ProHoster > Blog > Pangangasiwa > Mga Pangunahing Kaalaman sa Elasticsearch

Mga Pangunahing Kaalaman sa Elasticsearch

Ang Elasticsearch ay isang search engine na may json rest api, gamit ang Lucene at nakasulat sa Java. Ang isang paglalarawan ng lahat ng mga pakinabang ng engine na ito ay magagamit sa opisyal na website. Sa mga sumusunod ay tutukuyin natin ang Elasticsearch bilang ES.

Ang mga katulad na makina ay ginagamit para sa mga kumplikadong paghahanap sa isang database ng dokumento. Halimbawa, paghahanap na isinasaalang-alang ang morpolohiya ng wika o paghahanap sa pamamagitan ng geo coordinates.

Sa artikulong ito ay magsasalita ako tungkol sa mga pangunahing kaalaman ng ES gamit ang halimbawa ng pag-index ng mga post sa blog. Ipapakita ko sa iyo kung paano mag-filter, mag-sort at maghanap ng mga dokumento.

Upang hindi umasa sa operating system, gagawin ko ang lahat ng mga kahilingan sa ES gamit ang CURL. Mayroon ding isang plugin para sa google chrome na tinatawag kahulugan.

Ang teksto ay naglalaman ng mga link sa dokumentasyon at iba pang mga mapagkukunan. Sa dulo mayroong mga link para sa mabilis na pag-access sa dokumentasyon. Ang mga kahulugan ng hindi pamilyar na mga termino ay matatagpuan sa glossaries.

Pag-install ng ES

Upang gawin ito, kailangan muna namin ng Java. Mga developer magrekomenda i-install ang mga bersyon ng Java na mas bago kaysa sa Java 8 update 20 o Java 7 update 55.

Ang pamamahagi ng ES ay makukuha sa website ng developer. Pagkatapos i-unpack ang archive kailangan mong tumakbo bin/elasticsearch. Available din mga pakete para sa apt at yum. Mayroong opisyal na imahe para sa docker. Higit pa tungkol sa pag-install.

Pagkatapos ng pag-install at paglunsad, suriin natin ang pag-andar:

# для удобства Π·Π°ΠΏΠΎΠΌΠ½ΠΈΠΌ адрСс Π² ΠΏΠ΅Ρ€Π΅ΠΌΠ΅Π½Π½ΡƒΡŽ
#export ES_URL=$(docker-machine ip dev):9200
export ES_URL=localhost:9200

curl -X GET $ES_URL

Makakatanggap kami ng ganito:

{
  "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"
}

Pag-index

Magdagdag tayo ng post sa ES:

# Π”ΠΎΠ±Π°Π²ΠΈΠΌ Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚ c id 1 Ρ‚ΠΈΠΏΠ° post Π² индСкс blog.
# ?pretty ΡƒΠΊΠ°Π·Ρ‹Π²Π°Π΅Ρ‚, Ρ‡Ρ‚ΠΎ Π²Ρ‹Π²ΠΎΠ΄ Π΄ΠΎΠ»ΠΆΠ΅Π½ Π±Ρ‹Ρ‚ΡŒ Ρ‡Π΅Π»ΠΎΠ²Π΅ΠΊΠΎ-Ρ‡ΠΈΡ‚Π°Π΅ΠΌΡ‹ΠΌ.

curl -XPUT "$ES_URL/blog/post/1?pretty" -d'
{
  "title": "ВСсСлыС котята",
  "content": "<p>БмСшная история ΠΏΡ€ΠΎ котят<p>",
  "tags": [
    "котята",
    "смСшная история"
  ],
  "published_at": "2014-09-12T20:44:42+00:00"
}'

tugon ng server:

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

Awtomatikong nilikha ang ES index blog at uri ng post. Maaari tayong gumuhit ng isang kondisyon na pagkakatulad: ang isang index ay isang database, at ang isang uri ay isang talahanayan sa database na ito. Ang bawat uri ay may sariling scheme βˆ’ paggawa ng mga mapa, parang relational table lang. Awtomatikong nabubuo ang pagmamapa kapag na-index ang dokumento:

