[Java] 全文搜索引擎 Solr & Elasticsearch

背景

• 实现网站自带的搜索功能，如淘宝中的商品搜索

全文搜索

• 数据分类
  • 结构化数据：固定格式或长度有限的数据，如数据库、元数据等
  • 非结构化数据：不定长或无固定格式的数据，如邮件、word文档等
• 搜索分类
  • 结构化数据搜索：关系型数据库
  • 非结构化数据搜索：顺序扫描（低效）/全文搜索
• 索引
  • 从非结构化数据中提取出的然后重新组织的信息
  • 非结构化数据->有一定结构的数据
  • 对组织后的数据进行搜索
• 倒排索引
  • 存储在全文搜索下某个单词在一个或一组文档中的存储位置的映射
  • 文档检索系统中最常用的数据结构
• 场景
  • 搜索的数据对象是大量的非结构化的文本数据
  • 文件记录量达到数十万或数百万个甚至更多
  • 支持大量基于交互式文本的查询
  • 需求非常灵活的全文搜索查询
  • 对高度相关的搜索结果的有特殊需求，但是没有可用的关系数据库可以满足
  • 对不同记录类型、非文本数据操作或安全事务处理的需求相对较少的情况

Lucene

• 全文搜索引擎
• 一个代码库和API
• 思路
  • 搜集数据
  • 通过数据创建索引
  • 用户输入关键字
  • 通过关键字创建查询器
  • 根据查询器到索引里获取数据
  • 把查询结果展示给用户

Solr

• 一种非关系（no sql）数据库搜索/存储引擎
• 封装了Lucene，有HTTP接口
• 可以和Hadoop一起使用
• Hadoop处理大量数据，Solr从中找需要的信息
• 与数据库的区别
  • 搜索速度比关系型数据库快，一般在网站中单独处理搜索功能
  • 数据库不能实现分词效果，只能用模糊查询，效率很低
• 原理：倒排索引，B+树
• IK Analyzer：开源的java中文分词工具包

elasticsearch

• 封装了Lucene
• 分布式、多租户能力的全文搜索引擎
• 具有HTTP Web页面和无架构JSON文档
• 和Solr相比，更易于使用

参考

Solr介绍

https://blog.csdn.net/luo609630199/article/details/82494708

Solr原理

https://www.liangzl.com/get-article-detail-134667.html

全文搜索 Solr Elasticsearch

https://www.cnblogs.com/jajian/p/9801154.html

Solr Elasticsearch 性能比较

https://blog.csdn.net/jameshadoop/article/details/44905643

原文：https://www.cnblogs.com/cxc1357/p/12526405.html