lucene

Sorl定义： sorl是独立的企业级搜索服务器，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。 同时也可以通过Http Get操作提出查询请求，并以xml返回查询结果 特点： sorl采用java5开发的基于Lucene的全文服务器。同时对其进行了扩展，提供了比Lucene更为丰富的查询语言，同时实现了可配置、可扩展并对查询性能进行了优化，并且提供了一个完善的功能管理界面，是一款非常优秀的 全文搜索引擎 。 工作方式： 文档通过Http利用XML 加到一个搜索集合中。 查询该集合也是通过http收到一个XML/JSON响应来实现。它的主要特性包括：高效、灵活的缓存功能， 垂直搜索功能，高亮显示搜索结果，通过索引复制来提高可用性，提供一套强大Data Schema来定义字段，类型和设置 文本分析 ，提供基于Web的管理界面等。 全文检索引擎Solr系列—–全文检索基本原理 http://www.importnew.com/12707.html 全文检索可以归纳为两个过程：1、索引创建（indexing）2、搜索索引（search） Solr/Lucene采用的是一种反向索引，所谓 反向索引 ：就是从关键字到文档的映射过程，保存这种映射这种信息的索引称为反向索引 索引创建： 1）把原始文档交给分词组件

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 索引可以类比一本书的目录，通过目录我们可以快速定位到想要找的内容。同样，在数据库中存储了海量的数据，通过创建索引，我们可以较快速的查询到指定的内容。 通常情况下，比如传统的关系型数据库（RDBMS），常见的有mysql、Oracle，此类数据库中，我们创建的索引一般为正排索引，即存储（key，value）的数据时，通过对key创建索引，来寻找value。 与上面的方式不同，lucence则是通过value来查找key的方式来创建索引。 lucence是基于java进行开发的。其将资源以Document 为对象进行存储，每个文档由一些列Field构成。对field创建索引，关联文档的唯一id。通常情况下，当储存一个新的文档时，会对文档数据分词，即获取Fields，接着创建倒排索引，其存储结构为：词项的字符串+词项的文档频率+记录词项的频率信息+记录词项的位置信息+跳跃偏移量。简单的理解可以形成以下结构: 分别表示词，词出现的文档编号，文档中出现的频率和文档中出现的位置。这样当我们对词进行搜索时，会找到该词出现过的所有文档的ID，然后再通过该文档的ID寻找文档的具体内容。 当然，Lucene词典中词的顺序是按照英文字母的顺序排列的，这样就可以采用压缩存储：假设有term，termagancy，termagant

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 【简介】 Elasticsearch ( ES ) 是一个基于 Lucene 的 实时分布式开源的全文搜索和分析引擎 。它不但 稳定、可靠、快速，而且也具有良好的水平扩展能力，是专门为分布式环境设计的。 Elasticsearch 通常用于单页面应用 ( Single Page Application ) 项目中，这个应用程序像 Google 和百度一样，提供一个搜索框用于输入关键字，然后返回一个包含搜索结果的列表。 Elasticsearch 使用 Java 语言开发，使用 Elastic 开源协议，已经被世界各地的各个大型的公司或组织使用。 Elasticsearch 通过 RESTful Web 服务接口访问，并使用 JSON 文档来存储数据。 【Elasticsearch 优点】 跨平台 ：Elasticsearch 使用 Java 作为开发语言，所以可以运行在任何平台上； 近实时 ：在Elasticsearch和磁盘之间是文件系统缓存，内存buffer生成一个新的segment，刷到文件系统缓存中，Lucene即可检索到这个新的segment。 刷到文件系统缓存中这个步骤，Elasticsearch默认1s的时间间隔，这也就是说相当于是实时搜索的 ； 分片机制提供更好的分布性 ：同一个索引分成多个分片