建站
咨詢
售后
建站咨詢
新聞中心
全文搜索 屬于最常見的需求，開源的 ElasticSearch (以下簡稱 Elastic)是目前全文搜索引擎的首選。
它可以快速地儲存、搜索和分析海量數(shù)據(jù)。維基百科、Stack Overflow、Github 都采用它。
Elastic 的底層是開源庫 Lucene 。但是，你沒法直接用 Lucene，必須自己寫代碼去調(diào)用它的接口。Elastic 是 Lucene 的封裝，提供了 REST API 的操作接口，開箱即用。
本文從零開始，講解如何使用 Elastic 搭建自己的全文搜索引擎。每一步都有詳細(xì)的說明，大家跟著做就能學(xué)會。
一、安裝
Elastic 需要 Java 8 環(huán)境。如果你的機(jī)器還沒安裝 Java，可以參考 這篇文章 ，注意要保證環(huán)境變量 JAVA_HOME 正確設(shè)置。
安裝完 Java，就可以跟著 官方文檔 安裝 Elastic。直接下載壓縮包比較簡單。
- $ wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-5.5.1.zip
- $ unzip elasticsearch-5.5.1.zip
- $ cd elasticsearch-5.5.1/
接著，進(jìn)入解壓后的目錄，運(yùn)行下面的命令，啟動 Elastic。
- $ ./bin/elasticsearch
如果這時 報錯 "max virtual memory areas vm.max map count [65530] is too low"，要運(yùn)行下面的命令。
- $ sudo sysctl -w vm.max_map_count=262144
如果一切正常，Elastic 就會在默認(rèn)的9200端口運(yùn)行。這時，打開另一個命令行窗口，請求該端口，會得到說明信息。
- $ curl localhost:9200
- {
- "name" : "atntrTf",
- "cluster_name" : "elasticsearch",
- "cluster_uuid" : "tf9250XhQ6ee4h7YI11anA",
- "version" : {
- "number" : "5.5.1",
- "build_hash" : "19c13d0",
- "build_date" : "2017-07-18T20:44:24.823Z",
- "build_snapshot" : false,
- "lucene_version" : "6.6.0"
- },
- "tagline" : "You Know, for Search"
- }
上面代碼中，請求9200端口，Elastic 返回一個 JSON 對象，包含當(dāng)前節(jié)點(diǎn)、集群、版本等信息。
按下 Ctrl + C，Elastic 就會停止運(yùn)行。
默認(rèn)情況下，Elastic 只允許本機(jī)訪問，如果需要遠(yuǎn)程訪問，可以修改 Elastic 安裝目錄的 config/elasticsearch.yml 文件，去掉 network.host 的注釋，將它的值改成 0.0.0.0 ，然后重新啟動 Elastic。
- network.host: 0.0.0.0
上面代碼中，設(shè)成 0.0.0.0 讓任何人都可以訪問。線上服務(wù)不要這樣設(shè)置，要設(shè)成具體的 IP。
二、基本概念
2.1 Node 與 Cluster
Elastic 本質(zhì)上是一個分布式數(shù)據(jù)庫，允許多臺服務(wù)器協(xié)同工作，每臺服務(wù)器可以運(yùn)行多個 Elastic 實(shí)例。
單個 Elastic 實(shí)例稱為一個節(jié)點(diǎn)(node)。一組節(jié)點(diǎn)構(gòu)成一個集群(cluster)。
2.2 Index
Elastic 會索引所有字段，經(jīng)過處理后寫入一個反向索引(Inverted Index)。查找數(shù)據(jù)的時候，直接查找該索引。
所以，Elastic 數(shù)據(jù)管理的頂層單位就叫做 Index(索引)。它是單個數(shù)據(jù)庫的同義詞。每個 Index (即數(shù)據(jù)庫)的名字必須是小寫。
下面的命令可以查看當(dāng)前節(jié)點(diǎn)的所有 Index。
- $ curl -X GET 'http://localhost:9200/_cat/indices?v'
2.3 Document
Index 里面單條的記錄稱為 Document(文檔)。許多條 Document 構(gòu)成了一個 Index。
Document 使用 JSON 格式表示，下面是一個例子。
- {
- "user": "張三",
- "title": "工程師",
- "desc": "數(shù)據(jù)庫管理"
- }
同一個 Index 里面的 Document，不要求有相同的結(jié)構(gòu)(scheme)，但是最好保持相同，這樣有利于提高搜索效率。
