全文搜索 介绍

首先数据是分为 结构化  和  非结构化的：

 

 

 非结构化数据的检索一般用下面2个方法：

• 顺序扫描法
• 全文搜索

顺序扫描法，例：找一个包含 某字符 的文件，那么它会一个文件一个文件的查找，这个文件从头查到尾，直到找到为止。【适用于小数据量文件，因为要担心效率】

全文搜索：把一些非结构化的数据 转为 结构化的数据，然后创建索引，实现搜索的目的【一般查询大文件、多文件 什么的..】，例：字典，里面有拼音、偏旁部首、笔画..这些就是 规则 或者说是 索引(结构化了)。

 

全文搜索实现原理：

建立文本库　　数据源

建立索引　　提取规律

执行搜索　　用户发起

过滤结构　　查询到的有些可能是脏数据等。。

返回结果　　用户接受

 

全文搜索实现技术

基于Java开源实现：

1. Lucene
2. ElasticSearch
3. Solr

 

Lucene：基于全文检索和搜寻的开源程序库，由Apache软件基金会支持和提供,有一个简单却强大的应用程序接口（API），能够做全文索引和搜寻，在Java开发环境里Lucene是一个成熟的免费开放源代码工具,但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎。

 

Elasticsearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java语言开发的，并作为Apache许可条款下的开放源码发布，是一种流行的企业级搜索引擎。Elasticsearch用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。官方客户端在Java、.NET（C#）、PHP、Python、Apache Groovy、Ruby和许多其他语言中都是可用的。根据DB-Engines的排名显示，Elasticsearch是最受欢迎的企业搜索引擎，其次是Apache Solr，也是基于Lucene。

 

Solr是一个独立的企业级搜索应用服务器，它对外提供类似于Web-service的API接口。用户可以通过http请求，向搜索引擎服务器提交一定格式的XML文件，生成索引；也可以通过Http Get操作提出查找请求，并得到XML格式的返回结果。【貌似仅支持Json 和 Xml  ,但未证实】