ઇલાસ્ટિકસર્ચ એ JSON REST API ધરાવતું સર્ચ એન્જિન છે, જે Lucene નો ઉપયોગ કરે છે અને જાવામાં લખાયેલું છે. આ એન્જિનના બધા ફાયદાઓનું વર્ણન અહીં ઉપલબ્ધ છે સત્તાવાર વેબસાઇટહવેથી, આપણે ઇલાસ્ટિકસર્ચને ES તરીકે ઓળખીશું.

આવા એન્જિનનો ઉપયોગ જટિલ દસ્તાવેજ ડેટાબેઝ શોધ માટે થાય છે, જેમ કે ભાષા આકારશાસ્ત્રના આધારે શોધ અથવા ભૌગોલિક કોઓર્ડિનેટ્સ દ્વારા શોધ.

આ લેખમાં, હું બ્લોગ પોસ્ટ્સને ઇન્ડેક્સ કરવાના ઉદાહરણનો ઉપયોગ કરીને ES ની મૂળભૂત બાબતોને આવરી લઈશ. હું તમને બતાવીશ કે દસ્તાવેજોને કેવી રીતે ફિલ્ટર કરવા, સૉર્ટ કરવા અને શોધવા.

ઓપરેટિંગ સિસ્ટમથી સ્વતંત્ર રહેવા માટે, હું મારી બધી ES વિનંતીઓ CURL નો ઉપયોગ કરીને કરીશ. ગૂગલ ક્રોમ માટે એક પ્લગઇન પણ છે જેને અર્થ.

દસ્તાવેજીકરણ અને અન્ય સ્રોતોની લિંક્સ સમગ્ર ટેક્સ્ટમાં આપવામાં આવી છે. દસ્તાવેજીકરણની ઝડપી ઍક્સેસ લિંક્સ અંતે આપવામાં આવી છે. અજાણ્યા શબ્દોની વ્યાખ્યાઓ આમાં મળી શકે છે શબ્દકોષો.

ES ઇન્સ્ટોલ કરી રહ્યું છે

આ માટે આપણને પહેલા જાવાની જરૂર છે. ડેવલપર્સ ભલામણ જાવા 8 અપડેટ 20 અથવા જાવા 7 અપડેટ 55 કરતાં નવા જાવા વર્ઝન ઇન્સ્ટોલ કરો.

ES વિતરણ અહીં ઉપલબ્ધ છે વિકાસકર્તા સાઇટઆર્કાઇવ અનપેક કર્યા પછી, તમારે ચલાવવાની જરૂર છે bin/elasticsearch. પણ ઉપલબ્ધ છે apt અને yum માટે પેકેજો. ત્યાં છે ડોકર માટે સત્તાવાર છબી. ઇન્સ્ટોલેશન વિશે વધુ.

ઇન્સ્ટોલેશન અને લોન્ચ પછી, ચાલો કાર્યક્ષમતા તપાસીએ:

# для удобства запомним адрес в переменную
#export ES_URL=$(docker-machine ip dev):9200
export ES_URL=localhost:9200

curl -X GET $ES_URL

આપણને આના જેવો જવાબ મળશે:

{
  "name" : "Heimdall",
  "cluster_name" : "elasticsearch",
  "version" : {
    "number" : "2.2.1",
    "build_hash" : "d045fc29d1932bce18b2e65ab8b297fbf6cd41a1",
    "build_timestamp" : "2016-03-09T09:38:54Z",
    "build_snapshot" : false,
    "lucene_version" : "5.4.1"
  },
  "tagline" : "You Know, for Search"
}

અનુક્રમણિકા

ચાલો ES માં એક પોસ્ટ ઉમેરીએ:

# Добавим документ c id 1 типа post в индекс blog.
# ?pretty указывает, что вывод должен быть человеко-читаемым.

curl -XPUT "$ES_URL/blog/post/1?pretty" -d'
{
  "title": "Веселые котята",
  "content": "<p>Смешная история про котят<p>",
  "tags": [
    "котята",
    "смешная история"
  ],
  "published_at": "2014-09-12T20:44:42+00:00"
}'

