美文网首页中间件
Elasticsearch笔记(2)

Elasticsearch笔记(2)

作者: 吃火龙果吐芝麻 | 来源:发表于2019-03-05 19:54 被阅读0次

Lucene 

Lucene 简介

Lucene 是一个开源的全文检索引擎工具包,最初由Doug Cutting 开发。早在1997 年,资

深全文检索专家Doug Cutting 用一个周末的时间, 使用Java 语言创作了一个文本搜索的开源

函数库,目的是为各种中小型应用软件加入全文检索功能。不久之后,Lucene 诞生了,2000

年Lucene 成为Apache 开源社区的一个子项目。随着Lucene 被人们熟知,越来越多的用户和

研发人员加入其中,完善并壮大项目的发展,Lucene 已成为最受欢迎的具有完整的查询引擎

和索引引擎的全文检索库。

Lucene 特点

1 . 稳定,索引性能高

现代硬盘上每小时能够索引150GB 以上的数据。

对内存的要求小—只需要1 MB 的堆内存。

增量索引和批量索引一样快。

索引的大小约为索引文本大小的20%􃀜30%。

2 . 高效、准确、高性能的搜索算法

• 搜索排名—最好的结果显示在最前面。

• 许多强大的查询类型:短语查询、通配符查询、近似查询、范围查询等。

• 对字段级别搜索(如标题,作者,内容)。

• 可以对任意字段排序。

• 支持搜索多个索引并合并搜索结果。

• 支持更新操作和查询操作同时进行。

• 灵活的切面、高亮、join 和group by 功能。

• 速度快,内存效率高,容错性好。

• 可选排序模型,包括向量空间模型和BM25 模型。

• 可配置存储引擎。

3. 跨平台解决方案

•作为Apache 开源许可,在商业软件和开放程序中都可以使用Lucene。

• 100%纯Java 编写。

• 对多种语言提供接口。

Lucene 架构

主要可以分为三部分

1,信息收集 

2,信息处理,也就是分词创建索引的过程

3,用户查询


Lucene 索引

我们接着介绍Lucene 是如何索引文档的,索引文档就是把文档变成索引这种数据结构的过程。

文档是Lucene 索引的基本单位,比文档更小的单位是字段,字段是文档的一部分,每个

字段由3 部分组成:名称(name) 、类型(type) 和取值(value)。字段的取值一般为文本

类型(字符串、字符流等)、二进制类型和数值类型。Lucene 中的字段类型主要有以下几种:

TextField

TextField 会把该字段的内容索引并词条化,但是不保存词向量。比如,包含整篇文档内容

的body 字段,常常使用TextField 类型进行索引。

StringField

StringField 只会对该字段的内容索引,但是并不词条化,也不保存词向量。字符串的值会

被索引为一个单独的词项。比如,有个字段是国家名称,字段名为“country” ,以国家“阿

尔吉利亚”为例,只索引不词条化是最合适的。

IntPoint

IntPoint 适合索引值为int 类型的字段。

LongPoint

类似于IntPoint 。适合索引值为long的字段

FloatPoint和DoublePoint   同上

SortedDocValuesField

存储值为文本内容的DocValue 字段,SortedDocValuesField 适合索引字段值为文本内容并

且需要按值进行排序的字段。

NumericDocValuesField

存储单个数值类型的DocValues 字段,主要包括(int,long , float , double ) 。

SortedNumericDocValuesField

存储数值类型的有序数组列表的DocValues 字段。

StoredField

StoredField 适合索引只需要保存字段值不进行其他操作的字段。

注:DocValues 是Lucene 4.X 版本以后新增的重要特性,我们都知道,Lucene 是使用经

典的倒排索引的模式来达到快速检索的目的,简单地说,就是建立词项和文档id 的关系映射,

在搜索时,通过类似hash 算法来快速定位到一个搜索关键词,然后读取文档id 集合,这样搜

索数据是非常高效快速的, 当然它也存在一定的缺陷。假如我们需要对数据做一些聚合操作,

例如排序、分组时, Lucene 内部会遍历提取所有出现在文档集合的排序字段,然后再次构建

一个最终的排好序的文档集合,这个过程全部维持在内存中操作,而且如果排序数据量巨大的

话,非常容易造成内存溢出和性能缓慢。基于此,在lucene 4.X 之后出现了DocValues 这一新

特性,DocValues 其实是Lucene 在构建索引时额外建立一个有序的基于document=>field/value

的映射列表。在构建索引时会对幵启docvalues 的字段额外构建一个已经排好序的文档到字段

级别的一个列式存储映射,它减轻了在排序和分组时对内存的依赖,而且大大提升了这个过程

的性能,当然它也会耗费一定的磁盘空间。

Elasticsearch 概述

Elasticsearch 是一个基于Lucene 的搜索服务器,釆用Java 语言编写,使用Lucene 构建索

引、提供搜索功能,并作为Apache 许可条款下的开放源码发布,是当前流行的企业级搜索引

擎。我们知道,Lucene 提供的功能已经很强大了,但是Lucene 只是一个由Java 语言编写的库,

对不使用Java 语言的开发人员并不友好,Elasticsearch 在 Lucene 的基础上做了更多的改进,

提供了多种语言接口。如图4-1 所示,Lucene 之于 Elasticsearch 堪比发动机之于汽车,

Elasticsearch 底层使用的仍然是Lucene 的 API Lucene 专注于底层搜索的建设,Elasticsearch

专注于企业应用。

Elasticsearch 的目标是让全文搜索变得简单,开发者可以通过简单明了的RESTFul API 轻

松地实现搜索功能,而不必去面对Lucene 的复杂性。

架构解读

相关文章

  • Elasticsearch学习笔记目录

    Elasticsearch学习笔记(1) Elasticsearch学习笔记(2) Elasticsearch学习...

  • Elasticsearch学习笔记

    Elasticsearch学习笔记 Elasticsearch 权威指南(中文版) ElasticSearch R...

  • Elasticsearch笔记(2)

    Lucene Lucene 简介 Lucene 是一个开源的全文检索引擎工具包,最初由Doug Cutting 开...

  • elastic search in action

    此文是关于elasticsearch in action书部分重点读书笔记。 Chapter 2 Diving i...

  • ElasticSearchx

    ElasticSearch 笔记修改ES内存的占用:/etc/elasticsearch/jvm.options ...

  • ElasticSearch 入门总结

    ElasticSearch 入门 本篇为 ElasticSearch 入门学习总结笔记,课程视频地址:Elasti...

  • Elasticsearch学习笔记(2)

    目录 集群健康 让我们从一个基本的健康检查开始,我们可以使用它来查看集群的运行情况。我们将使用curl来完成此任务...

  • ElasticSearch学习笔记2

    shard 和 replica 机制 一个 index 包含多个 shard,primary shard 的数量是...

  • elasticsearch 学习笔记2

    1 .什么是文档 在 Elasticsearch 中,术语文档有着特定的含义。它是指最顶层或者根对象, 这个根对象...

  • 写在开始的话

    打算了好久,《elasticsearch学习笔记》今天终于开始写了。 距离开始接触elasticsearch到今天...

网友评论

    本文标题:Elasticsearch笔记(2)

    本文链接:https://www.haomeiwen.com/subject/smpouqtx.html