ElasticSearch

1.用途

1. 搜索引擎：爬虫
2. 电商搜索：数据库
3. 站内搜索：系统数据
4. 文件搜索：磁盘
5. 使用案例一：
   ELK 结合使用，用于微服务架构下不同机器上微服务的日志聚合，日志分析。
   使用案例二：
   当我们打开淘宝，京东，等电商网站的时候，尝试输入一些关键词，然后系统就会给我们提供一些搜索建议。
   这种场景其实也是ES 使用的一个经典案例。
   使用案例三：
   Github使用Elasticsearch检索1300亿行的代码
   使用案例四:
   维基百科使用Elasticsearch提供全文搜索并高亮关键字，以及输入实时搜索(search-as-you-type)和搜索纠错(did-you-mean)等搜索建议功能。
   使用案例五:
   StackOverflow结合全文搜索与地理位置查询，以及more-like-this功能来找到相关的问题和答案

创建索引流程

• 一个原始文档对应一个document

• 文档每个属性放到field中

  例如：文件名，内容，大小。。。

  • field相关属性：
  • 数据类型：文本类型，数值类型，日期
  • 是否索引，是否在字段进行查询
  • 是否分词
  • 是否存储

• 每个document有一个唯一id

分词处理

1. 把需要分词的field中的内容进行分词处理

2. 根据空格字符拆分

3. 去除标点符号

4. 去除停用词

5. 转换大小写

   得到一个最终的单词列表，每个关键词封装成一个term对象关键词
   其中包含两部分
   1.关键词本身
   2.关键词所在的field

查询索引

1. 获取用户查询内容
2. 对用户输入的内容分析
   • 需要使用分词器对用户输入内容进行分词
3. 把查询的内容进行封装
   • 封装成query对象
4. 根据query对象查询索引，把查询结果合并。需要根据匹配相关度打分，根据得分降序排列。
   • tf：关键词在单个文章中出现的频率；tf越高相关度越高
   • df：关键词在多个文章中出现的频率：df越高相关度越低

节点

data节点

node.master:false
node.data:true

协调节点

node.master:false
node.data:false

cluster state