2.4 Type
Document 可以分組，比如 weather 這個 Index 里面，可以按城市分組(北京和上海)，也可以按氣候分組(晴天和雨天)。這種分組就叫做 Type，它是虛擬的邏輯分組，用來過濾 Document。
不同的 Type 應(yīng)該有相似的結(jié)構(gòu)(schema)，舉例來說， id 字段不能在這個組是字符串，在另一個組是數(shù)值。這是與關(guān)系型數(shù)據(jù)庫的表的 一個區(qū)別 。性質(zhì)完全不同的數(shù)據(jù)(比如 products 和 logs )應(yīng)該存成兩個 Index，而不是一個 Index 里面的兩個 Type(雖然可以做到)。
下面的命令可以列出每個 Index 所包含的 Type。
- $ curl 'localhost:9200/_mapping?pretty=true'
根據(jù) 規(guī)劃 ，Elastic 6.x 版只允許每個 Index 包含一個 Type，7.x 版將會徹底移除 Type。
三、新建和刪除 Index
新建 Index，可以直接向 Elastic 服務(wù)器發(fā)出 PUT 請求。下面的例子是新建一個名叫 weather 的 Index。
- $ curl -X PUT 'localhost:9200/weather'
服務(wù)器返回一個 JSON 對象，里面的 acknowledged 字段表示操作成功。
- {
- "acknowledged":true,
- "shards_acknowledged":true
- }
然后，我們發(fā)出 DELETE 請求，刪除這個 Index。
- $ curl -X DELETE 'localhost:9200/weather'
四、中文分詞設(shè)置
首先，安裝中文分詞插件。這里使用的是 ik ，也可以考慮其他插件(比如 smartcn )。
- $ ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v5.5.1/elasticsearch-analysis-ik-5.5.1.zip
上面代碼安裝的是5.5.1版的插件，與 Elastic 5.5.1 配合使用。
接著，重新啟動 Elastic，就會自動加載這個新安裝的插件。
然后，新建一個 Index，指定需要分詞的字段。這一步根據(jù)數(shù)據(jù)結(jié)構(gòu)而異，下面的命令只針對本文。基本上，凡是需要搜索的中文字段，都要單獨(dú)設(shè)置一下。
- $ curl -X PUT 'localhost:9200/accounts' -d '
- {
- "mappings": {
- "person": {
- "properties": {
- "user": {
- "type": "text",
- "analyzer": "ik_max_word",
- "search_analyzer": "ik_max_word"
- },
- "title": {
- "type": "text",
- "analyzer": "ik_max_word",
- "search_analyzer": "ik_max_word"
- },
- "desc": {
- "type": "text",
- "analyzer": "ik_max_word",
- "search_analyzer": "ik_max_word"
- }
- }
- }
- }
- }'
上面代碼中，首先新建一個名稱為 accounts 的 Index，里面有一個名稱為 person 的 Type。 person 有三個字段。
- user
- title
- desc
這三個字段都是中文，而且類型都是文本(text)，所以需要指定中文分詞器，不能使用默認(rèn)的英文分詞器。
Elastic 的分詞器稱為 analyzer 。我們對每個字段指定分詞器。
- "user": {
- "type": "text",
- "analyzer": "ik_max_word",
- "search_analyzer": "ik_max_word"
- }
上面代碼中， analyzer 是字段文本的分詞器， search_analyzer 是搜索詞的分詞器。 ik_max_word 分詞器是插件 ik 提供的，可以對文本進(jìn)行最大數(shù)量的分詞。
五、數(shù)據(jù)操作
5.1 新增記錄
向指定的 /Index/Type 發(fā)送 PUT 請求，就可以在 Index 里面新增一條記錄。比如，向 /accounts/person 發(fā)送請求，就可以新增一條人員記錄。
- $ curl -X PUT 'localhost:9200/accounts/person/1' -d '
- {
- "user": "張三",
- "title": "工程師",
- "desc": "數(shù)據(jù)庫管理"
- }'
服務(wù)器返回的 JSON 對象，會給出 Index、Type、Id、Version 等信息。
- {
- "_index":"accounts",
- "_type":"person",
