如何用 Node.js 和 Elasticsearch 構建搜索引擎

hxud3799 8年前發布 | 79K 次閱讀 Node.js Node.js擴展 Elastic Search

Elasticsearch 是一款開源的搜索引擎，由于其高性能和分布式系統架構而備受關注。本文將討論其關鍵特性，并手把手教你如何用它創建 Node.js 搜索引擎。

Elasticsearch 概述

Elasticsearch 底層使用 Apache Lucene 庫，Apache Lucene 自身是一款高性能、基于文本的搜索引擎庫。 Elasticsearch 并不以提供數據存儲和檢索等類數據庫功能為核心目標，相反，它以搜索引擎(服務器端)為目標，意在提供數據索引、數據檢索、和數據實時分析功能

Elasticsearch 采用分布式架構，因而通過新增節點、或者部署到系統已有節點上即可實現水平擴展。Elasticsearch 可以在數以百計的服務器上處理 PB級別的數據。水平擴展同時也意味著高可用性，如果有節點異常，數據可重新被調度執行。

一旦數據導入完成，即可被檢索。Elasticsearch 提供無模式、JSON 格式文件存儲、數據結構和類型自動檢檢測等功能。

Elasticsearch 同時采用完全 API 驅動，這意味著：幾乎所有的操作都可在 HTTP 上通過使用符合 JSON 數據格式的Restful API 完成。Elasticsearch 提供多種程序語言的客戶端 lib，包括 Node.js。

Elasticsearch 對軟硬件要求比較靈活。雖然官方建議線上環境采用 64GB 內存，和盡可能多 CPU 系統配置，但其在一個資源受限的系統中依然可以很好地運行（前提是你的數據集不大）。如本文中的示例，2GB 內存，單核 cpu 系統即可。

Elasticsearch 支持主流操作系統，如 Linux、Mac os 和 Windows，只需安裝最新版的 Java 運行時環境(參考 Elasticsearch 安裝章節)。對于本文中的示例，還需要安裝 Node.js (v0.11.0 之后的版本都可) 和 npm 。

Elasticsearch術語

Elasticsearch使用自己的術語，在某些情況下和典型的數據庫系統中使用的術語不同。下面列出了Elasticsearch中常用的一些術語及其含義。

索引: 在Elasticsearch環境中，該術語有兩個含義。第一個含義是添加數據的操作。當添加數據時，文本會被拆分成分詞（token）（例如：單詞），每個分詞都會被索引。然而，一個索引也指的是所有索引數據的存儲位置。通常，當我們導入數據時，數據會被索引成一個index。每次需要對數據執行任何操作時，都必須指定它的索引名。

類型:Elasticsearch在一個索引中對文檔提供了更詳細的分類，稱為類型。一個索引中的每個文檔還必須有一個類型。例如，我們可以定義一個圖書館（library）索引，然后再將數據索引成多種類型，比如，文章（article）、書（book）、報告（report）和演示（presentation）。由于索引幾乎有固定的開銷，所以建議使用較少的索引和較多的類型，而不是較多的索引和較少的類型。

檢索: 如字面意思，你可以檢索不同的索引和類型數據。Elasticsearch 提供了多種類型的檢索關鍵字，如term、phrase、range、fuzzy，甚至還提供了地理數據的查詢詞。

過濾: Elasticsearch 支持過濾功能。根據不同的過濾規則過濾檢索結果，以便進一步縮小檢索結果集。Elasticsearch 依據相關性對文檔進行排序。如果你為舊文檔新增查詢詞，可能會觸發文檔的相關性排序，使得舊文檔順序發生變化。但如果只是新增過濾詞，舊文檔的順序保持不變。

聚合: 可在不同類型的聚合數據上展開統計分析，比如minimum, maximum, average, summation, histograms, 等等.

