ElasticSearch自动补全

ops/2024/11/15 1:08:30/

一、拼音分词器：

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。


GET /_analyze
{"text":"我爱螺蛳粉","analyzer": "pinyin"
}

        这个错误表明 Elasticsearch 在使用全局分析器 pinyin 时遇到了问题，因为它无法找到这个全局分析器。可能是由于缺少配置或插件问题导致的。你需要确保已正确配置了 pinyin 分析器，并且相关的插件已经正确安装和配置：

                                正确结果会是这样的：

1.1、在线安装拼音分词器：
# 进入容器内部
docker exec -it es /bin/bash# 在线下载并安装
./bin/elasticsearch-plugin  install https://github.com/medcl/elasticsearch-analysis-pinyin/releases/download/v7.12.1/elasticsearch-analysis-pinyin-7.12.1.zip#退出
exit
#重启容器
docker restart es

说明：安装的链接怎么获得

[root@db301601 ~]# docker exec -it es bash
[root@877298bbcfdf elasticsearch]# cd /usr/share/elasticsearch/bin
[root@877298bbcfdf bin]# ls
elasticsearch		elasticsearch-cli	elasticsearch-env-from-file  elasticsearch-node		  elasticsearch-setup-passwords  elasticsearch-sql-cli-7.12.1.jar  x-pack-env
elasticsearch-certgen	elasticsearch-croneval	elasticsearch-keystore	     elasticsearch-plugin	  elasticsearch-shard		 elasticsearch-syskeygen	   x-pack-security-env
elasticsearch-certutil	elasticsearch-env	elasticsearch-migrate	     elasticsearch-saml-metadata  elasticsearch-sql-cli		 elasticsearch-users		   x-pack-watcher-env
[root@877298bbcfdf bin]# cd /usr/share/elasticsearch    
[root@877298bbcfdf elasticsearch]# ls
LICENSE.txt  NOTICE.txt  README.asciidoc  bin  config  data  jdk  lib  logs  modules  plugins
[root@877298bbcfdf elasticsearch]# cd /usr/share/elasticsearch/plugins
[root@877298bbcfdf plugins]# ls
analysis-ik[root@db301601 ~]# docker exec -it es /bin/bash
[root@877298bbcfdf elasticsearch]# ./bin/elasticsearch-plugin  install https://github.com/medcl/elasticsearch-analysis-pinyin/releases/download/v7.12.1/elasticsearch-analysis-pinyin-7.12.1.zip[root@877298bbcfdf elasticsearch]# ls
LICENSE.txt  NOTICE.txt  README.asciidoc  bin  config  data  jdk  lib  logs  modules  plugins
[root@877298bbcfdf elasticsearch]# cd plugins
[root@877298bbcfdf plugins]# ls
analysis-ik  analysis-pinyin
  • ./ 是指当前目录的简写。在Linux和类Unix系统中，. 表示当前目录，.. 表示上一级目录。因此，./ 表示当前目录下的文件或目录。在你的命令中，./elasticsearch-plugin 意味着你希望在当前目录中执行名为 elasticsearch-plugin 的可执行文件。
  • 使用正确的命令来删除 Elasticsearch 中的插件。正确的命令是 elasticsearch-plugin remove analysis-ik。这个命令会将名为 analysis-ik 的插件从 Elasticsearch 中移除。
  • elasticsearch-plugin 命令会将插件安装到 Elasticsearch 的插件目录中。通常情况下，插件目录位于 Elasticsearch 安装目录的 plugins 文件夹下。具体位置可能因操作系统和安装方式而异，但通常在 /usr/share/elasticsearch/plugins 或 /opt/elasticsearch/plugins 等位置。

