面试题：ElasticSearch是什么？应用场景是什么？

---

ElasticSearch是一个分布式，高性能、高可用、可伸缩的搜索和分析系统

看了上面这段话，估计很多人都懵了，这个是啥。我们先从搜索说起，先介绍下面几点

1、什么是搜索

百度、Google：我们想寻找一个我们喜欢的电影或者书籍就会去百度或者Google搜索一下。

互联网搜索：电商搜索商品，招聘网站搜索简历或者岗位

IT系统的搜索：员工管理搜索，会议管理搜索

2、如果用数据库做搜索会怎么样

在软件开发里面，数据都是存储在数据库里面的，比如电商网站的商品信息，员工的信息等等，如果从员工角度去做搜索功能，我们会这么设计

以上会存在几个问题：

1. 如果表记录上千万上亿了这个性能问题，另外一个如果有一个本文字段要在里面模糊配置，这个就会出现严重的性能问题

2. 还不能将搜索词拆分开来，比如上面这个只能搜索名字是“张三”开头的员工，如果想搜出“张小三”那是搜索不出来的。

总体来说，用数据库来实现搜索，是不太靠谱的，通常性能也会很差

3、什么是全文检索、倒排索引和Lucene

举个简单的例子：比如最近上映的热剧（碟中谍6:全面瓦解），我们想搜索一下全面瓦解这个电视剧，可是在输入的过程，不小心输入了”全瓦解”，我们看看百度这个返回了什么，百度返回的结果确实是我想要找到的内容，现在我们介绍一下全文检索和倒排索引是什么

我们看看下面这个图，假如我们有很多数据”全面瓦解电影，全面瓦解海报，全面瓦解评论，全面瓦解文章”等等信息，从数据到构建倒排索引的过程我们图中标记为“1”，通俗一点讲就是，倒排索引就是讲数据中的词拆分构建一个大表，将关键字拆出来，后面带上这个文章的documentid号，例如中间这个就是倒排索引了。

全文检索就比较好理解的，就是当我们输入“全瓦解”,会被拆分成”全”，“瓦解”2个此，用2个词去倒排索引里面去检索数据，检索到的数据返回。整个过程就叫做全文检索

如果这个用数据库的思维来做的话，假如一共100W的记录，按照之前的思路就是扫描100W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来进行检索

如果是利用倒排索引的话，假设还是100W，拆分出来的词语，假设有1000W个词语，那么在倒排索引中，就有1000W行。我们可能不需要检索1000W词，有可能检索1次，就能找到我们需要的数据，也有可能是100W次，也有可能是1000W次

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。我们就用java开发的时候

4、ElasticSearch是什么

Lucene是单机的模式，如果你的数据量超过了一台物理机的容量，你需要扩容，将数据拆分成2份放在不同的集群，这个就是典型的分布式计算了。需要拷贝容错，机器宕机，数据一致性等复杂的场景，这个实现就比较复杂了。

ES解决了这些问题

自动维护数据的分布到多个节点的索引的建立，还有搜索请求分布到多个节点的执行

自动维护数据的冗余副本，保证了一旦机器宕机，不会丢失数据

封装了更多高级的功能，例如聚合分析的功能，基于地理位置的搜索

ElasticSearch的功能

1. 分布式的搜索引擎和数据分析引擎

• 搜索：网站的站内搜索，IT系统的检索
• 数据分析：电商网站，统计销售排名前10的商家

2. 全文检索，结构化检索，数据分析

• 全文检索：我想搜索商品名称包含某个关键字的商品
• 结构化检索：我想搜索商品分类为日化用品的商品都有哪些
• 数据分析：我们分析每一个商品分类下有多少个商品

3. 对海量数据进行近实时的处理

• 分布式：ES自动可以将海量数据分散到多台服务器上去存储和检索
• 海联数据的处理：分布式以后，就可以采用大量的服务器去存储和检索数据，自然而然就可以实现海量数据的处理了
• 近实时：检索数据要花费1小时（这就不要近实时，离线批处理，batch-processing）；在秒级别对数据进行搜索和分析

ElasticSearch的应用场景

• 维基百科
• The Guardian（国外新闻网站）
• Stack Overflow（国外的程序异常讨论论坛）
• GitHub（开源代码管理）
• 电商网站
• 日志数据分析
• 商品价格监控网站
• BI系统
• 站内搜索

ElasticSearch的特点

• 可以作为一个大型分布式集群（数百台服务器）技术，处理PB级数据，服务大公司；也可以运行在单机上，服务小公司
• Elasticsearch不是什么新技术，主要是将全文检索、数据分析以及分布式技术，合并在了一起
• 对用户而言，是开箱即用的，非常简单，作为中小型的应用，直接3分钟部署一下ES
• Elasticsearch作为传统数据库的一个补充,比如全文检索，同义词处理，相关度排名，复杂数据分析，海量数据的近实时处理；