સર્વર પ્રતિભાવ:

{
  "_index" : "blog",
  "_type" : "post",
  "_id" : "1",
  "_version" : 1,
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "created" : false
}

ES આપમેળે બનાવવામાં આવ્યું અનુક્રમણિકા બ્લોગ અને પ્રકાર પોસ્ટ. એક રફ સામ્યતા દોરી શકાય છે: ઇન્ડેક્સ એ ડેટાબેઝ છે, અને પ્રકાર એ ડેટાબેઝમાં એક ટેબલ છે. દરેક પ્રકારનો પોતાનો સ્કીમા હોય છે— મેપિંગ, એક રિલેશનલ ટેબલની જેમ. જ્યારે કોઈ દસ્તાવેજને ઇન્ડેક્સ કરવામાં આવે છે ત્યારે મેપિંગ આપમેળે જનરેટ થાય છે:

# Получим mapping всех типов индекса blog
curl -XGET "$ES_URL/blog/_mapping?pretty"

સર્વર પ્રતિભાવમાં, મેં ટિપ્પણીઓમાં અનુક્રમિત દસ્તાવેજના ફીલ્ડ મૂલ્યો ઉમેર્યા:

{
  "blog" : {
    "mappings" : {
      "post" : {
        "properties" : {
          /* "content": "<p>Смешная история про котят<p>", */ 
          "content" : {
            "type" : "string"
          },
          /* "published_at": "2014-09-12T20:44:42+00:00" */
          "published_at" : {
            "type" : "date",
            "format" : "strict_date_optional_time||epoch_millis"
          },
          /* "tags": ["котята", "смешная история"] */
          "tags" : {
            "type" : "string"
          },
          /*  "title": "Веселые котята" */
          "title" : {
            "type" : "string"
          }
        }
      }
    }
  }
}

એ નોંધવું યોગ્ય છે કે ES એક મૂલ્ય અને મૂલ્યોના એરે વચ્ચે ભેદ પાડતું નથી. ઉદાહરણ તરીકે, શીર્ષક ક્ષેત્રમાં ફક્ત એક શીર્ષક હોય છે, જ્યારે ટૅગ્સ ફીલ્ડમાં સ્ટ્રિંગ્સનો એરે હોય છે, ભલે તે મેપિંગમાં સમાન રીતે રજૂ થાય છે.
આપણે મેપિંગ વિશે પછીથી વધુ વિગતવાર વાત કરીશું.

વિનંતીઓ

દસ્તાવેજને તેના ID દ્વારા કાઢવા:

# извлечем документ с id 1 типа post из индекса blog
curl -XGET "$ES_URL/blog/post/1?pretty"

{
  "_index" : "blog",
  "_type" : "post",
  "_id" : "1",
  "_version" : 1,
  "found" : true,
  "_source" : {
    "title" : "Веселые котята",
    "content" : "<p>Смешная история про котят<p>",
    "tags" : [ "котята", "смешная история" ],
    "published_at" : "2014-09-12T20:44:42+00:00"
  }
}

પ્રતિભાવમાં નવી ચાવીઓ દેખાઈ: _version и _sourceસામાન્ય રીતે, બધી કી જે શરૂ થાય છે _ સેવા વસ્તુઓ તરીકે વર્ગીકૃત કરવામાં આવે છે.

કી _version દસ્તાવેજ સંસ્કરણ બતાવે છે. આશાવાદી લોકીંગ મિકેનિઝમ કાર્ય કરવા માટે આ જરૂરી છે. ઉદાહરણ તરીકે, અમે સંસ્કરણ 1 સાથે દસ્તાવેજ બદલવા માંગીએ છીએ. અમે સુધારેલ દસ્તાવેજ સબમિટ કરીએ છીએ અને સૂચવીએ છીએ કે આ સંસ્કરણ 1 સાથે દસ્તાવેજનું પુનરાવર્તન છે. જો કોઈ બીજાએ પણ સંસ્કરણ 1 સાથે દસ્તાવેજને સંપાદિત કર્યો હોય અને અમારી સમક્ષ ફેરફારો સબમિટ કર્યા હોય, તો ES અમારા ફેરફારો સ્વીકારશે નહીં, કારણ કે તે સંસ્કરણ 2 સાથે દસ્તાવેજને સંગ્રહિત કરે છે.

