Elasticsearch គឺជាម៉ាស៊ីនស្វែងរកជាមួយ json rest api ដោយប្រើ Lucene និងសរសេរជា Java ។ ការពិពណ៌នាអំពីគុណសម្បត្តិទាំងអស់នៃម៉ាស៊ីននេះគឺអាចរកបាននៅ គេហទំព័រផ្លូវការ. នៅក្នុងអ្វីដែលខាងក្រោមយើងនឹងសំដៅទៅលើ Elasticsearch ជា ES ។

ម៉ាស៊ីនស្រដៀងគ្នានេះត្រូវបានប្រើសម្រាប់ការស្វែងរកស្មុគស្មាញនៅក្នុងមូលដ្ឋានទិន្នន័យឯកសារ។ ជាឧទាហរណ៍ ការស្វែងរកដោយគិតគូរពីសរីរវិទ្យានៃភាសា ឬស្វែងរកដោយកូអរដោនេភូមិសាស្ត្រ។

នៅក្នុងអត្ថបទនេះខ្ញុំនឹងនិយាយអំពីមូលដ្ឋានគ្រឹះនៃ ES ដោយប្រើឧទាហរណ៍នៃការធ្វើលិបិក្រមប្រកាសប្លុក។ ខ្ញុំនឹងបង្ហាញអ្នកពីរបៀបត្រង តម្រៀប និងស្វែងរកឯកសារ។

ដើម្បីកុំឱ្យពឹងផ្អែកលើប្រព័ន្ធប្រតិបត្តិការ ខ្ញុំនឹងធ្វើសំណើទាំងអស់ទៅ ES ដោយប្រើ CURL ។ វាក៏មានកម្មវិធីជំនួយសម្រាប់ google chrome ដែលហៅថា យល់.

អត្ថបទមានតំណភ្ជាប់ទៅកាន់ឯកសារ និងប្រភពផ្សេងទៀត។ នៅចុងបញ្ចប់មានតំណភ្ជាប់សម្រាប់ការចូលប្រើឯកសាររហ័ស។ និយមន័យនៃពាក្យដែលមិនធ្លាប់ស្គាល់អាចរកបាននៅក្នុង សទ្ទានុក្រម.

ការដំឡើង ES

ដើម្បីធ្វើដូចនេះដំបូងយើងត្រូវការ Java ។ អ្នកអភិវឌ្ឍន៍ សូមផ្តល់អនុសាសន៍ ដំឡើងកំណែ Java ថ្មីជាង Java 8 update 20 ឬ Java 7 update 55 ។

ការចែកចាយ ES មាននៅ គេហទំព័រអ្នកអភិវឌ្ឍន៍. បន្ទាប់ពីពន្លាប័ណ្ណសារអ្នកត្រូវដំណើរការ bin/elasticsearch. អាចប្រើបានផងដែរ។ កញ្ចប់សម្រាប់ apt និង yum។ មាន រូបភាពផ្លូវការសម្រាប់ docker. បន្ថែមទៀតអំពីការដំឡើង.

បន្ទាប់​ពី​ការ​ដំឡើង​និង​ការ​ចាប់​ផ្តើ​ម​, សូម​ពិនិត្យ​មើល​មុខងារ​:

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

curl -X GET $ES_URL

យើងនឹងទទួលបានអ្វីមួយដូចនេះ៖

{
  "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"
}

ការធ្វើលិបិក្រម

តោះបន្ថែមប្រកាសទៅ ES៖

# 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"
}'

ការឆ្លើយតបរបស់ម៉ាស៊ីនមេ៖

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

ES ត្រូវបានបង្កើតដោយស្វ័យប្រវត្តិ សន្ទស្សន៍ ប្លុក និង ប្រភេទ។ ប្រកាស។ យើងអាចគូរភាពស្រដៀងគ្នាតាមលក្ខខណ្ឌ៖ លិបិក្រមគឺជាមូលដ្ឋានទិន្នន័យ ហើយប្រភេទគឺជាតារាងនៅក្នុងមូលដ្ឋានទិន្នន័យនេះ។ ប្រភេទនីមួយៗមានគ្រោងការណ៍ផ្ទាល់ខ្លួន − ផែនទីដូចជាតារាងទំនាក់ទំនង។ ការគូសផែនទីត្រូវបានបង្កើតដោយស្វ័យប្រវត្តិនៅពេលដែលឯកសារត្រូវបានដាក់លិបិក្រម៖

