搜索引擎优化宝典 pdf(Elasticsearch实时的分布式搜索和分析引擎-Elasticsearch简介)

　　搜索引擎优化宝典 pdf(Elasticsearch实时的分布式搜索和分析引擎-Elasticsearch简介)

　　弹性搜索简介*

　　Elasticsearch 是一个实时分布式搜索和分析引擎。它可以帮助您以前所未有的速度处理*敏*感*词*数据。

　　它可以用于全文搜索、结构化搜索和分析，当然你也可以将这三者结合起来。

　　Elasticsearch 是一个基于全文搜索引擎 Apache Lucene™ 的搜索引擎。可以说，Lucene 是当今最先进、最高效的全功能开源搜索引擎框架。

　　但是 Lucene 只是一个框架，要充分利用它的功能，需要使用 JAVA 并在程序中集成 Lucene。要理解它的工作原理需要大量学习，而且 Lucene 确实很复杂。

　　Elasticsearch 使用 Lucene 作为内部引擎，但在全文搜索使用时，只需要使用统一开发的 API，无需了解其背后复杂的 Lucene 运行原理。

　　当然，Elasticsearch 并不像 Lucene 那样简单。它不仅包括全文搜索功能，还可以执行以下任务：

　　将如此多的功能集成到单个服务器中，您可以轻松地通过客户端或任何您喜欢的编程语言与 ES 的 RESTful API 进行通信。

　　Elasticsearch 入门非常简单。它带有许多非常合理的默认值，这使它成为初学者在开始时避免复杂理论的好方法。

　　它已安装并可以使用，并且可以以很少的学习成本进行生产。

　　随着学习的越来越深入，也可以利用 Elasticsearch 更高级的功能，整个引擎可以灵活配置。您可以根据自己的需要定制自己的 Elasticsearch。

　　用例：

　　但 Elasticsearch 不仅适用于大型企业，它还帮助 DataDog 和 Klout 等许多初创公司扩展了能力。

　　Elasticsearch 的优缺点**：

　　优势

　　Elasticsearch 是分布式的。不需要其他组件，分发是实时的，称为“推送复制”。Elasticsearch 完全支持 Apache Lucene 的近实时搜索。处理多租户不需要特殊配置，而 Solr 需要更高级的设置。Elasticsearch 采用网关的概念，使完整的备份变得更容易。每个节点形成一个点对点的网络结构，当一些节点发生故障时，会自动分配其他节点代替它们工作。

　　缺点

　　只有一个开发者（目前的 Elasticsearch GitHub 组织不止于此，已经有相当活跃的维护者）不够自动化（不适合当前新的 Index Warmup API） Solr 简介*

　　Solr（读作“solar”）是 Apache Lucene 项目的开源企业搜索平台。其主要功能包括全文搜索、命中标记、分面搜索、动态聚类、数据库集成和富文本（如Word、PDF）的处理。Solr 具有高度可扩展性，并提供分布式搜索和索引复制。Solr 是最流行的企业搜索引擎，Solr4 还添加了 NoSQL 支持。

　　Solr 是一个独立的全文搜索服务器，用 Java 编写并在 Apache Tomcat 或 Jetty 等 servlet 容器上运行。Solr 使用 Lucene Java 搜索库作为全文索引和搜索的核心，并具有类似 REST 的 HTTP/XML 和 JSON API。Solr 强大的外部配置功能使其可以适应多种类型的应用程序而无需 Java 编码。Solr 有一个插件架构来支持更高级的定制。

　　由于 Apache Lucene 和 Apache Solr 项目于 2010 年合并，这两个项目都是由同一个 Apache Software Foundation 开发团队制作的。Lucene/Solr 或 Solr/Lucene 在提及技术或产品时是相同的。

　　Solr 的优缺点

　　优势

　　Solr 拥有一个更大、更成熟的用户、开发人员和贡献者社区。支持添加多种格式的索引，如HTML、PDF、Microsoft Office系列软件格式，以及JSON、XML、CSV等纯文本格式。Solr 更加成熟稳定。在不考虑索引的情况下搜索会更快。

　　缺点

　　建立索引时，搜索效率下降，实时索引搜索效率不高。Elasticsearch 和 Solr 的比较*

　　Solr 在纯粹搜索现有数据时更快。

　　

　　实时建索引时，Solr会阻塞io，查询性能会很差。Elasticsearch 优势明显。

　　

　　随着数据量的增加，Solr 的搜索效率变得越来越低，而 Elasticsearch 没有明显变化。

　　

　　综上所述，Solr 的架构并不适合实时搜索应用。

　　实际生产环境测试*

　　下图显示将搜索引擎从 Solr 切换到 Elasticsearch 后，平均查询速度提高了 50 倍。

　　

　　Elasticsearch 与 Solr 比较总结

　　Solr 是传统搜索应用的强大解决方案，但 Elasticsearch 更适合新兴的实时搜索应用。

　　其他基于 Lucene 的开源搜索引擎解决方案* 直接使用 Lucene

　　说明：Lucene是一个JAVA搜索类库，本身并不是一个完整的解决方案，需要额外的开发工作。

　　优点：具有许多成功案例的成熟解决方案。apache顶层项目继续快速推进。庞大而活跃的开发社区，大量的开发人员。它只是一个类库，有足够的定制和优化空间：经过简单的定制，就可以满足最常见的需求；优化后可支持10亿+搜索。

　　缺点：需要额外的开发工作。所有的扩展、分发、可靠性等都需要自己实现；非实时，从索引到能够搜索有时间延迟，目前“Near Real Time”（Lucene Near Real Time search）搜索方案的可扩展性有待进一步提升

　　描述：基于Lucene，支持分布式、可扩展、容错、准实时的搜索解决方案。

　　优点：开箱即用，可以与Hadoop一起分发。具有扩展和容错机制。

　　缺点：只是一个搜索方案，索引部分还是需要自己实现。在搜索功能中，只实现了最基本的需求。成功案例较少，项目成熟度略低。因为需要支持分布式，对于一些复杂的查询需求，定制会比较困难。

　　说明：Map/Reduce模式，分布式索引构建方案，可与Katta配合使用。

　　优点：分布式索引和可扩展性。

　　缺点：只有索引方案，不包括搜索实现。在批处理模式下工作，对实时搜索的支持很差。

　　描述：基于Lucene的一系列解决方案，包括准实时搜索zoie、分面搜索实现bobo、机器学习算法分解器、摘要存储库krati、数据库模式包装器sensei等

　　优点：经过验证的解决方案，支持分布式、可扩展、功能丰富的实施

　　缺点：离linkedin公司太近，可定制性差

　　说明：基于Lucene，索引存在于cassandra数据库中

　　优点：参考cassandra的优点

　　缺点：参考cassandra的缺点。另外，这只是一个演示，没有大量验证

　　说明：基于Lucene，索引存在于HBase数据库中

　　优势：看HBase的优势

　　缺点：请参阅 HBase 的缺点。另外，在实现中，lucene术语是按行存储的，但是每个术语对应的发布列表是按列存储的。随着单个词条的发帖列表的增加，查询速度会受到很大影响

　　请转发+关注，回复“赠品”有大量素材送出！