elasticsearch 分布式搜索引擎3

Posted 2023-03-12 小翰子_

1.数据聚合

**聚合（aggregations）**可以让我们极其方便的实现对数据的统计、分析、运算。例如：

• 什么品牌的手机最受欢迎？
• 这些手机的平均价格、最高价格、最低价格？
• 这些手机每月的销售情况如何？

实现这些统计功能的比数据库的sql要方便的多，而且查询速度非常快，可以实现近实时搜索效果。

1.1.聚合的种类

聚合常见的有三类：

• **桶（Bucket）**聚合：用来对文档做分组

  • TermAggregation：按照文档字段值分组，例如按照品牌值分组、按照国家分组
  • Date Histogram：按照日期阶梯分组，例如一周为一组，或者一月为一组

• **度量（Metric）**聚合：用以计算一些值，比如：最大值、最小值、平均值等

  • Avg：求平均值
  • Max：求最大值
  • Min：求最小值
  • Stats：同时求max、min、avg、sum等

• **管道（pipeline）**聚合：其它聚合的结果为基础做聚合

**注意：**参加聚合的字段必须是keyword、日期、数值、布尔类型

1.2.DSL实现聚合

现在，我们要统计所有数据中的酒店品牌有几种，其实就是按照品牌对数据分组。此时可以根据酒店品牌的名称做聚合，也就是Bucket聚合。

1.2.1.Bucket聚合语法

语法如下：

GET /hotel/_search

  "size": 0,  // 设置size为0，结果中不包含文档，只包含聚合结果
  "aggs":  // 定义聚合
    "brandAgg":  //给聚合起个名字
      "terms":  // 聚合的类型，按照品牌值聚合，所以选择term
        "field": "brand", // 参与聚合的字段
        "size": 20 // 希望获取的聚合结果数量
      
    
  

结果如图：

1.2.2.聚合结果排序

默认情况下，Bucket聚合会统计Bucket内的文档数量，记为_count，并且按照_count降序排序。

我们可以指定order属性，自定义聚合的排序方式：

GET /hotel/_search

  "size": 0, 
  "aggs": 
    "brandAgg": 
      "terms": 
        "field": "brand",
        "order": 
          "_count": "asc" // 按照_count升序排列
        ,
        "size": 20
      
    
  

1.2.3.限定聚合范围

默认情况下，Bucket聚合是对索引库的所有文档做聚合，但真实场景下，用户会输入搜索条件，因此聚合必须是对搜索结果聚合。那么聚合必须添加限定条件。

我们可以限定要聚合的文档范围，只要添加query条件即可：

GET /hotel/_search

  "query": 
    "range": 
      "price": 
        "lte": 200 // 只对200元以下的文档聚合
      
    
  , 
  "size": 0, 
  "aggs": 
    "brandAgg": 
      "terms": 
        "field": "brand",
        "size": 20
      
    
  

这次，聚合得到的品牌明显变少了：

1.2.4.Metric聚合语法

上节课，我们对酒店按照品牌分组，形成了一个个桶。现在我们需要对桶内的酒店做运算，获取每个品牌的用户评分的min、max、avg等值。

这就要用到Metric聚合了，例如stat聚合：就可以获取min、max、avg等结果。

语法如下：

GET /hotel/_search

  "size": 0, 
  "aggs": 
    "brandAgg":  
      "terms":  
        "field": "brand", 
        "size": 20
      ,
      "aggs":  // 是brands聚合的子聚合，也就是分组后对每组分别计算
        "score_stats":  // 聚合名称
          "stats":  // 聚合类型，这里stats可以计算min、max、avg等
            "field": "score" // 聚合字段，这里是score
          
        
      
    
  

这次的score_stats聚合是在brandAgg的聚合内部嵌套的子聚合。因为我们需要在每个桶分别计算。

另外，我们还可以给聚合结果做个排序，例如按照每个桶的酒店平均分做排序：

例子

# 嵌套聚合功能metric
GET /hotel/_search

  "size": 0,
  "aggs": 
    "brangAgg": 
      "terms": 
        "field": "brand",
        "size": 20,
        "order": 
          "scoreAgg.avg": "desc"
        
