2021年大数据ELK：使用VSCode操作猎聘网职位搜索案例
Posted Lansonli
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了2021年大数据ELK：使用VSCode操作猎聘网职位搜索案例相关的知识，希望对你有一定的参考价值。
全网最详细的大数据ELK文章系列，强烈建议收藏加关注！
新文章都已经列出历史文章目录，帮助大家回顾前面的知识重点。
目录
猎聘网职位搜索案例
一、需求
本次案例，要实现一个类似于猎聘网的案例，用户通过搜索相关的职位关键字，就可以搜索到相关的工作岗位。我们已经提前准备好了一些数据，这些数据是通过爬虫爬取的数据，这些数据存储在CSV文本文件中。我们需要基于这些数据建立索引，供用户搜索查询。
数据集介绍
| 字段名 | 说明 | 数据 |
| doc_id | 唯一标识（作为文档ID） | 29097 |
| area | 职位所在区域 | 工作地区：深圳-南山区 |
| exp | 岗位要求的工作经验 | 1年经验 |
| edu | 学历要求 | 大专以上 |
| salary | 薪资范围 | ¥ 6-8千/月 |
| job_type | 职位类型（全职/兼职） | 实习 |
| cmp | 公司名 | 乐有家 |
| pv | 浏览量 | 61.6万人浏览过 / 14人评价 / 113人正在关注 |
| title | 岗位名称 | 桃园 深大销售实习 岗前培训 |
| jd | 职位描述 | 【薪酬待遇】 本科薪酬7500起 大专薪酬6800起 以上无业绩要求，同时享有业绩核算比例55%~80% 人均月收入超1.3万 【岗位职责】 1.爱学习，有耐心： 通过公司系统化培训熟悉房地产基本业务及相关法律、金融知识，不功利服务客户，耐心为客户在房产交易中遇到的各类问题； 2.会聆听，会提问： 详细了解客户的核心诉求，精准匹配合适的产品信息，具备和用户良好的沟通能力，有团队协作意识和服务意识； 3.爱琢磨， |
二、创建索引
为了能够搜索职位数据，我们需要提前在Elasticsearch中创建索引，然后才能进行关键字的检索。这里先回顾下，我们在mysql中创建表的过程。在MySQL中，如果我们要创建一个表，我们需要指定表的名字，指定表中有哪些列、列的类型是什么。同样，在Elasticsearch中，也可以使用类似的方式来定义索引。
1、创建带有映射的索引
Elasticsearch中，我们可以使用RESTful API（http请求）来进行索引的各种操作。创建MySQL表的时候，我们使用DDL来描述表结构、字段、字段类型、约束等。在Elasticsearch中，我们使用Elasticsearch的DSL来定义——使用JSON来描述。例如：
PUT /my-index
"mapping":
"properties":
"employee-id":
"type": "keyword",
"index": false
2、字段的类型
在Elasticsearch中，每一个字段都有一个类型（type）。以下为Elasticsearch中可以使用的类型：
| 分类 | 类型名称 | 说明 |
| 简单类型 | text | 需要进行全文检索的字段，通常使用text类型来对应邮件的正文、产品描述或者短文等非结构化文本数据。分词器先会将文本进行分词转换为词条列表。将来就可以基于词条来进行检索了。文本字段不能用户排序、也很少用户聚合计算。 |
| keyword | 使用keyword来对应结构化的数据，如ID、电子邮件地址、主机名、状态代码、邮政编码或标签。可以使用keyword来进行排序或聚合计算。注意：keyword是不能进行分词的。 | |
| date | 保存格式化的日期数据，例如：2015-01-01或者2015/01/01 12:10:30。在Elasticsearch中，日期都将以字符串方式展示。可以给date指定格式：”format”: “yyyy-MM-dd HH:mm:ss” | |
| long/integer/short/byte | 64位整数/32位整数/16位整数/8位整数 | |
| double/float/half_float | 64位双精度浮点/32位单精度浮点/16位半进度浮点 | |
| boolean | “true”/”false” | |
| ip | IPV4（192.168.1.110）/IPV6（192.168.0.0/16） | |
| JSON分层嵌套类型 | object | 用于保存JSON对象 |
| nested | 用于保存JSON数组 | |
| 特殊类型 | geo_point | 用于保存经纬度坐标 |
