大白话、什么是Elasticsearch

一、什么是搜索：

说起搜索，大家第一时间会想起百度，谷歌，毕竟我们都是面向百度编程的，但是百度和搜索并不能直接画等号，除此之外，还有垂直搜索，或者又称站内搜索。

垂直搜索(站内搜索)：

1.互联网搜索: 电商网站，招聘网站，新闻网站，各种APP

2.IT系统搜索：OA系统。办公自动化软件，会议管理等，

简而言之，搜索就是在任何场景下，根据输入关键字，找寻你想要的任何任何信息。

二、用数据库搜索会怎么样？

如果做软件开发，或者对IT计算机有一定了解的话，都知道，数据都是存储在数据库里面的，例如电商系统：

id	name	description
1	百事可乐	除了百事可乐，还有百世薯片
2	AD可乐	娃哈哈，娃哈哈
3	可口可乐	可口可乐真好喝

 

Select * from SKU where name like '%可乐%'

1.比如说，每天记录的指定字段的文本可能会很长，比如说“商品描述”字段的长度达上千个字符，这时候对数据库中每条记录的所有文本进行扫描，懒判断说，是否包含指定字符 （比如可乐）

2.还不能将搜索词分开，尽可能多的去搜索更多符合你期望的结果，比如搜“可口乐”，就搜不出来“可口可乐”

用数据库来实现搜索，是不太靠谱的，而且性能会很差

三、什么是全文检索和lucene

1.全文检索，倒排索引

 

以上图为例，索引库中有1,2,3,4 四条数据，lucene会针对记录进行分词，并建立倒排索引，

当用户输入搜索词时(可乐)，lucene会根据建立好的倒排所索引，将数据1,2,3,4数据返回给前端，这个过程就叫做全文检索的过程

数据库的数据有100万条，按照之前的思路，其实就要扫描100万次，而且每次扫描，都需要判断是否还有指定的字符，而且还不能将搜索的词进行拆分。

利用倒排索引进行搜索的话，假如100万条数据拆分出来的词语，假设有1000万个词语，那么就有可能有1000万行，我们很可能并不需要搜索1000万次，很可能第一次搜索的时候我们就能找到数据，也有可能第10次，第100词

2、lucene

lucene就是一个jar包，里面包含了封装好的各种建立倒排索引，以及进行搜索的代码，包括各种算法，我们用java进行开发时，引入lucene.jar然后基于lucene的api进行开发就可以了，用lucene我们就可以去讲已有的数据建立索引，lucene会在本地磁盘上给我们建立索引的数据结构，另外的话，我们也可以用lucene提供的一些功能和api来对磁盘上的数据进行CURD操作。

四、Elasticsearch的功能，干什么的

Elasticsearch，分布式，高性能，高可用，可伸缩的搜索和分析系统

1）分布式的搜索引擎和数据分析引擎

搜索：百度，网站的站内搜索，IT系统的检索

数据分析：电商网站，最近7天牙膏这种商品销量排名前10的商家有哪些；新闻网站，最近1个月访问量排名前3的新闻版块是哪些

2）全文检索，结构化检索，数据分析

全文检索：我想搜索商品名称包含的商品，select * from products where product_name like "%商品名称%"

结构化检索：我想搜索商品分类为日化用品的商品都有哪些，select * from products where category_id='日化用品'

可以进行部分匹配、自动完成、搜索纠错、搜索推荐

数据分析：我们分析每一个商品分类下有多少个商品，select category_id,count(*) from products group by category_id

3）对海量数据进行近实时的处理

分布式：ES自动可以将海量数据分散到多台服务器上去存储和检索 海联数据的处理：分布式以后，就可以采用大量的服务器去存储和检索数据，自然而然就可以实现海量数据的处理了 近实时：检索个数据要花费1小时（这就不要近实时，离线批处理，batch-processing）；在秒级别对数据进行搜索和分析

跟分布式/海量数据相反的：lucene，单机应用，只能在单台服务器上使用，最多只能处理单台服务器可以处理的数据量

Elasticsearch的特点

（1）可以作为一个大型分布式集群（数百台服务器）技术，处理PB级数据，服务大公司；也可以运行在单机上，服务小公司 （2）Elasticsearch不是什么新技术，主要是将全文检索、数据分析以及分布式技术，合并在了一起，才形成了独一无二的ES；lucene（全文检索），商用的数据分析软件（也是有的），分布式数据库（mycat） （3）对用户而言，是开箱即用的，非常简单，作为中小型的应用，直接3分钟部署一下ES，就可以作为生产环境的系统来使用了，数据量不大，操作不是太复杂 （4）数据库的功能面对很多领域是不够用的（事务，还有各种联机事务型的操作）；特殊的功能，比如全文检索，同义词处理，相关度排名，复杂数据分析，海量数据的近实时处理；Elasticsearch作为传统数据库的一个补充，提供了数据库所不不能提供的很多功能