# ΠŸΠΎΠ»ΡƒΡ‡ΠΈΠΌ mapping всСх Ρ‚ΠΈΠΏΠΎΠ² индСкса blog
curl -XGET "$ES_URL/blog/_mapping?pretty"

Sa tugon ng server, idinagdag ko ang mga halaga ng mga patlang ng na-index na dokumento sa mga komento:

{
  "blog" : {
    "mappings" : {
      "post" : {
        "properties" : {
          /* "content": "<p>БмСшная история ΠΏΡ€ΠΎ 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", "смСшная история"] */
          "tags" : {
            "type" : "string"
          },
          /*  "title": "ВСсСлыС котята" */
          "title" : {
            "type" : "string"
          }
        }
      }
    }
  }
}

Mahalagang tandaan na ang ES ay hindi nag-iiba sa pagitan ng isang halaga at isang hanay ng mga halaga. Halimbawa, ang field ng pamagat ay naglalaman lamang ng isang pamagat, at ang field ng mga tag ay naglalaman ng isang hanay ng mga string, bagama't ang mga ito ay kinakatawan sa parehong paraan sa pagmamapa.
Pag-uusapan pa natin ang tungkol sa pagmamapa mamaya.

kahilingan

Pagkuha ng dokumento sa pamamagitan ng id nito:

# ΠΈΠ·Π²Π»Π΅Ρ‡Π΅ΠΌ Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚ с id 1 Ρ‚ΠΈΠΏΠ° post ΠΈΠ· индСкса blog
curl -XGET "$ES_URL/blog/post/1?pretty"
{
  "_index" : "blog",
  "_type" : "post",
  "_id" : "1",
  "_version" : 1,
  "found" : true,
  "_source" : {
    "title" : "ВСсСлыС котята",
    "content" : "<p>БмСшная история ΠΏΡ€ΠΎ котят<p>",
    "tags" : [ "котята", "смСшная история" ],
    "published_at" : "2014-09-12T20:44:42+00:00"
  }
}

Ang mga bagong key ay lumitaw sa tugon: _version ΠΈ _source. Sa pangkalahatan, ang lahat ng mga susi ay nagsisimula sa _ ay inuri bilang opisyal.

Key _version ipinapakita ang bersyon ng dokumento. Ito ay kinakailangan para gumana ang optimistic locking mechanism. Halimbawa, gusto naming baguhin ang isang dokumento na may bersyon 1. Isusumite namin ang binagong dokumento at isinasaad na isa itong pag-edit ng dokumentong may bersyon 1. Kung may ibang nag-edit ng dokumentong may bersyon 1 at nagsumite ng mga pagbabago bago sa amin, pagkatapos Hindi tatanggapin ng ES ang ating mga pagbabago, dahil iniimbak nito ang dokumento na may bersyon 2.

Key _source naglalaman ng dokumentong na-index namin. Hindi ginagamit ng ES ang halagang ito para sa mga operasyon sa paghahanap dahil Ginagamit ang mga index para sa paghahanap. Para makatipid ng espasyo, nag-iimbak ang ES ng naka-compress na source na dokumento. Kung kailangan lang namin ang id, at hindi ang buong source na dokumento, maaari naming i-disable ang source storage.

Kung hindi namin kailangan ng karagdagang impormasyon, makukuha lang namin ang mga nilalaman ng _source:

curl -XGET "$ES_URL/blog/post/1/_source?pretty"
{
  "title" : "ВСсСлыС котята",
  "content" : "<p>БмСшная история ΠΏΡ€ΠΎ котят<p>",
  "tags" : [ "котята", "смСшная история" ],
  "published_at" : "2014-09-12T20:44:42+00:00"
}

Maaari ka ring pumili ng ilang partikular na field lang:

# ΠΈΠ·Π²Π»Π΅Ρ‡Π΅ΠΌ Ρ‚ΠΎΠ»ΡŒΠΊΠΎ ΠΏΠΎΠ»Π΅ title
curl -XGET "$ES_URL/blog/post/1?_source=title&pretty"
{
  "_index" : "blog",
  "_type" : "post",
  "_id" : "1",
  "_version" : 1,
  "found" : true,
  "_source" : {
    "title" : "ВСсСлыС котята"
  }
}

Mag-index tayo ng ilan pang mga post at magpatakbo ng mas kumplikadong mga query.

curl -XPUT "$ES_URL/blog/post/2" -d'
{
  "title": "ВСсСлыС Ρ‰Π΅Π½ΠΊΠΈ",
  "content": "<p>БмСшная история ΠΏΡ€ΠΎ Ρ‰Π΅Π½ΠΊΠΎΠ²<p>",
  "tags": [
    "Ρ‰Π΅Π½ΠΊΠΈ",
    "смСшная история"
  ],
  "published_at": "2014-08-12T20:44:42+00:00"
}'
curl -XPUT "$ES_URL/blog/post/3" -d'
{
  "title": "Как Ρƒ мСня появился ΠΊΠΎΡ‚Π΅Π½ΠΎΠΊ",
  "content": "<p>Π”ΡƒΡˆΠ΅Ρ€Π°Π·Π΄ΠΈΡ€Π°ΡŽΡ‰Π°Ρ история ΠΏΡ€ΠΎ Π±Π΅Π΄Π½ΠΎΠ³ΠΎ ΠΊΠΎΡ‚Π΅Π½ΠΊΠ° с ΡƒΠ»ΠΈΡ†Ρ‹<p>",
  "tags": [
    "котята"
  ],
  "published_at": "2014-07-21T20:44:42+00:00"
}'

Pagsunud-sunod

# Π½Π°ΠΉΠ΄Π΅ΠΌ послСдний пост ΠΏΠΎ Π΄Π°Ρ‚Π΅ ΠΏΡƒΠ±Π»ΠΈΠΊΠ°Ρ†ΠΈΠΈ ΠΈ ΠΈΠ·Π²Π»Π΅Ρ‡Π΅ΠΌ поля title ΠΈ 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" : "ВСсСлыС котята",
        "published_at" : "2014-09-12T20:44:42+00:00"
      },
      "sort" : [ 1410554682000 ]
    } ]
  }
}

Pinili namin ang huling post. size nililimitahan ang bilang ng mga dokumentong ibibigay. total ipinapakita ang kabuuang bilang ng mga dokumentong tumutugma sa kahilingan. sort sa output ay naglalaman ng isang hanay ng mga integer kung saan isinasagawa ang pag-uuri. Yung. ang petsa ay na-convert sa isang integer. Higit pang impormasyon tungkol sa pag-uuri ay matatagpuan sa dokumentasyon.

Mga filter at query

Sa halip, ang ES mula noong bersyon 2 ay hindi nakikilala sa pagitan ng mga filter at query ipinakilala ang konsepto ng mga konteksto.
Ang konteksto ng query ay naiiba sa konteksto ng filter dahil ang query ay bumubuo ng isang _score at hindi naka-cache. Ipapakita ko sa iyo kung ano ang _score mamaya.

I-filter ayon sa petsa

Ginagamit namin ang kahilingan saklaw sa konteksto ng filter:

# ΠΏΠΎΠ»ΡƒΡ‡ΠΈΠΌ посты, ΠΎΠΏΡƒΠ±Π»ΠΈΠΊΠΎΠ²Π°Π½Π½Ρ‹Π΅ 1ΠΎΠ³ΠΎ сСнтября ΠΈΠ»ΠΈ ΠΏΠΎΠ·ΠΆΠ΅
curl -XGET "$ES_URL/blog/post/_search?pretty" -d'
{
  "filter": {
    "range": {
      "published_at": { "gte": "2014-09-01" }
    }
  }
}'

I-filter ayon sa mga tag

Gumamit tanong ng termino upang maghanap ng mga document id na naglalaman ng isang ibinigay na salita:

# Π½Π°ΠΉΠ΄Π΅ΠΌ всС Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚Ρ‹, Π² ΠΏΠΎΠ»Π΅ tags ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Ρ… Π΅ΡΡ‚ΡŒ элСмСнт '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" : "ВСсСлыС котята",
        "tags" : [ "котята", "смСшная история" ]
      }
    }, {
      "_index" : "blog",
      "_type" : "post",
      "_id" : "3",
      "_score" : 1.0,
      "_source" : {
        "title" : "Как Ρƒ мСня появился ΠΊΠΎΡ‚Π΅Π½ΠΎΠΊ",
        "tags" : [ "котята" ]
      }
    } ]
  }
}

Buong paghahanap ng teksto

Ang tatlo sa aming mga dokumento ay naglalaman ng sumusunod sa field ng nilalaman:

  • <p>БмСшная история ΠΏΡ€ΠΎ котят<p>
  • <p>БмСшная история ΠΏΡ€ΠΎ Ρ‰Π΅Π½ΠΊΠΎΠ²<p>
  • <p>Π”ΡƒΡˆΠ΅Ρ€Π°Π·Π΄ΠΈΡ€Π°ΡŽΡ‰Π°Ρ история ΠΏΡ€ΠΎ Π±Π΅Π΄Π½ΠΎΠ³ΠΎ ΠΊΠΎΡ‚Π΅Π½ΠΊΠ° с ΡƒΠ»ΠΈΡ†Ρ‹<p>

Gumamit tugmang query upang maghanap ng mga document id na naglalaman ng isang ibinigay na salita:

# source: false ΠΎΠ·Π½Π°Ρ‡Π°Π΅Ρ‚, Ρ‡Ρ‚ΠΎ Π½Π΅ Π½ΡƒΠΆΠ½ΠΎ ΠΈΠ·Π²Π»Π΅ΠΊΠ°Ρ‚ΡŒ _source Π½Π°ΠΉΠ΄Π΅Π½Π½Ρ‹Ρ… Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚ΠΎΠ²
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
    } ]
  }
}

Gayunpaman, kung hahanapin namin ang "mga kuwento" sa field ng nilalaman, wala kaming mahanap, dahil Ang index ay naglalaman lamang ng mga orihinal na salita, hindi ang kanilang mga stems. Upang makagawa ng mataas na kalidad na paghahanap, kailangan mong i-configure ang analyzer.

Field _score nagpapakita kaugnayan. Kung ang kahilingan ay isinasagawa sa isang konteksto ng filter, ang halaga ng _score ay palaging magiging katumbas ng 1, na nangangahulugang isang kumpletong tugma sa filter.

Mga Analyzer

Mga Analyzer ay kinakailangan upang i-convert ang pinagmulang teksto sa isang hanay ng mga token.
Ang mga analyzer ay binubuo ng isa Tokenizer at ilang opsyonal Mga TokenFilter. Ang Tokenizer ay maaaring maunahan ng ilan CharFilters. Hinahati ng mga tokenizer ang source string sa mga token, gaya ng mga puwang at mga bantas na character. Ang TokenFilter ay maaaring magpalit ng mga token, magtanggal o magdagdag ng mga bago, halimbawa, iwanan lamang ang stem ng salita, alisin ang mga preposisyon, magdagdag ng mga kasingkahulugan. CharFilter - binabago ang buong string ng pinagmulan, halimbawa, pinuputol ang mga html tag.

Ang ES ay may ilan karaniwang mga analyzer. Halimbawa, isang analyzer Ruso.