કી _source અમે જે દસ્તાવેજને ઇન્ડેક્સ કર્યો છે તે સમાવે છે. ES આ મૂલ્યનો ઉપયોગ શોધ કામગીરી માટે કરતું નથી, કારણ કે ઇન્ડેક્સનો ઉપયોગ શોધ માટે થાય છે. જગ્યા બચાવવા માટે, ES મૂળ દસ્તાવેજના સંકુચિત સંસ્કરણને સંગ્રહિત કરે છે. જો આપણને ફક્ત ID ની જરૂર હોય અને સમગ્ર મૂળ દસ્તાવેજની નહીં, તો આપણે મૂળ દસ્તાવેજને સંગ્રહિત કરવાનું અક્ષમ કરી શકીએ છીએ.

જો આપણને કોઈ વધારાની માહિતીની જરૂર ન હોય, તો આપણે ફક્ત _source ની સામગ્રી મેળવી શકીએ છીએ:

curl -XGET "$ES_URL/blog/post/1/_source?pretty"

{
  "title" : "Веселые котята",
  "content" : "<p>Смешная история про котят<p>",
  "tags" : [ "котята", "смешная история" ],
  "published_at" : "2014-09-12T20:44:42+00:00"
}

તમે ફક્ત અમુક ચોક્કસ ક્ષેત્રો પણ પસંદ કરી શકો છો:

# извлечем только поле title
curl -XGET "$ES_URL/blog/post/1?_source=title&pretty"

{
  "_index" : "blog",
  "_type" : "post",
  "_id" : "1",
  "_version" : 1,
  "found" : true,
  "_source" : {
    "title" : "Веселые котята"
  }
}

ચાલો થોડી વધુ પોસ્ટ્સને ઇન્ડેક્સ કરીએ અને વધુ જટિલ ક્વેરીઝ ચલાવીએ.

curl -XPUT "$ES_URL/blog/post/2" -d'
{
  "title": "Веселые щенки",
  "content": "<p>Смешная история про щенков<p>",
  "tags": [
    "щенки",
    "смешная история"
  ],
  "published_at": "2014-08-12T20:44:42+00:00"
}'

curl -XPUT "$ES_URL/blog/post/3" -d'
{
  "title": "Как у меня появился котенок",
  "content": "<p>Душераздирающая история про бедного котенка с улицы<p>",
  "tags": [
    "котята"
  ],
  "published_at": "2014-07-21T20:44:42+00:00"
}'

સortર્ટિંગ

# найдем последний пост по дате публикации и извлечем поля title и published_at
curl -XGET "$ES_URL/blog/post/_search?pretty" -d'
{
  "size": 1,
  "_source": ["title", "published_at"],
  "sort": [{"published_at": "desc"}]
}'

{
  "took" : 8,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "failed" : 0
  },
  "hits" : {
    "total" : 3,
    "max_score" : null,
    "hits" : [ {
      "_index" : "blog",
      "_type" : "post",
      "_id" : "1",
      "_score" : null,
      "_source" : {
        "title" : "Веселые котята",
        "published_at" : "2014-09-12T20:44:42+00:00"
      },
      "sort" : [ 1410554682000 ]
    } ]
  }
}

અમે છેલ્લી પોસ્ટ પસંદ કરી છે. size જારી કરાયેલા દસ્તાવેજોની સંખ્યા મર્યાદિત કરે છે. total ક્વેરી સાથે મેળ ખાતા દસ્તાવેજોની કુલ સંખ્યા દર્શાવે છે. sort આઉટપુટમાં પૂર્ણાંકોનો એક એરે હોય છે જેના દ્વારા સૉર્ટિંગ કરવામાં આવે છે. એટલે કે, તારીખ પૂર્ણાંકમાં રૂપાંતરિત થઈ ગઈ છે. સૉર્ટિંગ વિશે વધુ માહિતી અહીં મળી શકે છે દસ્તાવેજીકરણ.