      ,
      "aggs": 
        "scoreAgg": 
          "stats": 
            "field": "score"
          
        
      
    
  

1.2.5.小结

aggs代表聚合，与query同级，此时query的作用是？

• 限定聚合的的文档范围

聚合必须的三要素：

• 聚合名称
• 聚合类型
• 聚合字段

聚合可配置属性有：

• size：指定聚合结果数量
• order：指定聚合结果排序方式
• field：指定聚合字段

1.3.RestAPI实现聚合

1.3.1.API语法

聚合条件与query条件同级别，因此需要使用request.source()来指定聚合条件。

聚合条件的语法：

聚合的结果也与查询结果不同，API也比较特殊。不过同样是JSON逐层解析：

例子

    @Test
    void testAggregation() throws IOException 
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        // 2.1设置size
        request.source().size(0);
        request.source().aggregation(AggregationBuilders
                .terms("brandAgg")
                .field("brand")
                .size(10));
        // 3.发送请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.解析响应
        Aggregations aggregations = response.getAggregations();
        // 4.1根据聚合名称获取聚合结果
        Terms brandTerms = aggregations.get("brandAgg");
        // 4.2获取buckets
        List<? extends Terms.Bucket> buckets = brandTerms.getBuckets();
        // 遍历
        for (Terms.Bucket bucket : buckets) 
            // 获取key
            String key = bucket.getKeyAsString();
            System.out.println(key);
        
    

1.3.2.业务需求

需求：搜索页面的品牌、城市等信息不应该是在页面写死，而是通过聚合索引库中的酒店数据得来的：

分析：

目前，页面的城市列表、星级列表、品牌列表都是写死的，并不会随着搜索结果的变化而变化。但是用户搜索条件改变时，搜索结果会跟着变化。

例如：用户搜索“东方明珠”，那搜索的酒店肯定是在上海东方明珠附近，因此，城市只能是上海，此时城市列表中就不应该显示北京、深圳、杭州这些信息了。

也就是说，搜索结果中包含哪些城市，页面就应该列出哪些城市；搜索结果中包含哪些品牌，页面就应该列出哪些品牌。

如何得知搜索结果中包含哪些品牌？如何得知搜索结果中包含哪些城市？

使用聚合功能，利用Bucket聚合，对搜索结果中的文档基于品牌分组、基于城市分组，就能得知包含哪些品牌、哪些城市了。

因为是对搜索结果聚合，因此聚合是限定范围的聚合，也就是说聚合的限定条件跟搜索文档的条件一致。

查看浏览器可以发现，前端其实已经发出了这样的一个请求：

请求参数与搜索文档的参数完全一致。

返回值类型就是页面要展示的最终结果：

结果是一个Map结构：

• key是字符串，城市、星级、品牌、价格
• value是集合，例如多个城市的名称

1.3.3.业务实现

在cn.itcast.hotel.web包的HotelController中添加一个方法，遵循下面的要求：

• 请求方式：POST
• 请求路径：/hotel/filters
• 请求参数：RequestParams，与搜索文档的参数一致
• 返回值类型：Map<String, List<String>>

代码：

    @PostMapping("filters")
    public Map<String, List<String>> getFilters(@RequestBody RequestParams params)
        return hotelService.getFilters(params);
    

这里调用了IHotelService中的getFilters方法，尚未实现。

在cn.itcast.hotel.service.IHotelService中定义新方法：

Map<String, List<String>> filters(RequestParams params);

在cn.itcast.hotel.service.impl.HotelService中实现该方法：

    @Override
    public Map<String, List<String>> filters() 
        try 
            // 1.准备Request
            SearchRequest request = new SearchRequest("hotel");
            // 2.准备DSL
            // 2.1设置size
            request.source().size(0);
            // 聚合
            buildAggregatio(request);

