ElasticSearch 前需要了解東西

使用 ElasticSearch 之前，需要先了解它的核心索引概念，特別是倒排索引（Inverted Index），這是 ElasticSearch 能夠快速全文搜尋的關鍵。

正向索引 vs 倒排索引

正向索引（Forward Index）

傳統資料庫的索引方式：「文件 → 詞語」的映射。

搜尋「Java」時，需要逐一掃描每個文件，效率低。

倒排索引（Inverted Index）

ElasticSearch 使用的方式：「詞語 → 文件列表」的映射。

搜尋「Java」時，直接查詢索引表，立即得到 Doc 1 和 Doc 3，不需要掃描全部文件。

倒排索引的建立過程

ElasticSearch 在寫入文件時，會對文字欄位進行分析（Analysis）：

1. Tokenization（斷詞）：將文字拆成詞元（Token）

   • 輸入："Java is a programming language"
   • 輸出：["java", "is", "a", "programming", "language"]

2. 過濾（Filtering）：移除停用詞、轉小寫、詞幹提取（Stemming）

   • 輸出：["java", "programming", "language"]（去除 “is”, “a”）

3. 建立倒排索引：記錄每個詞在哪些文件、哪個位置出現

ElasticSearch 基本架構

核心概念對照

Shard（分片）

一個 Index 可以分成多個 Shard，分散儲存在不同節點（Node）上，實現水平擴展。

1
2
3
4

Index: products
├── Shard 0 → Node 1
├── Shard 1 → Node 2
└── Shard 2 → Node 3

Replica（副本）

每個 Shard 可以有多個 Replica（副本），提供：

• 高可用性：主 Shard 故障時，Replica 接手
• 讀取效能：搜尋請求可分散到 Replica

1
2

Shard 0 (Primary) → Node 1
Shard 0 (Replica) → Node 2  ← 讀取可以分散到這裡

為何 ElasticSearch 適合全文搜尋？

1. 倒排索引：詞語查詢 O(1)，不隨資料量增加而變慢
2. 相關性評分（Relevance Score）：使用 BM25 演算法對結果排序，最相關的排在最前面
3. 分散式架構：透過 Shard 水平擴展，可處理 TB 級資料
4. 近即時（Near Real-Time）：文件寫入後約 1 秒內可被搜尋到
5. 豐富的查詢語法：支援全文搜尋、模糊搜尋、範圍查詢、地理位置查詢等

基本操作範例

建立文件

1
2
3

curl -X POST "localhost:9200/products/_doc/1" \
  -H "Content-Type: application/json" \
  -d '{"name": "Java 程式設計", "price": 500}'

全文搜尋

1
2
3
4
5
6
7
8
9

curl -X GET "localhost:9200/products/_search" \
  -H "Content-Type: application/json" \
  -d '{
    "query": {
      "match": {
        "name": "程式設計"
      }
    }
  }'

參考資料

• Elasticsearch 7.8.0 入門 倒排索引 - YouTube
• Lucene 倒排索引原理 - 掘金