本博客日IP超过2000，PV 3000 左右，急需赞助商。
极客时间所有课程通过我的二维码购买后返现24元微信红包，请加博主新的微信号：xttblog2，之前的微信号好友位已满，备注：返现
受密码保护的文章请关注“业余草”公众号，回复关键字“0”获得密码
所有面试题(java、前端、数据库、springboot等)一网打尽，请关注文末小程序
腾讯云】1核2G5M轻量应用服务器50元首年，高性价比，助您轻松上云
在全文搜索领域，Elasticsearch 占据了大部分的江山，这也导致了它的市值，居高不下。今天我抽个时间再谈一谈 Elasticsearch 的特点，使用场景，开源产品等内容，希望能够方便大家理解！
所谓的全文检索是指计算机索引程序通过扫描文章中的每一个词，对每一个词建立一个索引，指明该词在文章中出现的次数和位置，当用户查询时，检索程序就根据事先建立的索引进行查找，并将查找的结果反馈给用户的检索方式。这个过程类似于通过字典中的检索字表查字的过程。
根据这个全文检索的解释，我们就可以猜测出一些关于它的使用场景。
- 搜索领域: 百度、谷歌，全文检索，高亮，搜索推荐等。
- 内容网站: 用户行为日志(点击、浏览、收藏、评论) + 社交网络数据，数据分析(将公众对文章的反馈提交至文章作者)，包括网站内容搜索等。
- Stack Overflow(IT技术论坛): 全文检索，搜索相关问题和答案。
- GitHub(开源代码管理)， 搜索管理其托管的上千亿行代码。
- 日志数据分析: ELK技术栈(Elasticsearch + Logstash + Kibana)对日志数据进行采集和分析。
- 商品价格监控网站: 用户设定某商品的价格阈值，当价格低于该阈值时，向用户推送降价消息。
- BI系统(Business Intelligence, 商业智能): 分析某区域最近 3 年的用户消费额的趋势、用户群体的组成结构等。
- 其他应用: 电商、招聘、门户等网站的内部搜索服务，IT系统(OA、CRM、ERP等)的内部搜索服务、数据分析等。
根据这些使用场景，Elastic 开发出了相当多的收费和免费的产品，比如：Beats 是一个代理，将不同类型的数据发送到 Elasticsearch 中；Shield 提供基于角色的访问控制与审计，加密通信、认证保护整个 ES 的数据，为 ES 带来企业级的安全性；Watcher 是 ES 的警报和通知工具，检测 ES 的状态，在异常发生时进行提醒；Marvel: 是 ES 的管理和监控工具，检测 ES 集群的索引和节点的活动。
根据这些产品，可以看出，多数都是收费的。虽然 Elasticsearch 很好用，但是它每年会爆发出非常多的安全问题。原因是它的安全模块是收费的！
但是，这并不影响人们学习和使用 Elasticsearch，因为它具备了太多的优点。虽然它的安全模块收费，但是我们也可以完全自己来实现它的安全保护，防止数据泄露。
ES 的优点，总结了下面 5 条，供大家参考：
- 横向可扩展性: 作为大型分布式集群，很容易就能扩展新的服务器到ES集群中；也可运行在单机上作为轻量级搜索引擎使用。
- 更丰富的功能: 与传统关系型数据库相比，ES提供了全文检索、同义词处理、相关度排名、复杂数据分析、海量数据的近实时处理等功能。
- 分片机制提供更好地分布性: 同一个索引被分为多个分片(Shard)，利用分而治之的思想提升处理效率。
- 高可用: 提供副本(Replica)机制，一个分片可以设置多个副本，即使在某些服务器宕机后，集群仍能正常工作。
- 开箱即用: 提供简单易用的 API，服务的搭建、部署和使用都很容易操作。
ES 的这些优点导致了，在全文检索、结构化检索、数据分析、海量数据的近实时处理等领域具有巨大的优势。
下面我给大家说一说，全文检索、结构化检索、数据分析三者的区别吧。
- 全文检索: 搜索商品名称包含”编程思想”的商品: select * from products where product_name like “%编程思想%”;
- 结构化检索: 搜索商品分类为”计算机科学”的所有商品: select * from products where category_id=’计算机科学’;
- 数据分析: 分析每一种商品分类下有多少件商品: select category_id, count(*) from products group by category_id;
这些 Elasticsearch 都可以做，而且性能极其高效，因为它能提供近实时的搜索能力。
这里需要注意的是，非近实时、实时、近实时三者之间的关系与区别。
- 非近实时: 检索x个数据要花费很长时间(这就不是近实时，而是离线批处理, batch-processing)。
- 实时: 数据的处理与响应都是立即呈现的，几乎没有间隔，这在大数据应用场景下是很难达到的要求。
- 近实时(near real-time, NRT): 对海量数据进行搜索和分析的响应耗时控制在秒级以内，方可称为近实时。
以上，希望能够帮助到每一位读者！
最后，欢迎关注我的个人微信公众号：业余草（yyucao）！可加作者微信号：xttblog2。备注：“1”，添加博主微信拉你进微信群。备注错误不会同意好友申请。再次感谢您的关注！后续有精彩内容会第一时间发给您！原创文章投稿请发送至532009913@qq.com邮箱。商务合作也可添加作者微信进行联系！
本文原文出处：业余草： » 一网打尽Elasticsearch的优点，使用场景，全文检索，近实时等知识点