探索ElasticSearch-Lucene入门(六)

前言

也算是使用了ElasticSearch一段时间了，可是仍是没有仔细看过Lucene相关的内容。今天来系统小结下。

这篇文章主要谈论Lucene的基本架构，倒排索引，分词器，如何使用查询语法查询Lucene以及Lucene和ElasticSearch的区别和联系。

Lucene

基本架构

• 文档：索引和搜索的主要的数据载体，包含多个字段。
• 字段：多个字段组成一个文档。包含具体的信息。
• 词项：由term翻译而来。能够简单理解为具体的信息中拆分出来的一个个单词。
• 词条：由token翻译而来。词项在文本中的一次出现。不只包含词项的内容，并且包含开始的位置，结束的位置等信息。
• 段：由Segment翻译而来。每一个段只会被建立一次，段一但被建立了以后就不会被修改。因此，会存在段合并的过程，减小段的数量，并且搜索的性能也会提高。段中数据的删除只会在段合并的过程当中进行。

term和token的区别是什么？ 举个例子，有下面一段文本。My brother love ElasticSearch.I love ElasticSearch,too. token为My,brother,love,ElasticSearch,I,love,ElasticSearch,too term为My,brother,love,ElasticSearch,I,too

倒排索引

简单来讲，倒排索引最主要的一个特色是面向term创建索引的，而不是面向文档创建索引的。 举个例子，假若有下面这几个文档。

doc1:I love ElasticSearch
doc2:I love Java
doc3:I hate sleeping
复制代码

若是使用传统面向文档的方式创建索引，那么当使用love进行搜索的时候，须要先遍历doc1中全部的字段，再遍历doc2中全部的字段，依次遍历，直到最后一个doc，才可以肯定存在love这个单词的文档是doc1,doc2。

若是使用的是倒排索引呢？

那么会组成如下的倒排索引。

Term	Doc
I	doc1,doc2,doc3
love	doc1,doc2
elasticsearch	doc1
java	doc2
sleeping	doc3

那么，当使用love来搜索的时候，最多只须要遍历一遍就可以查询到结果。直接返回doc1,doc2。优点在于只要匹配到了term，就能够直接返回。无需像传统索引同样遍历全部的文档。

分词器

一段文本在Lucene中被转化为一个一个可用于搜索的词项的过程叫作分析。有时候也会叫作分词。在Lucene中是使用分词器来进行分析(分词)的行为的。

举个例子

I love ElasticSearch  ->  [I,love,elasticsearch]
复制代码

这里就是原来的文本被分词器转换为多个词项。

文本分析由分析器执行，而分析器又由字符过滤器，分词器和字符映射器组成。

那么这三个组成又分别有什么做用呢？

举个例子。存在下面这样文本。

I love! ElasticSearch.
复制代码

通过了字符过滤器以后

I love! ElasticSearch.   -> I lvoe ElasticSearch
复制代码

字符过滤器是去掉在本来文本中存在的一些不合适的字符，好比！，.等。过滤器将本来存在多种不合适的字符流转化为合适的字符流。

接着，会通过分词器。

I love ElasticSearch -> [I,love,ElasticSearch]
复制代码

分词器会原来的字符流转化为多个词项的数组。最终能够经过这些词项搜索。

[I,love,ElasticSearch] -> [I,love,elasticsearch]
复制代码

最后，字符映射器会将最原始的词项统一格式，好比都转化为小写的词项。这个被转化后的词项才会被Lucene存放。

固然，这是默认的标准分析器采用的规则。不一样的分析器可使用不一样的字符过滤器，分词器和字符映射器来完成分析的工做。

查询语法

由查询内容和操做符组合而成。

Lucene与ElasticSearch的联系

首先，ElasticSearch正是基于Lucene开发的。相对于Lucene拥有轻量级，独立性的特色来讲。ElasticSearch具备的特色就是分布式，可扩展，高可用的特色。

关于写做

之后这里天天都会写一篇文章，题材不限，内容不限，字数不限。尽可能把本身天天的思考都放入其中。

若是这篇文章给你带来了一些帮助，能够动动手指点个赞，顺便关注一波就更好了。

若是上面都没有，那么写下读完以后最想说的话？有效的反馈和你的鼓励是对我最大的帮助。

另外打算把博客给从新捡起来了。欢迎你们来访问吃西瓜。

我是shane。今天是2019年9月6日。百天写做计划的第四十四天，44/100。