互联网搜索核心组件：Lucene 20 岁生日啦

前言

你用过Elasticsearch么？那你知道Elasticsearch底层是基于什么技术演化而来的么？相信用过ES并深刻了解过ES的都知道，ES是基于Lucene，隐藏复杂性，提供简单易用的restful api接口、java api接口、其余语言的接口。如今Lucene从诞生到如今已经20年了，Happy Birthday ， Lucene！ES官网还特地为Lucene庆生，连接：https://www.elastic.co/cn/cel... 。

ES做者基于Lucene的传说

关于elasticsearch的一个传说，有一个程序员失业了，陪着本身老婆去英国伦敦学习厨师课程。程序员在失业期间想给老婆写一个菜谱搜索引擎，以为lucene实在太复杂了，就开发了一个封装了lucene的开源项目，compass。后来程序员找到了工做，是作分布式的高性能项目的，以为compass不够，就写了elasticsearch，让lucene变成分布式的系统。 今天咱们乘着Lucene的20岁生日一块儿温习一下Lucene和ES的核心概念。

Lucene 的核心概念

1. IndexWriter

lucene中最重要的的类之一，它主要是用来将文档加入索引，同时控制索引过程当中的一些参数使用。

1. Analyzer

分析器,主要用于分析搜索引擎遇到的各类文本。经常使用的有StandardAnalyzer分析器,StopAnalyzer分析器,WhitespaceAnalyzer分析器等。

1. Directory

索引存放的位置;lucene提供了两种索引存放的位置，一种是磁盘，一种是内存。通常状况将索引放在磁盘上；相应地lucene提供了FSDirectory和RAMDirectory两个类。

1. Document

文档;Document至关于一个要进行索引的单元，任何能够想要被索引的文件都必须转化为Document对象才能进行索引。

1. Field

相似于数据库中的一个字段，存储了key-value值。

1. IndexSearcher

是lucene中最基本的检索工具，全部的检索都会用到IndexSearcher工具;

1. Query

Query相似关系型数据库中的SQL语句。与关系型数据库相似，Lucene提供了如下的基本查询：精确查询xxx = ? TermQuery、范围查询 xxx BETWEEN? AND ? PointRangeQuery、模糊查询 xxx LIKE ‘%?%’ PrefixQuery、RegexpQuery、组合查询 (…) AND (…) OR (…) BooleanQuery

1. QueryParser

是一个解析用户输入的工具，能够经过扫描用户输入的字符串，生成Query对象。

1. Hits

在搜索完成以后，须要把搜索结果返回并显示给用户，只有这样才算是完成搜索的目的。在Lucene中，搜索的结果的集合是用Hits类的实例来表示的。

ES 的核心概念

1. Near Realtime（NRT）：近实时，两个意思，从写入数据到数据能够被搜索到有一个小延迟（大概1秒）；基于es执行搜索和分析能够达到秒级
2. Cluster：集群，包含多个节点，每一个节点属于哪一个集群是经过一个配置（集群名称，默认是elasticsearch）来决定的，对于中小型应用来讲，刚开始一个集群就一个节点很正常。
3. Node：节点，集群中的一个节点，节点也有一个名称（默认是随机分配的），节点名称很重要（在执行运维管理操做的时候），默认节点会去加入一个名称为“elasticsearch”的集群，若是直接启动一堆节点，那么它们会自动组成一个elasticsearch集群，固然一个节点也能够组成一个elasticsearch集群
4. Document&field：文档，es中的最小数据单元，一个document能够是一条客户数据，一条商品分类数据，一条订单数据，一般用JSON数据结构表示，每一个index下的type中，均可以去存储多个document。一个document里面有多个field，每一个field就是一个数据字段。
5. Index：索引，包含一堆有类似结构的文档数据，好比能够有一个客户索引，商品分类索引，订单索引，索引有一个名称。一个index包含不少document，一个index就表明了一类相似的或者相同的document。好比说创建一个product index，商品索引，里面可能就存放了全部的商品数据，全部的商品document。
6. Type：ES 7.x 版本已经废除Type,关于为何取消，能够参考 ：

https://www.elastic.co/guide/...
类型，每一个索引里均可以有一个或多个type，type是index中的一个逻辑数据分类，一个type下的document，都有相同的field，好比博客系统，有一个索引，能够定义用户数据type，博客数据type，评论数据type。

1. shard：单台机器没法存储大量数据，es能够将一个索引中的数据切分为多个shard，分布在多台服务器上存储。有了shard就能够横向扩展，存储更多数据，让搜索和分析等操做分布到多台服务器上去执行，提高吞吐量和性能。每一个shard都是一个lucene index。
2. replica：任何一个服务器随时可能故障或宕机，此时shard可能就会丢失，所以能够为每一个shard建立多个replica副本。replica能够在shard故障时提供备用服务，保证数据不丢失，多个replica还能够提高搜索操做的吞吐量和性能。primary shard（创建索引时一次设置，不能修改，默认5个），replica shard（随时修改数量，默认1个），默认每一个索引10个shard，5个primary shard，5个replica shard，最小的高可用配置，是2台服务器。

本文由博客一文多发平台 OpenWrite 发布！