Привыкайте писать вместе! Это пятый день моего участия в «Новом ежедневном плане Nuggets · Апрельское задание по обновлению», нажмите, чтобы просмотреть подробности мероприятия .
предисловие
В четвертый день мы говорили о том, как использовать kabana для отладки запросов es. Сегодня давайте рассмотрим распространенные поисковые запросы в сценариях электронной коммерции и поиск данных es на основе сегментации слов ik.
моделирование данных
Нам нужно подтвердить требования перед разработкой. Какие данные нужно искать? Помимо реализации поиска, на какие проблемы стоит обратить внимание? Взяв в качестве примера Taobao, у нас есть два основных места при поиске: 1 — для сопоставления слов и 2 — для сортировки. Следующие результаты поиска позволяют нам проанализировать поля, которые необходимо отфильтровать и отсортировать при поиске.
- поле поиска
- Спецификации (запрос спецификации более сложный, мы пока не будем обсуждать, как его реализовать)
- имя
- Ключевые слова или введение
- Поле сортировки
- Если реклама размещена, она будет занимать первое место.
- продажи
- цена
- разное
- Постраничный поиск
Исходя из вышеизложенного, мы просто моделируем товары в виде следующих полей: id (уникальный идентификатор), name (имя), keyWord (ключевое слово), sellNum (продажи), price (цена), sort (сортировка). провести здесь глубокий анализ.На самом деле, продукт должен иметь другую информацию, например, рекомендуется ли он или нет.
Данные инициализации
Процесс использования kabana для инициализации индекса продукта выглядит следующим образом.
создать индекс
PUT goods
{
"settings": {
"number_of_shards": 1,
"number_of_replicas": 0
},
"mappings": {
"properties": {
"id":{
"type": "keyword"
},
"name":{
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_smart"
},
"keyWords":{
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_smart"
},
"sellNum":{
"type": "integer"
},
"price":{
"type": "double"
},
"sort":{
"type": "integer"
}
}
}
}
复制代码Чтобы узнать о часто используемых структурах данных es, обратитесь к этому сообщению в блоге es общие структуры данных , Я кратко представлю моменты, требующие внимания.
- Разделы и резервные копии: Здесь мы рекомендуем режим нескольких разделов и нескольких резервных копий в производственной среде, чтобы предотвратить потерю данных.
- Почему идентификатор типа ключевого слова: Поскольку ключевое слово является типом данных ключевого слова, поле типа ключевого слова не будет проанализировано. Например, теперь у нас есть идентификатор 123456 и еще один 12345. Если мы установим индекс как текстового типа. Если мы хотим удалить данные 12345, мы одновременно удалим 123456 и другие данные, содержащие 12345.
- analyzer\search_analyzer分词类型选择：分词时我们分别插入文档时，将text类型的字段做最细的分词然后插入倒排索引，在查询时，先对要查询的text类型的输入做最粗分词，再去倒排索引搜索。举个例子：假如插入数据为"苹果手机"的时候我们尽可能多拆为"苹果","手机"，我们在搜索的"小米手机"时候，就不会查询出苹果手机这条数据了
