最近挺忙的，在外出差，又同时干两个项目。白天一个晚上一个，特别是白天做的项目，马上就要上线了，在客户这里 三天两头开会，问题很多真的很想好好静下来怼代码，半夜做梦都能fix bugs~ 和客户交流真的是门技术，一不小心你就会掉坑里，慢慢来吧~
站内搜素其实也是老生常谈，估计很多程序员门都做过或者接触过，记得大三那会 那是比较常见的解决方案就是lucene.net 和盘古分词，后来又用jieba分词，
首先就是和数据库同步，我们把数据扔给lucene.net ，lucene.net 拿到数据 进行分词，然后保存在索引库中，当用户搜索的时候，就从索引库中进行搜索。lucene.net 对中文分词不是太优化，所以常用的就是盘古分词 庖丁解牛 jieba分词，这种方式适合个人站点 数据量不是太大的情况下，目前很少有采用这种解决方案的，看官们感兴趣的可以百度了解一波，实现起来也不难。
前端时间elastc上市，市值50亿美金，刚开始我还吓一大跳~ 接触es是去年， 项目做日志统计使用exceptionless，所以也就初步了解了elasticsearch 也逐步了解logstash kibana 速度是真的快，吊打sqlserver啊! 哈哈 毕竟不是一系列的东西=
今天简单实现的站内搜索采用的就是 elasticsearch，数据源就是这段时间每天爬取博客园获取到的将近6000篇文章，放到sqlserver了，后续会共享
起初 想要搞sqlserver 和 es的数据同步，我写的这个服务每小时就会爬取博客园一次 获取最新50条数据，重复的就不算了。数据同步可以采用logstash，首先就是全量同步，再次就是增量同步，可能是因为版本原因吧，都是采用的最新版本，采用logstash进行数据同步 老是失败，有待探索，索性就用ef 先做个全量同步，再靠这个定时服务做以后的增量，数据本身就是经过去重处理的，况且也不存在修改 删除的情况
首先就是配置java环境变量 然后部署 elk 官网地址是 : https://www.elastic.co/cn/
下载好三件套之后 我们可以把es部署成windows服务 在bin目录下 运行elasticsearch-service.bat
服务开启后，es默认http地址是 http://localhost:9200/
es启动成功后 启动kibana 服务 同样也是在bin目录下执行kibana.bat，kibana对es来说 真的是一个神器，
可以在上面操作dsl 做数据分析等待 默认地址是http://localhost:5601
然后就是安装ik了，ik是中文分词插件，github地址是：https://github.com/medcl/elasticsearch-analysis-ik
从releases下载 我下载的最新版 6.4.2 下载后复制到es的plugins 目录下，解压就行了。然后去kibana检查是否安装成功，具体操作见github
ik分词策略有ik_max_word 和 ik_smart ik_max_word会将文本做最细粒度的拆分，例如「中华人民共和国国歌」会被拆分为「中华人民共和国、中华人民、中华、华人、人民共和国、人民、人、民、共和国、共和、和、国国、国歌」，会穷尽各种可能的组合；
ik_smart会将文本做最粗粒度的拆分，例如「中华人民共和国国歌」会被拆分为「中华人民共和国、国歌」；
ik安装后之后 就是在kibana创建index 和mapping了
es和我们常用的sqlserver等关系型数据库对比如下：
DB:DataBases=>Tables=>Rows=>Columns
ES:Indices=>Types=>Documents=>Fields
创建Index
在kibana Dev Tools 操作dsl
PUT /cnblogdb (注意 必须为小写) POST /cnblogdb/articles/_mapping { "properties": { "content": { "type": "text", "analyzer": "ik_smart", "search_analyzer": "ik_smart" }, "title":{ "type":"text", "analyzer": "ik_smart", "search_analyzer": "ik_smart" }, "summary":{ "type":"text", "analyzer": "ik_smart", "search_analyzer": "ik_smart" }, "author":{ "type":"text", "analyzer": "ik_smart", "search_analyzer": "ik_smart", "fielddata": true, "fields": { "raw":{ "type":"keyword" } } } } }
可以看到 在_mapping 的时候 author字段 加了fielddata 属性 和fields
关于fielddata 详细介绍可移步 https://www.elastic.co/guide/cn/elasticsearch/guide/current/preload-fielddata.html
在这里设置fielddata为true是因为 后续的根据author字段进行聚合检索 es在默认情况下对text类型的字段是不可聚合的
设置 fields :{raw:{type:keyword }} 是因为我们在对author字段进行聚合的时候，因为上面的ik分词策略，所以我们聚合到的结果是分词后的结果，
比如author为 张教主 聚合结果就成了张，教主 这样的结果，设置他就类似有了个别名。
c#中操作es 使用Nest
github地址是 https://github.com/elastic/elasticsearch-net
数据源地址是: http://zycoder.oss-cn-qingdao.aliyuncs.com/ali/blog.sql
这个数据是sqlserver的脚本数据 整到es也是很简单的
创建esclient es多见于分布式 多节点 我们搞着学习就不必要了
var node = new Uri("http://localshot:9200"); var settings = new ConnectionSettings(node); var client = new ElasticClient(settings);
看项目 界面截图 就是一个简单的多字段匹配检索 和 聚合
创建Model 此model是与type相对应的
