PHP基于elasticsearch全文搜索引擎的开发
Posted 李留广
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PHP基于elasticsearch全文搜索引擎的开发相关的知识，希望对你有一定的参考价值。
1.概述：
全文搜索属于最常见的需求，开源的 Elasticsearch （以下简称 Elastic）是目前全文搜索引擎的首选。Elastic 的底层是开源库 Lucene。但是，你没法直接用 Lucene，必须自己写代码去调用它的接口。Elastic 是 Lucene 的封装，提供了 REST API 的操作接口，开箱即用。Elasticsearch中涉及到的重要概念
1）Cluster：集群。
ES可以作为一个独立的单个搜索服务器。不过，为了处理大型数据集，实现容错和高可用性，ES可以运行在许多互相合作的服务器上。这些服务器的集合称为集群。
2）Node：节点。
形成集群的每个服务器称为节点。
3）Shard：分片。
当有大量的文档时，由于内存的限制、磁盘处理能力不足、无法足够快的响应客户端的请求等，一个节点可能不够。这种情况下，数据可以分为较小的分片。每个分片放到不同的服务器上。
当你查询的索引分布在多个分片上时，ES会把查询发送给每个相关的分片，并将结果组合在一起，而应用程序并不知道分片的存在。即：这个过程对用户来说是透明的。
4）Replia：副本。
为提高查询吞吐量或实现高可用性，可以使用分片副本。
副本是一个分片的精确复制，每个分片可以有零个或多个副本。ES中可以有许多相同的分片，其中之一被选择更改索引操作，这种特殊的分片称为主分片。
当主分片丢失时，如：该分片所在的数据不可用时，集群将副本提升为新的主分片。
5）全文检索。
全文检索就是对一篇文章进行索引，可以根据关键字搜索，类似于mysql里的like语句。
全文索引就是把内容根据词的意义进行分词，然后分别创建索引，例如”你们的激情是因为什么事情来的” 可能会被分词成：“你们“，”激情“，“什么事情“，”来“ 等token，这样当你搜索“你们” 或者 “激情” 都会把这句搜出来。
好了，本文主要讲Elasticsearch环境搭建，以及中文分词的用法。下面讲Elasticsearch环境搭建以及使用。
2.环境搭建
1.安装 JAVA JDK 8
sudo apt-get update
sudo apt-get install openjdk-8-jre
查看jdk安装信息：
2.下载最新的 elasticsearch安装包：
wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-6.6.2.tar.gz
tar -zxvf elasticsearch-6.6.2.tar.gz
cd elasticsearch-6.6.2
启动
./bin/elasticsearch
启动会打印启动的包信息：
3. 安装IK中文分词插件.
在ik分词的git(https://github.com/medcl/elasticsearch-analysis-ik
)上找到相应的ES对应的版本：
我这里安装的是最新的版本6.6.2：
看到上面的信息，那么我们的环境就搭建 好了。
3.使用。
我本地建立一张书本信息表，里面4个字段，其中attr_text是英文存储的，其他几个字段是中文
接下来创建索引：
先设置索引参数：
$params = [
‘index‘ => ‘huazia‘,
‘body‘ => [
‘settings‘ => [
‘number_of_shards‘ => 3,
‘number_of_replicas‘ => 2,
‘analysis‘ => [
‘filter‘ => [
"ngram_filter" => [
"type" => "ngram",
"min_gram" => 2,
"max_gram" => 20
]
],
‘analyzer‘ => [
"ngram_analyzer" => [
"type" => "custom",
"tokenizer" => "whitespace",
"filter" => [
"lowercase",
"asciifolding",
"ngram_filter"
]
]
]
]
],
‘mappings‘ => [
‘dd_book‘ => [
‘_source‘ => [
‘enabled‘ => true
],
‘properties‘ => [
‘book_name‘ => [
‘type‘ => ‘text‘,
‘analyzer‘ => ‘ik_max_word‘,
‘search_analyzer‘ => ‘ik_max_word‘,
],
‘book_author‘ => [
‘type‘ => ‘text‘,
‘analyzer‘ => ‘ik_max_word‘,
‘search_analyzer‘ => ‘ik_max_word‘,
],
‘book_desc‘ => [
‘type‘ => ‘text‘,
‘analyzer‘ => ‘ik_max_word‘,
‘search_analyzer‘ => ‘ik_max_word‘,
],
‘attr_text‘ => [
‘type‘ => ‘text‘,
‘analyzer‘ => ‘ngram_analyzer‘,
‘search_analyzer‘ => ‘standard‘,
],
]
]
]
]
];
其中book_name，book_author，book_desc都中文，使用了中文分词器IK分词器。attr_text是英文的，所以使用ngram分词器(elasticsearch自带的分词器)
接下来我们创建索引：
看到已经创建完成
紧接着我们把mysql的书本信息表数据生成索引数据：
好了，以上准备工作已经做完了，接着我们去创建我们的搜索
这里搜索3个字段，书名，描述，英文描述；并且对关键字进行高亮标红处理。
打开浏览器我们开始搜索：
看到book_name这个字段搜索出来了高亮显示了。接着可以搜索英文描述字段attr_text；
可以看到这个英文字段信息也搜索出来了，英文搜索用的ngram切词器，本例中设置的最小粒度为2个词，也就是少于2个词是搜索不出来的，当然了粒度越小越耗性能。本例中数据的索引分了3片，查看其中的信息：
查看所有索引的信息：
以上介绍了Elasticsearch中文分词和英文分词的基本使用。接下来我们可以对Elasticsearch启动进程进行管理，本文讲的是supervisor来管理进程。
在supervisor配置文件里面设置如下：
接着重启服务，看到服务已经启动。
可以查看启动信息：
本文针对Elasticsearch中文搜索就介绍到这里了，后面再介绍分库分表索引构建，以及内存管理
以上是关于PHP基于elasticsearch全文搜索引擎的开发的主要内容，如果未能解决你的问题，请参考以下文章