| geo_shape | 用于保存地图上的多边形坐标 |
3、创建保存职位信息的索引
- 使用PUT发送PUT请求
- 索引名为 /job_idx
- 判断是使用text、还是keyword，主要就看是否需要分词
| 字段 | 类型 |
| area | text |
| exp | text |
| edu | keyword |
| salary | keyword |
| job_type | keyword |
| cmp | text |
| pv | keyword |
| title | text |
| jd | text |
创建索引：
PUT /job_idx
"mappings":
"properties" :
"area": "type": "text", "store": true,
"exp": "type": "text", "store": true,
"edu": "type": "keyword", "store": true,
"salary": "type": "keyword", "store": true,
"job_type": "type": "keyword", "store": true,
"cmp": "type": "text", "store": true,
"pv": "type": "keyword", "store": true,
"title": "type": "text", "store": true,
"jd": "type": "text", "store": true
4、查看索引映射
使用GET请求查看索引映射
// 查看索引映射
GET /job_idx/_mapping
使用head插件也可以查看到索引映射信息
5、查看Elasticsearch中的所有索引
GET _cat/indices 
6、删除索引
delete /job_idx
7、指定使用IK分词器
因为存放在索引库中的数据，是以中文的形式存储的。所以，为了有更好地分词效果，我们需要使用IK分词器来进行分词。这样，将来搜索的时候才会更准确。
PUT /job_idx
"mappings":
"properties" :
"area": "type": "text", "store": true, "analyzer": "ik_max_word",
"exp": "type": "text", "store": true, "analyzer": "ik_max_word",
"edu": "type": "keyword", "store": true,
"salary": "type": "keyword", "store": true,
"job_type": "type": "keyword", "store": true,
"cmp": "type": "text", "store": true, "analyzer": "ik_max_word",
"pv": "type": "keyword", "store": true,
"title": "type": "text", "store": true, "analyzer": "ik_max_word",
"jd": "type": "text", "store": true, "analyzer": "ik_max_word"
三、添加一个职位数据
1、需求
我们现在有一条职位数据，需要添加到Elasticsearch中，后续还需要能够在Elasticsearch中搜索这些数据。
| 29097, 工作地区：深圳-南山区, 1年经验, 大专以上, ¥ 6-8千/月, 实习, 乐有家, 61.6万人浏览过 / 14人评价 / 113人正在关注, 桃园 深大销售实习 岗前培训, 【薪酬待遇】 本科薪酬7500起 大专薪酬6800起 以上无业绩要求，同时享有业绩核算比例55%~80% 人均月收入超1.3万 【岗位职责】 1.爱学习，有耐心： 通过公司系统化培训熟悉房地产基本业务及相关法律、金融知识，不功利服务客户，耐心为客户在房产交易中遇到的各类问题； 2.会聆听，会提问： 详细了解客户的核心诉求，精准匹配合适的产品信息，具备和用户良好的沟通能力，有团队协作意识和服务意识； 3.爱琢磨，善思考: 热衷于用户心理研究，善于从用户数据中提炼用户需求，利用个性化、精细化运营手段，提升用户体验。 【岗位要求】 1.18-26周岁，自考大专以上学历； 2.具有良好的亲和力、理解能力、逻辑协调和沟通能力； 3.积极乐观开朗，为人诚实守信，工作积极主动，注重团队合作； 4.愿意服务于高端客户，并且通过与高端客户面对面沟通有意愿提升自己的综合能力； 5.愿意参加公益活动，具有爱心和感恩之心。 【培养路径】 1.上千堂课程;房产知识、营销知识、交易知识、法律法规、客户维护、目标管理、谈判技巧、心理学、经济学; 2.成长陪伴：一对一的师徒辅导 3.线上自主学习平台：乐有家学院，专业团队制作，每周大咖分享 4.储备及管理课堂： 干部训练营、月度/季度管理培训会 【晋升发展】 营销【精英】发展规划：A1置业顾问-A6资深置业专家 营销【管理】发展规划：（入职次月后就可竞聘） 置业顾问-置业经理-店长-营销副总经理-营销副总裁-营销总裁 内部【竞聘】公司职能岗位：如市场、渠道拓展中心、法务部、按揭经理等都是内部竞聘 【联系人】 小明主任15888888888（微信同号） |