建議: 針對文本輸入，Elasticsearch 提供不同的建議類型，這些建議類型可以是一個單詞、短語，甚至是完整的語句。

安裝Elasticsearch

Elasticsearch 受Apache 2許可證保護，可以被下載，使用，免費修改。安裝Elasticsearch 之前你需要先確保在你的電腦上安裝了Java Runtime Environment (JRE) ，Elasticsearch 是使用java實現的并且依賴java庫運行。你可以使用下面的命令行來檢測你是否安裝了java

java -version

推薦使用java最新的穩定版本（寫這篇文章的時候是1.8）。你可以在這里找到在你系統上安裝java的指導手冊。

接下來是下載最新版本的Elasticsearch （寫這篇文章的時候是2.3.5），去下載頁下載ZIP 文件。Elasticsearch 不需要安裝，一個zip文件就包含了可在所有支持的系統上運行的文件。解壓下載的文件，就完成了。有幾種其他的方式運行Elasticsearch ，比如：獲得TAR 文件或者為不同Linux發行版本的包（看這里）。

如果你使用的是Mac操作系統并且安裝了Homebrew ，你就可以使用這行命令安裝Elasticsearch brew install elasticsearch.Homebrew 會自動添加executables 到你的系統并且安裝所需的服務。它也可以使用一行命令幫你更新應用:brew upgrade elasticsearch.

想在Windows上運行Elasticsearch ，可以在解壓的文件夾里，通過命令行運行bin\elasticsearch.bat 。對于其他系統，可以從終端運行 ./bin/elasticsearch.這時候，Elasticsearch 就應該可以在你的系統上運行了。

就像我之前提到的，你可以使用Elasticsearch的幾乎所有的操作，都可以通過RESTful APIs完成。Elasticsearch 默認使用9200 端口。為了確保你正確的運行了Elasticsearch。在你的瀏覽器中打開http://localhost:9200/ ，將會顯示一些關于你運行的實例的基本信息。

圖形用戶界面

Elasticsearch不須圖形用戶界面，只通過REST APIs就提供了幾乎所有的功能。然而如果我不介紹怎么通過APIs和 Node.js執行所有所需的操作，你可以通過幾個提供了索引和數據的可視化信息GUI工具來完成，這些工具甚至含有一些高水平的分析。

Kibana , 是同一家公司開發的工具，它提供了數據的實時概要，并提供了一些可視化定制和分析選項。Kibana 是免費的。

還有一些是社區開發的工具，如 elasticsearch-head , Elasticsearch GUI , 甚至谷歌瀏覽器的擴展組件 ElasticSearch Toolbox .這些工具可以幫你在瀏覽器中查看你的索引和數據，甚至可以試運行不同的搜索和匯總查詢。所有這些工具提供了安裝和使用的攻略。

創建一個Node.js環境

彈性搜索為Node.js提供一個官方模塊，稱為elasticsearch。首先，你需要添加模塊到你的工程目錄下，并且保存依賴以備以后使用。

npm install elasticsearch --save

然后，你可以在腳本里導入模塊，如下所示：

const elasticsearch = require('elasticsearch');

最終，你需要創建客戶端來處理與彈性搜索的通訊。在這種情況下，我假設你正在運行彈性搜索的本地機器IP地址是127.0.0.1，端口是9200（默認設置）。

const esClient = new elasticsearch.Client({
  host: '127.0.0.1:9200',
  log: 'error'
  });

日志選項確保所有錯誤被打印出來。在本篇文章末處，我將使用相同的esClient對象與Elasticsearch進行通訊。這里提供Node模塊的復雜文檔說明。

注意：這篇導讀的所有源代碼都可以在GitHub下載查看。最簡單的查看方式是在你的PC機上克隆倉庫，并且從那里運行示例代碼：

git clone https://github.com:sitepoint-editors/node-elasticsearch-tutorial.git
cd node-elasticsearch-tutorial
npm install

數據導入

在本教程中，我將使用 1000 篇學術論文里的內容，這些內容是根據隨機算法逐一生成的，并以 JSON 格式提供，其中的數據格式如下所示：

{
    "_id": "57508457f482c3a68c0a8ab3",
    "title": "Nostrud anim proident cillum non.",
    "journal": "qui ea",
    "volume": 54,
    "number": 11,
    "pages": "109-117",
    "year": 2014,
    "authors": [
      {
        "firstname": "Allyson",
        "lastname": "Ellison",
        "institution": "Ronbert",
        "email": "Allyson@Ronbert.tv"
      },
      ...
    ],
    "abstract": "Do occaecat reprehenderit dolore ...",
    "link": "http://mollit.us/57508457f482c3a68c0a8ab3.pdf",
    "keywords": [
      "sunt",
      "fugiat",
      ...
    ],
    "body": "removed to save space"
  }

