上篇了解了一些基本的Structured Streaming的概念，知道了Structured Streaming其实是一个无下界的无限递增的DataFrame。基于这个DataFrame，我们可以做一些基本的select、map、filter操作，也可以做一些复杂的join和统计。本篇就着重介绍下，Structured Streaming支持的输入输出，看看都提供了哪些方便的操作。
近年来，大数据的计算引擎越来越受到关注，spark作为最受欢迎的大数据计算框架，也在不断的学习和完善中。在Spark2.x中，新开放了一个基于DataFrame的无下限的流式处理组件——Structured Streaming，它也是本系列的主角，废话不多说，进入正题吧！
前面对索引，集群有了大概的认识，本文我们将主要探讨一下搜索的原理，看ES是怎么分析和检索数据的。
Elasticsearch中的数据可以大致分为两种类型：确切值 和 全文文本。
确切值 Foo 和 foo 就并不相同。确切值 2014 和 2014-09-15 也不相同。
全文文本，从另一个角度来说是文本化的数据(常常以人类的语言书写)，比如一篇推文(Twitter的文章)或邮件正文。
因为我们要重构公司现有的搜索，考虑在前的肯定是架构层面优先，比如可靠性，扩展性，所以本系列文章会优先描述架构层面的内容，至于使用后续可以慢慢探究。
本系列文章之间可能会有重复赘述的内容，也是为了更好的表述清楚关联关系。
前面介绍了集群，索引，类型等相关的内容，本文继续探讨集群，索引相关的内容。
在前面两篇文章中我们知道了ES的基本概念和安装，还没有真正使用ES, 本篇文章就以一个实例来简单入门ES的使用。
我们就以博客文章作为我们的数据资源吧。
| 字段 | 内容 |
|---|---|
|
title |
Elasticsearch 简介 |
|
author |
China祥 |
|
date |
2017-09-25 17:00:00 |
|
content |
Elasticsearch 是一个分布式、可扩展、实时的搜索与数据分析引擎。 |
|
view |
520 |
问题：map拷贝时发现数据会变化。 先看例子：
public class CopyMap {
public static void main(String[] args) {
Map<String,Integer> map = new HashMap<String,Integer>();
map.put( "key1", 1);
Map<String,Integer> mapFirst = map;
System. out.println( mapFirst);
map.put( "key2", 2);
System. out.println( mapFirst);
}
}