搜索引擎是什么？

搜索引擎是個整體技術(shù)，是一系列檢索服務(wù)。百度是全文檢索（更注重文字的搜索）服務(wù)。像京東的商品是垂直型搜索引擎。

es是什么？

Elastic Search 在搜索引擎中是一個分布式索引庫，nosql。有點(diǎn)像是程序中的mysql。對外提供檢索服務(wù)，http或者transport協(xié)議對外提供搜索，restful的json。對內(nèi)就是數(shù)據(jù)庫。

Es名詞定義：

索引? ?就是數(shù)據(jù)庫但是不能叫數(shù)據(jù)庫。

類型（type） ≈表? ex6.x 只有一個type，，之前可以建很多。es7.x就沒有這個type了。

文檔=行數(shù)據(jù)document 。

filed? = column

缺點(diǎn)：nosql 非關(guān)系型的，沒辦法鏈接查詢，就是跨索引查詢（有點(diǎn)像mysql的跨表）。

在es中我們經(jīng)常聽到這些名詞，現(xiàn)在拿這些名詞和關(guān)系型數(shù)據(jù)庫做對比：

分詞：

NLP：自然語言處理。

搜索是以詞為單位。?

倒排索引：

就是我們的value 對應(yīng)key， 因?yàn)闆]辦法通過一個value確定我們的key所以返回的結(jié)果可能是多個，這就是倒排索引和正排索引的最大區(qū)別。

正向索引：

類似我們的hashmap，比如十篇文檔，我們的1，2，3（類似我們的id）通過id找到value，

Doc： 1? ->content

Doc： 1? ->content、

TF-IDF :

TF：詞頻，一篇文章包含多了少這個詞，包含越多說明跟這個詞越相關(guān)。（例如： my name is zhaoxiaoyun? zhaoxiaoyun。? ? zhaoxiaoyun就是最相關(guān)的）

DF：文檔詞頻，包含這個詞的文檔總數(shù)。

IDF：逆文檔，1/df? 如果這個詞包含的越少，就是df越小說明這個詞對這個文檔的重要性就越大，比如1/1只有一個文檔出現(xiàn)了。

TFIDF:TF*IDF? ?數(shù)字越大說明這個文檔和這個搜索的詞關(guān)系越大， 比如一個文檔出現(xiàn)了3次aa，只有一個文檔有aa ，3*三分之一。 通過這個結(jié)果判斷順序。

Es：打分排序：BM25算法 里面有個? tfNom，有很多規(guī)則。