- 官腔
Elasticsearch，分佈式，高性能，高可用，可伸縮的搜索和分析系統
基本等於沒說,咱們慢慢看
1 概述
百度：我們比如說想找尋任何的信息的時候，就會上百度去搜索一下，比如說找一部自己喜歡的電影，或者說找一本喜歡的書，或者找一條感興趣的新聞（提到搜索的第一印象）
百度 != 搜索，這是不對的
垂直搜索（站內搜索）
- 互聯網的搜索：電商網站，招聘網站，新聞網站，各種app
- IT系統的搜索：OA軟件，辦公自動化軟件，會議管理，日程管理，項目管理，員工管理，搜索“張三”，“張三兒”，“張小三”；有個電商網站，賣家，後臺管理系統，搜索“牙膏”，訂單，“牙膏相關的訂單”
搜索，就是在任何場景下，找尋你想要的信息，這個時候，會輸入一段你要搜索的關鍵字，然後就期望找到這個關鍵字相關的有些信息
2 數據庫搜索
數據都是存儲在數據庫裏面的
很自然的，如果從技術的角度去考慮，如何實現搜索，電商網站內部的搜索功能的話，就可以考慮，去使用數據庫去進行搜索。
2.1 案例 - 電商系統的搜索
- 搜索含有牙膏的商品
- 在數據庫中商品名稱字段中存儲有關鍵字
數據庫來處理的話，不考慮數據庫的全文索引什麼的，假如商品有 1000萬 個，那麼基本上就要查找 1000 萬次，且每次都需要加載商品的名稱字段的整段字符串，並挨個尋找。
- 每條記錄的指定字段的文本，可能會很長
比如“商品描述”字段的長度，有長達數千個，甚至數萬個字符，這個時候，每次都要對每條記錄的所有文本進行掃描，懶判斷說，你包不包含我指定的這個關鍵詞（比如說“牙膏”）
- 無法將搜索詞拆分開來
儘可能去搜索更多的符合你的期望的結果，比如輸入“生化機”，就搜索不出來“生化危機”
用數據庫來實現搜索，是不太靠譜的。通常來說，性能會很差的。
3 全文檢索 & Lucene
3.1 全文檢索
3.1.1 場景：搜索“生化機”
- 全文檢索
（有可能是手抖打錯了，本來是生化危機），但是期望需要出來右側的 4條 記錄
有 4條 數據
將每條數據進行詞條拆分。如“生化危機電影”拆成：生化、危機、電影 關鍵詞（拆分結果與策略算法有關）
每個關鍵詞將對應包含此關鍵詞的數據 ID
搜索的時候，直接匹配這些關鍵詞，就能拿到包含關鍵詞的數據
這個過程就叫做全文檢索。而詞條拆分和詞條對應的 ID 這個就是倒排索引的的基本原理
對比數據庫的缺陷
數據庫裏的數據，共有100萬條,按照之前的思路,其實就要掃描100萬次，而且每次掃描,都需要匹配那個文本所有的字符，確認是否包含搜索的關鍵詞，而且還不能將搜索詞拆解開來進行檢索
利用倒排索引
進行搜索的話，假設100萬條數據,拆分出來的詞語,假設有1000萬個詞語，那麼在倒排索引中,就有1000萬行,我們可能並不需要搜索1000萬次。
很可能說,在搜索到第一次的時候,我們就可以找到這個搜索詞對應的數據。
也可能是第100次,或者第1000次
3.2 lucene
就是一個jar包，裏面包含了封裝好的各種建立倒排索引，以及進行搜索的代碼，包括各種算法
java開發的時候，引入lucene jar，然後基於lucene的API進行去進行開發就可以了
用lucene，我們就可以去將已有的數據建立索引，lucene會在本地磁盤上面，給我們組織索引的數據結構
另外的話，我們也可以用lucene提供的一些功能和API來針對磁盤上額
4 Elasticsearch的意義
我們可以使用 lucene 開發搜索服務，部署在一臺機器上面，但是無法解決當數據量增大的時候出現的問題（圖上右側）。
那麼 elasticsearch 就是解決這種場景的工具；
- 自動維護數據的分佈到多個節點的索引建立、檢索請求分佈到多個節點的執行
- 自動維護數據的冗餘副本，保證一些機器宕機了，不會丟失任何數據
- 封裝了更多的高級功能
- 給我們提供更多高級的支持，讓我們快速的開發應用，開發更加複雜的應用
- 複雜的搜索功能，聚合分析的功能，基於地理位置的搜多（距離我當前位置 1公里 以內的烤肉店）
參考
- 搜索引擎
- [Elasticsearch頂尖高手系列]
本文由博客一文多發平臺 OpenWrite 發佈！