什么是全文搜索引擎？

常⽤的搜索⽹站，⽐如百度，⾕歌。

数据的分类

• 结构化数据：指具有固定格式或有限⻓度的数据，如数据库，元数据等。

对于结构化数据，我们⼀般都是可以通过关系型数据库(mysql，oracle等)的 table 的⽅式存储和搜索，也可以建⽴索引。通过b-tree等数据结构快速搜索数据。

• ⾮结构化数据：全⽂数据，指不定⻓或⽆固定格式的数据，如邮件，word⽂档等。

对于⾮结构化数据，也即对全⽂数据的搜索主要有两种⽅法：顺序扫描法，全⽂搜索法。

顺序扫描

• 按字⾯意思，我们可以了解它的⼤概搜索⽅式，就是按照顺序扫描的⽅式查找特定的关键字。⽐如让你在⼀篇篮球新闻中，找出"科⽐"这个名字在哪些段落出现过。那你肯定需要从头到尾把⽂章阅读⼀遍，然后标记出关键字在哪些地⽅出现过。
• 这种⽅法毋庸置疑是最低效的，如果⽂章很⻓，有⼏万字，等你阅读完这篇新闻找到"科⽐"这个关键字，那得花多少时间。

全⽂搜索

• 对⾮结构化数据进⾏顺序扫描很慢，我们是否可以进⾏优化？把我们的⾮结构化数据想办法弄得有⼀定结构不就⾏了吗？将⾮结构化数据中的⼀部分信息提取出来，重新组织，使其变得有⼀定结构，然后对这些有⼀定结构的数据进⾏搜索，从⽽达到搜索相对较快的⽬的。这种⽅式就构成了全⽂搜索的基本怔⽹巨头，如Netflflix，eBay，Instagram和亚⻢逊都使⽤Solr，因为它能够索引和搜索多个站点。
• 强⼤的功能

全⽂搜索

突出

分⾯搜索

实时索引

动态群集

数据库集成

NoSQL功能和丰富的⽂档处理

Elasticsearch

• Elasticsearch是⼀个开源，是⼀个基于Apache Lucene库构建的Restful搜索引擎.
• Elasticsearch是在Solr之后⼏年推出的。它提供了⼀个分布式，多租户能⼒的全⽂搜索引擎，具有HTTP Web界⾯（REST）和⽆架构JSON⽂档。Elasticsearch的官⽅客户端库提供Java，Groovy，PHP，Ruby，Perl，Python，.NET和Javascript。
• 主要功能

分布式搜索

数据分析

分组和聚合

• 应⽤场景

维基百科

Stack Overflflow

GitHub

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

篮球论坛

参考个人博客：cyz