JSON 格式中的每個字段如字面意思，無需多余解釋，但值得注意的是：由于<body>包含隨機生成的文章的全部的內容（大概有100~200個段落），所以并未展示，若要獲取完整數據。

雖然 Elasticsearch 提供了索引(indexing) ，更新(updating) 、刪除(deleting) 單個數據的方法，但我們采用批量(bulk) 接口導入數據，因為批量接口在大型數據集上執行操作的效率更高。

// index.jsconst bulkIndex = function bulkIndex(index, type, data) {
  let bulkBody = [];

  data.forEach(item => {
    bulkBody.push({
      index: {
        _index: index,
        _type: type,
        _id: item.id      }
    });

    bulkBody.push(item);
  });

  esClient.bulk({body: bulkBody})
  .then(response => {
    console.log('here');
    let errorCount = 0;
    response.items.forEach(item => {
      if (item.index && item.index.error) {
        console.log(++errorCount, item.index.error);
      }
    });
    console.log(
      `Successfully indexed ${data.length - errorCount}
       out of ${data.length} items`
    );
  })
  .catch(console.err);};const test = function test() {
  const articlesRaw = fs.readFileSync('data.json');
  bulkIndex('library', 'article', articles);};

這里，我們調用函數bulkIndex建立索引，并傳入 3 個參數，分別是：索引名 library，類型名library，JSON 數據格式變量 articles。bulkIndex函數自身則通過調用esClient對象的bulk接口實現，bulk 方法包含一個body屬性的對象參數，并且每個body屬性值是一個包含 2 種操作實體的數組對象。第一個實體是 JSON 格式的操作類型對象，該對象中的index屬性決定了操作的類型(本例子是文件索引)、索引名、文件ID。第二個實體則是文件對象本身。

注意，后續可采用同樣的方式，為其他類型文件（如書籍或者報告）添加索引。我們還可以有選擇的每個文件分配一個唯一的ID，如果不體統唯一的ID，Elasticsearch 將主動為每個文件分配一個隨機的唯一ID。

假設你已經從代碼庫中下載了 Elasticsearch 項目代碼，在項目根目錄下執行如下命令，即可將數據導入至Elasticsearch中：

$ node index.js
1000 items parsed from data file
Successfully indexed 1000 out of 1000 items

檢查數據的索引是否準確

Elasticsearch 最大的特性是接近實時檢索，這意味著，一旦文檔索引建立完成，1 秒內就可被檢索。索引一旦建立完成，則可通過運行 indice.js 檢查索引信息的準確性：

// indices.js

const indices = function indices() {
  return esClient.cat.indices({v: true})
  .then(console.log)
  .catch(err => console.error(`Error connecting to the es client: ${err}`));
};

client 中的cat 對象方法提供當前運行實例的各種信息。其中的 indices 方法列出所有的索引信息，包括每個索引的健康狀態、以及占用的磁盤大小。而其中的 v 選項為 cat方法新增頭部響應。

當運行上面代碼段，您會發現，集群的健康狀態被不同的顏色標示。其中，紅色表示為正常運行的有問題集群；黃色表示集群可運行，但存在告警；綠色表示集群正常運行。在本地運行上面的代碼段，您極有可能(取決于您的配置)看到集群的健康狀態顏色是黃色，這是因為默認的集群設置包含 5 個節點，但本地運行只有 1 個實例正常運行。鑒于本教程的目的僅局限于 Elasticsearch 指導學習，黃色即可。但在線上環境中，你必須確保集群的健康狀態顏色是綠色的。

$ node indices.js
elasticsearch indices information:
health status index   pri rep docs.count docs.deleted store.size pri.store.size
yellow open   library   5   1       1000            0     41.2mb         41.2mb

動態和自定義映射

如前所述, Elasticsearch 無模式(schema-free)，這意味著，在數據導入之前，您無需定義數據的結構(類似于SQL數據庫需要預先定義表結構)，Elasticsearch 會主動檢測。盡管 Elasticsearch 被定義為無模式，但數據結構上仍有些限制。