1.2、离线安装拼音分词器：

        安装插件需要知道elasticsearch的plugins目录位置，而我们用了数据卷挂载，因此需要查看elasticsearch的数据卷目录，通过下面命令查看数据卷目录:

docker volume inspect es-plugins

[root@db301601 ~]# docker restart es
es
[root@db301601 ~]# docker ps
CONTAINER ID   IMAGE                  COMMAND                  CREATED        STATUS         PORTS                                                                                  NAMES
877298bbcfdf   elasticsearch:7.12.1   "/bin/tini -- /usr/l…"   41 hours ago   Up 2 seconds   0.0.0.0:9200->9200/tcp, :::9200->9200/tcp, 0.0.0.0:9300->9300/tcp, :::9300->9300/tcp   es
881f28a337e6   kibana:7.12.1          "/bin/tini -- /usr/l…"   42 hours ago   Up 42 hours    0.0.0.0:5601->5601/tcp, :::5601->5601/tcp                                              kibana
[root@db301601 ~]#  docker volume ls
DRIVER    VOLUME NAME
local     03b04390f4eefc2da60368f67dbc266b76ccb710fe4275535f77a2067204da11
local     7df7ad63d90a9a6c2e3440b37e261039402950dd96f11677c8936dacd2c03210
local     ece02e3c8db3e86860f63fcc1fe9eb0a7c6f42a2b10d7a6c93d7172017886f40
local     ef6b9cdbe2110ec4802b5941d87d83250d1eb12a547a61ed342a59776fa94184
local     es-data
local     es-logs
local     es-plugins
local     root_data01
local     root_data02
local     root_data03
[root@db301601 ~]# docker volume inspect es-plugins
[{"CreatedAt": "2024-04-26T16:46:19+08:00","Driver": "local","Labels": null,"Mountpoint": "/var/lib/docker/volumes/es-plugins/_data","Name": "es-plugins","Options": null,"Scope": "local"}
]
[root@db301601 ~]# cd /var/lib/docker/volumes/es-plugins/_data
[root@db301601 _data]# ls
py

说明plugins目录被挂载到了：/var/lib/docker/volumes/es-plugins/_data 这个目录中。

解压缩分词器安装包:把下载好的ik分词器解压缩，重命名为ik：

 

 上传到es容器的插件数据卷中：

重启容器:   docker restart es(容器名字)

二、自定义分词器   

注意事项：
        pinyin分词器默认时有很多缺点，比如每个字都拆分变成拼音，不符合一般需求，并且如果使用pinyin分词器，默认的中文索引就没了，只剩下pinyin索引了。所以，需要完善以下几点：

  • 分词时不仅包含汉字，还需包含拼音
  • 分词时按词分，不是字
  • 使用汉字查询时，不会查询到同音词条目docs

         如果只是单独使用拼音分词器，是没办法满足具体业务使用场景的，这时候就需要自定义分词器， 通过自定义分词器，将ik分词器与拼音分词器整合起来，来保证我们的搜索既满足汉字也满足拼音:

        自定义分词器一定是在创建索引库的时候去设置，它只对你所指定的索引库test有效，settings是索引库配置，我们自定义了三步之中的tokenizer和filter：

不完善的错误写法： 
PUT /test
{"settings": {"analysis": {"analyzer": {"my_analyzer":{//自定义分词器名称//先分词，分好词后交给filter去处理："tokenizer":"ik_max_word","filter":"py"}},"filter": {"py":{"type":"pinyin","keep_full_pinyin":false,//单个字的拼音"keep_joined_full_pinyin":true,//全拼"keep_original":true, //保留中文"limit_first_letter_length":16,"remove_duplicated_term":true,"none_chinese_pinyin_tokenize":false}}}},"mappings": {"properties": {"name":{"type": "text","analyzer": "my_analyzer" //用my_analyzer分词器}}}
}

                        ​​​​​​​                 

测试1：这个没问题
GET /test/_analyze
{"text":"我爱螺蛳粉","analyzer": "my_analyzer"
}GET /test/_analyze
{"text":"如家酒店还不错","analyzer": "my_analyzer"
}

会生成中文、全拼音、词的缩写 

                   

测试2：同音词问题

拼音分词器适合在创建倒排索引的时候使用，但不能在搜索中使用，否则会出现同音词问题


POST /test/_doc/1
{"id":1,"name":"狮子"
}POST /test/_doc/2
{"id":2,"name":"虱子"
}GET /test/_search
{"query":{"match":{"name":"掉入狮子笼怎么办"}}
}

