elasticsearch 实现联想输入搜索

最新推荐文章于 2024-05-28 22:54:24 发布

山鹰的天空

最新推荐文章于 2024-05-28 22:54:24 发布

阅读量7.7k

点赞数

分类专栏： elasticsearch

elasticsearch 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

通常，在项目中需要联想输入（即输入关键字，提示相关词条，类似百度google的搜索）的需求，可能大家都是用的数据库的like '%关键字%‘来实现。但是这样实现有几个问题。

第一、这样的搜索无论是oracle还是mysql，都是无法使用索引的。在oracle中可能有全文检索可以使用，但是个人感觉效果不是很好。

第二、输入的关键字有like的通病，就是只有保含关键字的词条才会被命中。如果中间加个空格之类的，db就无能为力了。

第三、如果要想对命中结果进行相关度排序，这个在常规数据库是无法做到的。虽然，可以按照命中词条的长度进行升序排序，但是加上排序，性能不是很好。

下面介绍一下使用elasticsearch实现联想输入的搜索，因为是搜索引擎，天生就不具备上面的3个问题。

在具体介绍使用方法之前，我们先找个搜索数据。我找的是ICD（就是疾病名称的国标），谁让咱一生都在跟他做斗争。这个在网上一搜一堆。

有了数据，我们先要简单描述一下我们要达到的一个目的。一般的搜索都支持汉字和拼音两种检索方法。我们的这个检索也满足这个需求。

搜索需求描述：

1、支持汉字和简拼两种搜索方法。

2、输入“高血压”时，按照相关度，将带“高血压”名称的疾病名称按照相关度降序排序。

3、输入“老年高血压”，时，将带“老年”和“高血压”名称的疾病名称按照相关度降序排序。

4、输入拼音'gxy‘时，将拼音中带有gxy相关的疾病按照相关度降序排序。

....

类似测试用例的需求，到此打住。

那么，我们一步一步实现这种需求。

首先，我们定义了一个ICD的类，算作我们的模型，其实没有模型也可以，只要存入到es且知道各个field的名称就行。这个里面我们只需要关注疾病名称diseaseName及简拼pinyin字段即可，这个字段默认是字符串，ES默认会帮我们分词。

    Java代码 
  
 import java.io.Serializable;  
 import java.math.BigDecimal;  
 /**
 * ICD抽象对象
 * @author donlianli@126.com
 */  
 public class ICD implements Serializable{  
    private static final long serialVersionUID = 6934803011248581109L;  
    //疾病ID  
    private int id;  
    //疾病编码  
    private String code;  
    //疾病名称  
    private String diseaseName;  
    //疾病加拼音  
    private String mergeName;  
    //汉语拼音简拼  
    private String pinyin;  
    //是否恶心肿瘤  
    private boolean isTherioma;  
    //是否住院特殊病种  
    private boolean isSpecialDisease;  
      
    public ICD(BigDecimal id, String diseaseName, String code,  
            String pinyin, String isTherioma, String isSpecialDisease) {  
        this.id = id.intValue();  
        this.diseaseName = diseaseName;  
        this.code = code;  
        this.pinyin = pinyin;  
        if("是".equals(isTherioma)){  
            this.isTherioma = true;  
        }  
        else {  
            this.isTherioma = false;  
        }  
          
        if("是".equals(isSpecialDisease)){  
            this.isSpecialDisease = true;  
        }  
        else {  
            this.isSpecialDisease = false;  
        }  
        this.mergeName = diseaseName + "," + pinyin;  
    }  
    //set,get ......  
      
 }  

第二步，将数据存储到elasticsearch里面，我们取个名称叫code，起个type名称叫icd。ICD大概2w条数据，我使用默认的bulkIndex，存到es大概用了3秒。

我这里是把数据从oracle导入到elasticsearch。

    Java代码 
  
 import java.math.BigDecimal;  
 import java.sql.Connection;  
 import java.sql.PreparedStatement;  
 import java.sql.ResultSet;  
 import java.util.ArrayList;  
 import java.util.List;  
  
 import org.elasticsearch.action.bulk.BulkRequestBuilder;  
 import org.elasticsearch.action.bulk.BulkResponse;  
 import org.elasticsearch.action.index.IndexRequestBuilder;  
 import org.elasticsearch.client.Client;  
  
 import com.donlianli.es.ESUtils;  
 import com.donlianli.es.db.DatabaseUtils;  
  