ફિલ્ટર્સ અને ક્વેરીઝ

વર્ઝન 2 થી ES ફિલ્ટર્સ અને ક્વેરીઝ વચ્ચે તફાવત કરતું નથી, તેના બદલે સંદર્ભોનો ખ્યાલ રજૂ કરવામાં આવ્યો છે.
ક્વેરી સંદર્ભ ફિલ્ટર સંદર્ભથી અલગ છે કારણ કે ક્વેરી _score જનરેટ કરે છે અને કેશ થતી નથી. હું પછીથી સમજાવીશ કે _score શું છે.

તારીખ દ્વારા ફિલ્ટર કરો

ક્વેરીનો ઉપયોગ કરીને શ્રેણી ફિલ્ટરના સંદર્ભમાં:

# получим посты, опубликованные 1ого сентября или позже
curl -XGET "$ES_URL/blog/post/_search?pretty" -d'
{
  "filter": {
    "range": {
      "published_at": { "gte": "2014-09-01" }
    }
  }
}'

ટૅગ્સ દ્વારા ફિલ્ટર કરો

અમે ઉપયોગ કરીએ છીએ શબ્દ ક્વેરી આપેલ શબ્દ ધરાવતા દસ્તાવેજ ID શોધવા માટે:

# найдем все документы, в поле tags которых есть элемент 'котята'
curl -XGET "$ES_URL/blog/post/_search?pretty" -d'
{
  "_source": [
    "title",
    "tags"
  ],
  "filter": {
    "term": {
      "tags": "котята"
    }
  }
}'

{
  "took" : 9,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "failed" : 0
  },
  "hits" : {
    "total" : 2,
    "max_score" : 1.0,
    "hits" : [ {
      "_index" : "blog",
      "_type" : "post",
      "_id" : "1",
      "_score" : 1.0,
      "_source" : {
        "title" : "Веселые котята",
        "tags" : [ "котята", "смешная история" ]
      }
    }, {
      "_index" : "blog",
      "_type" : "post",
      "_id" : "3",
      "_score" : 1.0,
      "_source" : {
        "title" : "Как у меня появился котенок",
        "tags" : [ "котята" ]
      }
    } ]
  }
}

સંપૂર્ણ ટેક્સ્ટ શોધ

અમારા ત્રણ દસ્તાવેજોમાં સામગ્રી ક્ષેત્રમાં નીચે મુજબ છે:

• <p>Смешная история про котят<p>
• <p>Смешная история про щенков<p>
• <p>Душераздирающая история про бедного котенка с улицы<p>

અમે ઉપયોગ કરીએ છીએ મેચ ક્વેરી આપેલ શબ્દ ધરાવતા દસ્તાવેજ ID શોધવા માટે:

# source: false означает, что не нужно извлекать _source найденных документов
curl -XGET "$ES_URL/blog/post/_search?pretty" -d'
{
  "_source": false,
  "query": {
    "match": {
      "content": "история"
    }
  }
}'

{
  "took" : 13,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "failed" : 0
  },
  "hits" : {
    "total" : 3,
    "max_score" : 0.11506981,
    "hits" : [ {
      "_index" : "blog",
      "_type" : "post",
      "_id" : "2",
      "_score" : 0.11506981
    }, {
      "_index" : "blog",
      "_type" : "post",
      "_id" : "1",
      "_score" : 0.11506981
    }, {
      "_index" : "blog",
      "_type" : "post",
      "_id" : "3",
      "_score" : 0.095891505
    } ]
  }
}

જોકે, જો આપણે સામગ્રી ક્ષેત્રમાં "વાર્તાઓ" શોધીશું, તો આપણને કંઈ મળશે નહીં, કારણ કે અનુક્રમણિકામાં ફક્ત મૂળ શબ્દો છે, તેમના મૂળ નથી. ગુણવત્તાયુક્ત શોધ કરવા માટે, આપણે વિશ્લેષકને ગોઠવવાની જરૂર છે.

