内容简介：互联网行业的信息传播能力，因为搜索引擎的出现而成倍增强。作为网站流量的主要来源，谁都无法忽视搜索引擎的作用。搜索引擎公司创造的是当今世界唯一的不直接生产数据，只靠收集和整理数据就能创造更大附加价值的商业模式。哪如果自己实现一个信息收集、加工和整理的搜索引擎是否可行呢？今天我们就聊一聊这个话题。
1、从一个Apache的开源项目Lucene讲起
Lucene是Apache软件基金会长期资助的顶级项目，目的是打造一个开放源代码的全文检索引擎工具包。但是，如果用户直接去使用它，并不好用，因为它不是一个完整的全文检索引擎，而仅是一个引擎的架构，包括：查询引擎和索引引擎等。
Lucene项目最开始于2000年（20年了，打造一个技术不容易吧），采用Java语言编写（算是Java阵营中的精品），从2000年3月的0.0.1版本到目前Lucene的8.4.1版本，经过20年的打磨和升级能一路走下来，我觉得值得大家好好看看这个技术的发展史！
2、开源搜索阵营的绝代双娇
前面讲过直接使用Lucene不太好用，这就好比用户想买的是一辆车，你给人家的是一个发动机，性能再好人家用不上，也就不关心。而基于Lucene核心构建的搜索引擎系统，您首先要知道的就是Solr和ElasticSearch。
Solr和ES都是开源搜索引擎，但是发展的道路不一样。Solr现在同样也是Apache基金会下面的顶级开源项目，基于lucene开发企业级搜索服务器，实际上就是封装了lucene。
而ES是在 Solr 之后几年推出的。它提供了一个分布式，多租户能力的全文搜索引擎，具有 HTTP Web 界面（REST）和无架构 JSON 文档。ES项目很年轻，发展起来也没那么多顾虑，据说前几年在华尔街融到了很多投资，这几年发展的很快，进入国内市场相当快，虽然软件是开源的，但是基于开源版本提供了很多增值服务（这是一种开源商业模式），什么安全啊，智能监控方面的，可以通过购买不同版本的订阅实现（大概1年好几万吧）。
图1 Solr和ES的比较
PS:两个软件我都摆弄过，Solr安装和配置较麻烦，ES更简单（毕竟有商业公司支持），如果我们的目的只是用，那个简单用那个吧！
3、搜索引擎的秘密
文档数据库
ES就是一个典型的文档数据库（或本文数据库），而且还是分布式的。其中每个字段均可被索引，而且每个字段的数据均可被搜索，能够横向扩展至数以百计的服务器存储以及处理PB级的数据。可以在极短的时间内存储、搜索和分析大量的数据。通常作为具有复杂搜索场景情况下的核心发动机。
如果你对传统数据库很熟悉，那刚开始用ES的时候需要把原来的概念换一下，比如传统的关系型数据库表-Table，在这里叫索引Index，原来的一行记录，这里叫一个Document，原来写个查询叫SQL，这里叫DSL。
如果说你想用ES去存储照片或者大数据内容，哪并不合适，你还是用传统的关系数据库可能会更好。不过你可以把数据存储位置和照片的URL存储到ES里面，以加快检索的过程。
倒排索引
倒排索引（Inverted Index）也叫反向索引，有反向索引必有正向索引。通俗地来讲，正向索引是通过key找value，反向索引则是通过value找key。
倒排索引简单理解就是我们读书或查字典的时候一般后面会有个表，高速你那个概念或词在那一页。以前我们查找数据库是通过一个记录中的某个字段内容，找到这个记录的存储位置。那么倒排后的索引可以让多个特征都对应到一个记录上，画个图就是这样地。
图2 倒排索引的概念
那么为啥要倒排呢？因为搜索引擎面对的很多都是人类语言，每一句话通过分词算法处理都会变成一个个词条，这时候查找如果有这个索引，那么通过不同词都可以对应到合适的位置，搜索速度才会快。
4、ES家族的工具集
今天的标题是ELK，说了半天还没解释，那么ELK到底是什么呢？其实是Elasticsearch、Logstash、Kibana的简称。这三者是ES公司开发的核心套件（但不是全部啊）。Elasticsearch是实时全文搜索和分析引擎,提供搜集、分析、存储数据三大功能。
Elasticsearch索引系统
Elasticsearch是实时全文搜索和分析引擎，提供搜集、分析、存储数据三大功能；是一套开放REST和JAVA API等结构提供高效搜索功能，可扩展的分布式系统。它构建于Apache Lucene搜索引擎库之上。
Logstash日志收集工具
Logstash是一个用来搜集、分析、过滤日志的工具。它支持几乎任何类型的日志，包括系统日志、错误日志和自定义应用程序日志。它可以从许多来源接收日志，这些来源包括 syslog、消息传递（例如 RabbitMQ）和JMX，它能够以多种方式输出数据，包括电子邮件、websockets和Elasticsearch。
Kinbana可视化
Kibana是一个基于Web的图形界面，用于搜索、分析和可视化存储在 Elasticsearch指标中的日志数据。它利用Elasticsearch的REST接口来检索数据，不仅允许用户创建他们自己的数据的定制仪表板视图，还允许他们以特殊的方式查询和过滤数据。
图3 ELK产品架构和逻辑关系
ELK三剑客，在此全部出来了，图3是他们之间的关系，L采集数据，E存储和检索数据，K是管可视化的。那有些人可能问，这个ELK能干啥，那我的回答是你要展开你的想象力。ELK最传统的应用领域是帮助机群管理人员分析海量的日志，从采集，存储到监控，提供了完整的方案，当然用途绝对不止这些。
如果你看到这里感兴趣了，那马上动手安装试一试吧！
小结：好像看到这里大家发现概念越来越多，没错，要想开始工作首先你得了解现在有那些工作已经做的很好了。找到一个好的梯子，通常是快速实现目标的关键。如果应用ELK相关技术构建行业应用，请关注我们的系列文章，后面会就地震目录查询、可视化和垂直搜索等话题逐渐展开。
网友评论