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

នៅក្នុងការឆ្លើយតបរបស់ម៉ាស៊ីនមេ ខ្ញុំបានបន្ថែមតម្លៃនៃវាលនៃឯកសារដែលបានធ្វើលិបិក្រមនៅក្នុងមតិយោបល់៖

{
  "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"
          }
        }
      }
    }
  }
}

គួរកត់សម្គាល់ថា ES មិនបែងចែករវាងតម្លៃតែមួយ និងតម្លៃអារេទេ។ ឧទាហរណ៍ វាលចំណងជើងគ្រាន់តែមានចំណងជើង ហើយវាលស្លាកមានអារេនៃខ្សែអក្សរ ទោះបីជាពួកវាត្រូវបានតំណាងតាមរបៀបដូចគ្នាក្នុងការគូសវាសក៏ដោយ។
យើងនឹងនិយាយបន្ថែមអំពីការធ្វើផែនទីនៅពេលក្រោយ។

សំណើ

ការទាញយកឯកសារដោយលេខសម្គាល់របស់វា៖

# 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"
  }
}

គ្រាប់ចុចថ្មីបានលេចឡើងក្នុងការឆ្លើយតប៖ _version и _source. ជាទូទៅ គ្រាប់ចុចទាំងអស់ចាប់ផ្តើមដោយ _ ត្រូវបានចាត់ថ្នាក់ជាផ្លូវការ។

គន្លឹះ _version បង្ហាញកំណែឯកសារ។ វាត្រូវការសម្រាប់យន្តការចាក់សោសុទិដ្ឋិនិយមដើម្បីដំណើរការ។ ឧទាហរណ៍ យើងចង់ផ្លាស់ប្តូរឯកសារដែលមានកំណែ 1។ យើងដាក់ស្នើឯកសារដែលបានផ្លាស់ប្តូរ ហើយបង្ហាញថានេះគឺជាការកែសម្រួលឯកសារដែលមានកំណែ 1។ ប្រសិនបើនរណាម្នាក់ផ្សេងទៀតក៏បានកែសម្រួលឯកសារដែលមានកំណែ 1 ហើយបានបញ្ជូនការផ្លាស់ប្ដូរមុនយើង នោះ ES នឹងមិនទទួលយកការផ្លាស់ប្តូររបស់យើងទេ ពីព្រោះ វារក្សាទុកឯកសារជាមួយកំណែ 2 ។

គន្លឹះ _source មានឯកសារដែលយើងធ្វើលិបិក្រម។ ES មិនប្រើតម្លៃនេះសម្រាប់ប្រតិបត្តិការស្វែងរកទេ ពីព្រោះ សន្ទស្សន៍ត្រូវបានប្រើសម្រាប់ការស្វែងរក។ ដើម្បីសន្សំទំហំ ES រក្សាទុកឯកសារប្រភពដែលបានបង្ហាប់។ ប្រសិនបើយើងត្រូវការតែលេខសម្គាល់ ហើយមិនមែនឯកសារប្រភពទាំងមូលទេ នោះយើងអាចបិទការផ្ទុកប្រភពបាន។

ប្រសិនបើយើងមិនត្រូវការព័ត៌មានបន្ថែមទេ យើងអាចទទួលបានតែខ្លឹមសារនៃ _source៖

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"
}

អ្នក​ក៏​អាច​ជ្រើស​តែ​វាល​មួយ​ចំនួន​ដែរ៖

# 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"
  }
}

តោះដាក់លិបិក្រមប្រកាសពីរបីទៀត ហើយដំណើរការសំណួរស្មុគស្មាញបន្ថែមទៀត។

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"
}'

តម្រៀប

# 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 ]
    } ]
  }
}

យើងជ្រើសរើសប្រកាសចុងក្រោយ។ size កំណត់ចំនួនឯកសារដែលត្រូវចេញ។ total បង្ហាញចំនួនសរុបនៃឯកសារដែលត្រូវនឹងសំណើ។ sort នៅក្នុងលទ្ធផលមានអារេនៃចំនួនគត់ដែលការតម្រៀបត្រូវបានអនុវត្ត។ ទាំងនោះ។ កាលបរិច្ឆេទត្រូវបានបំប្លែងទៅជាចំនួនគត់។ ព័ត៌មានបន្ថែមអំពីការតម្រៀបអាចរកបាននៅក្នុង ឯកសារ.

