使用Node.js和Elasticsearch构建搜索引擎

最新推荐文章于 2024-04-25 16:35:50 发布

dingshi7798

最新推荐文章于 2024-04-25 16:35:50 发布

阅读量229

点赞数

文章标签： javascript json java ViewUI

这篇文章是由同行审查马克·布朗， Vildan Softic和莫里茨克罗格。感谢所有SitePoint的同行评审人员使SitePoint内容达到最佳状态！

Elasticsearch是一个开放源代码搜索引擎，由于其高性能和分布式体系结构而日益流行。在本文中，我将讨论其主要功能，并引导您完成使用它创建Node.js搜索引擎的过程。

Elasticsearch简介

Elasticsearch建立在Apache Lucene之上， Apache Lucene是一个高性能的文本搜索引擎库。尽管Elasticsearch可以执行数据的存储和检索，但其主要目的不是充当数据库，而是一个搜索引擎（服务器），其主要目标是对数据进行索引，搜索和提供实时统计信息。

Elasticsearch具有分布式架构，可通过添加更多节点并利用额外的硬件来进行水平扩展。它支持数千个节点，用于处理PB的数据。它的水平缩放还意味着，如果任何节点发生故障，则通过重新平衡数据即可实现高可用性。

导入数据后，即可立即进行搜索。 Elasticsearch是无架构的，将数据存储在JSON文档中，并且可以自动检测数据结构和类型。

Elasticsearch也是完全由API驱动的。这意味着几乎所有操作都可以通过简单的RESTful API使用HTTP上的JSON数据来完成。它具有适用于几乎所有编程语言（包括Node.js）的许多客户端库。在本教程中，我们将使用官方客户端库。

当涉及到硬件和软件需求时，Elasticsearch非常灵活。尽管建议的生产设置是64GB内存和尽可能多的CPU内核，但是您仍然可以在资源受限的系统上运行它并获得不错的性能（假设您的数据集不大）。为了遵循本文中的示例，具有2GB内存和单个CPU内核的系统就足够了。

您可以在所有主要操作系统（Linux，Mac OS和Windows）上运行Elasticsearch。为此，您需要安装最新版本的Java Runtime Environment（请参阅“ 安装Elasticsearch”部分）。要遵循本文中的示例，您还需要安装Node.js （v0.11.0之后的任何版本都可以）以及npm 。

Elasticsearch术语

Elasticsearch使用自己的术语，在某些情况下与典型的数据库系统不同。以下是Elasticsearch中的常用术语及其含义的列表。

索引：该术语在Elasticsearch上下文中有两个含义。首先是添加数据的操作。添加数据后，文本被分解为标记（例如单词），并且每个标记都被索引。但是，索引还指的是所有索引数据存储在何处。基本上，当您导入数据时，会将其索引到索引中。每次您要对数据执行任何操作时，都需要指定其索引名称。

类型：Elasticsearch在索引中提供了文档的更详细分类，这称为类型。索引中的每个文档也应该有一个类型。例如，我们可以定义一个library索引，然后在其中索引多种数据类型，例如article ， book ， report和presentation 。由于索引的开销几乎是固定的，因此建议减少索引和类型，而不要增加索引和类型。

搜索：该术语表示您可能会想的。您可以搜索不同索引和类型的数据。 Elasticsearch提供了多种类型的搜索查询，例如术语，短语，范围，模糊甚至地理数据查询。

过滤器 ：Elasticsearch允许您根据不同的条件过滤搜索结果，以进一步缩小搜索范围。如果将新的搜索查询添加到一组文档中，则可能会根据相关性更改顺序，但是如果将同一查询添加为过滤器，则该顺序将保持不变。

聚合：这些为您提供有关聚合数据的不同类型的统计信息，例如最小值，最大值，平均值，求和，直方图等。

建议：Elasticsearch为输入文本提供不同类型的建议。这些建议可以是基于术语或短语的，甚至可以是完成建议。

安装Elasticsearch

Elasticsearch在Apache 2许可下可用；可以免费下载，使用和修改。在安装它之前，您需要确保在计算机上安装了Java Runtime Environment（JRE）。 Elasticsearch是用Java编写的，并且依赖Java库来运行。要检查系统上是否安装了Java，可以在命令行中键入以下内容。

java -version

建议使用最新的Java稳定版本（在撰写本文时为1.8）。您可以在此处找到有关在系统上安装Java的指南。

接下来，要下载最新版本的Elasticsearch（在撰写本文时为2.4.0），请转到下载页面并下载ZIP文件。 Elasticsearch不需要安装，并且单个zip文件包含用于在所有支持的操作系统上运行程序的完整文件集。解压下载的文件，就可以完成了！还有其他几种方法可以使Elasticsearch运行，例如获取TAR文件或用于不同Linux发行版的软件包（请参见此处）。

