ElasticSearch[v6.2] 在實際項目中的應用

 摘要：本文所講述的內容，為ElasticSearch（以下簡稱ES）全文搜索引擎在實際大數據項目的應用；ES的底層是開源庫 Lucene。但是，你沒法直接用 Lucene，必須自己寫代碼去調用它的接口。ES 是 Lucene 的封裝，java開發，提供了 REST API 的操作接口，開箱即用，是目前全文搜索的首選；

本文的使用項目為基于Spring Boot 的快速開發環境搭建的項目框架，使用Spring Cloud作為服務治理的框架；集成ES的過程中，考慮過使用Spring Data的方式集成，進行數據的對接，后面通過多方面的調研和學習討論，最終確定了bboss的集成方案，一個 高性能elasticsearch ORM開發庫使用介紹，在這里特別感謝bboss的作者大河和他的團隊提供的幫助；

一、ES基礎

網上關于ES的介紹已經特別多，這里將不再進行詳細介紹，只是針對幾個重點進行說明；

　　1、Index （索引）–可以理解為關系型數據庫中的 數據庫的概念

　　一個索引就是含有某些相似特性的文檔的集合。例如，你可以有一個用戶數據的索引，一個產品目錄的索引，還有其他的有規則數據的索引。一個索引被一個名稱(必須都是小寫)唯一標識，并且這個名稱被用于索引通過文檔去執行索引，搜索，更新和刪除操作。

　　2、Type（類型）–可以理解為關系型數據庫中的 表的概念（6.2版本中一個index下只有一個Type）

　　3、Document（文檔）–可以理解為關系型數據庫中表的ROW

　　一個文檔是一個可被索引的數據的基礎單元。例如，你可以給一個單獨的用戶創建一個文檔，給單個產品創建一個文檔，以及其他的單獨的規則。這個文檔用JSON格式表現，JSON是一種普遍的網絡數據交換格式。

　　4、Field（字段）–相當于表中的COLUMN

　　5、在一個關系型數據庫里面，schema定義了表、每個表的字段，還有表和字段之間的關系。 與之對應的，在ES中：Mapping定義索引下的Type的字段處理規則，即索引如何建立、索引類型、是否保存原始索引JSON文檔、是否壓縮原始JSON文檔、是否需要分詞處理、如何進行分詞處理等。

 　　6、ELK是什么？

　　ELK=elasticsearch+Logstash+kibana
　　elasticsearch：后臺分布式存儲以及全文檢索
　　logstash: 日志加工、“搬運工”
　　kibana：數據可視化展示。 特別是在DSL的學習過程中，相當于數據庫的可視化工具，實時交互操作。
　　ELK架構為數據分布式存儲、可視化查詢和日志解析創建了一個功能強大的管理鏈。 三者相互配合，取長補短，共同完成分布式大數據處理工作。

　　二、ES能解決什么樣的問題？

　　實際項目開發實戰中，幾乎每個系統都會有一個搜索的功能，當搜索做到一定程度時，維護和擴展起來難度就會慢慢變大，所以很多公司都會把搜索單獨獨立出一個模塊，用ElasticSearch等來實現。近年ElasticSearch發展迅猛，已經超越了其最初的純搜索引擎的角色，現在已經增加了數據聚合分析（aggregation）和可視化的特性，如果你有數百萬的文檔需要通過關鍵詞進行定位時，ElasticSearch肯定是最佳選擇。當然，如果你的文檔是JSON的，你也可以把ElasticSearch當作一種“NoSQL數據庫”， 應用ElasticSearch數據聚合分析（aggregation）的特性，針對數據進行多維度的分析。

　　而在本文的項目中，輿情監測部分，搜索功能將是該模塊的核心功能；包括條件檢索，中文分詞，全文搜索等功能，而BBOSS對于該部分功能的實現，提供了極大的便利；

　　三、ES環境搭建和在項目中的應用

　　1、ES集群搭建，關于ES集群的搭建，這里不再單獨介紹，推薦的博客特別多。但有一點要注意，就是不同版本的ES對于功能的支持會有一些區別，要注意；

　　2、ES的查詢語法；項目集成BBOSS后，比較類似Mybatis框架，直接完成DSL語句的編寫放入XML，通過對應的DAO方法調用即可，所以ES的查詢語法是ES學習的重點，也是ES進階的重點，不同的需求對于DSL的查詢復雜度不一，可以通過ES的中文官方網站進行閱讀學習，并在自身搭建的ES集群提供的kibana中進行操作，ES權威中文指南

　　3、項目集成bboss

　　第一步、maven引入包

<dependency>
    <groupId>com.bbossgroups.plugins</groupId>
    <artifactId>bboss-elasticsearch-rest</artifactId>
    <version>5.0.6.3</version>
</dependency>

　　第二步、bboss elasticsearch配置

運行bboss es需要三個配置文件，放到資源目錄（resources）的conf目錄下即可：

conf/elasticsearch.xml        es客戶端配置文件

conf/httpclient.xml            es http連接池配置文件

conf/elasticsearch.properties  es參數配置文件，在上面的兩個xml文件中引用，所以我們只需要修改elasticsearch.properties即可。
　　第三步、配置ES查詢DSL