Elasticsearch 以映射的方式引用數據結構。當數據索引建立完成后，如果映射不存在，Elasticsearch 會依次檢索 JSON 數據的每個字段，然后基于被字段的類型(type)自動生成映射(mapping)。如果存在該字段的映射，則會確保按照同樣的映射規則新增數據。否則直接報錯。

比如：如果{"key1": 12} 已經存在，Elasticsearch 自動將字段 key1 映射為長整型。現在如果你嘗試通過{"key1": "value1", "key2": "value2"} 檢索, 則會直接報錯，因為系統預期字段 key1 為長整型。同時，如果通過 {"key1": 13, "key2": "value2"} 檢索則不會報錯，并為字段 key2 新增 string 類型。

映射不能超出文本的范圍，大都數情況下，系統自動生成的映射都可正常運行。

構建搜索引擎

一旦完成數據索引，我們就可以開始實現搜索引擎。Elasticsearch提供了一個直觀的基于JSON的全搜索查詢的結構-Query DSL，定義查詢。有許多有用的搜索查詢類型，但是在這篇文章中，我們將只看到幾個通用的類型。

請記住，我提供了每個展示例子的源碼的連接。設置完你的環境和索引測試數據后，你可以下載源碼，然后運行在你的機器上運行任何例子。可以通過命令行運行節點filename.js。

返回一個或多個索引的所有記錄

為了執行我們的搜索，我們將使用客戶端提供的多種搜索方法。最簡單的查詢是match_all，它可以返回一個或多個索引的所有的記錄。下面的例子顯示了我們怎么樣獲取在一個索引中獲取所有存儲的記錄。

//search_all.js

const search = function search(index, body) {
  return esClient.search({index: index, body: body});
};

const test = function test() {
  let body = {
    size: 20,
    from: 0,
    query: {
      match_all: {}
    }
  };

  search('library', body)
  .then(results => {
    console.log(`found ${results.hits.total} items in ${results.took}ms`);
    console.log(`returned article titles:`);
    results.hits.hits.forEach(
      (hit, index) => console.log(
        `\t${body.from + ++index} - ${hit._source.title}`
      )
    )
  })
  .catch(console.error);
};

主要的搜索查詢包含在Query對象中。就像我們接下來看到的那樣，我們可以添加不同的搜索查詢類型到這個對象。我們可以為每一個Query添加一個查詢類型的關鍵字（如match_all），讓這個Query成為一個包含搜索選項的對象。由于我們想返回索引的所有記錄，所以在這個例子中沒有查詢選項。

除了Query對象，搜索體中可以包含其他選項的屬性，如 size 和from。size屬性決定了返回記錄的數量。如果這個值不存在，默認返回10個記錄。from屬性決定了返回記錄的起始索引，這對分頁有用。

理解查詢API的返回結果

如果你打印搜索API返回結果（上面例子的結果）日志。由于它包含了很多信息，剛開始看起來無所適從。

{ took: 6,
  timed_out: false,
  _shards: { total: 5, successful: 5, failed: 0 },
  hits:
   { total: 1000,
     max_score: 1,
     hits:
      [ [Object],
        [Object],
    ...
        [Object] ] } }

在最高級別日志輸出里，返回結果中含有took 屬性，該屬性值表示查找結果所用的毫秒數，timed_out只有在最大允許時間內沒有找到結果時為true，_shards 是不同節點的狀態的信息（如果部署的是節點集群），hits是查詢結果。

hits的屬性值是一個含有下列屬性的對象：

total —表示匹配的條目的總數量
max_score — 找到的條目的最大分數
hits — 找到的條目的數組，在hits數組里的每一天記錄，都有索引，類型，文檔，ID，分數，和記錄本身（在_source元素內）。

這十分復雜，但是好消息是一旦你實現了一個提取結果的方法，不管你的搜索查詢結果時什么，你都可以使用相同的格式獲取結果。

還需要注意的是Elasticsearch 有一個好處是它自動地給每一個匹配記錄分配分數，這個分數用來量化文件的關聯性，返回結果的順序默認的按鈕分數倒排。在例子中我們使用match_all取回了所有的記錄，分數是沒有意義的，所有的分數都被計算為1.0。

