ElasticSearch之倒排索引

本章要点：倒排索引等

1. 倒排索引

   • es中的一种索引结构，适用于快速的全文索引。一个倒排索引由文档中所有不重复词的列表构成，对于其中每个分词，有一个包含它的文档列表。

     • 如有一个这样的文档集合：

       文档编号	文档内容
       1	谷歌地图之父跳槽FaceBook
       2	谷歌地图之父加盟FaceBook
       3	谷歌地图创始人拉斯离开谷歌加盟FaceBook
       4	谷歌之父跳槽FaceBook与Wave项目取消有关
       5	谷歌地图之父拉斯加盟社交网站FaceBook

     • 简单的倒排索引。（中文和英文等语言不同，单词之间没明确的分隔符，所以要先用分词系统将文档切分成单词序列）其中DocID为文档ID

       单词ID	单词	倒排列表（DocID）
       1	谷歌	1,2,3,4,5
       2	地图	1,2,3,4,5
       3	之父	1,2,4,5
       4	跳槽	1,4
       5	FaceBook	1,2,3,4,5
       6	加盟	2,3,5
       7	创始人	3
       8	拉斯	3,5
       9	离开	3
       10	与	4
       11	Wave	4
       12	项目	4
       13	取消	4
       14	有关	4
       15	社交	5
       16	网站	5

     • 上图的第三栏除了可记录文档的id(DocID)外还可以记录单词出现的频率信息（TF）,如（1；1），（2:1），还可以记录文档的位置信息，如（1,<11>,1）,(2,<7>,1)

   • 多用户能力的分布式全文搜索引擎

   • 基于resetful web接口

   • java开发的

   • 海量的数据，支持pb级别

   • 实时、高扩展、可靠、稳定

   • 以文档格式存储

2. 一些基本概念

   • index：类似数据库中的database
   • type：相当数据库中的表
   • document（文档）：一条数据对应一篇文档，相当于数据库中的一行row。一个文档可以有多个字段（field）,mapping来描述数据类型.
   • Query DSL：类似mysql的sql语句，只不过在es中使用的josn格式的查询语句

3. restful web接口

   • GET/POST/PUT/DELETE (查询/新增或更新/更新/删除)

4. curl基本命令

   • curl www.baidu.com (访问网页)
   • curl -i www.baicu.com 显示响应的头信息
   • curl -o save.html www.baidu.com（抓取网页内容保存到save.html）
   • curl -v www.baidu.com （显示一个http的通信过程）
   • curl -X GET/POST/PUT/DELETE url （执行GET/POST/PUT/DELETE操作）