ક્ષેત્ર _score બતાવે છે સુસંગતતાજો ક્વેરી ફિલ્ટર સંદર્ભમાં ચલાવવામાં આવે છે, તો _score મૂલ્ય હંમેશા 1 રહેશે, જેનો અર્થ એ છે કે ફિલ્ટર સંપૂર્ણપણે મેળ ખાય છે.

વિશ્લેષકો

વિશ્લેષકો સ્રોત ટેક્સ્ટને ટોકન્સના સમૂહમાં રૂપાંતરિત કરવા માટે જરૂરી છે.
વિશ્લેષકોમાં એકનો સમાવેશ થાય છે ટોકનાઇઝર અને ઘણા વૈકલ્પિક ટોકનફિલ્ટર્સટોકનાઇઝર ઘણા પહેલા હોઈ શકે છે ચારફિલ્ટર્સટોકનાઇઝર્સ સ્રોત સ્ટ્રિંગને ટોકન્સમાં વિભાજીત કરે છે, ઉદાહરણ તરીકે, જગ્યાઓ અને વિરામચિહ્નો દ્વારા. ટોકનફિલ્ટર્સ ટોકન્સને સંશોધિત કરી શકે છે, તેમને દૂર કરી શકે છે અથવા નવા ઉમેરી શકે છે, ઉદાહરણ તરીકે, ફક્ત શબ્દ સ્ટેમ છોડીને, પૂર્વનિર્ધારણ દૂર કરીને, અથવા સમાનાર્થી ઉમેરીને. ચારફિલ્ટર્સ સ્રોત સ્ટ્રિંગને સંપૂર્ણપણે સંશોધિત કરે છે, ઉદાહરણ તરીકે, HTML ટૅગ્સને દૂર કરીને.

ES માં ઘણા છે માનક વિશ્લેષકોઉદાહરણ તરીકે, એક વિશ્લેષક રશિયન.

ચાલો લાભ લઈએ એપીઆઇ અને ચાલો જોઈએ કે પ્રમાણભૂત અને રશિયન વિશ્લેષકો "બિલાડીના બચ્ચાં વિશે રમુજી વાર્તાઓ" શબ્દમાળાને કેવી રીતે રૂપાંતરિત કરે છે:

# используем анализатор standard       
# обязательно нужно перекодировать не ASCII символы
curl -XGET "$ES_URL/_analyze?pretty&analyzer=standard&text=%D0%92%D0%B5%D1%81%D0%B5%D0%BB%D1%8B%D0%B5%20%D0%B8%D1%81%D1%82%D0%BE%D1%80%D0%B8%D0%B8%20%D0%BF%D1%80%D0%BE%20%D0%BA%D0%BE%D1%82%D1%8F%D1%82"

{
  "tokens" : [ {
    "token" : "веселые",
    "start_offset" : 0,
    "end_offset" : 7,
    "type" : "<ALPHANUM>",
    "position" : 0
  }, {
    "token" : "истории",
    "start_offset" : 8,
    "end_offset" : 15,
    "type" : "<ALPHANUM>",
    "position" : 1
  }, {
    "token" : "про",
    "start_offset" : 16,
    "end_offset" : 19,
    "type" : "<ALPHANUM>",
    "position" : 2
  }, {
    "token" : "котят",
    "start_offset" : 20,
    "end_offset" : 25,
    "type" : "<ALPHANUM>",
    "position" : 3
  } ]
}

# используем анализатор russian
curl -XGET "$ES_URL/_analyze?pretty&analyzer=russian&text=%D0%92%D0%B5%D1%81%D0%B5%D0%BB%D1%8B%D0%B5%20%D0%B8%D1%81%D1%82%D0%BE%D1%80%D0%B8%D0%B8%20%D0%BF%D1%80%D0%BE%20%D0%BA%D0%BE%D1%82%D1%8F%D1%82"

