第二章：ElasticSerch 基本概念

es
是一种搜索引擎软件

搜索就是查询

和关系型数据库对比
如goods 商品表
id    title                       sell_point
1001    华为p30手机黑色     4.5英寸

select  * from goods where title like "%华为%"
1、假如 我们给 title  加上索引   但是like  左边加上 通配符后 索引会失效。意味着 全表扫描 如果有一亿个商品 那么效率很低。

模糊查询可能造成全表扫描

2、select  * from goods where title like "%华为手机%"   这样是查询不出来的，必须要 华为和手机分开查。
但是es就能实现。
关系型数据库功能弱。

那么es是如何解决刚才的 两个问题的 ：性能低  功能弱。

1、倒排索引：就是将文本内容进行分词形成词条 然后记录词条和数据的唯一标识的对应关系。
    首先将一段文本按照一定的规则拆分成不同的词条term。
如：床前明月光   拆分为  ：床前    明月    光

反向倒排索引
key (词条term)=>value(存储内容)
床=》床前明月光
前=》床前明月光
床前=》床前明月光
明=》床前明月光
月=》床前明月光
明月=》床前明月光
光=》床前明月光
月光=》床前明月光

上面的value(存储内容)数据量很大其实只需要放 id就行了

es 存储数据和搜索原理：

索引库：index 它其实就相当于关系型数据库中的 数据库。
数据叫做文档：document 他就相当于我们关系型数据库中的 表里面的一行一行的数据。

在es中文档的数据结构其实就是json的数据格式

如：{
“id”:"1",
  "title":"华为p30手机"，
  “price”：3980.00
}
{
“id”:"2",
  "title":"三星GNX手机"，
  “price”：3980.00
}
{
“id”:"3",
  "title":"红米4g手机"，
  “price”：3980.00
}

如果 我们需要对 title 进行分词：具体分词规则是什么 是由es来完成的。

形成的倒排索引如下：
key      value
华为     1
p30     1
手机    1，2，3
手    1，2，3
机    1，2，3
三星    2
GNX   2
红米    3
4g     3

index 索引库存储了 文档和 文档分词后的 倒排索引库。

es 搜索：

它是通过 倒排索引 来搜索

如：我们要搜索“手机"这个词
第一步 es会拿着这个 “手机这个词” 去倒排索引中去匹配。

匹配到了 就会根据 对应的id去把文档找到 返回给用户

假设：词条数据量很大  恰好要查询的词条再最后面 怎样处理？查询数据岂不是依然很慢。

es帮我们解决了 那就是 对词条进行排序 形成一个树形的数据结构（请自行补 数据结构算法知识），这样提升词条的 速度。

1、这样 关系型数据中 的查询性能低的问题 es给我们解决了。

2、假如要查询 "华为手机" 这样一个词条呢  这样没有词条匹配 岂不是查询不出来吗？
   
es的解决方案是 先分词 再查询࿱