匹配含指定字段值的文檔

現在我們看幾個更加有趣的例子. 我們可以通過使用 match 關鍵字查詢文檔是否與指定的字段值匹配。一個最簡單的包含 match 關鍵字的檢索主體代碼如下所示：

// search_match.js

{
  query: {
    match: {
      title: {
        query: 'search terms go here'
      }
    }
  }
}

如上文所述, 首先通過為查詢對象新增一個條目，并指定檢索類型，上面示例給的是 match 。然后再檢索類型對象里面，申明待檢索的文檔對象，本例是 title 文檔對象。然后再文檔對象里面，提供相關檢索數據，和 query 屬性。我希望你測試過上述示例之后，驚訝于 Elasticsearch 的檢索效率。

上述示例執行成功后，將返回title(標題)字段與任一 query 屬性詞匹配的所有文檔信息。同時還可以參考如下示例，為查詢對象附加最小匹配數量條件：

// search_match.js

...
match: {
  title: {
    query: 'search terms go here',
    minimum_should_match: 3
  }
}
...

與該查詢匹配的文檔 title(標題)字段至少包含上訴指定的 3 個關鍵詞。如果查詢關鍵詞少于 3個，那么匹配文檔的 title(標題)字段必須包含所有的查詢詞。Elasticsearch 的另一個有用的功能是 fuzziness( 模糊匹配).這對于用戶輸入錯誤的查詢詞將非常有用，因為fuzzy(模糊匹配)將發現拼寫錯誤并給出最接近詞供選擇。對于字符串類型，每個關鍵字的模糊匹配值是根據算法Levenshtein distance 算出的最大允許值。fuzziness(模糊匹配)示例如下所示：

match: {
  title: {
    query: 'search tems go here',
    minimum_should_match: 3,
    fuzziness: 2
  }
}

多個字段搜索

如果你想在多個字段中搜索，可以使用multi_match搜索類型。除了Query對象中的fields屬性外，它同match有點類似。fields屬性是需要搜索的字段的集合。這里我們將在title,authors.firstname, 和authors.lastname 字段中搜索。

// search_multi_match

multi_match: {
  query: 'search terms go here',
  fields: ['title', 'authors.firstname',  'authors.lastname']
}

multi_match查詢支持其他搜索屬性，如minimum_should_match 和fuzziness。Elasticsearch支持使用通配符（如*）匹配字段，那么我們可以使用['title', 'authors.*name']把上面的例子變得更短些。

匹配一個完整的句子

Elasticsearch也支持精確的匹配一個輸入的句子，而不是在單詞級別。這個查詢是在普通的match 查詢上擴展而來，叫做 match_phrase。下面是一個match_phrase的例子

// match_phrase.js

match: {
  title: {
    query: 'search phrase goes here',
    type: 'phrase'
  }}

聯合多個查詢

到目前為止，在例子中我們每次請求只使用了單個查詢。然而Elasticsearch允許你聯合多個查詢。最常用的復合查詢是bool，bool查詢接受4種關鍵類型must, should, must_not, 和filter. 像它們的名字表示的那樣，在查詢結果的數據里必須匹配must里的查詢，必須不匹配must_not里的查詢，如果哪個數據匹配should里的查詢，它就會獲得高分。每一個提到的元素可以使用查詢數組格式接受多個搜索查詢。

下面，我們使用bool查詢及一個新的叫做query_string的查詢類型。它允許你使用 AND 或 OR寫一些比較高級的查詢。在這里可以看到 query_string語法的所有文檔。另外，我們使用了 range查詢，它可以讓我們通過給定的范圍的方式去限制一個字段。

// search_bool.js

{
  bool: {
    must: [
      {
        query_string: {
          query: '(authors.firstname:term1 OR authors.lastname:term2) AND (title:term3)'
        }
      }
    ],
    should: [
      {
        match: {
          body: {
            query: 'search phrase goes here',
            type: 'phrase'
          }
        }
      }
    ],
    must_not: [
      {
        range: {
          year: {
            gte: 2011,
            lte: 2013
          }
        }
      }
    ]
  }
}