Samantalahin natin api at tingnan natin kung paano binago ng mga standard at russian analyzer ang string na "Nakakatawang kwento tungkol sa mga kuting":

# ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅ΠΌ Π°Π½Π°Π»ΠΈΠ·Π°Ρ‚ΠΎΡ€ standard       
# ΠΎΠ±ΡΠ·Π°Ρ‚Π΅Π»ΡŒΠ½ΠΎ Π½ΡƒΠΆΠ½ΠΎ ΠΏΠ΅Ρ€Π΅ΠΊΠΎΠ΄ΠΈΡ€ΠΎΠ²Π°Ρ‚ΡŒ Π½Π΅ ASCII символы
curl -XGET "$ES_URL/_analyze?pretty&analyzer=standard&text=%D0%92%D0%B5%D1%81%D0%B5%D0%BB%D1%8B%D0%B5%20%D0%B8%D1%81%D1%82%D0%BE%D1%80%D0%B8%D0%B8%20%D0%BF%D1%80%D0%BE%20%D0%BA%D0%BE%D1%82%D1%8F%D1%82"
{
  "tokens" : [ {
    "token" : "вСсСлыС",
    "start_offset" : 0,
    "end_offset" : 7,
    "type" : "<ALPHANUM>",
    "position" : 0
  }, {
    "token" : "истории",
    "start_offset" : 8,
    "end_offset" : 15,
    "type" : "<ALPHANUM>",
    "position" : 1
  }, {
    "token" : "ΠΏΡ€ΠΎ",
    "start_offset" : 16,
    "end_offset" : 19,
    "type" : "<ALPHANUM>",
    "position" : 2
  }, {
    "token" : "котят",
    "start_offset" : 20,
    "end_offset" : 25,
    "type" : "<ALPHANUM>",
    "position" : 3
  } ]
}
# ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅ΠΌ Π°Π½Π°Π»ΠΈΠ·Π°Ρ‚ΠΎΡ€ russian
curl -XGET "$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" : "вСсСл",
    "start_offset" : 0,
    "end_offset" : 7,
    "type" : "<ALPHANUM>",
    "position" : 0
  }, {
    "token" : "истор",
    "start_offset" : 8,
    "end_offset" : 15,
    "type" : "<ALPHANUM>",
    "position" : 1
  }, {
    "token" : "ΠΊΠΎΡ‚",
    "start_offset" : 20,
    "end_offset" : 25,
    "type" : "<ALPHANUM>",
    "position" : 3
  } ]
}

Hinati ng karaniwang analyzer ang string sa pamamagitan ng mga puwang at ginawang lower case ang lahat, inalis ng russian analyzer ang mga hindi mahalagang salita, ginawa itong lower case at iniwan ang stem ng mga salita.

Tingnan natin kung aling Tokenizer, TokenFilters, CharFilters ang ginagamit ng russian analyzer:

{
  "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 ΠΎΡ‚ΡΡƒΡ‚ΡΡ‚Π²ΡƒΡŽΡ‚ */
    }
  }
}

Ilarawan natin ang aming analyzer batay sa Russian, na magpuputol ng mga html tag. Tawagin natin itong default, dahil isang analyzer na may ganitong pangalan ang gagamitin bilang default.

{
  "filter": {
    "ru_stop": {
      "type":       "stop",
      "stopwords":  "_russian_"
    },
    "ru_stemmer": {
      "type":       "stemmer",
      "language":   "russian"
    }
  },
  "analyzer": {
    "default": {
      /* добавляСм ΡƒΠ΄Π°Π»Π΅Π½ΠΈΠ΅ html Ρ‚Π΅Π³ΠΎΠ² */
      "char_filter": ["html_strip"],
      "tokenizer":  "standard",
      "filter": [
        "lowercase",
        "ru_stop",
        "ru_stemmer"
      ]
    }
  }
}

Una, ang lahat ng HTML tag ay aalisin mula sa source string, pagkatapos ay ang tokenizer standard ay hahatiin ito sa mga token, ang mga resultang token ay lilipat sa lower case, ang mga hindi gaanong mahalagang salita ay aalisin, at ang natitirang mga token ay mananatiling stem ng salita.

Paglikha ng Index

Sa itaas ay inilarawan namin ang default na analyzer. Malalapat ito sa lahat ng mga patlang ng string. Ang aming post ay naglalaman ng isang hanay ng mga tag, kaya ang mga tag ay ipoproseso din ng analyzer. kasi Naghahanap kami ng mga post ayon sa eksaktong tugma sa isang tag, pagkatapos ay kailangan naming i-disable ang pagsusuri para sa field ng mga tag.

