Elastic Search的RestFul API入门：分词的核心机制-分析器

我们直接访问ES的部署好的地址会出现这样一句话：You Know, for Search

You Know, for Search

你知道的，为了搜索。显而易见，ES开始存在的时候就是为了搜索而生的。其实市面上也有ES的竞争对手，下面列出一部分出来供大家参考。

产品	优势	劣势
Elasticsearch	- 高度分布式，支持水平扩展和高性能搜索。	- 学习曲线可能较陡，需要一些时间来熟悉和配置。
	- 丰富的全文搜索功能，支持多种查询和过滤选项。	- 有时候需要一些专业知识来优化性能和调试问题。
	- 灵活的数据模型和动态映射，适用于各种数据类型。	- 在某些情况下，需要更多的硬件资源和内存。
	- 支持实时索引更新和复杂的聚合操作。	- 由于其复杂性，可能需要更多的维护和管理。
	- 强大的生态系统和开源社区，有丰富的插件和工具。	- 与一些其他解决方案相比，需要更多的配置和调优。
Solr	- 强大的全文搜索和文本分析能力。	- 在一些方面与Lucene紧密绑定，可能需要更多配置。
	- 可以轻松地与其他Apache项目集成。	- 社区规模相对较小，可能限制了某些插件和支持。
	- 易于使用，具有较低的学习曲线。	- 相对于Elasticsearch，一些分布式功能可能较弱。
Splunk	- 强大的实时搜索、监控和分析功能。	- 商业软件，可能需要更高的成本。
	- 用户友好，适用于非技术人员。	- 在大规模部署时，可能需要更多硬件资源。
	- 提供丰富的可视化和报告功能。	- 在某些复杂的查询和分析场景中性能可能下降。

那么为什么我们不讲Solr呢？
因为这是ES的教程！！

大家想到的ES首先想到的可能是快！搜索强！那么他为什么搜索强呢？他为什么能实现那么厉害的分词搜索呢？这就归功于ES强大的机制了：分析器。所以我们今天会花费一篇文章的时间来讲一下分析器，这是我们这节课的大纲：