在resources下創建配置文件estrace/xxx.xml，配置一個query dsl腳本，名稱為queryServiceByCondition，我們將在后面的ClientInterface 組件中通過queryServiceByCondition引用這個腳本，定義腳本內容；

加載query dsl文件,并執行查詢操作

　　@Override
　　public String searchInfo(JSONObject jsonObject) {
        Map<String, Object> params = formatParams(jsonObject);
        JSONObject result = new JSONObject();
        //創建加載配置文件的客戶端工具，用來檢索文檔，單實例多線程安全
        ClientInterface clientUtil = ElasticSearchHelper.getConfigRestClientUtil(“esmapper/opinion.xml”);
        ESDatas<OpinionInfo> esDatas = clientUtil.searchList(“act_yq_info_summary/_search”,//act_yq_info_summary為索引名稱，search為操作的action
                “searchOpinionInfo”,//esmapper/opinion.xml中定義的dsl語句
                params, OpinionInfo.class);
        result.put(“esDatas”, esDatas);
        return JSONObject.toJSONString(result);
    }

關于BBOSS語法的具體學習，可以移步到  高性能elasticsearch ORM開發庫使用介紹，或者入QQ群 166471282

　　4、提供一個mapping設置和dsl的示例，僅供參考；

PUT /act_yq_info_summary/
{ 
  “settings”:{ 
      “number_of_shards”:6,
      “index.refresh_interval”: “5s”,
      “analysis” : {
          “analyzer” : {
                “ik” : {
                    “tokenizer” : “ik_max_word”
                }
            }
        }
  },
  “mappings”:{ 
      “articles”:{ 
        “dynamic_date_formats”:[ 
            “yyyy-MM-dd HH:mm:ss”,
            “yyyyMMdd”,
            “yyyy-MM-dd”
        ],
        “dynamic”:”false”,
        “properties”:{ 
            “infoUid”:{ 
              “type”:”text”
            },
            “compareId”:{ 
              “type”:”text”
            },
            “plats”:{ 
              “type”:”keyword”
            },
            “keyWords”:{ 
              “type”:”keyword”
            },
            “infoTitle”:{ 
              “type”:”text”,
              “store”:true,
              “analyzer” : “ik_max_word”
            },
            “infoDetail”:{ 
              “type”:”text”,
              “store”:true,
              “analyzer” : “ik_max_word”
            },
            “infoUrl”:{ 
              “type”:”text”
            },
            “pubTime”:{ 
              “type”:”date”,
              “format”:”yyyy-MM-dd HH:mm:ss”
            },
            “platsType”:{ 
              “type”:”keyword”
            },
            “mlEmotion”:{ 
              “type”:”keyword”
            },
            “userEmotion”:{ 
              “type”:”keyword”
            }
        }
      }
  }
}

查詢的DSL

GET act_yq_info_summary/_search
{
    “query”: {
        “bool”: {
            “must”: [{
                    “bool”: {
                        “should”: [{
                                “match”: {
                                    “infoDetail”: “喬軍”
                                }
                            },
                            {
                                “match”: {
                                    “infoTitle”: “喬軍”
                                }
                            }
                        ]
                    }
                },
                {
                    “terms”: {
                        “userEmotion”: [“pos”, “neg”, “neu”]
                    }
                }
            ],
            “filter”: {
                “bool”: {
                    “must”: [{
                            “terms”: {
                                “plats”: [“jingdong”, “toutiao_news”, “toutiao_ans”, “sina_blog”, “sina_com”, “bd_news”, “bd_konws”, “bd_tieba”, “zhihu_ques”, “zhihu_ans”]
                            }
                        },
                        {
                            “range”: {
                                “pubTime”: {
                                    “gte”: “2016-05-01 00:00:00”,
                                    “lte”: “2018-05-07 23:59:59”
                                }
                            }
                        },
                        {
                            “terms”: {
                                “keyWords”: [“藍月亮湖南衛視中秋晚會”, “藍月亮央視中秋晚會”, “藍月亮旋風孝子”]
                            }
                        }
                    ]
                }
            }
        }
    },
    “highlight”: {
        “fields”: [{
                “infoTitle”: {}
            },
            {
                “infoDetail”: {}
            }
        ]
    },
    “from”: 0,
    “size”: 10,
    “sort”: [{
            “_score”: {
                “order”: “desc”
            }
        },
        {
            “pubTime”: {
                “order”: “desc”
            }
        }
    ]
}

5、關于分詞器，這里還是推薦IK分詞吧，IK分詞可以設置 ik_smart  或者  ik_max_word，這里不做詳解，推薦使用ik_max_word

寫在最后的話，ES是一個非常強大的搜索引擎，要入門不是很難，但是要精通查詢，查詢優化，最大程度的搜索最想要的結果是有很多優化的余地的，包括評分機制，包括新版本提供的聚合功能等，只能說，加油學習吧