????????ES作為一款搜索引擎框架，文本搜索是其核心功能。ES在文本索引的建立和搜索過程中依賴兩大組件，即Lucene和分析器。其中，Lucene負(fù)責(zé)進(jìn)行倒排索引的物理構(gòu)建，分析器負(fù)責(zé)在建立倒排索引前和搜索前對文本進(jìn)行分詞和語法處理。
文本的索引建立過程
????????為了完成對文本的快速搜索，ES使用了一種稱為“倒排索引”的數(shù)據(jù)結(jié)構(gòu)。倒排索引中的所有詞語存儲在詞典中，每個(gè)詞語又指向包含它的文檔信息列表。
假設(shè)需要對下面兩個(gè)旅館的信息進(jìn)行倒排索引的創(chuàng)建：
- 文檔ID為001，旅館名稱為“北京嘉怡假日旅館”；
- 文檔ID為002，旅館名稱為“北京欣欣旅館”。
首先，ES將文檔交給分析器進(jìn)行處理，處理的過程包括字符過濾、分詞和分詞過濾，最終的處理結(jié)果是文檔內(nèi)容被表示為一系列關(guān)鍵詞信息的集合。這里的關(guān)鍵詞信息指的是關(guān)鍵詞本身以及它在文檔中出現(xiàn)的位置信息和詞性信息，下圖所示為文檔001的分析結(jié)果示意圖。
?其次，ES根據(jù)分析結(jié)果建立文檔-詞語矩陣，用以表示詞語和文檔的包含關(guān)系，本例中的文檔-詞語矩陣如下表所示：
| 北京 | 嘉怡 | 假日 | 欣欣 | 旅館 | |
| 001 | 1 | 1 | 1 | 0 | 1 |
| 002 | 1 | 0 | 0 | 1 | 1 |
通過上面的文檔-詞語矩陣可知，ES從文檔001中提取出4個(gè)詞語，從文檔002中提取出3個(gè)詞語。
????????文檔-詞語矩陣建立完成之后，接著需要建立基于詞語的倒排索引。ES會遍歷文檔詞語矩陣中的每一個(gè)詞語，然后將包含該詞語的文檔信息與該詞語建立一種映射關(guān)系。映射關(guān)系中的詞語集合叫作Term Dictionary，即“詞典” .
????????映射中的文檔集合信息不僅包含文檔ID，還包含詞語在文檔中的位置和詞頻信息，包含這些文檔信息的結(jié)構(gòu)叫作Posting List。
????????對于一個(gè)規(guī)模很大的文檔集合來說，可能包含幾十萬甚至上百萬的詞語集合，能否快速定位某個(gè)詞語，直接影響搜索時(shí)的響應(yīng)速度。
????????因此需要一種高效的數(shù)據(jù)結(jié)構(gòu)對映射關(guān)系中的詞語集合進(jìn)行索引，這種結(jié)構(gòu)叫作Term Index。上述3種結(jié)構(gòu)結(jié)合在一起就構(gòu)成了ES的倒排索引結(jié)構(gòu)，倒排索引與三者之間的邏輯關(guān)系如下圖所示：
?本例中的倒排索引結(jié)構(gòu)如下圖所示：
?文本的搜索過程
在ES中，一般使用match查詢對文本字段進(jìn)行搜索。match查詢過程一般分為如下幾步：
- ES將查詢的字符串傳入對應(yīng)的分析器中，分析器的主要作用是對查詢文本進(jìn)行分詞，并把分詞后的每個(gè)詞語變換為對應(yīng)的底層lucene term查詢。
- ES用term查詢在倒排索引中查找每個(gè)term，然后獲取一組包含該term的文檔集合。
- ES根據(jù)文本相關(guān)度對每個(gè)文檔進(jìn)行打分計(jì)算，打分完畢后，ES把文檔按照相關(guān)性進(jìn)行倒序排序。
- ES根據(jù)得分高低返回匹配的文檔。
比如以下對旅館索引中搜索“金都嘉怡”的查詢?nèi)缦拢?/p>
文章來源：http://www.zghlxwxcb.cn/news/detail-465930.html
?ES分析器先將查詢詞切分為“金都”和“嘉怡”，然后分別到倒排索引里查找兩個(gè)詞對應(yīng)的文檔列表并獲得了文檔001和002，然后根據(jù)相關(guān)性算法計(jì)算文檔得分并進(jìn)行排序，最后將文檔集合返回給客戶端。文章來源地址http://www.zghlxwxcb.cn/news/detail-465930.html
到了這里，關(guān)于Elasticsearch之文本搜索(十三)的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
