1.1 es引言

举个例子，列如淘宝，搜索“壳手机”，注意我搜的是“壳手机”，不是“手机壳”

假设使用数据库，select * from commodity where name like ”%壳手机%“

这里有两个问题：

1、like“%壳手机%” ， %%关键词全表检索，试想遍历类似淘宝海量数据，效率感人

2、用户很有可能想要的是 手机壳，但是输入了壳手机，用like搜索是不会匹配到“手机壳”d的结果的

当然真实的淘宝检索远比上面描述的要复杂，问题也更多。es的出现，完美的解决了检索的问题。

1.2 es介绍

Elastic Search , 简称ES，是一个基于Lucene，使用java语言编写的搜索引擎框架。ES支持分布式全文搜索，提供了restful风格的操作接口，对多种开发语言提供了API。

Lucene，apache顶级项目，官网lucene.apache.org，solr也是基于lucene的搜索实现。

分布式，突出其横向扩展能力。

全文检索，倒排索引，将文档分词存储，对关键词分词后搜索匹配。

应用广泛，不胜枚举，广泛用于搜索场景、大数据分析场景。

1.3 es和solr的区别

1、es对于实时动态数据的搜索支持优于solr，solr对于不变数据的分析性能更优

2、如果需要搭建集群，solr需要依赖zookeeper，es本身支持集群

3、solr国内的社区文档完善程度不及es，es文档十分健全

4、es不止于搜索，对云计算、大数据同样支持特别好

1.4 倒排索引

假设有4条数据，id，内容

倒排索引，分词库

搜索实现：

1、将存放的数据，以必定的规则进行分词，并将分词结果保存到分词库

2、用户查询时，现将用户查询的关键词进行分词

3、将查询关键词分词结果去分词库中匹配，拿到匹配结果

4、根据匹配结果去数据存放位置取数据

1.5 kibana

Kibana是用于Elasticsearch的源可用数据可视化仪表板软件，常用菜单有：

1、devTools：左侧倒数第三，小扳手，编写restful的操作请求

2、management：倒数第一，查看索引信息

1.6 ik分词器

默认分词，调用standard分词器

ik分词，调用ik_smart分词器

ik分词支持两种分词模式

• ik_max_word: 会将文本做最细粒度的拆分，会穷尽各种可能的组合
• ik_smart: 会做最粗粒度的拆

1.7 es的结构

索引（index）、分片、备份

• es可以创建多个索引
• 每个索引默认5个分片
• 每个分片至少有1个备份分片，集群中，es会自动把备份放到不同的机器
• 备份分片一般不参与检索，在检索压力大的时候才会参与检索数据

类型（type）：7.*版本后，一个索引只支持一个类型（1个类型≈数据库中的1个表）

文档（doc）：一个类型下，可以有多个文档（1个文档≈数据库表的一行记录）

属性（field）：一个文档中，可以包含多个属性（1个属性≈表中一行记录的一列）