初始化数据
我们初始化9条数据验证一下我们的查询，其中3条广告，3条苹果，3条华为请求体如下所示
PUT goods/_doc/100001
{
"id":"100001",
"name":"广告位001",
"keyWords":"手机 智能手机 5G手机 热搜预定手机",
"sellNum":1,
"price":12,
"sort": 1
}
PUT goods/_doc/100002
{
"id":"100002",
"name":"广告位002",
"keyWords":"手机 智能手机 5G手机 热搜预定手机",
"sellNum":2,
"price":11,
"sort": 2
}
PUT goods/_doc/100003
{
"id":"100003",
"name":"广告位003",
"keyWords":"手机 智能手机 5G手机 热搜预定手机",
"sellNum":3,
"price":10,
"sort": 3
}
PUT goods/_doc/100004
{
"id":"100004",
"name":"苹果手机001",
"keyWords":"手机 智能手机 IOS 苹果手机",
"sellNum":4,
"price":9,
"sort": 4
}
PUT goods/_doc/100005
{
"id":"100005",
"name":"苹果手机002",
"keyWords":"手机 智能手机 IOS 苹果手机",
"sellNum":5,
"price":8,
"sort": 5
}
PUT goods/_doc/100006
{
"id":"100006",
"name":"苹果手机003",
"keyWords":"手机 智能手机 IOS 苹果手机",
"sellNum":6,
"price":7,
"sort": 6
}
PUT goods/_doc/100007
{
"id":"100007",
"name":"华为001",
"keyWords":"手机 智能手机 麒麟 国产手机",
"sellNum":7,
"price":6,
"sort": 7
}
PUT goods/_doc/100007
{
"id":"100007",
"name":"华为001",
"keyWords":"手机 智能手机 麒麟 国产手机",
"sellNum":7,
"price":6,
"sort": 7
}
PUT goods/_doc/100009
{
"id":"100009",
"name":"苹果手机003",
"keyWords":"手机 智能手机 麒麟 国产手机",
"sellNum":9,
"price":4,
"sort": 9
}
复制代码各个场景的实际探索
以下请求体都是放在kabana中执行的
最简单的搜索全部，按照销量倒排序，分页查询前5条，我们传入的传入的请求体如下
post goods/_search
{
"query":{"match_all": {}},
"from":0,
"size":5,
"sort":{
"sort":"desc"
}
}
复制代码这里解释一下几个关键属性吧
- query：就是封装查询体的属性，例如匹配、匹配全部等等
- from：从第几条开始，注意开始的位置是0
- size：每页的条数
- sort：外层的sort代表排序，，内层的sort指定排序字段就是sort并且按照desc排序
我们通过查看响应可以看到查询出所有的total为9hits显示了5条，证明我们实现了分页效果
输入手机且默认查询:默认排序，匹配名称或者关键字
例如输入智能手机，我们应该会查询出所有的数据（匹配到了keyWords）且前几条按照默认排序的话应该是广告位
POST goods/_search
{
"query": {
"bool": {
"should": [{
"match": {
"name": "智能手机"
}
},
{
"match": {
"keyWords": "智能手机"
}
}
]
}
},
"from": 0,
"size": 5,
"sort": {
"sort": "asc"
}
}
复制代码这里我们可以看到多了几个标签，我简单介绍一下 bool:这个的意思是过滤查询，下面还有很多和bool组合起来的属性，大家可以自己到es官网查找一波 should:意思是应该，例如我们这个案例在搜搜智能手机的时候should匹配到了keyWords属性上 match: 就是匹配的意思
我想买个麒麟系统的手机，且按照售价或销量来倒序查询
我们这里应该返回3条数据，我这里先将分页设置为一页2条，我们从第二条开始
- 按照售价倒序查询含有麒麟的商品
post goods/_search
{
"query": {
"bool": {
"should": [{
"match": {
"name": "麒麟"
}
},
{
"match": {
"keyWords": "麒麟"
}
}
]
}
},
"from": 2,
"size": 2,
"sort": {
"price": "desc"
}
}
复制代码- 按照销量倒序查询含有麒麟的商品
post goods/_search
{
"query": {
"bool": {
"should": [{
"match": {
"name": "麒麟"
}
},
{
"match": {
"keyWords": "麒麟"
}
}
]
}
},
"from": 2,
"size": 2,
"sort": {
"sellNum": "desc"
}
}
复制代码结语
В этой статье мы анализируем реализацию простого поиска es в сценарии электронной коммерции на основе токенизатора ik. Основные вводные статьи о es почти такие же.В следующей статье мы обсудим, как использовать Spring Boot для достижения наших сегодняшних
нужд.Следующая статья:Реализовать поиск сегментации слова ik в сценариях электронной коммерции на основе Spring Boot, так что оставайтесь настроено!