Elasticsearch 实战(一) - 简介

• 官腔
  Elasticsearch，分布式，高性能，高可用，可伸缩的搜索和分析系统

基本等于没说,咱们慢慢看

1 概述

百度：我们比如说想找寻任何的信息的时候，就会上百度去搜索一下，比如说找一部自己喜欢的电影，或者说找一本喜欢的书，或者找一条感兴趣的新闻（提到搜索的第一印象）
百度 != 搜索，这是不对的

垂直搜索（站内搜索）

• 互联网的搜索：电商网站，招聘网站，新闻网站，各种app
• IT系统的搜索：OA软件，办公自动化软件，会议管理，日程管理，项目管理，员工管理，搜索“张三”，“张三儿”，“张小三”；有个电商网站，卖家，后台管理系统，搜索“牙膏”，订单，“牙膏相关的订单”

搜索，就是在任何场景下，找寻你想要的信息，这个时候，会输入一段你要搜索的关键字，然后就期望找到这个关键字相关的有些信息

---

2 数据库搜索

数据都是存储在数据库里面的
很自然的，如果从技术的角度去考虑，如何实现搜索，电商网站内部的搜索功能的话，就可以考虑，去使用数据库去进行搜索。

2.1 案例 - 电商系统的搜索

• 搜索含有牙膏的商品
• 在数据库中商品名称字段中存储有关键字

数据库来处理的话，不考虑数据库的全文索引什么的，假如商品有 1000万 个，那么基本上就要查找 1000 万次，且每次都需要加载商品的名称字段的整段字符串，并挨个寻找。

• 每条记录的指定字段的文本，可能会很长
  比如“商品描述”字段的长度，有长达数千个，甚至数万个字符，这个时候，每次都要对每条记录的所有文本进行扫描，懒判断说，你包不包含我指定的这个关键词（比如说“牙膏”）
• 无法将搜索词拆分开来
  尽可能去搜索更多的符合你的期望的结果，比如输入“生化机”，就搜索不出来“生化危机”

用数据库来实现搜索，是不太靠谱的。通常来说，性能会很差的。

---

3 全文检索 & Lucene

3.1 全文检索

3.1.1 场景：搜索“生化机”

• 全文检索

  
  
  

（有可能是手抖打错了，本来是生化危机），但是期望需要出来右侧的 4条 记录

有 4条 数据
将每条数据进行词条拆分。如“生化危机电影”拆成：生化、危机、电影 关键词（拆分结果与策略算法有关）
每个关键词将对应包含此关键词的数据 ID
搜索的时候，直接匹配这些关键词，就能拿到包含关键词的数据
这个过程就叫做全文检索。而词条拆分和词条对应的 ID 这个就是倒排索引的的基本原理

对比数据库的缺陷

数据库里的数据，共有100万条,按照之前的思路,其实就要扫描100万次，而且每次扫描,都需要匹配那个文本所有的字符，确认是否包含搜索的关键词，而且还不能将搜索词拆解开来进行检索

利用倒排索引

进行搜索的话，假设100万条数据,拆分出来的词语,假设有1000万个词语，那么在倒排索引中,就有1000万行,我们可能并不需要搜索1000万次。
很可能说,在搜索到第一次的时候,我们就可以找到这个搜索词对应的数据。
也可能是第100次,或者第1000次

3.2 lucene

就是一个jar包，里面包含了封装好的各种建立倒排索引，以及进行搜索的代码，包括各种算法

java开发的时候，引入lucene jar，然后基于lucene的API进行去进行开发就可以了
用lucene，我们就可以去将已有的数据建立索引，lucene会在本地磁盘上面，给我们组织索引的数据结构
另外的话，我们也可以用lucene提供的一些功能和API来针对磁盘上额

4 Elasticsearch的意义

我们可以使用 lucene 开发搜索服务，部署在一台机器上面，但是无法解决当数据量增大的时候出现的问题（图上右侧）。
那么 elasticsearch 就是解决这种场景的工具；

• 自动维护数据的分布到多个节点的索引建立、检索请求分布到多个节点的执行
• 自动维护数据的冗余副本，保证一些机器宕机了，不会丢失任何数据
• 封装了更多的高级功能
• 给我们提供更多高级的支持，让我们快速的开发应用，开发更加复杂的应用
• 复杂的搜索功能，聚合分析的功能，基于地理位置的搜多（距离我当前位置 1公里 以内的烤肉店）

参考

• 搜索引擎
• [Elasticsearch顶尖高手系列]