大白话ElasticSearch是什么以及应用场景

傷城~ 2022-01-31 08:11 300阅读 0赞

ElasticSearch是一个分布式，高性能、高可用、可伸缩的搜索和分析系统   
看了上面这段话，估计很多人都懵了，这个是啥。我们先从搜索说起，先介绍下面几点   
1、什么是搜索   
百度、Google：我们想寻找一个我们喜欢的电影或者书籍就会去百度或者Google搜索一下。   
互联网搜索：电商搜索商品，招聘网站搜索简历或者岗位   
IT系统的搜索：员工管理搜索，会议管理搜索   
2、如果用数据库做搜索会怎么样   
在软件开发里面，数据都是存储在数据库里面的，比如电商网站的商品信息，员工的信息等等，如果从员工角度去做搜索功能，我们会这么设计

![è¿éåå¾çæè¿°][70]

以上会存在几个问题：   
1. 如果表记录上千万上亿了这个性能问题，另外一个如果有一个本文字段要在里面模糊配置，这个就会出现严重的性能问题   
2. 还不能将搜索词拆分开来，比如上面这个只能搜索名字是“张三”开头的员工，如果想搜出“张小三”那是搜索不出来的。   
总体来说，用数据库来实现搜索，是不太靠谱的，通常性能也会很差   
3、什么是全文检索、倒排索引和Lucene   
举个简单的例子：比如最近上映的热剧（碟中谍6:全面瓦解），我们想搜索一下全面瓦解这个电视剧，可是在输入的过程，不小心输入了”全瓦解”，我们看看百度这个返回了什么，百度返回的结果确实是我想要找到的内容，现在我们介绍一下全文检索和倒排索引是什么

![è¿éåå¾çæè¿°][70 1]  
我们看看下面这个图，假如我们有很多数据”全面瓦解电影，全面瓦解海报，全面瓦解评论，全面瓦解文章”等等信息，从数据到构建倒排索引的过程我们图中标记为“1”，通俗一点讲就是，倒排索引就是讲数据中的词拆分构建一个大表，将关键字拆出来，后面带上这个文章的documentid号，例如中间这个就是倒排索引了。

全文检索就比较好理解的，就是当我们输入“全瓦解”,会被拆分成”全”，“瓦解”2个此，用2个词去倒排索引里面去检索数据，检索到的数据返回。整个过程就叫做全文检索   
 ![è¿éåå¾çæè¿°][70 2]  
如果这个用数据库的思维来做的话，假如一共100W的记录，按照之前的思路就是扫描100W次，而且每次扫描，都需要匹配那个文本所有的字符，确认是否包含搜索的关键词，而且还不能将搜索词拆解来进行检索   
如果是利用倒排索引的话，假设还是100W，拆分出来的词语，假设有1000W个词语，那么在倒排索引中，就有1000W行。我们可能不需要检索1000W词，有可能检索1次，就能找到我们需要的数据，也有可能是100W次，也有可能是1000W次

lucene：就是一个jar包，里面包含了封装好的各种建立倒排索引，以及进行搜索的代码，包括各种算法。我们就用java开发的时候

3、ElasticSearch是什么   
Lucene是单机的模式，如果你的数据量超过了一台物理机的容量，你需要扩容，将数据拆分成2份放在不同的集群，这个就是典型的分布式计算了。需要拷贝容错，机器宕机，数据一致性等复杂的场景，这个实现就比较复杂了。   
ES解决了这些问题   
1、自动维护数据的分布到多个节点的索引的建立，还有搜索请求分布到多个节点的执行   
2、自动维护数据的冗余副本，保证了一旦机器宕机，不会丢失数据   
3、封装了更多高级的功能，例如聚合分析的功能，基于地理位置的搜索

![è¿éåå¾çæè¿°][70 3]  
ElasticSearch的功能

分布式的搜索引擎和数据分析引擎   
搜索：网站的站内搜索，IT系统的检索   
数据分析：电商网站，统计销售排名前10的商家  
全文检索，结构化检索，数据分析   
全文检索：我想搜索商品名称包含某个关键字的商品   
结构化检索：我想搜索商品分类为日化用品的商品都有哪些   
数据分析：我们分析每一个商品分类下有多少个商品  
对海量数据进行近实时的处理   
分布式：ES自动可以将海量数据分散到多台服务器上去存储和检索   
海联数据的处理：分布式以后，就可以采用大量的服务器去存储和检索数据，自然而然就可以实现海量数据的处理了   
近实时：检索数据要花费1小时（这就不要近实时，离线批处理，batch-processing）；在秒级别对数据进行搜索和分析  
ElasticSearch的应用场景

维基百科  
The Guardian（国外新闻网站）  
Stack Overflow（国外的程序异常讨论论坛）  
GitHub（开源代码管理）  
电商网站  
日志数据分析  
商品价格监控网站  
BI系统  
站内搜索  
ElasticSearch的特点

可以作为一个大型分布式集群（数百台服务器）技术，处理PB级数据，服务大公司；也可以运行在单机上，服务小公司  
Elasticsearch不是什么新技术，主要是将全文检索、数据分析以及分布式技术，合并在了一起  
对用户而言，是开箱即用的，非常简单，作为中小型的应用，直接3分钟部署一下ES  
Elasticsearch作为传统数据库的一个补充,比如全文检索，同义词处理，相关度排名，复杂数据分析，海量数据的近实时处理；

[70]: /images/20220131/fd4a7c0cf6644928865ba7af017fb7c8.png
[70 1]: /images/20220131/7cce49ad36ae4278b20a8f8cae6efb53.png
[70 2]: /images/20220131/9ac2c6d0f6244137ba10b62c9c0a4a68.png
[70 3]: /images/20220131/edd529246d834f048a564395ed6ccf65.png