[ElasticsearchType(Name ="articles")] public partial class Articles { public int Id { get; set; } [Text(Analyzer = "ik_smart")] public string Title { get; set; } public string ItemUrl { get; set; } [Text(Analyzer = "ik_smart")] public string Sumary { get; set; } [Text(Analyzer = "ik_smart", Fielddata = true)] public string Author { get; set; } public string PubDate { get; set; } [Text(Analyzer = "ik_smart")] public string Content { get; set; } }
首先就是首页的高亮检索了 代码如下：
public ActionResult GetArticles()
{
Stopwatch sw = new Stopwatch();
sw.Start();
string keyWords = Request.Params["keyWords"];
string author = Request.Params["author"];
int.TryParse(Request.Params["page"], out int page);
page = page <= 1 ? 1 : page;
int start = (page - 1) * 10;
var query = new SearchDescriptor<Articles>();
if (!string.IsNullOrWhiteSpace(author))
{
query= query.Query(q => q.Match(m => m.Field("author").Query(author)));
}
else
{
query = query.Query(q => q.MultiMatch(m => m.Fields(
fd => fd.Fields("title", "sumary", "author")
).Query(keyWords)
));
}
query = query.Highlight(h => h
.PreTags(@"<span style='color:red'>")
.PostTags("</span>")
.Fields(
f => f.Field(obj => obj.Title),
f => f.Field(obj => obj.Sumary),
f => f.Field(obj => obj.Author)
)
).Sort(c => c.Field("_score", SortOrder.Descending).Field("id", SortOrder.Descending))
.From(start).Size(10);
var response = _client.Search<Articles>(query);
var list = response.Hits.Select(c => new Articles
{
Id = c.Source.Id,
Title = c.Highlights == null ? c.Source.Title : c.Highlights.Keys.Contains("title") ? string.Join("",
c.Highlights["title"].Highlights) : c.Source.Title,
Author = c.Highlights == null ? c.Source.Author : c.Highlights.Keys.Contains("author") ? string.Join("",
c.Highlights["author"].Highlights) : c.Source.Author,
Sumary = c.Highlights == null ? c.Source.Sumary : c.Highlights.Keys.Contains("sumary") ? string.Join("",
c.Highlights["sumary"].Highlights) : c.Source.Sumary,
PubDate = c.Source.PubDate
});
sw.Stop();
ViewBag.Times = sw.ElapsedMilliseconds;
ViewBag.PageIndx = page;
ViewData["list"] = list.ToList();
return View();
}
在Sort(c => c.Field("_score", SortOrder.Descending).Field("id", SortOrder.Descending)) 这里我们可以多留意一下，在匹配搜索的时候，
默认排序是根据匹配得分进行排序的，所以我们想要获取最新最匹配的数据，首先就是根据匹配得分进行排序 在根据时间
面板结果如下：
Nest进行搜索 语法不做过多讨论 谷歌 百度
然后就是根据author进行聚合 类似数据库语法就是 select author,count(author) from article group by author
dsl 结果如下所示：
size就是最靠前的10位了 小鱼儿同志贡献最多 我所提供的数据源里有56篇文章~
代码如下：
public ActionResult HomeRight()
{
var response= _client.Search<Articles>(s => s.Aggregations(aggs => aggs.Terms(
"aggs", t => t.Field("author.raw").Size(20).CollectMode(TermsAggregationCollectMode.BreadthFirst)
)).Size(0));
var buckets= response.Aggregations.Terms("aggs").Buckets;
var authorGroups= buckets.Select(q => new AuthorGroup
{
AuthorName = q.Key,
Count = (int)q.DocCount
}).ToList();
ViewData["list"] = authorGroups;
return View();
}
在c#中 我们就是把dsl 改为lambda去查询
在聚合的时候 最后 Size(0); 不是取0条数据 而是在聚合搜索的时候 默认也会获取documents 默认为10条 但是我们只是聚合并不需要搜索文档 所以就设置为0
也减小了内存开销，增加查询速度。
更多资料就是看官方文档了，提供的很全面。
Share End！
