lucene全文检索与数据库查询的区别

性能上

数据库:比如我要查找某个商品，根据商品名，比如:

select * from product where doctname like %keywords%

这样查询的话对于数据量少是可以的，可是一旦你的数据量巨大几万几十万的时候，你的性能将会极大的减弱。

lucene(全文检索):建立一个索引库，一次建立多次使用。在索引库里面会把所有的商品名根据分词器建立索引，就好比新华字典，索引对应document，比如输入衬衫，那么就会根据索引迅速的翻到衬衫对应的商品名，时间迅速，性能很好。

相关度排序

数据库：数据库要实现该功能也是可以的，可是需要改变表的结构，添加一个字段，然后该字段用于排名，最后查询的时候order by 一下.

lucene:查询出来的document都有一个算法（得分），根据算法可以计算得分，得分越高的排名越靠前，比如百度搜索一个东西，一般排名靠前的得分越高，得分通过算法，可以人工控制，比如百度推广，企业给的钱多得分自然高，因此排名靠前

准确性

数据库：

select * from product where doctname like %ant%

搜索出来的可以是plant,aplant,planting等等，准确性不高

lucene：它是通过索引查询的，就好像你查字典一样，准确性比数据库的模糊查询高许多

lucene和elasticsearch的关系

elasticsearch是基于lucene实现的分布式全文检索系统，解决了lucene存储可伸缩问题，高可用问题，读写负载均衡问.提供了更多高级功能如：复杂的
搜索功能，聚合分析功能，基于地理位置搜索，rest api,多种语言客户端开发的api等

Elasticsearch的特点

（1）可以作为一个大型分布式集群（数百台服务器）技术，处理PB级数据，服务大公司；也可以运行在单机上，服务小公司

（2）Elasticsearch是将全文检索、数据分析以及分布式技术，合并在了一起，才形成数据分析软件，分布式数据库

（3）elasticsearch，基于lucene，隐藏复杂性，提供简单易用的restful api接口、java api接口,对用户而言，简单易用，数据量不大，操作不是太复杂

（4）Elasticsearch作为传统数据库的一个补充，提供了数据库所不不能提供的很多功能,如全文检索，同义词处理，相关度排名，复杂数据分析，支持PB级数据,海量数据的近实时处理；

相关概念

（1）Near Realtime（NRT）：近实时，从写入数据到数据可以被搜索到有一个小延迟（大概1秒）；基于es执行搜索和分析可以达到秒级

（2）Cluster：集群，包含多个节点，每个节点属于哪个集群是通过一个配置（集群名称，默认是elasticsearch）来决定的,也可以只有一个节点

（3）Node：节点，集群中的一个节点，节点也有一个名称,默认是随机分配的，在执行运维管理操作的时候，节点名称很重要，默认节点会去加入一个名称为“elasticsearch”的集群，如果直接启动一堆节点，那么它们会自动组成一个elasticsearch集群，一个节点也可以组成一个elasticsearch集群

（4）Document和field：文档，es中的最小数据单元，一个document相当于数据库的一行数据，用JSON数据结构表示;每个index下的type中，都可以去存储多个document。一个document里面有多个field，每个field就是一个数据字段。

（5）Index：相当于数据库中的数据库实例。

（6）Type：类型，相当于数据库中的表。

（7）shard：单台机器无法存储大量数据，es可以将一个索引中的数据切分为多个分片shard，分布在多台服务器上存储。有了shard就可以横向扩展，存储更多数据，让搜索和分析等操作分布到多台服务器上去执行，提升读写性能。每个shard都是一个lucene index。

（8）replica：任何一个服务器随时可能故障或宕机，此时shard可能就会丢失，因此可以为每个shard创建多个replica副本。replica可以在shard故障时提供备用服务，保证数据不丢失，多个replica还可以提升搜索操作的吞吐量和性能。默认每个索引10个shard，5个primary shard，5个replica shard，最小的高可用配置，是2台服务器。

3、elasticsearch核心概念 vs. 数据库核心概念