2、PUT请求
前面我们已经创建了索引。接下来，我们就可以往索引库中添加一些文档了。可以通过PUT请求直接完成该操作。在Elasticsearch中，每一个文档都有唯一的ID。也是使用JSON格式来描述数据。例如：
PUT /customer/_doc/1
"name": "John Doe"
如果在customer中，不存在ID为1的文档，Elasticsearch会自动创建
3、添加职位信息请求
PUT /job_idx/_doc/29097
"area": "深圳-南山区",
"exp": "1年经验",
"edu": "大专以上",
"salary": "6-8千/月",
"job_type": "实习",
"cmp": "乐有家",
"pv": "61.6万人浏览过 / 14人评价 / 113人正在关注",
"title": "桃园 深大销售实习 岗前培训",
"jd": "薪酬待遇】 本科薪酬7500起 大专薪酬6800起 以上无业绩要求，同时享有业绩核算比例55%~80% 人均月收入超1.3万 【岗位职责】 1.爱学习，有耐心： 通过公司系统化培训熟悉房地产基本业务及相关法律、金融知识，不功利服务客户，耐心为客户在房产交易中遇到的各类问题； 2.会聆听，会提问： 详细了解客户的核心诉求，精准匹配合适的产品信息，具备和用户良好的沟通能力，有团队协作意识和服务意识； 3.爱琢磨，善思考: 热衷于用户心理研究，善于从用户数据中提炼用户需求，利用个性化、精细化运营手段，提升用户体验。 【岗位要求】 1.18-26周岁，自考大专以上学历； 2.具有良好的亲和力、理解能力、逻辑协调和沟通能力； 3.积极乐观开朗，为人诚实守信，工作积极主动，注重团队合作； 4.愿意服务于高端客户，并且通过与高端客户面对面沟通有意愿提升自己的综合能力； 5.愿意参加公益活动，具有爱心和感恩之心。 【培养路径】 1.上千堂课程;房产知识、营销知识、交易知识、法律法规、客户维护、目标管理、谈判技巧、心理学、经济学; 2.成长陪伴：一对一的师徒辅导 3.线上自主学习平台：乐有家学院，专业团队制作，每周大咖分享 4.储备及管理课堂： 干部训练营、月度/季度管理培训会 【晋升发展】 营销【精英】发展规划：A1置业顾问-A6资深置业专家 营销【管理】发展规划：（入职次月后就可竞聘） 置业顾问-置业经理-店长-营销副总经理-营销副总裁-营销总裁 内部【竞聘】公司职能岗位：如市场、渠道拓展中心、法务部、按揭经理等都是内部竞聘 【联系人】 小明主任15888888888（微信同号）"
Elasticsearch响应结果：
"_index": "job_idx",
"_type": "_doc",
"_id": "29097",
"_version": 1,
"result": "created",
"_shards":
"total": 2,
"successful": 2,
"failed": 0
,
"_seq_no": 0,
"_primary_term": 1
使用ES-head插件浏览数据：
四、修改职位薪资
1、需求
因为公司招不来人，需要将原有的薪资6-8千/月，修改为15-20千/月
2、执行update操作
POST /job_idx/_update/29097
"doc":
"salary": "15-20k/月"
五、删除一个职位数据
1、需求
ID为29097的职位，已经被取消。所以，我们需要在索引库中也删除该岗位。
2、DELETE操作
DELETE /job_idx/_doc/29097六、批量导入JSON数据
1、bulk导入
为了方便后面的测试，我们需要先提前导入一些测试数据到ES中。在资料文件夹中有一个job_info.json数据文件。我们可以使用Elasticsearch中自带的bulk接口来进行数据导入。
- 上传JSON数据文件到Linux
- 执行导入命令
curl -H "Content-Type: application/json" -XPOST "node1:9200/job_idx/_bulk?pretty&refresh" --data-binary "@job_info.json"
