elasticsearch的实现全文检索

清疚 2022-08-05 02:48 362阅读 0赞

### 转自：[http://zhaoyanblog.com/archives/495.html][http_zhaoyanblog.com_archives_495.html]            ###

elasticsearch一个准实时的搜索引擎，基于lucene构建，它的主要强项还是在全文检索方面。工作中还是使用到了这部分功能，这里做一个简单的总结，可以使初次使用的人很快的配置和使用。  
**一、全文检索的概念**  
首先介绍全文检索的概念，就是对一篇文章进行索引，可以根据关键字搜索，类似于mysql里的like语句。  
全文索引就是把内容根据词的意义进行分词，然后分别创建索引，例如”你们的激情是因为什么事情来的” 可能会被分词成：“你们“，”激情“，“什么事情“，”来“ 等token  
这样当你搜索“你们” 或者 “激情” 都会把这句搜出来。

**二、内置分词器**  
elasticsearch实现全文索引，首先要确定分词器，elasticsearch默认有很多分词器，你可以参考elasticsearch的官方文档。了解分词器主要是怎么实现的。  
你可以使用  
curl -XGET ‘http://192.168.1.101:9200/\_analyze?analyzer=standard’ -d ‘你们有什么事情’  
命令来了解各种分词器的分词效果。

**三、中文分词器**  
一般中文分词器一般使用第三方的ik分词器、mmsegf分词器和paoding分词器，他们最初可能构建于lucene，后来移植于elasticsearch。 在最新版的elasticsearch，我们主要使用了ik分词器。

安装ik分词器到elasticsearch很简单，它有个插件目录analysis-ik，和一个配置目录ik, 分别拷贝到plugins和conf目录就可以了。当然你可以使用elasticsearch的plugin命令去安装，这个过程可能会有些麻烦。

然后在elasticsearch.yml文件中配置

index:
      analysis:
        analyzer:
          ik:
              alias: [ik_analyzer]
              type: org.elasticsearch.index.analysis.IkAnalyzerProvider
          ik_max_word:
              type: ik
              use_smart: false
          ik_smart:
              type: ik
              use_smart: true

意思就是ik分词器，也可以使用别名ik\_analyzer，使用IkAnalyzerProvider类分词。  
ik\_max\_word、ik\_smart也是ik分词器，只不过一个打开了use\_smart开关，一个没打开use\_smart。这个本文不关心。

**四、curl命令测试分词器**  
第三方的分词器，你是没法使用  
curl -XGET ‘http://192.168.1.101:9200/\_analyze?analyzer=standard’ -d ‘你们有什么事情’ 来查看分词效果的。  
你必须创建一个指定该分词器的索引才行。  
1、创建索引  
curl -XPUT http://192.168.1.101:9200/index  
2、创建mapping，这里就一个字段content

curl -XPOST http://192.168.1.101:9200/index/fulltext/_mapping -d'
    {
        "fulltext": {
                 "_all": {
                "indexAnalyzer": "ik",
                "searchAnalyzer": "ik",
                "store": "false"
            },
            "properties": {
                "content": {
                    "type": "string",
                    "store": "no",
                    "indexAnalyzer": "ik",
                    "searchAnalyzer": "ik"
                }
            }
        }
    }'

3、查看分词效果  
curl -XGET ‘http://192.168.1.101:9200/index/\_analyze?analyzer=ik’ -d ‘你们有什么事情’  
4、索引数据  
curl -XPOST http://192.168.1.101:9200/index/fulltext/1 -d'\{content:”美国留给伊拉克的是个烂摊子吗”\}’

curl -XPOST http://192.168.1.101:9200/index/fulltext/2 -d'\{content:”公安部：各地校车将享最高路权”\}’

curl -XPOST http://192.168.1.101:9200/index/fulltext/3 -d'\{content:”中韩渔警冲突调查：韩警平均每天扣1艘中国渔船”\}’

curl -XPOST http://192.168.1.101:9200/index/fulltext/4 -d'\{content:”中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首”\}’

5、全文检索

term检索，如果content分词后含有中国这个token，就会检索到

curl -XPOST http://192.168.1.101:9200/index/fulltext/_search  -d'
    {"query" : { "term" : { "content" : "中国" }}}'

querystring检索，它会先把”中国美国“分词成中国、美国分别去检索，然后最后默认是OR的关系

curl -XPOST http://192.168.22.161:9200/index/fulltext/_search  -d'
    {
        "query" : {
              "query_string" : {
                   "default_field" : "content",
                   "query" : "中国美国"
              }
           }
    }'

你也可以明显的写成  
“query” : “中国 AND 美国”  
或者  
“query” : “中国 OR 美国”  
如果你把查询条件加上双引号  
“query” : “\\”中国美国\\””  
便类似mysql里的like的效果

**五、java客户端**  
java程序都有对应的类和方法。创建索引和设置mapping,这里就不赘述了，这里有总结：  
主要是检索：  
term搜索主要是用：QueryBuilders.termQuery(“content”, “中国”);  
querystring搜索使用：

QueryStringQueryBuilder queryString = new QueryStringQueryBuilder(“中国 OR 美国”);  
queryString.field(“content”);

[http_zhaoyanblog.com_archives_495.html]: http://zhaoyanblog.com/archives/495.html