電商搜索引擎的特點
眾所周知，標准的搜索引擎主要分成三個大的部分，第一步是爬蟲系統，第二步是數據分析，第三步才是檢索結果。
首先，電商的搜索引擎並沒有爬蟲系統，因為所有的數據都是結構化的，一般都是微軟的數據庫或者 Oracle 的數據庫，所以不用像百度一樣用「爬蟲」去不斷去別的網站找內容，當然，電商其實也有自己的「爬蟲」系統，一般都是抓取友商的價格，再對自己進行調整。
第二點，就是電商搜索引擎的過濾功能其實比搜索功能要常用。甚至大於搜索本身。什麼是過濾功能？一般我們網站買東西的時候，搜了一個關健詞，比如尿不濕，然後所有相關品牌或者其他分類的選擇就會呈現在我們面前。對百度而言，搜什麼詞就是什麼詞，如果是新聞的話，可能在時間上會有一個過濾的選項。
第三點，電商搜索引擎支持各種維度的排序，包括支持好評、銷量、評論、價格等屬性的排序。而且對數據的實時性的要求非常高。對一般的搜索引擎，只有非常重要的網站，比如一些重量級的門戶網站，百度的收錄是非常快的，但是對那些流量很小的網站，可能一個月才會爬一次。電商搜索對數據的實時性要求主要體現在價格和庫存兩個方面。
電商搜索引擎另一個特點就是不能丟品，比如我們在淘寶、天貓開了個店鋪，然後好不容易搞了一次活動，但是卻搜不到了，這是無法忍受的。除此之外，電商搜索引擎與推薦系統和廣告系統是相互融合的，因為搜素引擎對流量的貢獻是最大的，所以大家都希望把廣告系統能跟其融合。當然，還有一點非常重要，就是要保證絕對的高可用，而且不能宕機。
電商搜索引擎的架構
因為電商搜索引跟一般的搜索引擎區別很大，所以在架構的設計上也獨具特色。
首先，搜索引擎的實現方式有很多種，有谷歌、百度、搜狗這種非常大的公司，也有京東、淘寶、當當這樣的電商搜索引擎，很多中小型的電商可能更喜歡用一個開源的搜索引擎。所以總的來說，主要包括以下這幾種方式：
第一種是「Lucene+自己封裝」，只用來做檢索，然後封裝，後面所有的 ES，這兩個是完整的解決方案，而且包括索引所有的東西，只需要部署好業務邏輯，然後查找結果就可以了。
第二種就是 Solr，這是一個高性能，采用 Java5 開發，基於 Lucene 的全文搜索服務器。同時對其進行了擴展，提供了比 Lucene 更為豐富的查詢語言，同時實現了可配置、可擴展並對查詢性能進行了優化，並且提供了一個完善的功能管理界面，是一款非常優秀的全文搜索引擎。
第三種是 ElasticSearch，這是一個基於 Lucene 的搜索服務器。它提供了一個分布式多用戶能力的全文搜索引擎，基於 RESTful web 接口。Elasticsearch 是用 Java 開發的，並作為 Apache 許可條款下的開放源碼發布，目前使用的也非常多。
這裡提一下，當當的搜索引擎是自己實現的，。現在，新興的互聯網公司大部分都是使用第一種或者第二種，數據量比較大的一般采用第三種。
電商搜索引擎標配模塊
接下來我想講一下，如果我們自己做一個搜索引擎的話需要實現哪些功能（上圖是電商搜索引擎的標准模塊），其實不止是電商搜索引擎，除了通搜的搜索引擎，其他的搜索引擎也是使用這樣的標配。
對檢索模塊而言，首先是對用戶的意圖進行分析，根據用戶的搜索詞來進行純算法的實現。比如用戶的搜索詞是「黑包包」，其實用戶的本意就是買一個黑色的包，但是這個「包」可以跟別的詞組合在一起，甚至在搜索結果中會出現「包子」。所以，這就需要 query 分析系統來做，告訴檢索系統，你需要主要在服裝鞋帽中的分類去找，而不是生鮮食品類。
設計到技術層面，當當網使用的是 C++。如果構建一個性能好的系統，一些老一點的公司，大家都是在使用 C++ 或者是 C 語言。不止是當當網，其實很多公司都是使用的 C 或者 C++ 實現的搜索引擎。
數據更新模塊
第二個模塊就是數據更新模塊，該模塊負責生成索引。而數據中心模塊主要做的事情，就是將原始的結構化數據，變成一個可供檢索系統使用的搜索數據庫。當然，數據更新模塊和檢索模塊是分開還是合並呢？其實從本質上講，都是一堆代碼，完全可以寫在一個進程裡。當然，也可以分開，通過網絡往外輸入，各自都有道理。第一種是簡單粗暴型的，如果是普通電商，像生鮮電商，數據量不大，實時性、季節性很強，就可以把兩個系統用一個進程來完成。但是如果到了百萬、千萬甚至上億級別的話，就不可能部在一台機器上了。
