「掃盲」Elasticsearch

前言

只有光頭才能變強。

文本已收錄至我的GitHub精選文章，歡迎Star：https://github.com/ZhongFuCheng3y/3y

不知道大家的公司用Elasticsearch多不多，反正我公司的是有在用的。平時聽同事們聊天肯定避免不了不認識的技術棧，例如說：把數據放在引擎，從引擎取出數據等等。

如果對引擎不瞭解的同學，就壓根聽不懂他們在說什麼（我就是聽不懂的一位，扎心了）。引擎一般指的是搜索引擎，現在用得比較多的就是Elasticsearch。

這篇文章主要是對Elasticsearch一個簡單的入門，沒有高深的知識和使用。至少我想做到的是：以後同事們聊引擎了，至少知道他們在講什麼。

什麼是Elasticsearch？

Elasticsearch is a real-time, distributed storage, search, and analytics engine

Elasticsearch 是一個實時的分散式存儲、搜索、分析的引擎。

介紹那兒有幾個關鍵字：

• 實時
• 分散式
• 搜索
• 分析

於是我們就得知道Elasticsearch是怎麼做到實時的，Elasticsearch的架構是怎麼樣的（分散式）。存儲、搜索和分析（得知道Elasticsearch是怎麼存儲、搜索和分析的）

這些問題在這篇文章中都會有提及。

我已經寫了200多篇原創技術文章了，後續會寫大數據相關的文章，如果想看我其他文章的同學，不妨關註我吧。公眾號：Java3y

如果覺得我這篇文章還不錯，對你有幫助，不要吝嗇自己的贊！

為什麼要用Elasticsearch

在學習一項技術之前，必須先要瞭解為什麼要使用這項技術。所以，為什麼要使用Elasticsearch呢？我們在日常開發中，資料庫也能做到（實時、存儲、搜索、分析）。

相對於資料庫，Elasticsearch的強大之處就是可以模糊查詢。

有的同學可能就會說：我資料庫怎麼就不能模糊查詢了？？我反手就給你寫一個SQL：

select * from user where name like '%公眾號Java3y%'

這不就可以把公眾號Java3y相關的內容搜索出來了嗎？

的確，這樣做的確可以。但是要明白的是：name like %Java3y%這類的查詢是不走索引的，不走索引意味著：只要你的資料庫的量很大（1億條），你的查詢肯定會是秒級別的

如果對資料庫索引還不是很瞭解的同學，建議復看一下我以前的文章。我覺得我當時寫得還不賴（哈哈哈）

GitHub搜關鍵字：”索引“

而且，即便給你從資料庫根據模糊匹配查出相應的記錄了，那往往會返回大量的數據給你，往往你需要的數據量並沒有這麼多，可能50條記錄就足夠了。

還有一個就是：用戶輸入的內容往往並沒有這麼的精確，比如我從Google輸入ElastcSeach（打錯字），但是Google還是能估算我想輸入的是Elasticsearch

而Elasticsearch是專門做搜索的，就是為瞭解決上面所講的問題而生的，換句話說：

• Elasticsearch對模糊搜索非常擅長（搜索速度很快）
• 從Elasticsearch搜索到的數據可以根據評分過濾掉大部分的，只要返回評分高的給用戶就好了（原生就支持排序）
• 沒有那麼準確的關鍵字也能搜出相關的結果（能匹配有相關性的記錄）

下麵我們就來學學為什麼Elasticsearch可以做到上面的幾點。

Elasticsearch的數據結構

眾所周知，你要在查詢的時候花得更少的時間，你就需要知道他的底層數據結構是怎麼樣的；舉個例子：

• 樹型的查找時間複雜度一般是O(logn)
• 鏈表的查找時間複雜度一般是O(n)
• 哈希表的查找時間複雜度一般是O(1)
• ....不同的數據結構所花的時間往往不一樣，你想要查找的時候要快，就需要有底層的數據結構支持

從上面說Elasticsearch的模糊查詢速度很快，那Elasticsearch的底層數據結構是什麼呢？我們來看看。

我們根據“完整的條件”查找一條記錄叫做正向索引；我們一本書的章節目錄就是正向索引，通過章節名稱就找到對應的頁碼。

首先我們得知道為什麼Elasticsearch為什麼可以實現快速的“模糊匹配”/“相關性查詢”，實際上是你寫入數據到Elasticsearch的時候會進行分詞。

還是以上圖為例，上圖出現了4次“演算法”這個詞，我們能不能根據這次詞為它找他對應的目錄？Elasticsearch正是這樣乾的，如果我們根據上圖來做這個事，會得到類似這樣的結果：

• 演算法 ->2,13,42,56

這代表著“演算法”這個詞肯定是在第二頁、第十三頁、第四十二頁、第五十六頁出現過。這種根據某個詞(不完整的條件)再查找對應記錄，叫做倒排索引。

再看下麵的圖，好好體會一下：

眾所周知，世界上有這麼多的語言，那Elasticsearch怎麼切分這些詞呢？，Elasticsearch內置了一些分詞器

• Standard Analyzer 。按詞切分，將詞小寫
• Simple Analyzer。按非字母過濾（符號被過濾掉），將詞小寫
• WhitespaceAnalyzer。按照空格切分，不轉小寫
• ....等等等

Elasticsearch分詞器主要由三部分組成：