全文检索技术

支持海量全文检索，索引库中查询，速度快

查询算法

顺序扫描法

• 概念：根据关键字，从头到尾扫描+匹配，直到扫描完所有文件；
• 优点：查询准确率高
• 缺点：查询速度随着查询数据量的增大，越来越慢
• 使用场景：数据库中的 like 关键字模糊查询（全表扫描，加索引也没用）、文本编辑器的 Ctrl + F 查询功能

全文检索（倒排索引）

对文档进行切分词组成索引（目录），索引和文档有关联关系，查询的时候先查询索引，通过索引找文档。

切分词：将一句话切分成一个一个的词，去掉停用词、去掉重复词、去掉标点符号

Lucene

Lucene是一个开放源代码的全文检索引擎工具包（一个 jar包，不能单独部署和运行），不是完整的全文检索引擎。Lucene能够为文本类型的数据建立索引，把创建好的索引文件保存到磁盘或者内存中，并根据用户输入的查询条件在索引文件上进行查询。

Solr

Solr 是 Apache 旗下基于 Lucene 开发的全文检索的服务。用户可以通过 HTTP 请求，向 Solr 服务器提交一定格式的数据，完成索引库的索引；也可以通过 HTTP 请求查询索引库获取返回结果。

功能优势：支持各种格式文件导入索引库、分页查询和排序、Group分组查询、Solr Cloud（集群搭建，支持并发）。

Elasticsearch

和 Lucene 的关系

基于 Lucene，封装了许多 Lunece 底层功能，提供简单易用的 Restful API 接口和许多语言的客户端，如 Java 的高级客户端（Java High Level REST Client）和底层客户端（Java Low level Rest Client）。

功能

• 分布式的搜索引擎和数据分析引擎
• 全文检索，结构化检索，数据分析
• 对海量数据（上亿条）进行近实时（秒级）的处理

核心概念

• NRT(Near Realtime)：近实时，秒级
• Cluster：集群
• Node：节点，每个 ES 实例
• Document：文档，ES中的最小数据单元，多个 Document 存储于一个索引中
• Index：索引，包含一堆有相似结构的文档数据，相当于表
• Field：字段
• Type：类型，ES官方将在ES9.0后删除此概念
• shard：分片
• replica：副本