在上面的例子中，查詢返回的數據，作者的名包含term1 或它們的姓包含term2，并且它們的title含有term3，而且它們不在2011,2012或2013年出版的，還有在body字段里含有給定句子數據將獲得高分，并被排列到結果的前面（由于在should從句中的match 查詢）。

過濾，聚合，和建議

除了它先進的搜索功能外，Elasticsearch 還提供了其他的功能。接下來，我們再看看其他三個比較常用的功能。

過濾

也許，你經常想使用特定的條件凝縮查詢結果。Elasticsearch通過filters 提供了這樣的功能。在我們的文章數據里，假設你的查詢返回了幾個文章，這些文章是你選擇的在5個具體年份發布的文章。你可以簡單的從搜索結果中過濾出那些不匹配條件的數據，而不改變查詢結果的順序。

在bool 查詢的must 從句中，過濾和相同查詢之間的不同之處在于，過濾不會影響搜索分數，而must 查詢會。當查詢結果返回并且用戶使用給定的條件過濾時，他們不想改變結果的順序，相反地，他們只想從結果中移除不相關的數據。過濾與搜索的格式一樣，但在通常情況下，他們在有明確值的字段上定義，而不是文本字符串上。Elasticsearch 推薦通過bool復合查詢的filter從句添加過濾。

繼續看上面的例子，假設我們想把搜索結果限制在在2011到2015年之間發布的文章里。這樣做，我們只需要在一般搜索查詢的filter 部分添加range 查詢。這將會從結果中移除那些不匹配的數據。下面是一個過濾查詢的例子。

// filter.js

{
  bool: {
    must: [
      {
        match: {
          title: 'search terms go here'
        }
      }
    ],
    filter: [
      {
        range: {
          year: {
            gte: 2011,
            lte: 2015
          }
        }
      }
    ]
  }
}

聚合框架會基于一次搜索查詢，提供各種聚合數據和統計信息。兩個主要的聚合類型是度量和分塊, 度量聚合會對一個文檔的集合進行持續的跟蹤并計算度量，而分塊聚合則會進行塊的構建，每個塊都會跟一個鍵和一個文檔查詢條件關聯起來。度量聚合的示例有平均值，最小值，最大值，加總值還有計數值。分塊聚合的示例有范圍、日期范圍、直方圖以及主題項。對聚合器更加深入的描述可以在這里找到。

聚合可以放置在一個 aggregations 對象里面，而對象自己則是被直接放到 search 對象體中。在 aggregations 對象里面，每一個鍵都是由用戶賦予一個聚合器的名稱。聚合器的類型和其它選項都應該是作為這個鍵的值而放置的。接下來我們要來看看兩個不同類型的聚合器，一個是度量的，一個塊的。我們會用度量聚合器來嘗試找出數據集合中最小的年份值（也就是最久遠的文章），而使用塊集合器我要做的就是嘗試找出每一個關鍵詞各自出現了多少次。

// aggregations.js{
  aggregations: {
    min_year: {
      min: {field: 'year'}
    },
    keywords: {
      terms: {field: 'keywords'}
    }
  }}

在上述示例中，我們將度量聚合器命名為 min_year (也可以是其它名稱), 也就是 year 這個域上的 min 類型。塊聚合器責備命名為 keywords, 就是 keywords 這個域上的 terms 類型。聚合操作的結果被裝在了響應消息里的 aggregations 元素里面，更深入一點會發現里面包含了每一個聚合器（這里是 min_year 和 keywords）以及它們的聚合操作結果。如下是來自這個示例響應消息中的部分內容。

{
...
  "aggregations": {
    "keywords": {
      "doc_count_error_upper_bound": 0,
      "sum_other_doc_count": 2452,
      "buckets": [
        {
          "key": "pariatur",
          "doc_count": 88
        },
        {
          "key": "adipisicing",
          "doc_count": 75
        },
        ...
      ]
    },
    "min_year": {
      "value": 1970
    }
  }
}

響應消息中默認最多會有10個塊返回。你可以在請求中 filed 的邊上加入一個size鍵來規定返回的塊的最大數量。如果你想要接收到所有的塊，可以將這個值設置為 0。

Elasticsearch 提供了多種可以對輸入內容提供替換和補全的關聯項推薦器。下面將介紹術語和短語推薦器。術語推薦器為每個輸入文本中的術語提供關聯推薦（如果有的話），而短語推薦器將整個輸入文本看做一個短語（與將其拆分成術語對比），然后提供其他短語的推薦（如果有的話）。使用推薦API時，需要調用Node.js client的suggest方法。如下為術語推薦器的示例。

// suggest_term.js

esClient.suggest({
  index: 'articles',
  body: {
    text: 'text goes here',
    titleSuggester: {
      term: {
        field: 'title',
        size: 5
      }
    }
  }
}).then(...)