 public class ICDManager {  
      
    public static void main(String[] argvs){  
        ICDManager manager = new ICDManager();  
        manager.indexDataDirect();  
    }  
    /**
     * 直接将数据初始化到ES中
     * 不创建mapping
     */  
    private void indexDataDirect() {  
        List<ICD> icdList = getIcdListFromDB();    
        System.out.println(" get icd from db finish,size:" + icdList.size());  
        bulkIndex(icdList);  
    }  
      
    private void bulkIndex(List<ICD> icdList) {  
        Client client = ESUtils.getCodeClient();  
        BulkRequestBuilder bulkRequest = client.prepareBulk();  
        long b = System.currentTimeMillis();  
        for(int i=0,l=icdList.size();i<l;i++){  
            //业务对象  
            ICD icd = icdList.get(i);  
            String json = ESUtils.toJson(icd);  
            IndexRequestBuilder indexRequest = client.prepareIndex("code","icd")  
            .setSource(json).setId(String.valueOf(icd.getId()));  
            //添加到builder中  
            bulkRequest.add(indexRequest);  
        }  
        BulkResponse bulkResponse = bulkRequest.execute().actionGet();  
        if (bulkResponse.hasFailures()) {  
            System.out.println(bulkResponse.buildFailureMessage());  
        }  
        long useTime = System.currentTimeMillis()-b;  
        System.out.println("useTime:" + useTime);  
    }  
    private List<ICD> getIcdListFromDB() {  
        Connection conn = DatabaseUtils.getOracleConnection();  
        String sql = "select * from icd_11";  
        PreparedStatement st = null;  
        ResultSet rs = null;  
        List<ICD> list = new ArrayList<ICD>();  
        try{  
            st = conn.prepareStatement(sql);  
            rs = st.executeQuery();  
            while(rs.next()){  
                BigDecimal id = rs.getBigDecimal("ID");  
                String diseaseName = rs.getString("DISEASE_NAME");  
                String code = rs.getString("CODE");  
                String pinyin = rs.getString("PINYIN");  
                String isTherioma = rs.getString("THERIOMA_FLAG");  
                String isSpecialDisease = rs.getString("OTHER_FLAG");  
                  
                list.add(new ICD(id,diseaseName,code,pinyin,isTherioma,isSpecialDisease));  
            }  
              
            return list;  
        }  
        catch(Exception e){  
            e.printStackTrace();  
        }  
        finally{  
            try{  
            if(rs!= null){  
                rs.close();  
            }  
            if(st!= null){  
                st.close();  
            }  
            conn.close();  
            }  
            catch(Exception e){  
                e.printStackTrace();  
            }  
        }  
        return null;  
    }  
 }  

第三步，搜索接口，跑测试用例。

    Java代码 
  
 import org.elasticsearch.action.search.SearchResponse;  
 import org.elasticsearch.client.Client;  
 import org.elasticsearch.index.query.MultiMatchQueryBuilder;  
 import org.elasticsearch.index.query.QueryBuilders;  
 import org.elasticsearch.search.SearchHit;  
 import org.elasticsearch.search.SearchHits;  
  
 import com.donlianli.es.ESUtils;  
  
 public class PinyinSearchTest {  
    public static void main(String[] args) {  
        Client client = ESUtils.getCodeClient();  
        String keyWord = "高血压";  
 //      String keyWord = "老年 高血压";  
 //      String keyWord = "gxy";  
        //多个字段匹配  
        MultiMatchQueryBuilder query = QueryBuilders.multiMatchQuery(keyWord, "diseaseName","pinyin");  
          
        long b = System.currentTimeMillis();  
        SearchResponse response = client.prepareSearch("code").setTypes("icd")  
                .setQuery(query)  
                .setFrom(0)  
                //前20个  
                .setSize(20)  
                .execute().actionGet();  
        long useTime = System.currentTimeMillis()-b;  
        System.out.println("search use time:" + useTime + " ms");  
          
        SearchHits shs = response.getHits();  
        for (SearchHit hit : shs) {  
            System.out.println("分数:"  
                    + hit.getScore()  
                    + ",ID:"  
                    + hit.getId()  
                    + ", 疾病名称:"  
                    + hit.getSource().get("diseaseName")  
                    + ",拼音:" + hit.getSource().get("pinyin"));  
        }  
        client.close();  
    }  
 }  