        ​​​​​​​        ​​​​​​​        ​​​​​​​        

为了避免出现同音词问题，拼音分词器适合在创建倒排索引的时候使用，不在搜索中使用

解决方法： 

        在做mapping映射时，指定两个：analyzer是创建索引时用的，search_analyzer是在搜索时需要的，用户搜的是中文，就拿中文去搜，搜的是英文，才拿英文去搜：

PUT /test
{"settings": {"analysis": {"analyzer": {"my_analyzer":{"tokenizer":"ik_max_word","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": {"name":{"type": "text","analyzer": "my_analyzer","search_analyzer": "ik_smart"}}}
}

这样才能正确搜出：

POST /test/_doc/1
{"id":1,"name":"狮子"
}POST /test/_doc/2
{"id":2,"name":"虱子"
}GET /test/_search
{"query":{"match":{"name":"掉入狮子笼怎么办"}}
}

总结：

 三、自动补全：

        刚才我们已经学习了拼音分词器的详细用法，已经能够实现基于拼音去做数据搜索了。接下来我们就来看一下自动补全的基本语法，将来我们就能够实现基于拼音去做自动补全了。

        在ES当中自动补全功能是基于completion suggester功能来实现的。这个功能可以在用户输入任意关键字时去索引库中，根据指定字段去匹配，以”用户输入关键字”为前缀的所有词条，并且返回，这就是自动补全 。

        自动补全功能对于要查询的字段，会有两个特殊的要求。

  •         第一要求：参与自动补全查询的​​​​​​​字段必须得是completion类型。 咱们以前学习字段的数据类型的时候，我们学过有字符串：text、keyword、数值类型、日期类型，这里又多了一种类型叫completion，它就是专门用来做自动补全查询的；
  •         要求二：参与自动补全查询的字段值最好得是多个词条形成的数组，这样更有利于将来做自动补全。尽量把词语分成一个一个的词条放到数组当中 ，这样可以更加人性化。例如要自动补全的字段名叫title，它的字段值可以看到是个数组：耳机的产品信息，它形成了两个词条，而不是一个字符串，为什么他要分开呢？自动补全是根据词条做自动补全的，如果你把它俩合成一个字符串，那将来我们再去做自动补全时，你就只能根据s来补全。那当用户输入w的时候，它无法搜出产品索尼名称。

示例：

DSL语句：
PUT test2
{"mappings":{"properties":{"title":{"type":"completion"}}}
}
// "title" 字段的数据类型是一个数组（Array）。数组可以包含多个元素，
//这里具体包含了两个字符串，如 "Sony" 和 "WH-1000XM3" 
POST test2/_doc
{"title": ["Sony", "WH-1000XM3"]
}
POST test2/_doc
{"title": ["SK-II", "PITERA"]
}
POST test2/_doc
{"title": ["Nintendo", "switch"]
}
查询语法： 

        将来我们去做completion suggester查询的时候，查询语法比较特殊: 它这里没有用query，因为不再是搜索了，而是去做自动补全，所以变成了suggest。


GET /test2/_search
{"suggest": {"title_suggest": {	//设置这个自动查询操作的名称,名字随便"text": "s", // 关键字，用户输入的前缀，s开头的这些词条"completion": { //自动补全的类型"field": "title", // 自动补全查询的字段名"skip_duplicates": true, // 跳过重复的"size": 10 // 获取前10条结果}}}
}

 