            // 3.发送请求
            SearchResponse response = client.search(request, RequestOptions.DEFAULT);
            // 封装返回结果
            Map<String, List<String>> result = new HashMap<>();
            // 4.解析响应
            Aggregations aggregations = response.getAggregations();
            // 4.1根据名称 获取品牌结果
            List<String> brandList = getAggbyName(aggregations,"brandAgg");
            result.put("品牌",brandList);
            // 4.1根据名称 获取城市结果
            List<String> cityList = getAggbyName(aggregations,"cityAgg");
            result.put("城市",cityList);
//            // 4.1根据名称 获取星级结果
//            List<String> starList = getAggbyName(aggregations,"starAgg");
//            result.put("星级",starList);
            return result;
         catch (IOException e)
            throw new RuntimeException(e);
        
    

    private List<String> getAggbyName(Aggregations aggregations,String aggName) 
        // 4.1根据聚合名称获取聚合结果
        Terms brandTerms = aggregations.get(aggName);
        // 4.2获取buckets
        List<? extends Terms.Bucket> buckets = brandTerms.getBuckets();
        // 遍历
        List<String> brandList = new ArrayList<>();
        for (Terms.Bucket bucket : buckets) 
            // 获取key
            String key = bucket.getKeyAsString();
            brandList.add(key);
        
        return brandList;
    

    private void buildAggregatio(SearchRequest request) 
        request.source().aggregation(AggregationBuilders
                .terms("brandAgg")
                .field("brand")
                .size(10));

        request.source().aggregation(AggregationBuilders
                .terms("cityAgg")
                .field("city")
                .size(10));

//        request.source().aggregation(AggregationBuilders
//                .terms("starAgg")
//                .field("starName")
//                .size(10));
    

2.自动补全

当用户在搜索框输入字符时，我们应该提示出与该字符有关的搜索项，如图：

这种根据用户输入的字母，提示完整词条的功能，就是自动补全了。

因为需要根据拼音字母来推断，因此要用到拼音分词功能。

2.1.拼音分词器

要实现根据字母做补全，就必须对文档按照拼音分词。在GitHub上恰好有elasticsearch的拼音分词插件。地址：https://github.com/medcl/elasticsearch-analysis-pinyin

课前资料中也提供了拼音分词器的安装包：

安装方式与IK分词器一样，分三步：

​ ①解压

​ ②上传到虚拟机中，elasticsearch的plugin目录

​ ③重启elasticsearch

​ ④测试

详细安装步骤可以参考IK分词器的安装过程。

测试用法如下：

POST /_analyze

  "text": "如家酒店还不错",
  "analyzer": "pinyin"

结果：

2.2.自定义分词器

默认的拼音分词器会将每个汉字单独分为拼音，而我们希望的是每个词条形成一组拼音，需要对拼音分词器做个性化定制，形成自定义分词器。

elasticsearch中分词器（analyzer）的组成包含三部分：

• character filters：在tokenizer之前对文本进行处理。例如删除字符、替换字符
• tokenizer：将文本按照一定的规则切割成词条（term）。例如keyword，就是不分词；还有ik_smart
• tokenizer filter：将tokenizer输出的词条做进一步处理。例如大小写转换、同义词处理、拼音处理等

文档分词时会依次由这三部分来处理文档：

声明自定义分词器的语法如下：

PUT /test

  "settings": 
    "analysis": 
      "analyzer":  // 自定义分词器
        "my_analyzer":   // 分词器名称
          "tokenizer": "ik_max_word",
          "filter": "py"
        
      ,
      "filter":  // 自定义tokenizer filter
        "py":  // 过滤器名称
          "type": "pinyin", // 过滤器类型，这里是pinyin
		  "keep_full_pinyin": false,
          "keep_joined_full_pinyin": true,
          "keep_original": true,
          "limit_first_letter_length": 16,
          "remove_duplicated_term": true,
          "none_chinese_pinyin_tokenize": false
        
      
    
  ,
  "mappings": 
    "properties": 
      "name": 
        "type": "text",
        "analyzer": "my_analyzer",
        "search_analyzer": "ik_smart"
      
    
  

