solr 学习笔记--搜索引擎简介

Posted 2020-11-07 hollowcabbage

1. 一 搜索引擎是什么
   一套可对大量结构化、半结构化数据、非结构化文本类数据进行实时搜索的专门软件
   最早应用于信息检索领域，经谷歌、百度等公司推出网页搜索而为大众广知。后又被各大电商网站采用来做网站的商品搜索。现广泛应用于各行业、互联网应用。是大型系统、网站架构师必备技能。
2. 搜索引擎是用来解决什么问题的
   

   专门解决大量结构化、半结构化数据、非结构化文本类数据的实时检索问题。 这种实时搜索数据库做不了。

3. 搜索引擎适合什么场景使用？
   

   大量结构化、半结构化、非结构化文本类数据的实时搜索

   信息检索（如电子图书馆、电子档案馆）
   网页搜索 内容提供网站的内容搜索（如 新闻、论坛、博客网站）
   电子商务网站的商品搜索
   如果你负责的系统数据量大，通过数据库检索慢，可以考虑用搜索引擎来专门负责检索。

4. 搜索引擎由哪些核心部件构成？

   数据源

   分词器
   反向索引（倒排索引）

   相关性计算模型

5. 搜索引擎的工作原理是怎样的？
   

   从数据源加载数据，分词、建立反向索引
   
   搜索时，对搜索输入进行分词，查找反向索引
   
   

   计算相关性，排序，输出

6. 要实现一个搜索引擎，需要实现哪些？

   1、分词器
   2、反向索引，索引存储
   3、相关性计算模型

7. 要去使用一个搜索引擎，需要搞清楚它的哪些方面？
   

   1、分词器
   2、反向索引建立、存储、更新
   3、相关性计算模型

8. java领域应用广泛的开源搜索引擎组件、系统
   
   

   
   
   

   Lucene:Apache顶级开源项目，Lucene-core是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的框架，提供了完整的查询引擎和索引引擎，部分文本分词引擎（英文与德文两种西方语言）。
   Lucene的目的是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。
   Nutch：Apache顶级开源项目，包含网络爬虫和搜索引擎(基于lucene)的系统（同百度、google）。Hadoop因它而生。
   Solr:Lucene下的子项目，基于Lucene构建的独立的企业级开源搜索平台，一个服务。它提供了基于xml/JSON/http的api供外界访问，还有web管理界面。
   Elasticsearch：基于Lucene的企业级分布式搜索平台，它对外提供restful-web接口，让程序员可以轻松、方便使用搜索平台，而不需要了解Lucene