什么是搜索， 计算机根据用户输入的关键词进行匹配，从已有的数据库中摘录出相关的记录反馈给用户。
常见的全网搜索引擎，像百度、谷歌这样的。但是除此以外，搜索技术在垂直领域也有广泛的使用，比如淘宝、京东搜索商品，万芳、知网搜索期刊，csdn中搜索问题贴。也都是基于海量数据的搜索。
1.1、入口： 两个
首页的分类
搜索栏
1.2、列表展示页面
2.1、lucene与elasticsearch、solr
lucene只是一个提供全文搜索功能类库的核心工具包，而真正使用它还需要一个完善的服务框架搭建起来的应用。
好比lucene是类似于jdk，而搜索引擎软件就是tomcat 的。
目前市面上流行的搜索引擎软件，主流的就两款，elasticsearch和solr,这两款都是基于lucene的搭建的，可以独立部署启动的搜索引擎服务软件。由于内核相同，所以两者除了服务器安装、部署、管理、集群以外，对于数据的操作，修改、添加、保存、查询等等都十分类似。就好像都是支持sql语言的两种数据库软件。只要学会其中一个另一个很容易上手。
从实际企业使用情况来看，elasticSearch的市场份额逐步在取代solr，国内百度、京东、新浪都是基于elasticSearch实现的搜索功能。国外就更多了 像维基百科、GitHub、Stack Overflow等等也都是基于ES的。
2.2、elasticSearch的使用场景
- 为用户提供按关键字查询的全文搜索功能。
- 著名的ELK框架(ElasticSearch,Logstash,Kibana)，实现企业海量日志的处理分析的解决方案。大数据领域的重要一份子。
2.3、elasticsearch的基本概念
cluster
整个elasticsearch 默认就是集群状态，整个集群是一份完整、互备的数据。
node
集群中的一个节点，一般只一个进程就是一个node
shard
分片，即使是一个节点中的数据也会通过hash算法，分成多个片存放，默认是5片。
index
相当于rdbms的database, 对于用户来说是一个逻辑数据库，虽然物理上会被分多个shard存放，也可能存放在多个node中。
type
类似于rdbms的table，但是与其说像table，其实更像面向对象中的class , 同一Json的格式的数据集合。
document
类似于rdbms的 row、面向对象里的object
field
相当于字段、属性
2.4、中文分词
elasticsearch本身自带的中文分词，就 是 单 纯 把 中 文 一个字一个字的分开，根本没有词汇的概念。但是实际应用中，用户都是以词汇为条件，进行查询匹配的，如果能够把文章以词汇为单位切分开，那么与用户的查询条件能够更贴切的匹配上，查询速度也更加快速。
分词器下载网址：https://github.com/medcl/elasticsearch-analysis-ik
IK分词器 smartcn
可以进行拓展分词
动态分词
3.1、建立mapping！
这时我们要思考三个问题：
- 哪些字段需要分词
- 例如：商品名称 红米 手机 K30Pro
- 我们用哪些字段进行过滤（当做查询的条件）
- 平台属性值
- 分类Id
- 品牌、价格区间、热度、评论、销量
- 哪些字段我们需要通过搜索查询出来。
- Id(隐藏)，商品名称,价格,图片等。
以上分析的所有显示，以及分词，过滤的字段都应该在es中出现。Es中如何保存这些数据呢？
“根据上述的字段描述，应该建立一个mappings对应的存上上述字段描述的信息！”
根据以上制定出如下结构：mappings
Index：goods
type：info
document: properties - rows
field: id,price,title…
Es中index默认是true。
info= Type
对应的mapping 结构：
注意：ik_max_word 中文词库必须有！
attrs：平台属性值的集合，主要用于平台属性值过滤。
3.2 构建实体与es mapping建立映射关系
3.2 初始化mapping结构到es中
通过kibana查看mapping
实现类
搜索的业务处理:
- 知道哪些是查询条件，分类的id 平台属性和平台属性值、品牌、热度、价格、关键字
- 构建查询语句，主要就是进行条件判断，看有没有某些条件，如果有就把条件给拼接进去。
- 执行查询
- 解析结果，查询的结果中获取到你想要的数据 封装到java对象中 返回。
想要的数据有 skuid 名称 价格 默认图片，筛选条件 平台属性、分类、品牌。在页面展示，供用户点击进行条件筛选。
es查询的dsl语句中我们是用了hotScore来进行排序的。
但是hotScore从何而来，根据业务去定义，也可以扩展更多类型的评分，让用户去选择如何排序。
这里的hotScore我们假定以点击量来决定热度。
那么我们每次用户点击，将这个评分+1。
1、 es大量的写操作会影响es 性能，因为es需要更新索引，而且es不是内存数据库，会做相应的io操作。
2、而且修改某一个值，在高并发情况下会有冲突，造成更新丢失，需要加锁，而es的乐观锁会恶化性能问题。
从业务角度出发，其实我们为商品进行排序所需要的热度评分，并不需要非常精确，大致能比出个高下就可以了。
利用这个特点我们可以稀释掉大量写操作。
用redis做精确计数器，redis是内存数据库读写性能都非常快，利用redis的原子性的自增可以解决并发写操作。
redis每计10或100次数（可以被10或100整除）我们就更新一次es ，这样写操作就被稀释了10-100倍，这个倍数可以根据业务情况灵活设定。
Redis使用的是zset类型进行热度统计。
商品数据缓存 使用的是String类型。
接口调用
1.你们项目在es里存了哪些数据？
搜索条件：
分类数据、品牌、平台属性、热度、价格、商品名称（关键字匹配）
展示的结果：
商品id、名称、价格、默认图片
倒排索引是搜索的关键点，ES通过倒排索引实现搜索。
正排索引：根据id去找到相对应的词
Id（索引）
商品名称
1
红海行动
2
红海事件
3
红海行动事件
4
湄公河行动
倒排索引：根据词，看这个词都在哪个id文档中出现了
商品名称
Id（索引）
红海 行动
红海1、2、3；行动1、3、4
红海 事件
红海1、2、3；事件2、3
红海 行动 事件
红海1、2、3；行动1、3、4；事件2、3
湄公河 行动
湄公河4；行动1、3、4
把指定好需要分词的 列 给进行分词处理，给词创建索引，记录这些词在哪些文档中出现了，当搜索的时候 根据词就能进行匹配，匹配词出现在哪些文档中，把文档数据拿到，实现搜索。
商品数据 在MySQL中，ES里也存了商品数据，原本 ES的数据 就是来自于MySQL的。如果 Mysql的商品数据修改了，ES中的是不是还是原来的。这样数据就不一致了。
1.可以修改Mysql的时候 直接修改ES。（不好，耦合了）
Service-product工程修改mysql，直接操作es，由于操作es出问题，导致整个product工程不可用。由于product工程是整个电商中最基础的模块，很多模块都需要远程调用它，它不能因为别人 出问题。
2.可以在 product工程中 远程调用list工程，实现es的修改。 也耦合。
如果远程调用list服务 出问题了，也会影响product工程。
3.使用MQ进行消息通知，当这个product工程修改了mysql之后，发送个消息 通知一下 list（搜 索）工程，product工程就不用管了，该干什么干什么，没影响了。
list（搜索）工程拿到消息后，进行es数据修改。
这种 解耦了。 最终一致。
4、在商品数据修改前 先下架，下架了 ES里就没这个数据了，修改后，再重新上架，ES会重新添加。 好处：强一致。