测试：

总结：

如何使用拼音分词器？

• ①下载pinyin分词器

• ②解压并放到elasticsearch的plugin目录

• ③重启即可

如何自定义分词器？

• ①创建索引库时，在settings中配置，可以包含三部分

• ②character filter

• ③tokenizer

• ④filter

拼音分词器注意事项？

• 为了避免搜索到同音字，搜索时不要使用拼音分词器

2.3.自动补全查询

elasticsearch提供了Completion Suggester查询来实现自动补全功能。这个查询会匹配以用户输入内容开头的词条并返回。为了提高补全查询的效率，对于文档中字段的类型有一些约束：

• 参与补全查询的字段必须是completion类型。

• 字段的内容一般是用来补全的多个词条形成的数组。

比如，一个这样的索引库：

// 创建索引库
PUT test

  "mappings": 
    "properties": 
      "title":
        "type": "completion"
      
    
  

然后插入下面的数据：

// 示例数据
POST test/_doc

  "title": ["Sony", "WH-1000XM3"]

POST test/_doc

  "title": ["SK-II", "PITERA"]

POST test/_doc

  "title": ["Nintendo", "switch"]

查询的DSL语句如下：

// 自动补全查询
GET /test/_search

  "suggest": 
    "title_suggest": 
      "text": "s", // 关键字
      "completion": 
        "field": "title", // 补全查询的字段
        "skip_duplicates": true, // 跳过重复的
        "size": 10 // 获取前10条结果
      
    
  

2.4.实现酒店搜索框自动补全

现在，我们的hotel索引库还没有设置拼音分词器，需要修改索引库中的配置。但是我们知道索引库是无法修改的，只能删除然后重新创建。

另外，我们需要添加一个字段，用来做自动补全，将brand、suggestion、city等都放进去，作为自动补全的提示。

因此，总结一下，我们需要做的事情包括：

1. 修改hotel索引库结构，设置自定义拼音分词器

2. 修改索引库的name、all字段，使用自定义分词器

3. 索引库添加一个新字段suggestion，类型为completion类型，使用自定义的分词器

4. 给HotelDoc类添加suggestion字段，内容包含brand、business

5. 重新导入数据到hotel库

2.4.1.修改酒店映射结构

代码如下：

// 酒店数据索引库
PUT /hotel

  "settings": 
    "analysis": 
      "analyzer": 
        "text_anlyzer": 
          "tokenizer": "ik_max_word",
          "filter": "py"
        ,
        "completion_analyzer": 
          "tokenizer": "keyword",
          "filter": "py"
        
      ,
      "filter": 
        "py": 
          "type": "pinyin",
          "keep_full_pinyin": false,
          "keep_joined_full_pinyin": true,
          "keep_original": true,
          "limit_first_letter_length": 16,
          "remove_duplicated_term": true,
          "none_chinese_pinyin_tokenize": false
        
      
    
  ,
  "mappings": 
    "properties": 
      "id":
        "type": "keyword"
      ,
      "name":
        "type": "text",
        "analyzer": "text_anlyzer",
        "search_analyzer": "ik_smart",
        "copy_to": "all"
      ,
      "address":
        "type": "keyword",
        "index": false
      ,
      "price":
        "type": "integer"
      ,
      "score":
        "type": "integer"
      ,
      "brand":
        "type": "keyword",
        "copy_to": "all"
      ,
      "city":
        "type": "keyword"
      ,
      "starName":
        "type": "keyword"
      ,
      "business":
        "type": "keyword",
        "copy_to": "all"
      ,
      "location":
        "type": "geo_point"
      ,
      "pic":
        "type": "keyword",
        "index": false
 
以上是关于elasticsearch 分布式搜索引擎3的主要内容，如果未能解决你的问题，请参考以下文章
 
 elasticsearch分布式搜索引擎详细使用总结
 elasticsearch分布式搜索引擎详细使用总结
 分布式搜索引擎Elasticsearch讲解专题
 分布式搜索引擎Elasticsearch讲解专题
 es表里怎么搜题最快
 ElasticSearch