悟空聊架构的专栏

Elasticsearch 现在是用得越来越多了，比如我们日志系统中用到的 ELK 就用到了（简称 ES）。那对于搜索这种技术来说，最看重的是搜索的结果的准确性和搜索的响应时间。ES 的准确性可以通过 倒排索引算法来保证，那响应时间就需要磁盘或缓存来支持了，那么磁盘和缓存会带来哪些坑呢？( 其实不论是分布式的，还是单机模式下的搜索引擎都会遇到这个问题。

项目中我们总是用Kibana界面来搜索测试或生产环境下的日志，来看下有没有异常信息。Kibana就是 我们常说的ELK中的K。Kibana 界面如下图所示：但这些日志检索原理是什么呢？这里就该我们的 Elasticsearch 搜索引擎登场了。我会分为三篇来讲解 Elasticsearch（简称ES）的原理、实战及部署。讲解 ES 的原理、中文分词的配置。实战 ES 应用。ES 的集群部署。为什么要分成三篇，因为每一篇都很长，而且侧重点不一样，所以分成三篇来讲解。

指以全部文本信息作为检索对象的一种信息检索技术。而我们使用的数据库，如 Mysql，MongoDB 对文本信息检索能力特别是中文检索并没有 ES 强大。所以我们来看下 ES 在项目中是如何来代替 SQL 来工作的。我使用的 Elasticsearch 服务是 7.4.2 的版本，然后采用官方提供的 Elastiscsearch-Rest-Client 库来操作 ES，而且官方库的 API 上手简单。另外这个组件库是支持多种语言的：就是指如何用 API 操作 ES 服务的组件库。

搜索引擎的坑ES 搜索引擎系列文章：本文主要内容如下：搜索引擎现在是用得越来越多了，比如 日志系统用到的 ELK 中的 E 就是 搜索引擎 Elasticsearch（简称 ES）。那对于搜索这种技术来说，最看重的是搜索的结果的准确性和搜索的响应时间。ES 的准确性可以通过 倒排索引算法来保证，那响应时间就需要磁盘或缓存来支持了，那么磁盘和缓存会带来哪些坑呢？ ( 其实不论是分布式的，还是单机模式下的搜索引擎都会遇到这个问题。 )一、ES 慢查询之坑Elasticsearch 是现如今用的最广

前言上篇我们讲到了 Elasticsearch 全文检索的原理《插入文章》，通过在本地搭建一套 ES 服务，以多个案例来分析了 ES 的原理以及基础使用。这次我们来讲下 Spring Boot 中如何整合 ES，以及如何在 Spring Cloud 微服务项目中使用 ES 来实现全文检索。通过本实战您可以学到如下知识点：Spring Boot 如何整合 ES。微服务中 ES 的 API 使用。项目中如何使用 ES 来达到全文检索。本篇主要内容如下：本文案例都是基于 PassJava 实战

Elasticsearch 搜索引擎内置了很多种分词器，但是对中文分词不友好，所以我们需要借助第三方中文分词工具包。悟空哥专门研究了下 ik 中文分词工具包该怎么玩，希望对大家有所帮助。本文主要内容如下：1 ES 中的分词的原理1.1 ES 的分词器概念ES 的一个分词器 ( tokenizer ) 接收一个字符流，将其分割为独立的词元 ( tokens ) ，然后输出词元流。ES 提供了很多内置的分词器，可以用来构建自定义分词器 ( custom ananlyzers )1.2 标准分词器