深入理解ElasticSearch(底层索引控制)读书笔记

 

3.1 改变Lucene的评分方式
    可用的相似度模型：
       BM25 用于估算文档与给定查询匹配的概率，通常BM25模型在短文本文档上的效果更好，因为这种场景    
       中重复词项对文档的总体得分损害较大；
        随机偏离模型DFR： 在类似自然语言的文本上拥有较好的效果；
        基于信息的模型：IB模型也在类似的自然语言的文本上拥有较好的效果；
    为每字段配置相似度模型：例如下图

 

 

3.2 相似度模型配置
    选择默认的相似度(如下图)

 

 

配置被选用的相似度模型
 TF/IDF相似度模型

 

配置BM25相似度模型

 

配置DFR相似度模型

 

 

 

 

3.3 使用编码器
	工作原理解释：编解码器再mapping文件中，需要逐个字段配置，
            为了配置某个字段使用特定的编解码器，需要在字段文件上添加
             一个postings_format属性，并赋予对应属性值

配置编解码器

 

 

3.4 准实时/提交、更新及事务日志
        一个理想的搜索解决方案，新索引的数据应该能立即搜索到。在多服务器环境下，事实并非如此
        案例引导更新文档，并立即尝试搜索它
	索引更新及索引提交

 

更改默认的刷新时间 Searcher自动刷新的时间间隔可以通过以下手段改变；更改refresh_interval

 

事务日志
LUCENE能保证索引的一致性，但这并不能保证当往索引中的写数据失败时，不会损失数据，
频繁的提交会导致严重的性能问题（因为每次提交一次都会触发一个索引段的创建操作
同时也能触发索引段的合并）ES通过使用这种方式来解决这些问题，它能保存所有的未提交的事务
而ES会不时创建一个新的日志文件用于记录每个事务的后续操作。当有错误发生时，必要时会
再执行某些操作，以确保没有任何信息的丢失。而且事务日志的相关操作都是自动完成的，用户
不会意识到某个特定时刻触发的更新提交。事务日志中的信息与存储介质之间的同步称为事务日志
的刷新

 

准实时读取

 

3.5 深入理解数据处理

	输入并不总是进行文本分析 简单举例进行确定有些文本不分析；
	范例的使用举例（进行文本分析）；  
	索引期更换分词器；

搜索时更换分词器

 

陷阱与默认分析器

 

3.6 控制索引合并

3.6.1 选择正确的合并策略（只简单介绍）

 

调度