Elasticsearch એ json rest api સાથેનું સર્ચ એન્જિન છે, જેમાં લ્યુસીનનો ઉપયોગ કરવામાં આવે છે અને જાવામાં લખવામાં આવે છે. આ એન્જિનના તમામ ફાયદાઓનું વર્ણન અહીં ઉપલબ્ધ છે સત્તાવાર વેબસાઇટ. આગળ આપણે ઇલાસ્ટિકસર્ચને ES તરીકે સંદર્ભિત કરીશું.

દસ્તાવેજ ડેટાબેઝમાં જટિલ શોધ માટે સમાન એન્જિનનો ઉપયોગ થાય છે. ઉદાહરણ તરીકે, ભાષાના મોર્ફોલોજીને ધ્યાનમાં લઈને શોધ કરો અથવા જીઓ કોઓર્ડિનેટ્સ દ્વારા શોધ કરો.

આ લેખમાં હું ઈન્ડેક્સીંગ બ્લોગ પોસ્ટના ઉદાહરણનો ઉપયોગ કરીને ES ની મૂળભૂત બાબતો વિશે વાત કરીશ. હું તમને બતાવીશ કે દસ્તાવેજો કેવી રીતે ફિલ્ટર કરવા, સૉર્ટ કરવા અને શોધવા.

ઑપરેટિંગ સિસ્ટમ પર નિર્ભર ન રહેવા માટે, હું CURL નો ઉપયોગ કરીને ES ને બધી વિનંતીઓ કરીશ. ગૂગલ ક્રોમ માટે એક પ્લગઇન પણ છે જેને કહેવાય છે અર્થ.

ટેક્સ્ટમાં દસ્તાવેજીકરણ અને અન્ય સ્રોતોની લિંક્સ છે. અંતે દસ્તાવેજીકરણની ઝડપી ઍક્સેસ માટે લિંક્સ છે. અજાણ્યા શબ્દોની વ્યાખ્યાઓ આમાં મળી શકે છે શબ્દકોશો.

ES ઇન્સ્ટોલ કરી રહ્યું છે

આ કરવા માટે, આપણે પહેલા જાવાની જરૂર છે. વિકાસકર્તાઓ ભલામણ Java 8 અપડેટ 20 અથવા Java 7 અપડેટ 55 કરતાં નવા જાવા વર્ઝન ઇન્સ્ટોલ કરો.

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

ઇન્સ્ટોલેશન અને લોંચ 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

અમને આના જેવું કંઈક પ્રાપ્ત થશે:

{
  "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 આપોઆપ બનાવેલ છે અનુક્રમણિકા બ્લોગ અને પ્રકાર પોસ્ટ અમે શરતી સામ્યતા દોરી શકીએ છીએ: ઇન્ડેક્સ એ ડેટાબેઝ છે, અને આ ડેટાબેઝમાં એક પ્રકાર એક ટેબલ છે. દરેક પ્રકારની તેની પોતાની યોજના છે - મેપિંગ, રિલેશનલ ટેબલની જેમ. જ્યારે દસ્તાવેજ અનુક્રમિત થાય છે ત્યારે મેપિંગ આપમેળે જનરેટ થાય છે:

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

સર્વર પ્રતિસાદમાં, મેં ટિપ્પણીઓમાં અનુક્રમિત દસ્તાવેજના ક્ષેત્રોના મૂલ્યો ઉમેર્યા છે:

{
  "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"
          }
        }
      }
    }
  }
}

તે નોંધવું યોગ્ય છે કે ES એક મૂલ્ય અને મૂલ્યોની શ્રેણી વચ્ચે તફાવત કરતું નથી. ઉદાહરણ તરીકે, શીર્ષક ફીલ્ડમાં ફક્ત એક શીર્ષક હોય છે, અને ટૅગ્સ ફીલ્ડમાં સ્ટ્રિંગ્સની શ્રેણી હોય છે, જો કે તે મેપિંગમાં તે જ રીતે રજૂ થાય છે.
અમે મેપિંગ વિશે પછીથી વધુ વાત કરીશું.

વિનંતીઓ

તેના id દ્વારા દસ્તાવેજ પુનઃપ્રાપ્ત કરી રહ્યા છીએ:

# 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 કીઓ દેખાઈ: _version и _source. સામાન્ય રીતે, સાથે શરૂ થતી બધી કીઓ _ સત્તાવાર તરીકે વર્ગીકૃત કરવામાં આવે છે.

