个人介绍网站内容网络营销软文案例
近实时（Near Real-Time, NRT）搜索
近实时（NRT）搜索是 Elasticsearch 的核心特性之一，指的是数据在被写入到系统后，可以几乎立即被搜索和查询到。虽然它不像传统数据库那样完全实时，但它的延迟通常只在几百毫秒到一秒之间。
工作原理：
- 写入数据：
- 文档写入时被存储在内存缓冲区（translog）。
- 刷新（Refresh）：
- Elasticsearch 定期将内存中的数据刷新（默认每秒一次），将新数据写入一个称为“段”（segment）的文件中。
- 刷新后，新数据对搜索可见。
- 延迟原因：
- 数据写入并非直接可搜索，而是需要等刷新完成，这导致搜索是“近实时”。
适用场景：
- 日志搜索： 需要快速查询最新日志数据。
- 实时分析： 对流式数据进行快速分析，例如异常检测。
优化方法：
- 调整
refresh_interval：- 默认值为 1 秒。
- 如果不需要实时性，可以延长刷新时间以提高写入性能。
- 示例：将索引的刷新间隔设置为 5 秒：
PUT /my_index/_settings {"index": {"refresh_interval": "5s"} }
倒排索引（Inverted Index）
倒排索引是 Elasticsearch 用来实现快速全文搜索的核心数据结构。
什么是倒排索引？
倒排索引是一种映射结构，它记录了词项（Term）与包含这些词项的文档 ID之间的关系。
与传统的正排索引（如关系型数据库的 B-Tree）不同，倒排索引更加适合快速查找包含特定关键词的文档。
倒排索引的结构：
以“倒排”表示其映射方向：
示例文档集：
Doc1: Elasticsearch is a search engine.
Doc2: Elasticsearch is fast and scalable.
Doc3: Full-text search uses inverted index.
倒排索引：
| 词项 (Term) | 文档 (Document IDs) |
|---|---|
| a | Doc1, Doc2 |
| Elasticsearch | Doc1, Doc2 |
| engine | Doc1 |
| fast | Doc2 |
| full-text | Doc3 |
| inverted | Doc3 |
| scalable | Doc2 |
| search | Doc1, Doc3 |
| uses | Doc3 |
构建倒排索引的步骤：
- 分词（Tokenization）：
- 文本被分解为词项。例如
Elasticsearch is a search engine被分成：[Elasticsearch, is, a, search, engine]。
- 文本被分解为词项。例如
- 去停用词（Stop Words）：
- 移除无意义的词汇（如 “is”, “a” 等）。
- 词项映射：
- 记录每个词项出现在哪些文档中。
优点：
- 快速全文检索： 可以高效找到包含某个或某些关键词的文档。
- 灵活性： 支持复杂查询，比如布尔查询、短语匹配、模糊搜索等。
在 Elasticsearch 中的实现：
- 每个字段都会创建一个倒排索引。
- 支持分词器（Analyzer）对文本进行预处理，例如小写化、同义词扩展。
适用场景：
- 文本内容检索，如日志分析、电子商务搜索、知识库搜索。
NRT 搜索与倒排索引的结合：
- 倒排索引提供了快速查询的核心能力。
- NRT 搜索通过频繁刷新倒排索引，使得新数据能够快速加入搜索结果，从而实现“近实时”的体验。
这种结合使得 Elasticsearch 在海量数据的场景下既能高效写入，又能快速检索。