ElasticSearch倒排索引

一只鱼……

于 2024-09-28 15:03:13 发布

阅读量1.1k

点赞数 21

文章标签： elasticsearch 大数据搜索引擎

本文链接：https://blog.csdn.net/m0_69615893/article/details/142604412

版权

七、mysql与elasticsearch

一、ElasticSearch基本概念

Elasticsearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java语言开发的，并作为Apache许可条款下的开放源码发布，是一种流行的企业级搜索引擎。Elasticsearch用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。官方客户端在Java、.NET（C#）、PHP、Python、Apache Groovy、Ruby和许多其他语言中都是可用的。根据DB-Engines的排名显示，Elasticsearch是最受欢迎的企业搜索引擎，其次是Apache Solr，也是基于Lucene

Lucene是一个Java语言的搜索引擎类库,是Apache公司的顶级项目，由DougCutting于1999年研发。官网地址: https:// lucene.apache.org/

重要特性：
1、分布式的实时文件存储，每个字段都被索引并可被搜索
2、实时分析的分布式搜索引擎
3、可以扩展到上百台服务器，处理PB级结构化或非结构化数据

二、正向索引

如果是根据id查询，那么直接走索引，查询速度非常快。
但如果是基于title做模糊查询，只能是逐行扫描数据，流程如下：

1）用户搜索数据，条件是title符合 "%手机%"
2）逐行获取数据，比如id为1的数据
3）判断数据中的title是否符合用户搜索条件
4）如果符合则放入结果集，不符合则丢弃。回到步骤1

逐行扫描，也就是全表扫描，随着数据量增加，其查询效率也会越来越低。当数据量达到数百万时，就是一场灾难。

三、倒排索引

倒排索引是一种索引技术，它与传统的正向索引（如MySQL数据库中的索引）不同。在正向索引中，数据是按照文档到词汇的方式组织的，即每个文档记录了它包含哪些词汇。而倒排索引则是按照词汇到文档的方式组织的，即每个词汇对应了包含该词汇的所有文档列表。这种索引方式特别适用于全文搜索，因为它可以快速定位到包含特定词汇的所有文档，而无需逐个检查文档中的词汇。

倒排索引中有两个非常重要的概念：

1）文档（ Document ）：用来搜索的数据，其中的每一条数据就是一个文档。例如一个网页、一个商品信息。
2）词条（ Term ）：对文档数据或用户搜索数据，利用某种算法分词，得到的具备含义的词语就是词条。例如：我是中国人，就可以分为：我、是、中国人、中国、国人这样的几个词条。

创建倒排索引是对正向索引的一种特殊处理，流程如下：

1）将每一个文档的数据利用算法分词，得到一个个词条

2）创建表，每行数据包括词条、词条所在文档id、位置等信息

3）因为词条唯一性，可以给词条创建索引，例如hash表结构索引

下图是一个简单例子：

四、倒排索引的搜索流程

倒排索引的搜索流程如下（以搜索"华为手机"为例）：
1）用户输入条件 "华为手机" 进行搜索。
2）对用户输入内容分词，得到词条：华为、手机。
3）拿着词条在倒排索引中查找，可以得到包含词条的文档id：1、2、3。
4）拿着文档id到正向索引中查找具体文档。

简单搜索流程图如下：

虽然要先查询倒排索引，再查询正排索引，但是无论是词条、还是文档id都建立了索引，查询速度非常快！无需全表扫描。

五、正向和倒排区别总结

正向索引是最传统的，根据id索引的方式。但根据词条查询时，必须先逐条获取每个文档，然后判断文档中是否包含所需要的词条，是根据文档找词条的过程。
而倒排索引则相反，是先找到用户要搜索的词条，根据词条得到保护词条的文档的id，然后根据id获取文档。是根据词条找文档的过程
倒排索引的优势：
倒排索引的主要优势在于它能够大大加快搜索速度，尤其是在处理大量文本数据时。由于倒排索引将搜索模式从文档到词汇转变为词汇到文档，它减少了搜索时需要扫描的数据范围，从而提高了效率。此外，倒排索引通常会存储词汇在文档中的位置信息，这对于执行更复杂的搜索查询（如短语查询）是非常有帮助的

正向索引优缺点：

优点：

可以给多个字段创建索引
根据索引字段搜索、排序速度非常快

缺点：

根据非索引字段，或者索引字段中的部分词条查找时，只能全表扫描。

倒排索引优缺点：

优点：

根据词条搜索、模糊搜索时，速度非常快

缺点：

只能给词条创建索引，而不是字段
无法根据字段做排序

六、ES的一些基本概念

1、文档和字段

elasticsearch是面向文档（Document）存储的，可以是数据库中的一条商品数据，一个订单信息。文档数据会被序列化为json格式后存储在elasticsearch中，而Json文档中往往包含很多的字段（Field），类似于数据库中的列：

2、索引和映射

索引（Index），就是相同类型的文档的集合。例如：

所有用户文档，就可以组织在一起，称为用户的索引；
所有商品的文档，可以组织在一起，称为商品的索引；
所有订单的文档，可以组织在一起，称为订单的索引；

因此，我们可以把索引当做是数据库中的表。
数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。因此，索引库中就有映射（mapping），是索引中文档的字段约束信息，类似表的结构约束。

七、mysql与elasticsearch

我们统一的把mysql与elasticsearch的概念做一下对比：

倒排索引与MySQL正向索引的对比：
在MySQL等关系型数据库中，正向索引通常用于加速基于主键或索引字段的查询。然而，当涉及到全文搜索时，尤其是模糊匹配或基于内容的搜索，正向索引的效率就显得不足了。这时，倒排索引的优势就显现出来，因为它能够直接通过词汇快速定位到相关文档，而不是逐行扫描整个数据集。

两者各自有自己的擅长支出：