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

કી _source અમે અનુક્રમિત કરેલ દસ્તાવેજ સમાવે છે. ES શોધ કામગીરી માટે આ મૂલ્યનો ઉપયોગ કરતું નથી કારણ કે અનુક્રમણિકાઓનો ઉપયોગ શોધ માટે થાય છે. જગ્યા બચાવવા માટે, ES સંકુચિત સ્ત્રોત દસ્તાવેજ સંગ્રહિત કરે છે. જો અમને ફક્ત આઈડીની જરૂર હોય, અને સમગ્ર સ્રોત દસ્તાવેજની નહીં, તો અમે સ્રોત સંગ્રહને અક્ષમ કરી શકીએ છીએ.

જો અમને વધારાની માહિતીની જરૂર ન હોય, તો અમે 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 માત્ર અમુક ફીલ્ડ્સ 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 પોસ્ટને અનુક્રમિત કરીએ અને વધુ જટિલ પ્રશ્નો 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. size જારી કરવાના દસ્તાવેજોની સંખ્યા મર્યાદિત કરે છે. total વિનંતી સાથે મેળ ખાતા દસ્તાવેજોની કુલ સંખ્યા દર્શાવે છે. sort આઉટપુટમાં પૂર્ણાંકોની શ્રેણી હોય છે જેના દ્વારા વર્ગીકરણ કરવામાં આવે છે. તે. તારીખને પૂર્ણાંકમાં રૂપાંતરિત કરવામાં આવી હતી. સૉર્ટ કરવા વિશે વધુ માહિતી આમાં મળી શકે છે દસ્તાવેજીકરણ.

ફિલ્ટર્સ અને પ્રશ્નો

આવૃત્તિ 2 થી ES, તેના બદલે, ફિલ્ટર અને ક્વેરી વચ્ચે ભેદ પાડતું નથી સંદર્ભોનો ખ્યાલ રજૂ કરવામાં આવ્યો છે.
ક્વેરી સંદર્ભ ફિલ્ટર સંદર્ભથી અલગ પડે છે જેમાં ક્વેરી _score જનરેટ કરે છે અને કેશ્ડ નથી. હું તમને પછીથી બતાવીશ કે _સ્કોર શું છે.

તારીખ દ્વારા ફિલ્ટર કરો

અમે વિનંતીનો ઉપયોગ કરીએ છીએ 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 ટર્મ ક્વેરી આપેલ શબ્દ ધરાવતા દસ્તાવેજ આઈડી 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 નીચેનાનો સમાવેશ થાય 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 મેળ ક્વેરી આપેલ શબ્દ ધરાવતા દસ્તાવેજ આઈડી 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
    } ]
  }
}

જો કે, જો આપણે સામગ્રી ક્ષેત્રમાં "વાર્તાઓ" શોધીશું, તો અમને કંઈપણ મળશે નહીં, કારણ કે અનુક્રમણિકામાં ફક્ત મૂળ શબ્દો છે, તેમના દાંડી નથી. ઉચ્ચ-ગુણવત્તાની શોધ કરવા માટે, તમારે વિશ્લેષકને ગોઠવવાની જરૂર છે.

ક્ષેત્ર _score બતાવે છે સુસંગતતા. જો વિનંતી ફિલ્ટર સંદર્ભમાં ચલાવવામાં આવે છે, તો _score મૂલ્ય હંમેશા 1 ની બરાબર હશે, જેનો અર્થ ફિલ્ટર સાથે સંપૂર્ણ મેળ છે.

વિશ્લેષકો

વિશ્લેષકો સ્ત્રોત ટેક્સ્ટને ટોકન્સના સમૂહમાં કન્વર્ટ કરવા માટે જરૂરી છે.
વિશ્લેષકોમાં એક હોય છે ટોકિનાઇઝર અને કેટલાક વૈકલ્પિક ટોકનફિલ્ટર્સ. ટોકનાઇઝરની આગળ કેટલાક હોઈ શકે છે ચારફિલ્ટર્સ. ટોકનાઇઝર્સ સ્ત્રોત સ્ટ્રિંગને ટોકન્સમાં તોડે છે, જેમ કે સ્પેસ અને વિરામચિહ્ન અક્ષરો. TokenFilter ટોકન્સ બદલી શકે છે, કાઢી શકે છે અથવા નવા ઉમેરી શકે છે, ઉદાહરણ તરીકે, ફક્ત શબ્દના સ્ટેમને છોડી દો, પૂર્વનિર્ધારણ દૂર કરો, સમાનાર્થી ઉમેરો. CharFilter - સમગ્ર સ્ત્રોત શબ્દમાળાને બદલે છે, ઉદાહરણ તરીકે, html ટૅગ્સ કાપી નાખે છે.

