跳到主要内容

1 / 4概念

Full-Text Search

全文搜索把文本拆成词项,建立“词项 → 文档”的倒排索引,再按相关性排序。判断标准不是“用不用 Elasticsearch”,而是文本分析、查询类型、分片规模和数据同步方式。

1 概念​

1.1 一句话定义​

全文搜索先用 analyzer 把文本切成 token(分词、小写、去停用词、同义词/词干),写入倒排索引;查询时对查询串做同样的分析,取出候选文档并用 BM25 等模型打分排序。

1.2 它解决什么问题​

  • LIKE '%keyword%' 无法利用索引,也无法按相关性排序。
  • 多字段、拼写/同义词/语言差异需要统一分析链。
  • 聚合/分面(按品牌、价格区间统计)需要列式/doc_values。
  • 海量文本的分布式检索与水平扩展。

1.3 不属于本页的内容​

主题去哪
BM25/TF-IDF 公式与评估Ranking & Relevance
向量/语义检索Vector Search
关系库事务与索引Relational Databases / Indexing
日志采集/可观测平台Observability
数据同步管道Data Pipelines

1.4 关键术语​

术语含义容易混淆的点
倒排索引term → posting list(文档/位置)不是“正排文档表”
Analyzer字符过滤 + 分词 + token 过滤不是“查询语法”
Mapping字段类型与分析器定义不是“数据库 schema”
ShardLucene 索引分片不是“副本”
Replica分片副本,读扩展/容错不是“备份”
Refresh让新文档可被搜索不是“持久化”
Translog写入日志,保证持久化不是“binlog”
Deep pagination深翻页不是“分页大小”