Elasticsearch系列（一）

---

前言

如果读者打开这篇博文，我相信你一定和软件开发有关联，在说Elasticsearch是什么之前，我们先来回顾一下在日常开发中我们是如何存储数据？是的，你大脑肯定在思索传统数据库mysql，oracle和nosql数据库redis，MongoDB，memcached等都可以存储数据啊，没错，但是它们都有一个特点就是只能处理结构化数据，面对非结构化数据就很难实现了，虽然mysql，oracle也有对应的全文检索功能但是面对海量数据，个性化的检索显得有点力不从心。然而现在是一个大数据时代，在这千钧一发之际分布式全文检索引擎诞生了，它就是Elasticsearch简称ES。它是一个支持PB数量级，近实时搜索的企业级引擎。官网解释：Elasticsearch 是一个分布式、可扩展、近实时的搜索与数据分析引擎。

---

什么是全文检索？

全文检索就是对整个文本文档进行全文匹配。比如现有10片文章，我想在10篇文章中搜索所有写到“李白”的文章，实现方法是对每一篇文章第一个个字到最后一个字进行全文匹配，只要存在“李白”两字说明是我们想要的文章。是不是很简单？是的，这样做如果文章字数小还实现，但要是有上千字甚至上万字，那这个工作量可想而知。

Elasticsearch如何检索？

Elasticsearch在PB数量级下任然能做到秒级查询，这也是它为何成为当前主流的搜索引擎之一。市场上以之对应的还有solr搜索引擎，但无论是性能还是使用上都比不上Elasticsearch。Elasticsearch是如何检索呢？在说原理之前我们先来说它的核心组件Lucene是什么？

Lucene是什么？

Lucene是用java语言写的搜索引擎库，是Apache开源框架，所以Lucene只能应用在java项目中，配置很复杂，不支持分布式的搜索引擎库。它是通过分词器和倒排索引相结合实现全文检索。如果想详细了解Lucene请移步官网

分词器

分词器很好理解，就是将一个文本按某种规则将所有文字拆分为多个关键字，词或句子。如默认分词器将文本以单个字或字母进行拆分，然后记录它们在文本中出现的位置和数量。

倒排索引

将所有文档根据分词器拆分的关键词条组成一个索引，这个就叫倒排索引。来一个栗子：假如现有三份数据文档，文档的内容如下分别是：

Java is the best programming language.
PHP is the best programming language.
Javascript is the best programming language.

如下事务数据结构就叫倒排索引

根据上面可知，当我们搜索java关键字时很快就能找到Doc_1，当我们搜索is关键字时很快就能找到Doc_1，Doc_2，Doc_3，只要能维护一个倒排索引，我们就能轻松实现全文检索。这就是全文检索的核心。

Elasticsearch

Elasticsearch是使用Lucene来实现的一个支持分布式，高可用和高性能的产品，它和语言无关通过restfull API来调用相关功能即可。天生支持数据分片（类似mysql的分库分表），多节点协调工作，自动故障转移等分布式特性，指之成为市场上最主流的全文搜索引擎。

总结

理解Elasticsearch是什么，首先要知道什么是搜索引擎？什么是分词器？什么是倒排索引？。有任何疑问请给博主留言，期待你宝贵的意见。