{
  "tokens" : [ {
    "token" : "весел",
    "start_offset" : 0,
    "end_offset" : 7,
    "type" : "<ALPHANUM>",
    "position" : 0
  }, {
    "token" : "истор",
    "start_offset" : 8,
    "end_offset" : 15,
    "type" : "<ALPHANUM>",
    "position" : 1
  }, {
    "token" : "кот",
    "start_offset" : 20,
    "end_offset" : 25,
    "type" : "<ALPHANUM>",
    "position" : 3
  } ]
}

સ્ટાન્ડર્ડ વિશ્લેષકે સ્ટ્રિંગને ખાલી જગ્યાઓ પર વિભાજીત કરી અને બધું જ લોઅરકેસમાં રૂપાંતરિત કર્યું, રશિયન વિશ્લેષકે બિનમહત્વપૂર્ણ શબ્દો દૂર કર્યા, તેમને લોઅરકેસમાં રૂપાંતરિત કર્યા, અને શબ્દ સ્ટેમ્સ છોડી દીધો.

ચાલો જોઈએ કે રશિયન વિશ્લેષક કયા ટોકનાઇઝર, ટોકનફિલ્ટર્સ અને ચારફિલ્ટર્સનો ઉપયોગ કરે છે:

{
  "filter": {
    "russian_stop": {
      "type":       "stop",
      "stopwords":  "_russian_"
    },
    "russian_keywords": {
      "type":       "keyword_marker",
      "keywords":   []
    },
    "russian_stemmer": {
      "type":       "stemmer",
      "language":   "russian"
    }
  },
  "analyzer": {
    "russian": {
      "tokenizer":  "standard",
      /* TokenFilters */
      "filter": [
        "lowercase",
        "russian_stop",
        "russian_keywords",
        "russian_stemmer"
      ]
      /* CharFilters отсутствуют */
    }
  }
}

ચાલો આપણા પોતાના રશિયન-આધારિત વિશ્લેષકનું વર્ણન કરીએ જે HTML ટૅગ્સને છીનવી લેશે. આપણે તેને ડિફોલ્ટ કહીશું, કારણ કે આ નામ ડિફોલ્ટ રૂપે ઉપયોગમાં લેવાશે.

{
  "filter": {
    "ru_stop": {
      "type":       "stop",
      "stopwords":  "_russian_"
    },
    "ru_stemmer": {
      "type":       "stemmer",
      "language":   "russian"
    }
  },
  "analyzer": {
    "default": {
      /* добавляем удаление html тегов */
      "char_filter": ["html_strip"],
      "tokenizer":  "standard",
      "filter": [
        "lowercase",
        "ru_stop",
        "ru_stemmer"
      ]
    }
  }
}

સૌપ્રથમ, બધા HTML ટૅગ્સ સોર્સ સ્ટ્રિંગમાંથી દૂર કરવામાં આવશે, પછી તેને ટોકનાઇઝર સ્ટાન્ડર્ડ દ્વારા ટોકન્સમાં વિભાજિત કરવામાં આવશે, પરિણામી ટોકન્સને લોઅરકેસમાં રૂપાંતરિત કરવામાં આવશે, નાના શબ્દો દૂર કરવામાં આવશે, અને બાકીના ટોકન્સ શબ્દ સ્ટેમ હશે.

ઇન્ડેક્સ બનાવવો

ઉપર, અમે ડિફોલ્ટ વિશ્લેષકનું વર્ણન કર્યું છે. તે બધા સ્ટ્રિંગ ફીલ્ડ પર લાગુ થશે. અમારી પોસ્ટમાં ટૅગ્સની શ્રેણી છે, તેથી ટૅગ્સ પણ વિશ્લેષક દ્વારા પ્રક્રિયા કરવામાં આવશે. કારણ કે અમે ચોક્કસ ટૅગ સાથે મેળ ખાતી પોસ્ટ્સ શોધી રહ્યા છીએ, તેથી અમારે "ટૅગ્સ" ફીલ્ડ માટે વિશ્લેષણને અક્ષમ કરવાની જરૂર છે.