- "_id":"1",
- "_version":1,
- "result":"created",
- "_shards":{"total":2,"successful":1,"failed":0},
- "created":true
- }
如果你仔細(xì)看，會發(fā)現(xiàn)請求路徑是 /accounts/person/1 ，最后的 1 是該條記錄的 Id。它不一定是數(shù)字，任意字符串(比如 abc )都可以。
新增記錄的時候，也可以不指定 Id，這時要改成 POST 請求。
- $ curl -X POST 'localhost:9200/accounts/person' -d '
- {
- "user": "李四",
- "title": "工程師",
- "desc": "系統(tǒng)管理"
- }'
上面代碼中，向 /accounts/person 發(fā)出一個 POST 請求，添加一個記錄。這時，服務(wù)器返回的 JSON 對象里面， _id 字段就是一個隨機(jī)字符串。
- {
- "_index":"accounts",
- "_type":"person",
- "_id":"AV3qGfrC6jMbsbXb6k1p",
- "_version":1,
- "result":"created",
- "_shards":{"total":2,"successful":1,"failed":0},
- "created":true
- }
注意，如果沒有先創(chuàng)建 Index(這個例子是 accounts )，直接執(zhí)行上面的命令，Elastic 也不會報錯，而是直接生成指定的 Index。所以，打字的時候要小心，不要寫錯 Index 的名稱。
5.2 查看記錄
向 /Index/Type/Id 發(fā)出 GET 請求，就可以查看這條記錄。
- $ curl 'localhost:9200/accounts/person/1?pretty=true'
上面代碼請求查看 /accounts/person/1 這條記錄，URL 的參數(shù) pretty=true 表示以易讀的格式返回。
返回的數(shù)據(jù)中， found 字段表示查詢成功， _source 字段返回原始記錄。
- {
- "_index" : "accounts",
- "_type" : "person",
- "_id" : "1",
- "_version" : 1,
- "found" : true,
- "_source" : {
- "user" : "張三",
- "title" : "工程師",
- "desc" : "數(shù)據(jù)庫管理"
- }
- }
如果 Id 不正確，就查不到數(shù)據(jù)， found 字段就是 false 。
- $ curl 'localhost:9200/weather/beijing/abc?pretty=true'
- {
- "_index" : "weather",
- "_type" : "beijing",
- "_id" : "abc",
- "found" : false
- }
5.3 刪除記錄
刪除記錄就是發(fā)出 DELETE 請求。
- $ curl -X DELETE 'localhost:9200/accounts/person/1'
這里先不要刪除這條記錄，后面還要用到。
5.4 更新記錄
更新記錄就是使用 PUT 請求，重新發(fā)送一次數(shù)據(jù)。
- $ curl -X PUT 'localhost:9200/accounts/person/1' -d '
- {
- "user" : "張三",
- "title" : "工程師",
- "desc" : "數(shù)據(jù)庫管理，軟件開發(fā)"
- }'
- {
- "_index":"accounts",
- "_type":"person",
- "_id":"1",
- "_version":2,
- "result":"updated",
- "_shards":{"total":2,"successful":1,"failed":0},
- "created":false
- }
上面代碼中，我們將原始數(shù)據(jù)從"數(shù)據(jù)庫管理"改成"數(shù)據(jù)庫管理，軟件開發(fā)"。 返回結(jié)果里面，有幾個字段發(fā)生了變化。
- "_version" : 2,
- "result" : "updated",
- "created" : false
可以看到，記錄的 Id 沒變，但是版本(version)從 1 變成 2 ，操作類型(result)從 created 變成 updated ， created 字段變成 false ，因?yàn)檫@次不是新建記錄。
六、數(shù)據(jù)查詢
6.1 返回所有記錄
使用 GET 方法，直接請求 /Index/Type/_search ，就會返回所有記錄。
- $ curl 'localhost:9200/accounts/person/_search'
- {
- "took":2,
