ElasticSearch 实现分词全文检索 - 概述

需求

做一个类似百度的全文搜索功能

所用的技术如下：

• ElasticSearch
• Kibana 管理界面
• IK Analysis 分词器
• SpringBoot

ElasticSearch 简介

ES 是一个使用Java语言并且基于Lucene编写的搜索引擎框架，他提供了分布式的全文搜索功能，提供了一个统一的基于Restful风格的WEB接口，官方客户端也对多种语言都提供了相应的API。

Lucene：Lucene本身就是一个搜索引擎的底层

分布式：ES主要是为了突出他的横向扩展能力。

全文检索：将一段词语进行分词，并且将分出来的单个词语统一放到一个分词库中，在搜索时，根据关键字去分词库中检查，找到匹配的内容。（倒排索引）

Restful 风格的WEB接口：操作ES很简单，只需要发送一个HTTP请求，并且根据请求方式的不同，携带参数，执行相应的功能。

应用广泛：Github, wiki, gold man 用ES每天维护将近10TB的数据。

ES 结构

索引

ES的服务中，可以创建多个索引，每个索引默认被分成5个分片存储（提高查询效率、存储容量），每个分片至少有一个备份分片

备份分片默认不会分担查询效率，当ES检索压力特别大的时候，备份分片才会帮助检索数据

备份的分片必须放在不同的服务器中（集群）

类型

索引可以分多个分版 ，每个分片中有多个type，ES版本不同，类型的创建也不同

7.x 默认不再支持自定投索引类型（默认类型为_doc）

文档

一个type又可以分多个 document 文档 （一个个文档，相当于RDB中的一行行数据），每个文档中有多个field属性

一个MySQL有多个数据库，一个库中有多个表，一张表中存放着多行数据，每行数据中分多个列

列

一个文档包括多个属性，相当于RDB中的字段

ES和Slor

Slor 在查询死数据时（不能改变的数据，不增加、不减少），速度相对ES更快一些。但是数据如果是实时改变时，Solr的查询速度会降低很多，ES的查询效率基本没有变化。

Solr搭建集群时，需要依赖Zookeeper来帮助管理。ES本身就支持集群的搭建，不需要第三方的介入

Solr针对国内的中文文档不多，ES社区火爆，文档健全

ES 对现在云计算和大数据支持特别好

倒排索引

将存放的数据，以一定的方式进行分词，并且将分词的内容存放到一个单独的分词库中。

当用户去查询数据时，会将用户的查询关键字进行分词

然后去分词库中匹配内容，最终得到数据的ID标识

根据ID标识去存放数据的位置拉取到指定的数据

全文检索流程

• 创建ES索引、设置需要分词查询的 field
• 可以通过 canal 对 MySQL binlog 进行数据同步，或者 flink 或者 SpringBoot 直接往ES里添加数据
• 根据业务需求，通过 SpringBoot 进行查询