什么是全文检索
将非结构化数据中的一部分信息提取出来，重新组织，使其变得有一定结构，然后对此有一定结构的数
据进行搜索，从而达到搜索相对较快的目的。这部分从非结构化数据中提取出的然后重新组织的信息，
我们称之索引。
例如：字典。字典的拼音表和部首检字表就相当于字典的索引，对每一个字的解释是非结构化的，如果
字典没有音节表和部首检字表，在茫茫辞海中找一个字只能顺序扫描。然而字的某些信息可以提取出来
进行结构化处理，比如读音，就比较结构化，分声母和韵母，分别只有几种可以一一列举，于是将读音
拿出来按一定的顺序排列，每一项读音都指向此字的详细解释的页数。我们搜索时按结构化的拼音搜到
读音，然后按其指向的页数，便可找到我们的非结构化数据——也即对字的解释。
这种先建立索引，再对索引进行搜索的过程就叫全文检索(Full-text Search)。
虽然创建索引的过程也是非常耗时的，但是索引一旦创建就可以多次使用，全文检索主要处理的是查
询，所以耗时间创建索引是值得的。
相关概念
- 索引库
索引库就是存储索引的保存在磁盘上的一系列的文件。里面存储了建立好的索引信息以及文档对象。
一个索引库相当于数据库中的一张表。 - document对象
获取原始内容的目的是为了索引，在索引前需要将原始内容创建成文档（Document），文档中包括一
个一个的域（Field），域中存储内容。每个文档都有一个唯一的编号，就是文档id。
document对象相当于表中的一条记录。 - field对象
如果我们把document看做是数据库中一条记录的话，field相当于是记录中的字段。field是索引库中存
储数据的最小单位。field的数据类型大致可以分为数值类型和文本类型，一般需要查询的字段都是文本
类型的，field的还有如下属性：
是否分词：是否对域的内容进行分词处理。前提是我们要对域的内容进行查询。
是否索引：将Field分析后的词或整个Field值进行索引，只有索引方可搜索到。
比如：商品名称、商品简介分析后进行索引，订单号、身份证号不用分词但也要索引，这些将来都
要作为查询条件。
是否存储：将Field值存储在文档中，存储在文档中的Field才可以从Document中获取 比如：商品
名称、订单号，凡是将来要从Document中获取的Field都要存储。 - term对象 从文档对象中拆分出来的每个单词叫做一个Term，不同的域中拆分出来的相同的单词是
不同的term。term中包含两部分一部分是文档的域名，另一部分是单词的内容。term是创建索引
的关键词对象。
ElasticSearch简介
什么是ElasticSearch
Elaticsearch，简称为es， es是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检
索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。es也使用Java开发并使用
Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏
Lucene的复杂性，从而让全文搜索变得简单。
ElasticSearch的使用案例
2013年初，GitHub抛弃了Solr，采取ElasticSearch 来做PB级的搜索。 “GitHub使用ElasticSearch
搜索20TB的数据，包括13亿文件和1300亿行代码”
维基百科：启动以elasticsearch为基础的核心搜索架构
SoundCloud：“SoundCloud使用ElasticSearch为1.8亿用户提供即时而精准的音乐搜索服务”
百度：百度目前广泛使用ElasticSearch作为文本数据分析，采集百度所有服务器上的各类指标数
据及用户自定义数据，通过对各种数据进行多维分析展示，辅助定位分析实例异常或业务层面异
常。目前覆盖百度内部20多个业务线（包括casio、云分析、网盟、预测、文库、直达号、钱包、
风控等），单集群最大100台机器，200个ES节点，每天导入30TB+数据
新浪使用ES 分析处理32亿条实时日志
阿里使用ES 构建挖财自己的日志采集和分析体系
ElasticSearch对比Solr
Solr 利用 Zookeeper 进行分布式管理，而 Elasticsearch 自身带有分布式协调管理功能;
Solr 支持更多格式的数据，而 Elasticsearch 仅支持json文件格式；
Solr 官方提供的功能更多，而 Elasticsearch 本身更注重于核心功能，高级功能多有第三方插件提
供；
Solr 在传统的搜索应用中表现好于 Elasticsearch，但在处理实时搜索应用时效率明显低于
Elasticsearch
2189
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
