公号：码农充电站pro
主页：https://codeshellme.github.io
Search APIs 用于搜索和聚合存储在 ES 中的数据。
1，搜索模板 Template
Search 模板使用 mustache 语言来呈现搜索请求，使得搜索请求参数化，达到开发人员与搜索工程师解耦的效果。
示例：
# 定义一个搜索模板
POST _scripts/template_name # 模板名称为 template_name
{
"script": { # 固定写法
"lang": "mustache", # 固定写法
"source": { # 固定写法
"_source": ["title", "overview"], # 返回哪些字段
"size": 20,
"query": {
"multi_match": {
"query": "{{q}}", # 搜索参数，参数名为 q
"fields": ["title", "overview"]
}
}
}
}
}
# 使用模板
POST template_name/_search/template
{
"id":"template_name",
"params": { # 填写参数 q
"q": "basketball with cartoon aliens"
}
}
2，搜索建议 Suggesters
搜索建议帮助用户在输入搜索的过程中，进行自动补全或者纠错，这种功能在 ES 中通过 Suggesters 来完成。
Suggesters 会将输入的文本分解为 token，然后在索引的字典里查找相似的 Term 并返回。
ES 提供了 4 种类别的 Suggesters：
- Term suggester
- Phrase Suggester
- Completion Suggester
- Context Suggester
Suggester Mode 用于指定在什么情况下给出搜索建议：
- missing：搜索不到内容时，给出搜索建议
- popular：推荐出现频率更高的词
- always：无论是否存在，都给出搜索建议
2.1，Term suggester
示例：
DELETE articles
# 插入一些文档
POST articles/_bulk
{ "index" : { } }
{ "title_completion": "lucene is very cool"}
{ "index" : { } }
{ "title_completion": "Elasticsearch builds on top of lucene"}
{ "index" : { } }
{ "title_completion": "Elasticsearch rocks"}
{ "index" : { } }
{ "title_completion": "elastic is the company behind ELK stack"}
{ "index" : { } }
{ "title_completion": "Elk stack rocks"}
{ "index" : {} }
term-suggestion 搜索：
POST /articles/_search
{
"size": 1,
"query": {
"match": {
"body": "lucen rock" # 查询字符串，拼写错误
}
},
"suggest": { # 搜索建议
"term-suggestion": { # suggester 名称，自定义
"text": "lucen rock", # 这里也是查询字符串
"term": { # term-suggestion
"suggest_mode": "missing", # 建议模式，在没有搜索到时，到 body 字段搜索
"field": "body" # 建议字段
}
}
}
}
一些参数：
- sort：排序方法，默认按照评分排序，也可以按照 frequency 排序。
- prefix_length：默认情况下，首字母不一致就不会给出建议词。如果将其设置为 0，就会为 hock 建议 rock。
示例：
POST /articles/_search
{
"suggest": {
"term-suggestion": {
"text": "lucen hocks",
"term": {
"suggest_mode": "always",
"field": "body",
"prefix_length":0,
"sort": "frequency"
}
}
}
}
2.2，Phrase Suggester
Phrase Suggester 在 Term Suggester 的基础上增加了一些额外的逻辑。
一些参数：
max_errors：最多可以拼错的 Terms 数confidence：限制返回结果数，默认为 1。值为 0 的话，表示返回前 N 个结果。
示例：
POST /articles/_search
{
"suggest": {
"my-suggestion": { # 一个 Suggester，自定义名称
"text": "lucne and elasticsear rock hello world ", # 搜索字符串
"phrase": { # phrase-suggestion
"field": "body",
"max_errors":2,
"confidence":0,
"direct_generator":[{
"field":"body",
"suggest_mode":"always"
}],
"highlight": {
"pre_tag": "<em>",
"post_tag": "</em>"
}
}
}
}
}
2.3，Completion Suggester
Completion Suggester 用于自动补全，用户每输入一个字符，就需要即时发送一个查询请求到后端查找匹配项。
自动补全功能对性能要求比较高， ES 采用了不同的数据结构，而非通过倒排索引来完成。
自动补全功能将分词数据编码成 FST，与索引放在一起。FST 会被加载到内存中，以加快速度。FSF 的缺点是只能用于前缀查找。
示例：
首先，字段的类型必须是 completion，该数据类型用于自动补全功能。
DELETE articles
PUT articles
{
"mappings": {
"properties": {
"title_completion":{
"type": "completion"
}
}
}
}
定义好数据类型之后才能插入数据：
POST articles/_bulk
{ "index" : { } }
{ "title_completion": "lucene is very cool"}
{ "index" : { } }
{ "title_completion": "Elasticsearch builds on top of lucene"}
{ "index" : { } }
{ "title_completion": "Elasticsearch rocks"}
{ "index" : { } }
{ "title_completion": "elastic is the company behind ELK stack"}
{ "index" : { } }
{ "title_completion": "Elk stack rocks"}
{ "index" : {} }
查询数据：
POST articles/_search?pretty
{
"size": 0,
"suggest": {
"article-suggester": { # 自定义名称
"prefix": "elk ", # 查询前缀，基于该前缀进行自动补全
"completion": { # completion
"field": "title_completion" # 字段
}
}
}
}
2.4，Context Suggester
Context Suggester 是对 Completion Suggester 的扩展，称为上下文感知推荐，可以在搜索时提供更多的上下文信息。
例如，输入 "star"：
- 咖啡相关：建议 "starbucks"
- 电影相关：建议 "start wars"
可以定义两种类型的上下文：
- Category：任意字符串
- Geo：地理位置信息
实现 Context Suggester 的步骤：
- 定义一个 Mapping
- 索引数据，并且为每个文档加入 Context 信息
- 查询
示例：
# 设置 Mapping
PUT comments
PUT comments/_mapping
{
"properties": {
"comment_autocomplete":{ # 字段名称
"type": "completion", # 字段类型
"contexts":[{ # Context Suggester，是一个数组
"type":"category", # 上下文类型
"name":"comment_category" # 名称
}]
}
}
}
# 写入数据
POST comments/_doc
{
"comment":"I love the star war movies",
"comment_autocomplete":{
"input":["star wars"], # 如果请求 movies 类型的数据，就返回 "star wars"
"contexts":{
"comment_category":"movies" # 自定义 movies 类型
}
}
}
POST comments/_doc
{
"comment":"Where can I find a Starbucks",
"comment_autocomplete":{
"input":["starbucks"], # 如果请求 coffee 类型的数据，就返回 "starbucks"
"contexts":{
"comment_category":"coffee" # 自定义 coffee 类型
}
}
}
}
# 查询
POST comments/_search
{
"suggest": {
"MY_SUGGESTION": { # 自定义名称
"prefix": "sta", # 搜索字符串前缀
"completion":{ # 自动补全，固定写法
"field":"comment_autocomplete", # 字段名称
"contexts":{
"comment_category":"coffee" # 请求 coffee 类型的数据
}
}
}
}
}
2.5，几种建议的指标比较
比较：
- 精准度： Completion > Phrase > Term
- 召回率：Term > Phrase > Completion
- 性能：Completion > Phrase > Term
（本节完。）
推荐阅读：
欢迎关注作者公众号，获取更多技术干货。