តម្រង និងសំណួរ

ES ចាប់តាំងពីកំណែ 2 មិនបែងចែករវាងតម្រង និងសំណួរ ផ្ទុយទៅវិញ គំនិតនៃបរិបទត្រូវបានណែនាំ.
បរិបទសំណួរខុសពីបរិបទតម្រង ដែលសំណួរបង្កើត _score ហើយមិនត្រូវបានទុកក្នុងឃ្លាំងសម្ងាត់ទេ។ ខ្ញុំនឹងបង្ហាញអ្នកពីអ្វីដែល _score គឺនៅពេលក្រោយ។

ត្រងតាមកាលបរិច្ឆេទ

យើងប្រើពាក្យសុំ ជួរ នៅក្នុងបរិបទនៃតម្រង៖

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

ត្រងតាមស្លាក

យើង​ប្រើ សំណួររយៈពេល ដើម្បីស្វែងរកលេខសម្គាល់ឯកសារដែលមានពាក្យដែលបានផ្តល់ឱ្យ៖

# 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" ]
      }
    } ]
  }
}

ការស្វែងរកអត្ថបទពេញលេញ

ឯកសារចំនួនបីរបស់យើងមានដូចខាងក្រោមនៅក្នុងវាលមាតិកា៖

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

យើង​ប្រើ សំណួរផ្គូផ្គង ដើម្បីស្វែងរកលេខសម្គាល់ឯកសារដែលមានពាក្យដែលបានផ្តល់ឱ្យ៖

# 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
    } ]
  }
}

ទោះយ៉ាងណាក៏ដោយ ប្រសិនបើយើងស្វែងរក "រឿងរ៉ាវ" នៅក្នុងវាលមាតិកា នោះយើងនឹងមិនអាចរកឃើញអ្វីនោះទេ ពីព្រោះ លិបិក្រម​មាន​តែ​ពាក្យ​ដើម មិនមែន​ដើម​របស់​វា​ទេ។ ដើម្បីធ្វើការស្វែងរកប្រកបដោយគុណភាពខ្ពស់ អ្នកត្រូវកំណត់រចនាសម្ព័ន្ធឧបករណ៍វិភាគ។

វាល _score បង្ហាញ ភាពពាក់ព័ន្ធ. ប្រសិនបើសំណើត្រូវបានប្រតិបត្តិក្នុងបរិបទតម្រង នោះតម្លៃ _score នឹងតែងតែស្មើនឹង 1 ដែលមានន័យថាការផ្គូផ្គងពេញលេញទៅនឹងតម្រង។

អ្នកវិភាគ

អ្នកវិភាគ ត្រូវការដើម្បីបំប្លែងអត្ថបទប្រភពទៅជាសំណុំនៃសញ្ញាសម្ងាត់។
អ្នកវិភាគមានមួយ។ ថូនីសឺរ និងជម្រើសជាច្រើន។ តម្រងនិមិត្តសញ្ញា. Tokenizer អាចត្រូវបាននាំមុខដោយមួយចំនួន តម្រង CharFilter. Tokenizers បំបែកខ្សែប្រភពទៅជាសញ្ញាសម្ងាត់ ដូចជាដកឃ្លា និងតួអក្សរវណ្ណយុត្តិ។ TokenFilter អាចផ្លាស់ប្តូរថូខឹន លុប ឬបន្ថែមសញ្ញាថ្មី ឧទាហរណ៍ ទុកតែដើមនៃពាក្យ ដក prepositions បន្ថែមពាក្យមានន័យដូច។ CharFilter - ផ្លាស់ប្តូរខ្សែអក្សរប្រភពទាំងមូល ឧទាហរណ៍កាត់ចេញស្លាក html ។

ES មានមួយចំនួន អ្នកវិភាគស្តង់ដារ. ឧទាហរណ៍អ្នកវិភាគ ប្រទេសរុស្ស៊ី.

តោះទាញយកប្រយោជន៍ API ហើយសូមមើលពីរបៀបដែលអ្នកវិភាគស្តង់ដារ និងរុស្ស៊ីបំប្លែងខ្សែអក្សរ "រឿងកំប្លែងអំពីកូនឆ្មា"៖

# 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
  } ]
}

អ្នកវិភាគស្ដង់ដារបានបំបែកខ្សែអក្សរដោយដកឃ្លា និងបំប្លែងអ្វីៗទៅជាអក្សរតូច អ្នកវិភាគជនជាតិរុស្សីបានដកពាក្យដែលមិនសំខាន់ បំប្លែងវាទៅជាអក្សរតូច ហើយចាកចេញពីដើមនៃពាក្យ។

