一：数据的分类

　　结构化数据：指具有固定格式或有限⻓度的数据，如数据库，元数据等。对于结构化数据，我们⼀般都是可以通过关系型数据库(mysql，oracle等)的 table 的⽅式存储和搜索，也可以建⽴索引。通过b-tree等数据结构快速搜索数据。

　　⾮结构化数据：全⽂数据，指不定⻓或⽆固定格式的数据，如邮件，word⽂档等。对于⾮结构化数据，也即对全⽂数据的搜索主要有两种⽅法：顺序扫描法，全⽂搜索法。

顺序扫描

　　按字⾯意思，我们可以了解它的⼤概搜索⽅式，就是按照顺序扫描的⽅式查找特定的关键字。⽐如让你在⼀篇篮球新闻中，找出"科⽐"这个名字在哪些段落出现过。那你肯定需要从头到尾把⽂章阅读⼀遍，然后标记出关键字在哪些地⽅出现过。这种⽅法毋庸置疑是最低效的，如果⽂章很⻓，有⼏万字，等你阅读完这篇新闻找到"科⽐"这个关键字，那得花多少时间。

全⽂搜索

　　对⾮结构化数据进⾏顺序扫描很慢，我们是否可以进⾏优化？把我们的⾮结构化数据想办法弄得有⼀定结构不就⾏了吗？将⾮结构化数据中的⼀部分信息提取出来，重新组织，使其变得有⼀定结构，然后对这些有⼀定结构的数据进⾏搜索，从⽽达到搜索相对较快的⽬的。这种⽅式就构成了全⽂搜索的基本思路。这部分从⾮结构化数据中提取出的然后重新组织的信息，我们称之索引。我们以NBA中国⽹站为例，假设我们都是篮球爱好者，并且我们是科密，那如何快速找到有关科⽐的新闻呢？全⽂搜索的⽅式就是，将所有新闻中所有的关键字进⾏提取，⽐如"科⽐"，"詹姆斯"，"总冠军"，"MVP"等关键字，然后对这些关键字建⽴索引，通过索引我们就可以找到对应的该关键词出现的新闻了。

二：什么是全⽂搜索引擎

　　根据百度百科中的定义，全⽂搜索引擎是⽬前⼴泛应⽤的主流搜索引擎。它的⼯作原理是计算机索引程序通过扫描⽂章中的每⼀个词，对每⼀个词建⽴⼀个索引，指明该词在⽂章中出现的次数和位置，当⽤户查询时，检索程序就根据事先建⽴的索引进⾏查找，并将查找的结果反馈给⽤户的。

搜索引擎

　　Lucene

　　Solr

　　Elastic search

数据类型

　　全⽂索引搜索很好的⽀持⾮结构化数据的搜索，可以更好地快速搜索⼤量存在的任何单词⾮结构化⽂本。例如 Google，百度类的⽹站搜索，它们都是根据⽹⻚中的关键字⽣成索引，我们在搜索的时候输⼊关键字，它们会将该关键字即索引匹配到的所有⽹⻚返回；还有常⻅的项⽬中应⽤⽇志的搜索等等。对于这些⾮结构化的数据⽂本，关系型数据库搜索不是能很好的⽀持。

搜索性能

　　如果使⽤mysql做搜索，⽐如有个player表，这个表有user_name这个字段，我们要查找出 user_name以james开头的球员，和含有James的球员。我们⼀般怎么做？数据量达到千万级别的时候怎么办？

灵活的搜索

　　如果我们想查出名字叫james的球员，但是⽤户输⼊了jame，我们想提示他⼀些关键字

索引的维护

　　⼀般传统数据库，全⽂搜索都实现的很鸡肋，因为⼀般也没⼈⽤数据库存⻓⽂本字段，因为进⾏全⽂搜索的时候需要扫描整个表，如果数据量⼤的话即使对SQL的语法进⾏优化，也是效果甚微。即使建⽴了索引，但是维护起来也很麻烦，对于 insert 和 update 操作都会重新构建索引。

适合全⽂索引引擎的场景

　　搜索的数据对象是⼤量的⾮结构化的⽂本数据。

　　⽂本数据量达到数⼗万或数百万级别，甚⾄更多。

　　⽀持⼤量基于交互式⽂本的查询。

　　需求⾮常灵活的全⽂搜索查询。

　　对安全事务，⾮⽂本数据操作的需求相对较少的情况。