{"took" : 16,"timed_out" : false,"_shards" : {"total" : 1,"successful" : 1,"skipped" : 0,"failed" : 0},"hits" : {"total" : {"value" : 0,"relation" : "eq"},"max_score" : null,"hits" : [ ]},"suggest" : {"title_suggest" : [{"text" : "s","offset" : 0,"length" : 1,"options" : [{"text" : "SK-II","_index" : "test2","_type" : "_doc","_id" : "_6UOJY8B5is2vprLHEOq","_score" : 1.0,"_source" : {"title" : ["SK-II","PITERA"]}},{"text" : "Sony","_index" : "test2","_type" : "_doc","_id" : "_qUOJY8B5is2vprLFUNq","_score" : 1.0,"_source" : {"title" : ["Sony","WH-1000XM3"]}},{"text" : "switch","_index" : "test2","_type" : "_doc","_id" : "AKUOJY8B5is2vprLIERe","_score" : 1.0,"_source" : {"title" : ["Nintendo","switch"]}}]}]}
}

除了返回text外，还返回了文档的原始信息：

输入so就只查出来一条了：

这就是自动补全功能 


http://www.ppmy.cn/ops/27695.html

相关文章

特斯拉全自动驾驶系统Tesla‘s Full-Self Driving (FSD)

特斯拉全自动驾驶系统Tesla‘s Full-Self Driving (FSD)

版权声明 本文原创作者：谷哥的小弟作者博客地址：http://blog.csdn.net/lfdfhl Overview Tesla’s FSD is a suite of features that includes Autopilot, Navigate on Autopilot, Auto Lane Change, Autopark, Summon, and Traffic Light and Stop Sig…
阅读更多...
el-tabs作为子组件使用页面空白

el-tabs作为子组件使用页面空白

文章目录 前言一、问题展示二、源码分析三、解决方案 前言 如果el-tabs是子组件，父组件传值value / v-model为空字符，这个时候在watch中监听value / v-model就会发现监听的数据会被调用为‘0’。一定是作为子组件引用，且在watch进行监听&…
阅读更多...
排序算法1

排序算法1

文章目录 排序算法冒泡排序代码Python 插入排序代码Python 选择排序代码Python 小结 排序算法 这里先写几种排序算法 排序算法，经典的几种排序算法，就那么几个，如下： 冒泡排序插入排序选择排序归并排序快速排序 这一篇&#xf…
阅读更多...
OpenCV 开源的计算机视觉和机器学习软件库

OpenCV 开源的计算机视觉和机器学习软件库

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库，它包含了许多用于图像处理、计算机视觉和机器学习的通用算法。这个库最初由Intel开发，但现在已经成为一个全球性的社区项目，由许多贡献者共同维护和发展。 OpenCV的主要特点和优势包…
阅读更多...
Kubernetes(K8S)最佳实践

Kubernetes(K8S)最佳实践

Kubernetes(K8S)最佳实践 从 Kubernetes 官网摘录。 中文网址 英文网址 大规模集群的注意事项 Kubernetes 旨在适应满足以下所有标准的配置： 每个节点的 Pod 数量不超过 110 节点数不超过 5,000 Pod 总数不超过 150,000 容器总数不超过 300,000 云供应商资…
阅读更多...
NLP 笔记：TF-IDF

NLP 笔记：TF-IDF

TF-IDF（Term Frequency-Inverse Document Frequency，词频-逆文档频率）是一种用于信息检索和文本挖掘的统计方法，用来评估一个词在一组文档中的重要性。TF-IDF的基本思想是，如果某个词在一篇文档中出现频率高&#xff0…
阅读更多...
Linux进程管理与监控

Linux进程管理与监控

一、相关概念 1、进程的的基本定义 在自身的虚拟地址空间运行的一个独立的程序，从操作系统的角度来看，所有在系统上运行的东西，都可以称为一个进程。 2、进程的分类 系统进程：可以执行内存资源分配和进程切换等管理工作&am…
阅读更多...
LoRa技术在物联网领域的安全性挑战与应对策略分享

LoRa技术在物联网领域的安全性挑战与应对策略分享

随着物联网技术的飞速发展，LoRa技术作为一种新兴的无线通信技术，在物联网领域展现出了广阔的应用前景。然而，与此同时，其安全性问题也日益凸显，成为了制约其进一步发展的重要因素。本文将深入分析LoRa网络存在的安全漏…
阅读更多...
最新文章

Copyright @ 2022~2023