Elasticsearch简介(相关度算法,路由规则,健康状况)
文章目录
搜索引擎分类:
全文搜索引擎:一般网络用户适用于全文搜索引擎。这种搜索方式方便、简捷,并容易获得所有相关信息。但搜索到的信息过于庞杂,因此用户需要逐一浏览并甄别出所需信息。尤其在用户没有明确检索意图情况下,这种搜索方式非常有效。
垂直搜索引擎:垂直搜索引擎适用于有明确搜索意图情况下进行检索。例如,用户购买机票、火车票、汽车票时,或想要浏览网络视频资源时,都可以直接选用行业内专用搜索引擎,以准确、迅速获得相关信息。
目录搜索引擎:目录搜索引擎是网站内部常用的检索方式。本搜索方式旨在对网站内信息整合处理并分目录呈现给用户,但其缺点在于用户需预先了解本网站的内容,并熟悉其主要模块构成。总而观之,目录搜索方式的适应范围非常有限,且需要较高的人工成本来支持维护。
元搜索引擎:元搜索引擎适用于广泛、准确地收集信息。不同的全文搜索引擎由于其性能和信息反馈能力差异,导致其各有利弊。元搜索引擎的出现恰恰解决了这个问题,有利于各基本搜索引擎间的优势互补。而且本搜索方式有利于对基本搜索方式进行全局控制,引导全文搜索引擎的持续改善
相关度算法简介:
Elasticsearch使用的是 term frequency/inverse document frequency算法,简称为TF/IDF算法。
- Term frequency:搜索文本中的各个词条在field文本中出现次数越多,就越相关;
- Inverse document frequency:搜索文本中的各个词条在整个索引的所有文档中出现次数越多,越不相关。(物以稀为贵)
document路由规则:
路由算法:shard = hash(routing) % number_of_primary_shards
每次增删改查一个document的时候,会带过来一个routing number,默认就是document的_id(不管是手动指定的,还是自动生成)会将routing的值,传入一个hash函数中,产出一个hash值,对primary shard数量取模,然后就可以决定在哪个shard上。
指定routing:
默认的routing是_id,也可以在请求的时候,手动指定一个routing value,如:
PUT /index/type/id?routing=xxx(这个值可以是用户id之类的)
手动指定routing value,可以保证某一类document一定被路由到一个shard上去,在后续进行应用级别的负载均衡,以及提升批量读取的性能的时候,很有帮助。
同时,这个routing规则也是主分片数量不可以修改的原因
健康状况:
GET /_cat/health?v
- green:每个索引的primary shard和replica shard都是active状态的
- yellow:每个索引的primary shard都是active状态的,但是部分replica shard不是active状态,处于不可用的状态
- red:不是所有索引的primary shard都是active状态的,部分索引有数据丢失了
查看所有索引:
GET /_cat/indices?v

评论
登录后参与技术讨论,分享你的经验与见解。
登录 / 注册暂无评论