本文详细介绍了Elasticsearch中Segment的概念及其在全文搜索中的作用，讲解了逆向索引、Document、Field、Term和Token等概念。文章讨论了如何通过Segment处理数据的添加、删除和更新，以及Refresh、Flush和Translog在数据持久化中的角色，最后提到了Segment合并对性能的影响。
前阵子看了一下es文档中关于shards原理的介绍，于是按照自己的理解总结了一下，基本上是照着原文翻译的，个别部分是按照自己的理解写的。
逆向索引/倒排索引：
与传统的数据库不同，在es中，每个字段里面的每个单词都是可以被搜索的。如hobby:"dance,sing,swim,run",我们在搜索关键字swim时，所有包含swim的文档都会被匹配到，es的这个特性也叫做全文搜索。
为了支持这个特性，es中会维护一个叫做“invertedindex”（也叫逆向索引）的表，表内包含了所有文档中出现的所有单词，同时记录了这个单词在哪个文档中出现过。
在Elasticsearch中， 需要搞清楚几个名词，如segment/doc/term/token/shard/index等， 其实segment/doc/term/token都是lucene中的概念。这样有助于更深入的了解和使用ES。
document： 索引和搜索的主要数据载体，对应写入到ES中的一个doc。
field: document中的各个字段。
term: 词项，搜索时的一个单位，代表文本中的某个词。
token: 词条，词项(term)在字段(field)中的一次出现,包括词项的文本、开始和结束的位移、类型等信息。
Lucene内部使用的是倒排索引的数据结构， 将词项（term）映射到文档(document)。
例如：某3个文档，假设某个字段的文本如下
ElasticSearch Server (文档1)
Matering ElasticSearch (文档2)
Apache solr 4 Cookbook (文档3)
| term | 次数 | doc id |
| 4 | 1 |
最低0.47元/天 解锁文章
扫一扫
3278
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
