中的字段都被创建了索引（拥有一个反向索引），因此他们可以被搜索。如果一个字段缺失了反向索引的话，它将不能被搜索。
创建员工名单的操作
- 为每一个员工的 文档 创建索引，每个 文档 都包含了一个员工的所有信息。
- 每个文档都会被标记为 employee 类型。
- 这种类型将存活在 megacorp 这个 索引 中。
- 这个索引将会存储在 Elasticsearch 的集群中。
执行命令如下，即可完成以上4步操作
curl -i -XPUT 'http://localhost:9200/megacorp/employee/3?pretty' -d '
{
"first_name" : "Douglas",
"last_name" : "Fir",
"age" : 35,
"about": "I like to build cabinets",
"interests": [ "forestry" ]
}
'
我们在操作前不需要进行任何管理操作，比如创建索引，或者为字段指定数据的类型。我们就这么直接地为一个文档创建了索引。Elasticsearch 会在创建的时候为它们设定默认值，所以所有管理操作已经在后台被默默地完成了。
在 /megacorp/employee/1 路径下，包含了三个部分
| 名字 | 内容 |
|---|---|
| megacorp | 索引的名字 |
| employee | 类型的名字 |
| 1 | 当前员工的ID |