與其他client的方法相同，在請求體中包含一個index字段指明采用的索引。在body字段中添加查詢推薦的文本，然后給每個推薦器一個（包含了聚合對象的）名稱（本例中的titleSuggester）。其值指明了推薦器的類型和配置。這里，為title字段使用了術語推薦器，限制最大建議的數量是每個token最多5個（size: 5）。

建議API返回的數據中包含了對應請求中每一個建議器的key，其值是一個與你輸入文本中術語數量相同的一個數組。對于數組中的每一個元素，包含一個options數組，其每個對象的text字段中包含了推薦的文本。如下是上面例子中返回數據的一部分。

...
"titleSuggester": [
  {
    "text": "term",
    "offset": 0,
    "length": 4,
    "options": [
      {
        "text": "terms",
        "score": 0.75,
        "freq": 120
      },
      {
        "text": "team",
        "score": 0.5,
        "freq": 151
      }
    ]
  },
  ...
]
...

獲取短語推薦的時候，采用與上文相同的格式并替換推薦器的類型字段即可。如下的例子中，返回數據將與上例格式相同。）

// suggest_phrase.js

esClient.suggest({
  index: 'articles',
  body: {
    text: 'phrase goes here',
    bodySuggester: {
      phrase: {
        field: 'body'
      }
    }
  }
}).then(...).catch(...)

進一步閱讀

Elasticsearch 提供了許多特性，這些特性遠遠超出了這一篇文章所能討論的范圍。在這篇文章中，我試圖站在一個很高的層次上來解釋它的特性，并為你提供可用來進一步學習的合適資源。Elasticsearch是非常可靠的，并且有著出色的表現（我希望你在運行范例時已經注意到了這一點）。再加之不斷增長的社區支持，使得Elasticsearch在工業中的應用也在不斷增加，尤其是對于需要處理實時數據或大數據的公司。

來自：https://www.oschina.net/translate/search-engine-node-elasticsearch

本文由用戶 hxud3799 自行上傳分享，僅供網友學習交流。所有權歸原作者，若您的權利被侵害，請聯系管理員。

轉載本站原創文章，請注明出處，并保留原始鏈接、圖片水印。

本站是一個以用戶分享為主的開源技術平臺，歡迎各類分享！

本文地址：http://www.baiduhome.net/lib/view/open1476345849465.html

Node.js Node.js擴展 Elastic Search

如何用 Node.js 和 Elasticsearch 構建搜索引擎

Elasticsearch 概述

Elasticsearch術語

安裝Elasticsearch

圖形用戶界面

創建一個Node.js環境

數據導入

檢查數據的索引是否準確

動態和自定義映射

構建搜索引擎

返回一個或多個索引的所有記錄

理解查詢API的返回結果

匹配含指定字段值的文檔

多個字段搜索

匹配一個完整的句子

聯合多個查詢

過濾，聚合，和建議

過濾

進一步閱讀

相關經驗

相關資訊

相關文檔

目錄

如何用 Node.js 和 Elasticsearch 構建搜索引擎

Elasticsearch 概述

Elasticsearch術語

安裝Elasticsearch

圖形用戶界面

創建一個Node.js環境

數據導入

檢查數據的索引是否準確

動態和自定義映射

構建搜索引擎

返回一個或多個索引的所有記錄

理解查詢API的返回結果

匹配含 指定字段值的 文檔

多個字段搜索

匹配一個完整的句子

聯合多個查詢

過濾，聚合，和建議

過濾

進一步閱讀

相關經驗

相關資訊

相關文檔

目錄

匹配含指定字段值的文檔