ચાલો વિશ્લેષક અને મેપિંગ સાથે બ્લોગ2 ઇન્ડેક્સ બનાવીએ, જેમાં ટૅગ્સ ફીલ્ડનું વિશ્લેષણ અક્ષમ છે:

curl -XPOST "$ES_URL/blog2" -d'
{
  "settings": {
    "analysis": {
      "filter": {
        "ru_stop": {
          "type": "stop",
          "stopwords": "_russian_"
        },
        "ru_stemmer": {
          "type": "stemmer",
          "language": "russian"
        }
      },
      "analyzer": {
        "default": {
          "char_filter": [
            "html_strip"
          ],
          "tokenizer": "standard",
          "filter": [
            "lowercase",
            "ru_stop",
            "ru_stemmer"
          ]
        }
      }
    }
  },
  "mappings": {
    "post": {
      "properties": {
        "content": {
          "type": "string"
        },
        "published_at": {
          "type": "date"
        },
        "tags": {
          "type": "string",
          "index": "not_analyzed"
        },
        "title": {
          "type": "string"
        }
      }
    }
  }
}'

ચાલો આ ઇન્ડેક્સ (બ્લોગ2) માં એ જ ત્રણ પોસ્ટ ઉમેરીએ. હું આ પ્રક્રિયા છોડી દઈશ, કારણ કે તે બ્લોગ ઇન્ડેક્સમાં દસ્તાવેજો ઉમેરવા જેવી જ છે.

અભિવ્યક્તિ સપોર્ટ સાથે પૂર્ણ-ટેક્સ્ટ શોધ

ચાલો બીજા પ્રકારના પ્રશ્નથી પરિચિત થઈએ:

# найдем документы, в которых встречается слово 'истории'
# query -> simple_query_string -> query содержит поисковый запрос
# поле title имеет приоритет 3
# поле tags имеет приоритет 2
# поле content имеет приоритет 1
# приоритет используется при ранжировании результатов
curl -XPOST "$ES_URL/blog2/post/_search?pretty" -d'
{
  "query": {
    "simple_query_string": {
      "query": "истории",
      "fields": [
        "title^3",
        "tags^2",
        "content"
      ]
    }
  }
}'

અમે રશિયન સ્ટેમિંગ સાથે વિશ્લેષકનો ઉપયોગ કરી રહ્યા હોવાથી, આ ક્વેરી બધા દસ્તાવેજો પરત કરશે, ભલે તેમાં ફક્ત 'ઇતિહાસ' શબ્દ હોય.

ક્વેરીમાં ખાસ અક્ષરો હોઈ શકે છે, ઉદાહરણ તરીકે:

""fried eggs" +(eggplant | potato) -frittata"

ક્વેરી સિન્ટેક્સ:

+ signifies AND operation
| signifies OR operation
- negates a single token
" wraps a number of tokens to signify a phrase for searching
* at the end of a term signifies a prefix query
( and ) signify precedence
~N after a word signifies edit distance (fuzziness)
~N after a phrase signifies slop amount

# найдем документы без слова 'щенки'
curl -XPOST "$ES_URL/blog2/post/_search?pretty" -d'
{
  "query": {
    "simple_query_string": {
      "query": "-щенки",
      "fields": [
        "title^3",
        "tags^2",
        "content"
      ]
    }
  }
}'

# получим 2 поста про котиков

સંદર્ભો

• ઇલાસ્ટિક.કો
• સંદર્ભ
• માર્ગદર્શન
• શબ્દાવલિ
• સ્થાપન
• દસ્તાવેજની હેરફેર
• સૂચકાંકો સાથે કામગીરી
• વિનંતીઓની યાદી

PS

જો તમને સમાન ટ્યુટોરીયલ લેખોમાં રસ હોય, નવા લેખો માટે વિચારો હોય, અથવા કોઈ સહયોગ સૂચનો હોય, તો મને ખાનગી સંદેશ દ્વારા અથવા m.kuzmin+habr@darkleaf.ru પર ઇમેઇલ દ્વારા તમારા તરફથી સાંભળવામાં આનંદ થશે.

સોર્સ: www.habr.com