តោះមើលថាតើ Tokenizer, TokenFilters, CharFilter ណាដែលអ្នកវិភាគរុស្ស៊ីប្រើ៖

{
  "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 */
    }
  }
}

ចូរពណ៌នាអំពីអ្នកវិភាគរបស់យើងដោយផ្អែកលើភាសារុស្សី ដែលនឹងកាត់ចេញស្លាក html ។ ចូរហៅវាថាលំនាំដើមព្រោះ ឧបករណ៍វិភាគដែលមានឈ្មោះនេះនឹងត្រូវបានប្រើតាមលំនាំដើម។

{
  "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"
      ]
    }
  }
}

ដំបូង ស្លាក HTML ទាំងអស់នឹងត្រូវបានយកចេញពីខ្សែអក្សរប្រភព បន្ទាប់មកស្តង់ដារនិមិត្តសញ្ញានឹងបំបែកវាទៅជានិមិត្តសញ្ញា និមិត្តសញ្ញាលទ្ធផលនឹងផ្លាស់ទីទៅអក្សរតូច ពាក្យមិនសំខាន់នឹងត្រូវបានយកចេញ ហើយនិមិត្តសញ្ញាដែលនៅសល់នឹងនៅតែជាដើមនៃពាក្យ។

ការបង្កើតសន្ទស្សន៍

ខាងលើយើងបានពិពណ៌នាអំពីឧបករណ៍វិភាគលំនាំដើម។ វានឹងអនុវត្តចំពោះវាលខ្សែអក្សរទាំងអស់។ ប្រកាសរបស់យើងមានអារេនៃស្លាក ដូច្នេះស្លាកក៏នឹងត្រូវបានដំណើរការដោយអ្នកវិភាគផងដែរ។ ដោយសារតែ យើងកំពុងស្វែងរកការប្រកាសដោយផ្គូផ្គងពិតប្រាកដទៅនឹងស្លាក បន្ទាប់មកយើងត្រូវបិទការវិភាគសម្រាប់វាលស្លាក។

តោះបង្កើតលិបិក្រមប្លក់2 ជាមួយអ្នកវិភាគ និងគូសផែនទី ដែលការវិភាគនៃវាលស្លាកត្រូវបានបិទ៖

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"
        }
      }
    }
  }
}'

តោះបន្ថែម 3 ប្រកាសដូចគ្នាទៅលិបិក្រមនេះ (blog2)។ ខ្ញុំនឹងលុបចោលដំណើរការនេះ ព្រោះ... វាស្រដៀងនឹងការបន្ថែមឯកសារទៅលិបិក្រមប្លុក។

ការស្វែងរកអត្ថបទពេញលេញជាមួយនឹងការគាំទ្រកន្សោម

សូមក្រឡេកមើលសំណើប្រភេទផ្សេងទៀត៖

# 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"
      ]
    }
  }
}'

ដោយសារតែ យើង​កំពុង​ប្រើ​ឧបករណ៍​វិភាគ​ជាមួយ​នឹង​ការ​ដើម​ជា​ភាសា​រុស្សី បន្ទាប់មក​សំណើ​នេះ​នឹង​ប្រគល់​ឯកសារ​ទាំង​អស់​មក​វិញ ទោះបីជា​វា​មាន​តែ​ពាក្យ 'ប្រវត្តិ' ក៏ដោយ។

សំណើអាចមានតួអក្សរពិសេស ឧទាហរណ៍៖

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

ស្នើសុំវាក្យសម្ព័ន្ធ៖

+ 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

សេចក្តីយោង

• Elasctic.co
• ឯកសារយោង
• ម​គ្គុ​ទ្ទេ​ស
• សទ្ទានុក្រម
• ការកំណត់
• ការរៀបចំឯកសារ
• ប្រតិបត្តិការសន្ទស្សន៍
• បញ្ជីនៃសំណើ

PS

ប្រសិនបើអ្នកចាប់អារម្មណ៍លើអត្ថបទ-មេរៀនស្រដៀងគ្នា មានគំនិតសម្រាប់អត្ថបទថ្មី ឬមានសំណើសម្រាប់កិច្ចសហប្រតិបត្តិការ នោះខ្ញុំនឹងរីករាយក្នុងការទទួលសារក្នុងសារផ្ទាល់ខ្លួន ឬតាមអ៊ីមែល។ [អ៊ីមែលការពារ].

ប្រភព: www.habr.com