ES પાસે અનેક છે પ્રમાણભૂત વિશ્લેષકો. ઉદાહરણ તરીકે, વિશ્લેષક રશિયન.

ચાલો લાભ લઈએ એપીઆઇ અને ચાલો જોઈએ કે પ્રમાણભૂત અને રશિયન વિશ્લેષકો "બિલાડીના બચ્ચાં વિશેની રમુજી વાર્તાઓ" શબ્દમાળાને કેવી રીતે પરિવર્તિત 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 જગ્યાઓમાં વિભાજીત કરી અને દરેક વસ્તુને લોઅરકેસમાં રૂપાંતરિત કરી, રશિયન વિશ્લેષકે બિનમહત્વપૂર્ણ શબ્દો દૂર કર્યા, તેને લોઅરકેસમાં રૂપાંતરિત કર્યા અને શબ્દોના સ્ટેમને છોડી દીધા.

ચાલો જોઈએ કે રશિયન વિશ્લેષક કયા ટોકનાઇઝર, ટોકનફિલ્ટર્સ, 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 રશિયન પર આધારિત અમારા વિશ્લેષકનું વર્ણન કરીએ, જે HTML ટૅગ્સને કાપી નાખશે. ચાલો તેને ડિફોલ્ટ કહીએ, કારણ કે આ નામ સાથે વિશ્લેષક મૂળભૂત રીતે 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, તમામ HTML ટૅગ્સ સ્રોત સ્ટ્રિંગમાંથી દૂર કરવામાં આવશે, પછી ટોકનાઇઝર સ્ટાન્ડર્ડ તેને ટોકન્સમાં વિભાજિત કરશે, પરિણામી ટોકન્સ લોઅરકેસમાં જશે, નજીવા શબ્દો દૂર કરવામાં આવશે, અને બાકીના ટોકન્સ શબ્દના સ્ટેમ તરીકે રહેશે.

ઇન્ડેક્સ બનાવી રહ્યા છીએ

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

ચાલો વિશ્લેષક અને મેપિંગ સાથે ઇન્ડેક્સ બ્લોગ2 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 (બ્લોગ3) માં સમાન 2 પોસ્ટ ઉમેરીએ. હું આ પ્રક્રિયાને છોડી દઈશ કારણ કે... તે બ્લોગ ઇન્ડેક્સમાં દસ્તાવેજો ઉમેરવા સમાન છે.

અભિવ્યક્તિ સમર્થન સાથે સંપૂર્ણ ટેક્સ્ટ શોધ

ચાલો બીજા પ્રકારની વિનંતી પર એક નજર કરીએ:

# 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"
      ]
    }
  }
}'

કારણ કે અમે રશિયન સ્ટેમિંગ સાથે વિશ્લેષકનો ઉપયોગ કરી રહ્યા છીએ, પછી આ વિનંતી બધા દસ્તાવેજો પરત કરશે, જો કે તેમાં ફક્ત 'ઇતિહાસ' શબ્દ છે.

વિનંતીમાં વિશિષ્ટ અક્ષરો હોઈ શકે છે, ઉદાહરણ તરીકે:

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

વિનંતી વાક્યરચના:

+ 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

• Elastic.co
• સંદર્ભ
• માર્ગદર્શન
• શબ્દાવલિ
• સ્થાપન
• દસ્તાવેજની હેરફેર
• ઇન્ડેક્સ ઓપરેશન્સ
• વિનંતીઓની સૂચિ

PS

જો તમને સમાન લેખો-પાઠમાં રુચિ હોય, નવા લેખો માટેના વિચારો હોય, અથવા સહકાર માટેની દરખાસ્તો હોય, તો મને વ્યક્તિગત સંદેશમાં અથવા ઇમેઇલ દ્વારા સંદેશ પ્રાપ્ત કરવામાં આનંદ થશે. [ઇમેઇલ સુરક્ષિત].

સોર્સ: www.habr.com