Elasticsearch_Lucene基础

Lucene基本概念

1. 文档(document)：索引与搜索的主要载体，它包含一个或多个字段，存放将要写入索引的或将从索引搜索出来的数据。
2. 字段(field)：文档的一个片段，它包含字段的名称和字段的内容两个部分。
3. 词项(term):搜索时的一个单位，代表了文本中的一个词。
4. 词条(token):词项在字段文本中的一次出现，包括词项的文本、开始和结束的偏移以及词条类型。

分析数据

文本分析由分析器来执行，建立在分词器、过滤器和字符映射器之上。

分词器工作的结果称为词条流。

过滤器串联执行，可以一个也可以多个，用于处理分词器的结果。常见的过滤器：小写过滤器、ASCII过滤器（移除词条中所有非ASCII字符）、同义词过滤器（将一个词条转换成另一个词条）、多语言词干还原过滤器。

字符映射器用于分词器之前的文本预处理。比如HTML文本的去标签处理

Lucene查询语言

AND：结果是当且仅当左右两边的词都在文档中出现。例：apache AND lucene 返回同时包含这两个词的文档
OR：包含任意一个词项的文档被返回
NOT：不包含NOT后面的词项的文档被返回。例：Lucene NOT elasticsearch 返回包含Lucene不包含elasticsearch的文档
+：只有包含+后面词项的文档符合。例：+Lucene Apache 包含Lucene Apache无所谓的文档返回
-：不能出现-后面的词项，类似NOT

如果查询中没有出现前面的任意操作符，默认使用OR

词项修饰符

Lucene支持通配符：？和*。出于性能考虑,*不能作为第一个字符。

模糊查询依赖~符号。~后面紧跟一个数字，数字确定近似词项与原始词项的最大编辑距离。而当~跟在短语后的时候，表示词项之间多大的距离是可以接受的。例如：title:"master elasticsearch"~2会匹配master book elasticsearch

此外，Lucene也支持范围查询和词项加权重查询。这些在elasticsearch中都有体现。

elasticsearch基本概念（捡几个重要的）

映射：映射所扮演的角色：存储分析链所需的所有信息。
节点：数据节点、主节点、部落节点（连接多个集群，并可以执行全局查询）

elasticsearch是基于对等架构的，这导致我们不用关心主节点是哪个，任意节点都能处理用户的查询请求。
elasticsearch创建索引的过程只能在主分片上进行，即如果索引请求发到了只有副本的节点，请求会被转发到有主分片的节点，然后再分发到其副本分片。

Elasticsearch致力于隐藏分布式系统的复杂性，以下内容由底层自动完成。

1. 将你的文档分区到不同的容器或者分片中，他们可以存在于一个或者多个节点中
2. 将分片均匀的分配到各个节点，对索引和搜索做负载均衡。
3. 冗余每个分片，防止硬件故障造成的数据损失。
4. 将集群中任意一个节点上的请求路由到相应数据所在的节点。
5. 无论增加节点，还是移除节点，分片都可以做到无缝的扩展和迁移。