2、查看索引状态
GET _cat/indices?index=job_idx通过执行以上请求，Elasticsearch返回数据如下：
[
"health": "green",
"status": "open",
"index": "job_idx",
"uuid": "LS0fkOS3SWGlOCp5u28yIA",
"pri": "1",
"rep": "1",
"docs.count": "6764",
"docs.deleted": "0",
"store.size": "23.2mb",
"pri.store.size": "11.6mb"
]
七、根据ID检索指定职位数据
1、需求
用户提交一个文档ID，Elasticsearch将ID对应的文档直接返回给用户。
2、实现
在Elasticsearch中，可以通过发送GET请求来实现文档的查询。
GET /job_idx/_search
"query":
"ids":
"values": ["46313"]
八、根据关键字搜索数据
1、需求
搜索职位中带有「销售」关键字的职位
2、实现
检索jd中销售相关的岗位
GET /job_idx/_search
"query":
"match":
"jd": "销售"
除了检索职位描述字段以外，我们还需要检索title中包含销售相关的职位，所以，我们需要进行多字段的组合查询。
GET /job_idx/_search
"query":
"multi_match":
"query": "销售前期各项资料统筹亚马逊",
"fields": [
"title",
"jd"
]
更多地查询：
官方地址：开始使用 Elasticsearch | Elastic Videos
九、根据关键字分页搜索
1、使用from和size来进行分页
在执行查询时，可以指定from（从第几条数据开始查起）和size（每页返回多少条）数据，就可以轻松完成分页。
from = (page – 1) * size
GET /job_idx/_search
"from": 0,
"size": 6,
"query":
"multi_match":
"query": "销售",
"fields": [
"title",
"jd"
]
2、使用scroll方式进行分页
前面使用from和size方式，查询在1W-5W条数据以内都是OK的，但如果数据比较多的时候，会出现性能问题。Elasticsearch做了一个限制，不允许查询的是10000条以后的数据。如果要查询1W条以后的数据，需要使用Elasticsearch中提供的scroll游标来查询。
在进行大量分页时，每次分页都需要将要查询的数据进行重新排序，这样非常浪费性能。使用scroll是将要用的数据一次性排序好，然后分批取出。性能要比from + size好得多。使用scroll查询后，排序后的数据会保持一定的时间，后续的分页查询都从该快照取数据即可。
1)第一次使用scroll分页查询
此处，我们让排序的数据保持1分钟，所以设置scroll为1m
GET /job_idx/_search?scroll=1m
"query":
"multi_match":
"query": "销售",
"fields": ["title", "jd"]
,
"size": 100
执行后，我们注意到，在响应结果中有一项：
"_scroll_id": "DXF1ZXJ5QW5kRmV0Y2gBAAAAAAAAAA0WUmQ4SjlTTGxSTldrSkt3dDg1eHRuQQ=="
后续，我们需要根据这个_scroll_id来进行查询
2)第二次直接使用scroll id进行查询
GET _search/scroll?scroll=1m
"scroll_id": "DXF1ZXJ5QW5kRmV0Y2gBAAAAAAAAAA4WUmQ4SjlTTGxSTldrSkt3dDg1eHRuQQ=="
- 📢博客主页：https://lansonli.blog.csdn.net
- 📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正！
- 📢本文由 Lansonli 原创，首发于 CSDN博客🙉
- 📢大数据系列文章会每天更新，停下休息的时候不要忘了别人还在奔跑，希望大家抓紧时间学习，全力奔赴更美好的生活✨
以上是关于2021年大数据ELK：使用VSCode操作猎聘网职位搜索案例的主要内容，如果未能解决你的问题，请参考以下文章
2021年大数据ELK（十四）：Elasticsearch编程（基本操作）