本篇內容是企查查搜索部門經理範兆明分享的Elasticsearch在企查查的應用實踐。
分享人：企查查搜索部門經理範兆
衆所周知，企查查是一家專業做工商查詢的公司，所有的業務入口都是基於查詢完成的，可以說查詢是實現企查查價值的主要入口。所以，本篇內容將介紹Elasticsearch在企查查的應用實踐。
企查查遇到阿里雲ES時的狀況是，海量的數據無法存儲，存儲後的數據無法做大規模的分析，實時的用戶行爲得不到到監控。基於這些痛點，讓企查查在尋找解決辦法的過程中遇到並認識了阿里雲ES。通過搭建ELK日誌分析平臺、日誌分析、全文檢索等功能，充分的瞭解和熟悉了ES。
ES主要的技術革新和特點，總結而言有三個：架構天生分佈式、檢索全文和結構、分析實時聚合。
架構天生分佈式
ES天生的分佈式架構可以通過硬件擴容的方式實現海量數據的膨脹，並且它的副本模式能夠解決數據安全問題。
檢索全文和結構
通過Lucene的倒排索引、Bm25的全文檢索和高效的結構化檢索，能夠滿足大部分搜索場景。
分析實時聚合
實時的海量聚合能力和多聚合模式能夠完成大部分分析場景。
基於以上ES的能力，最終企查查選擇了阿里雲ES。那麼阿里雲在ES的基礎上又帶來了哪些方面的便捷呢？
優秀的NLP分詞器
阿里雲ES具有優秀的NLP分詞器能力。目前主流的ES中文分詞器有IK和ANSJ等主要的幾種，企查查選擇了IK和ANSJ後，清洗了大約百萬級的基礎數據，然後導入到IK和ANSJ。通過阿里雲分詞器對比了IK和ANSJ分詞器發現，基於NLP的阿里雲分詞器更優秀。
區別就在於，基於NLP的阿里雲分詞器可以在不同場景解析出不同的語義，完成不同分詞，所以企查查最終的解決方案是，以阿里雲分詞器爲主，以ANSJ分詞器爲輔做了兩套分詞模式，同時應用於文檔搜索。
一站式管理和高效擴展
這兩個特點原本就是雲平臺的天然優勢，這也是爲什麼中小企業和高速發展企業會選擇雲平臺的根本原因。
企查查基於阿里雲Elasticsearch設計的應用實踐，這裏給大家介紹幾個核心的數據。
5000+QPS
5000+QPS是指實時峯值QPS達到每秒5000；
200+應用
200+是指目前有200個數據維度參與了實時搜索；
8TB數據
8TB是指所有實時搜索數據加起來超過8TB。
從下圖企查查的發展歷程可以發現，2014年企查查只有單一的工傷搜索維度；發展到2020年底，企查查已經超過了200多個搜索維度。快速的版本迭代、數據爆炸式的增長、爆炸式的用戶請求等等都在阿里雲ES上都得到了很好的體現。因爲阿里雲具有足夠穩定、快速擴容、大大減少運營成本和搜索故障等特點，在這些年的發展中不斷的提升企查查的搜索體驗。
企查查的技術特點
企查查涉及到的其他技術特點跟全文檢索特點是一樣的，包括高併發、海量數據、實時聚合和分詞等特點。高併發和實時聚合也是ES所擅長的，再加上阿里雲優秀的NLP分詞器，兩兩作用後讓企查查搜索體驗更優秀。
搜索的目的
我們越來越重視搜索並不斷提高搜索體驗，那麼搜索需要呈現的結果是怎樣的呢？
第一個是精準搜索。顧名思義，就是把搜索詞和文本詞完全匹配的結果返回給用戶；
第二個是分詞匹配。分詞匹配是目前搜索技術的主流，也是最難實現的。難度在於，雖然有基於語義的分詞器，如基於NLP的阿里雲，但仍然會有分詞異常和分詞歧義的時候。基礎數據的權重配比、清洗排序能否達到用戶預期和搜索意圖，都是長期迭代的任務。
第三個是意義搜索。意思是當用戶搜索的詞，在精準搜索和分詞搜索都沒有匹配，但實際上意義是一樣時提供的服務，比如番茄和西紅柿，或是同音字和形近字，這個時候就會需要意義搜索。意義搜索就是把同義字、同音字和形近字都反饋給搜索用戶。
第四個是意圖搜索。當用戶搜了一大段內容，但是在分詞、精準和意義搜索裏都沒有辦法找到搜索結果時，就需要提取用戶搜索的核心詞， 然後用核心詞再去搜索並反饋給用戶結果。
第五個是部分匹配搜索。意思是當上述四個搜索都沒有結果的時候，需要將部分匹配出的結果反饋給用戶。
Elasticsearch還能帶來什麼？
目前ES在機器學習方面做了持續迭代，可以自動發現實時數據異常，自動實現業務的實時監控。
ES可以做更深層次的數據分析，還可以將發現數據的核心詞和數據的特點推薦給搜索的用戶。
本文爲阿里雲原創內容，未經允許不得轉載。