js中的正则表达式 使用Docker和Elasticsearch搭建全文本搜索引

原标题：使用Docker和Elasticsearch搭建全文本搜索引擎应用

给应用添加快速、灵活的全文本搜索对谁都不是一件容易的事情。许多主流，如PostgreSQL和MongoDB，受限于查询和索引结构，只提供基础文本搜索能力。为了提供高效全文本搜索一般都需要一个独立的。Elasticsearch正是这样一个能够提供灵活性和快速全文本搜索能力的开源。

本文采用Docker来设置依赖环境。Docker是目前最常见的容器化引擎，Uber、Spotify、ADP和Paypal都是用这个技术，它的优势在于与操作系统无关，可以运行在Windows、macOS和Linux之上——写操作指南很容易。如果从来没有用过Docker也没问题，本文会详细提供配置文件。

本文也分别采用Node.js采（用Koa框架）和Vue.js创建搜索API和前端Web应用。

1. 什么是Elasticsearch

现代应用中全文本检索是高请求负载的应用。搜索功能也是比较困难完成的功能（许多大众网站都有subpar功能，但不是返回很慢就是返回结果不准确），大部分原因是因为底层：许多标准关系型只能提供基本字符串匹配功能，而对CONTAINS或者LIKE SQL查询只能提供有限支持。

而本文提供的搜索应用能够提供：

快速：查询结果应该实时返回，提高用户体验。

灵活：根据不同数据和使用场景，可以调整搜索过程。

最佳建议：对于输入错误，返回最可能的结果。js中的正则表达式

全文本：除了搜索关键词和标签之外，希望能够搜索到所有匹配文本。

实现以上要求的搜索应用，最好采用一个为全文本检索优化的，这也是本文采用Elasticsearch的原因。Elasticsearch是一个用Java开发的，开源的内存，最开始是包含在Apache Lucene库中。以下是一些官方给出的Elasticsearch使用场景：

Wikipedia使用Elasticsearch提供全文检索，提供高亮显示、search-as-you-type和did-you-mean建议等功能。

Guardian使用Elasticsearch将访问者社交数据整合反馈给作者。

Stack Overflow将位置信息和more-like-this功能与全文本检索整合提供相关问题和答案。

GitHub使用Elasticsearch在一千三百亿行代码中进行搜索。

Elasticsearch有什么独特之处

本质上，Elasticsearch通过使用反向索引提供快速和灵活的全文本搜索。

“索引”是一种在中提供快速查询和返回的数据结构。一般将数据域和相应表位置生成索引信息。将索引信息存放在一个可搜索的数据结构中（一般是B-Tree），可以为优化数据请求获得线性搜索响应（例如“Find the row with ID=5”）。

可以把索引看做学校图书馆卡片分类系统，只要知道书名和作者，就可以准确告诉查找内容的入口。表一般都有多个索引表，可以加速查询（例如，对name列的索引可以极大加速对特定name的查询）。

而反向索引工作原理与此完全不同。每行（或者每个文档）的内容被分拆，每个入口（本案例中是每个单词）反向指向包含它的文档。

反向索引数据结构对查询“football”位于哪个文档这种查询非常迅速。Elasticsearch使用内存优化反向索引，可以实现强大和客制化全文本检索任务。

2. 项目安装

2.0 Docker

本文使用Docker作为项目开发环境。Docker是一个容器化引擎，应用可以运行在隔离环境中，不依赖于本地操作系统和开发环境。因为可以带来巨大灵活性和客制化，许多互联网公司应用都已经运行在容器中。

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-88488-1.html