- "timed_out":false,
- "_shards":{"total":5,"successful":5,"failed":0},
- "hits":{
- "total":2,
- "max_score":1.0,
- "hits":[
- {
- "_index":"accounts",
- "_type":"person",
- "_id":"AV3qGfrC6jMbsbXb6k1p",
- "_score":1.0,
- "_source": {
- "user": "李四",
- "title": "工程師",
- "desc": "系統(tǒng)管理"
- }
- },
- {
- "_index":"accounts",
- "_type":"person",
- "_id":"1",
- "_score":1.0,
- "_source": {
- "user" : "張三",
- "title" : "工程師",
- "desc" : "數(shù)據(jù)庫管理，軟件開發(fā)"
- }
- }
- ]
- }
- }
上面代碼中，返回結(jié)果的 took 字段表示該操作的耗時(單位為毫秒)， timed_out 字段表示是否超時， hits 字段表示命中的記錄，里面子字段的含義如下。
- total ：返回記錄數(shù)，本例是2條。
- max_score ：最高的匹配程度，本例是 1.0 。
- hits ：返回的記錄組成的數(shù)組。
返回的記錄中，每條記錄都有一個 _score 字段，表示匹配的程序，默認(rèn)是按照這個字段降序排列。
6.2 全文搜索
Elastic 的查詢非常特別，使用自己的 查詢語法 ，要求 GET 請求帶有數(shù)據(jù)體。
- $ curl 'localhost:9200/accounts/person/_search' -d '
- {
- "query" : { "match" : { "desc" : "軟件" }}
- }'
上面代碼使用 Match 查詢 ，指定的匹配條件是 desc 字段里面包含"軟件"這個詞。返回結(jié)果如下。
- {
- "took":3,
- "timed_out":false,
- "_shards":{"total":5,"successful":5,"failed":0},
- "hits":{
- "total":1,
- "max_score":0.28582606,
- "hits":[
- {
- "_index":"accounts",
- "_type":"person",
- "_id":"1",
- "_score":0.28582606,
- "_source": {
- "user" : "張三",
- "title" : "工程師",
- "desc" : "數(shù)據(jù)庫管理，軟件開發(fā)"
- }
- }
- ]
- }
- }
Elastic 默認(rèn)一次返回10條結(jié)果，可以通過 size 字段改變這個設(shè)置。
- $ curl 'localhost:9200/accounts/person/_search' -d '
- {
- "query" : { "match" : { "desc" : "管理" }},
- "size": 1
- }'
上面代碼指定，每次只返回一條結(jié)果。
還可以通過 from 字段，指定位移。
- $ curl 'localhost:9200/accounts/person/_search' -d '
- {
- "query" : { "match" : { "desc" : "管理" }},
- "from": 1,
- "size": 1
- }'
上面代碼指定，從位置1開始(默認(rèn)是從位置0開始)，只返回一條結(jié)果。
6.3 邏輯運(yùn)算
如果有多個搜索關(guān)鍵字， Elastic 認(rèn)為它們是 or 關(guān)系。
- $ curl 'localhost:9200/accounts/person/_search' -d '
- {
- "query" : { "match" : { "desc" : "軟件 系統(tǒng)" }}
- }'
上面代碼搜索的是 軟件 or 系統(tǒng) 。
如果要執(zhí)行多個關(guān)鍵詞的 and 搜索，必須使用 布爾查詢 。
- $ curl 'localhost:9200/accounts/person/_search' -d '
- {
- "query": {
- "bool": {
- "must": [
- { "match": { "desc": "軟件" } },
- { "match": { "desc": "系統(tǒng)" } }
- ]
- }
- }
- }'
七、參考鏈接
ElasticSearch 官方手冊
A Practical Introduction to Elasticsearch
網(wǎng)站欄目：全文搜索引擎ElasticSearch入門教程
標(biāo)題URL：http://m.5511xx.com/article/cdsghee.html