Gumawa tayo ng index blog2 na may analyzer at pagmamapa, kung saan hindi pinagana ang pagsusuri sa field ng mga tag:

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"
        }
      }
    }
  }
}'

Idagdag natin ang parehong 3 post sa index na ito (blog2). Aalisin ko ang prosesong ito dahil... ito ay katulad ng pagdaragdag ng mga dokumento sa index ng blog.

Buong paghahanap ng teksto na may suporta sa expression

Tingnan natin ang isa pang uri ng kahilingan:

# Π½Π°ΠΉΠ΄Π΅ΠΌ Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚Ρ‹, Π² ΠΊΠΎΡ‚ΠΎΡ€Ρ‹Ρ… встрСчаСтся слово 'истории'
# query -> simple_query_string -> query содСрТит поисковый запрос
# ΠΏΠΎΠ»Π΅ title ΠΈΠΌΠ΅Π΅Ρ‚ ΠΏΡ€ΠΈΠΎΡ€ΠΈΡ‚Π΅Ρ‚ 3
# ΠΏΠΎΠ»Π΅ tags ΠΈΠΌΠ΅Π΅Ρ‚ ΠΏΡ€ΠΈΠΎΡ€ΠΈΡ‚Π΅Ρ‚ 2
# ΠΏΠΎΠ»Π΅ content ΠΈΠΌΠ΅Π΅Ρ‚ ΠΏΡ€ΠΈΠΎΡ€ΠΈΡ‚Π΅Ρ‚ 1
# ΠΏΡ€ΠΈΠΎΡ€ΠΈΡ‚Π΅Ρ‚ ΠΈΡΠΏΠΎΠ»ΡŒΠ·ΡƒΠ΅Ρ‚ΡΡ ΠΏΡ€ΠΈ Ρ€Π°Π½ΠΆΠΈΡ€ΠΎΠ²Π°Π½ΠΈΠΈ Ρ€Π΅Π·ΡƒΠ»ΡŒΡ‚Π°Ρ‚ΠΎΠ²
curl -XPOST "$ES_URL/blog2/post/_search?pretty" -d'
{
  "query": {
    "simple_query_string": {
      "query": "истории",
      "fields": [
        "title^3",
        "tags^2",
        "content"
      ]
    }
  }
}'

kasi Gumagamit kami ng analyzer na may Russian stemming, pagkatapos ay ibabalik ng kahilingang ito ang lahat ng dokumento, bagama't naglalaman lamang ang mga ito ng salitang 'history'.

Ang kahilingan ay maaaring maglaman ng mga espesyal na character, halimbawa:

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

Humiling ng syntax:

+ 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
# Π½Π°ΠΉΠ΄Π΅ΠΌ Π΄ΠΎΠΊΡƒΠΌΠ΅Π½Ρ‚Ρ‹ Π±Π΅Π· слова 'Ρ‰Π΅Π½ΠΊΠΈ'
curl -XPOST "$ES_URL/blog2/post/_search?pretty" -d'
{
  "query": {
    "simple_query_string": {
      "query": "-Ρ‰Π΅Π½ΠΊΠΈ",
      "fields": [
        "title^3",
        "tags^2",
        "content"
      ]
    }
  }
}'

# ΠΏΠΎΠ»ΡƒΡ‡ΠΈΠΌ 2 поста ΠΏΡ€ΠΎ ΠΊΠΎΡ‚ΠΈΠΊΠΎΠ²

sanggunian

PS

Kung interesado ka sa mga katulad na artikulo-aralin, may mga ideya para sa mga bagong artikulo, o may mga panukala para sa kooperasyon, pagkatapos ay ikalulugod kong makatanggap ng mensahe sa isang personal na mensahe o sa pamamagitan ng email [protektado ng email].

Pinagmulan: www.habr.com