3.1，关键字：'高血压'

search use time:174 ms
分数:2.3859928,ID:6904, 疾病名称:高血压病,拼音:gxyb
分数:2.136423,ID:6907, 疾病名称:高血压I期,拼音:gxyyq
分数:2.12253,ID:6908, 疾病名称:高血压Ⅱ期,拼音:gxyeq
分数:2.12253,ID:6910, 疾病名称:高血压危象,拼音:gxywx
分数:2.0906634,ID:6917, 疾病名称:肾性高血压,拼音:sxgxy
分数:2.0877438,ID:6909, 疾病名称:高血压Ⅲ期,拼音:gxysq
分数:2.0821526,ID:18767, 疾病名称:高原性高血压,拼音:gyxgxy
分数:1.9905697,ID:6906, 疾病名称:恶性高血压,拼音:exgxy
分数:1.9510978,ID:7260, 疾病名称:高血压脑出血,拼音:gxyncx
分数:1.9078629,ID:6923, 疾病名称:肾血管性高血压,拼音:sxgxgxy
分数:1.8312198,ID:6914, 疾病名称:高血压性肾病,拼音:gxyxsb
分数:1.8193114,ID:7367, 疾病名称:高血压性脑病,拼音:gxyxnb
分数:1.8193114,ID:13470, 疾病名称:妊娠引起高血压,拼音:rsyqgxy
分数:1.7919972,ID:6905, 疾病名称:临界性高血压,拼音:ljxgxy
分数:1.7919972,ID:6912, 疾病名称:高血压性心脏病,拼音:gxyxxzb
分数:1.7894946,ID:6928, 疾病名称:继发性高血压,拼音:jfxgxy
分数:1.7062025,ID:6913, 疾病名称:高血压性肾衰竭,拼音:gxyxssj
分数:1.7062025,ID:13485, 疾病名称:孕产妇高血压,拼音:ycfgxy
分数:1.7062025,ID:14534, 疾病名称:新生儿高血压,拼音:xsegxy
分数:1.7062025,ID:16181, 疾病名称:应激性高血压,拼音:yjxgxy

3.2关键字:'老年高血压'

search use time:144 ms
分数:1.1089094,ID:6904, 疾病名称:高血压病,拼音:gxyb
分数:0.99291986,ID:6907, 疾病名称:高血压I期,拼音:gxyyq
分数:0.9864628,ID:6908, 疾病名称:高血压Ⅱ期,拼音:gxyeq
分数:0.9864628,ID:6910, 疾病名称:高血压危象,拼音:gxywx
分数:0.9716526,ID:6917, 疾病名称:肾性高血压,拼音:sxgxy
分数:0.97029567,ID:6909, 疾病名称:高血压Ⅲ期,拼音:gxysq
分数:0.96769714,ID:18767, 疾病名称:高原性高血压,拼音:gyxgxy
分数:0.9251333,ID:6906, 疾病名称:恶性高血压,拼音:exgxy
分数:0.9067884,ID:7260, 疾病名称:高血压脑出血,拼音:gxyncx
分数:0.8866946,ID:6923, 疾病名称:肾血管性高血压,拼音:sxgxgxy
分数:0.8510741,ID:6914, 疾病名称:高血压性肾病,拼音:gxyxsb
分数:0.8455395,ID:7367, 疾病名称:高血压性脑病,拼音:gxyxnb
分数:0.8455395,ID:13470, 疾病名称:妊娠引起高血压,拼音:rsyqgxy
分数:0.8328451,ID:6905, 疾病名称:临界性高血压,拼音:ljxgxy
分数:0.8328451,ID:6912, 疾病名称:高血压性心脏病,拼音:gxyxxzb
分数:0.831682,ID:6928, 疾病名称:继发性高血压,拼音:jfxgxy
分数:0.8074301,ID:6820, 疾病名称:老年耳聋,拼音:lnel
分数:0.80348647,ID:7612, 疾病名称:老年痣,拼音:lnz
分数:0.7929714,ID:6913, 疾病名称:高血压性肾衰竭,拼音:gxyxssj
分数:0.7929714,ID:13485, 疾病名称:孕产妇高血压,拼音:ycfgxy

高血压和老年的相关并都出来了。只可惜老年高血压，没有列入ICD.

