探索ElasticSearch-Lucene入門(六)
前言
也算是使用了ElasticSearch一段時間了，但是還是沒有仔細看過Lucene相關的內容。今天來系統小結下。
這篇文章主要談論Lucene的基本架構，倒排索引，分詞器，如何使用查詢語法查詢Lucene以及Lucene和ElasticSearch的區別和聯絡。
Lucene
基本架構
- 檔案：索引和搜尋的主要的資料載體，包含多個欄位。
- 欄位：多個欄位組成一個檔案。包含具體的資訊。
- 詞項：由
term翻譯而來。可以簡單理解為具體的資訊中拆分出來的一個個單詞。 - 詞條：由
token翻譯而來。詞項在文字中的一次出現。不僅包含詞項的內容，而且包含開始的位置，結束的位置等資訊。 - 段：由
Segment翻譯而來。每個段只會被建立一次，段一但被建立了之後就不會被修改。所以，會存在段合併的過程，減少段的數量，而且搜尋的效能也會提升。段中資料的刪除只會在段合併的過程中進行。
term和token的區別是什麼？ 舉個例子，有下面一段文字。My brother love ElasticSearch.I love ElasticSearch,too. token為My,brother,love,ElasticSearch,I,too term為My,too
倒排索引
簡單來說，倒排索引最主要的一個特點是面向term建立索引的，而不是面向檔案建立索引的。
舉個例子，假如有下面這幾個檔案。
doc1:I love ElasticSearch
doc2:I love Java
doc3:I hate sleeping
複製程式碼 如果使用傳統面向檔案的方式建立索引，那麼當使用love進行搜尋的時候，需要先遍歷doc1中所有的欄位，再遍歷doc2中所有的欄位，依次遍歷，直到最後一個doc，才能夠確定存在love這個單詞的檔案是doc1,doc2。
如果使用的是倒排索引呢？
那麼會組成以下的倒排索引。
| Term | Doc |
|---|---|
| I | doc1,doc2,doc3 |
| love | doc1,doc2 |
| elasticsearch | doc1 |
| java | doc2 |
| sleeping | doc3 |
那麼，當使用love來搜尋的時候，最多隻需要遍歷一遍就能夠查詢到結果。直接返回doc1,doc2。優勢在於只要匹配到了term
分詞器
一段文字在Lucene中被轉化為一個一個可用於搜尋的詞項的過程叫做分析。有時候也會叫做分詞。在Lucene中是使用分詞器來進行分析(分詞)的行為的。
舉個例子
I love ElasticSearch -> [I,elasticsearch]
複製程式碼這裡就是原來的文字被分詞器轉換為多個詞項。
文字分析由分析器執行，而分析器又由字元過濾器，分詞器和字元對映器組成。
那麼這三個組成又分別有什麼作用呢？
舉個例子。存在下面這樣文字。
I love! ElasticSearch.
複製程式碼經過了字元過濾器之後
I love! ElasticSearch. -> I lvoe ElasticSearch
複製程式碼字元過濾器是去掉在原本文字中存在的一些不合適的字元，比如！，.等。過濾器將原本存在多種不合適的字元流轉化為合適的字元流。
接著，會經過分詞器。
I love ElasticSearch -> [I,ElasticSearch]
複製程式碼分詞器會原來的字元流轉化為多個詞項的陣列。最終可以通過這些詞項搜尋。
[I,ElasticSearch] -> [I,elasticsearch]
複製程式碼最後，字元對映器會將最原始的詞項統一格式，比如都轉化為小寫的詞項。這個被轉化後的詞項才會被Lucene存放。
當然，這是預設的標準分析器採用的規則。不同的分析器可以使用不同的字元過濾器，分詞器和字元對映器來完成分析的工作。
查詢語法
由查詢內容和操作符組合而成。
Lucene與ElasticSearch的聯絡
首先，ElasticSearch正是基於Lucene開發的。相對於Lucene擁有輕量級，獨立性的特點來說。ElasticSearch具有的特點就是分散式，可擴充套件，高可用的特點。
關於寫作
以後這裡每天都會寫一篇文章，題材不限，內容不限，字數不限。儘量把自己每天的思考都放入其中。
如果這篇文章給你帶來了一些幫助，可以動動手指點個贊，順便關注一波就更好了。
如果上面都沒有，那麼寫下讀完之後最想說的話？有效的反饋和你的鼓勵是對我最大的幫助。
另外打算把部落格給重新撿起來了。歡迎大家來訪問吃西瓜。
我是shane。今天是2019年9月6日。百天寫作計劃的第四十四天，44/100。