3.3拼音：'gxy'

呃？怎么没有出来？

这个问题折腾了我一天。一开始我以为是被es列入了禁用词。后来，找到是因为没有设置analyzer导致，在设analyzer的过程中竟然还犯了好几个低级错误，导致我非常怀疑设置analyzer是否管用。

这个问题涉及到分词，而分词我还没有好好研究过。总之，在创建索引及mapping的时候，指定一个analyzer就可以解决这个问题。

创建index及mapping的代码如下：

Java代码

import static org.elasticsearch.common.xcontent.XContentFactory.jsonBuilder;
import org.elasticsearch.action.admin.indices.create.CreateIndexResponse;
import org.elasticsearch.client.Client;
import org.elasticsearch.common.settings.ImmutableSettings;
import org.elasticsearch.common.settings.ImmutableSettings.Builder;
import org.elasticsearch.common.xcontent.XContentBuilder;
import com.donlianli.es.ESUtils;
/**
* 创建code的mapping
* @author donlianli@126.com
*/
public class CodeMappingTest {
static final String INDEX_NAME="code";
static final String TYPE_NAME="icd";
public static void main(String[] argv) throws Exception{
Client client = ESUtils.getCodeClient();
Builder settings = ImmutableSettings.settingsBuilder()
.loadFromSource(getAnalysisSettings());
//首先创建索引库
CreateIndexResponse indexresponse = client.admin().indices()
//这个索引库的名称还必须不包含大写字母
.prepareCreate(INDEX_NAME).setSettings(settings)
//这里直接添加type的mapping
.addMapping(TYPE_NAME, getMapping())
.execute().actionGet();
System.out.println("success:"+indexresponse.isAcknowledged());
}
private static String getAnalysisSettings() throws Exception {
XContentBuilder mapping = jsonBuilder()
.startObject()
//主分片数量
.field("number_of_shards",5)
.field("number_of_replicas",0)
.startObject("analysis")
.startObject("filter")
//创建分词过滤器
.startObject("pynGram")
.field("type","nGram")
//从1开始
.field("min_gram",1)
.field("max_gram",15)
.endObject()
.endObject()
.startObject("analyzer")
//拼音analyszer
.startObject("pyAnalyzer")
.field("type","custom")
.field("tokenizer","standard")
.field("filter", new String[]{"lowercase","pynGram"})
.endObject()
.endObject()
.endObject()
.endObject();
System.out.println(mapping.string());
return mapping.string();
}
/**
* mapping 一旦定义，之后就不能修改。
* @return
* @throws Exception
*/
private static XContentBuilder getMapping() throws Exception{
XContentBuilder mapping = jsonBuilder()
.startObject()
.startObject("icd")
//指定分词器
.field("index_analyzer","pyAnalyzer")
.startObject("properties")
.startObject("id")
.field("type", "long")
.field("store", "yes")
.endObject()
.startObject("code")
.field("type", "string")
.field("store", "yes")
.field("index", "analyzed")
.endObject()
.startObject("diseaseName")
.field("type", "string")
.field("store", "yes")
.field("index", "analyzed")
.endObject()
.startObject("mergeName")
.field("type", "string")
.field("store", "yes")
.field("index", "analyzed")
.endObject()
.startObject("pinyin")
.field("type", "string")
.field("store", "yes")
.field("index", "analyzed")
.endObject()
.startObject("isTherioma")
.field("type", "boolean")
.field("store", "yes")
.endObject()
.startObject("isSpecialDisease")
.field("type", "boolean")
.field("store", "yes")
.endObject()
.endObject()
.endObject()
.endObject();
return mapping;
}

(PS:其实还有一种简单的方法，不用创建analyzer，在搜索的时候，使用'*gxy*'进行搜索也可以)

最后，我还把这个检索跟oracle的like进行了比较。结果发现oracle只用20ms就能算出结果，而es却用了将近100ms。可见这种吹捧的nosql，性能不见得比oracle强大啊，但是毋庸置疑的是，功能确实强大了。

山鹰的天空

关注

0
点赞
踩
6

收藏

觉得还不错? 一键收藏
5
评论
elasticsearch 实现联想输入搜索

通常，在项目中需要联想输入（即输入关键字，提示相关词条，类似百度google的搜索）的需求，可能大家都是用的数据库的like '%关键字%‘来实现。但是这样实现有几个问题。第一、这样的搜索无论是oracle还是mysql，都是无法使用索引的。在oracle中可能有全文检索可以使用，但是个人感觉效果不是很好。第二、输入的关键字有like的通病，就是只有保含关键字的词条才会被命中。如果
复制链接

扫一扫