如果您正在运行Mac OS X并且安装了Homebrew ，则可以使用brew install elasticsearch来安装Elasticsearch。 Homebrew自动将可执行文件添加到您的路径并安装所需的服务。它还可以帮助您使用一个命令来更新应用程序： brew upgrade elasticsearch 。

要在Windows上运行Elasticsearch，请从解压缩的目录中，从命令行运行bin\elasticsearch.bat 。对于其他所有操作系统， ./bin/elasticsearch从终端运行./bin/elasticsearch 。此时，它应该已在您的系统上运行。

正如我之前提到的，您几乎可以使用Elasticsearch进行的所有操作都可以通过RESTful API完成。 Elasticsearch默认使用端口9200。为了确保它运行正确，请在浏览器中转到http://localhost:9200/ ，它应显示有关正在运行的实例的一些基本信息。

有关安装和故障排除的更多信息，请访问文档。

图形用户界面

Elasticsearch通过REST API提供几乎所有功能，并且不附带图形用户界面（GUI）。在介绍如何通过API和Node.js执行所有必要的操作的同时，有几种GUI工具提供有关索引和数据的可视信息，甚至提供一些高级分析。

由同一家公司开发的Kibana提供了数据的实时摘要以及一些自定义的可视化和分析选项。 Kibana是免费的，并且具有详细的文档。

社区还开发了其他工具，包括elasticsearch-head ， Elasticsearch GUI甚至是一个名为ElasticSearch Toolbox的Chrome扩展。这些工具可帮助您在浏览器中浏览索引和数据，甚至可以尝试其他搜索和聚合查询。所有这些工具都提供了安装和使用的演练。

设置Node.js环境

Elasticsearch为Node.js提供了一个官方模块，称为elasticsearch 。首先，您需要将模块添加到项目文件夹中，并保存依赖项以备将来使用。

npm install elasticsearch --save

然后，您可以按照以下步骤将模块导入脚本中：

const elasticsearch = require('elasticsearch');

最后，您需要设置处理与Elasticsearch的通信的客户端。在这种情况下，我假设您正在IP地址为127.0.0.1和端口9200 （默认设置）的本地计算机上运行Elasticsearch。

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

log选项可确保记录所有错误。在本文的其余部分中，我将使用相同的esClient对象与Elasticsearch进行通信。此处提供了有关节点模块的完整文档。

注意：本教程的所有源代码都在GitHub上提供。最简单的方法是将存储库克隆到您的PC并从那里运行示例：

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

导入数据

在整个教程中，我将使用具有随机生成内容的学术文章数据集。数据以JSON格式提供，数据集中有1000篇文章。为了显示数据的样子，下面显示了数据集中的一项。

{
    "_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"
  }

字段名称不言自明。唯一需要注意的是，此处没有显示body字段，因为它包含完整的随机生成的文章（100至200个段落）。您可以在此处找到完整的数据集。

虽然Elasticsearch提供了索引，更新和删除单个数据点的方法，但是我们将使用Elasticserch的bulk方法导入数据，该方法用于以更有效的方式对大型数据集执行操作：

// index.js

const 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);
};

在这里，我们正在调用bulkIndex函数，将其library作为索引名称，将article作为类型以及希望索引的JSON数据传递给它。 bulkIndex函数依次调用esClient对象上的bulk方法。此方法将具有body属性的对象作为参数。提供给body属性的值是一个数组，其中每个操作都有两个条目。在第一个条目中，操作的类型指定为JSON对象。在此对象内， index属性确定要执行的操作（在这种情况下为文档建立索引），以及索引名称，类型名称和文档ID。下一个条目对应于文档本身。

请注意，将来您可能会以这种方式将其他类型的文档（例如书籍或报告）添加到同一索引中。我们还可以为每个文档分配一个唯一的ID，但这是可选的-如果您不提供一个ID，Elasticsearch将为您为每个文档分配一个随机生成的唯一ID。

假设您已经克隆了存储库，现在可以通过从项目根目录执行以下命令将数据导入Elasticsearch：

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

检查数据是否正确建立索引

Elasticsearch的一大特色是近实时搜索。这意味着一旦对文档建立索引，它们将在一秒钟之内可供搜索（请参阅此处）。对数据建立索引后，您可以通过运行indices.js （链接到source ）来检查索引信息：

// 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}`));
};

客户端的cat对象中的方法提供有关当前正在运行的实例的不同信息。 indices方法列出了所有索引，它们的健康状态，其文档数以及它们在磁盘上的大小。 v选项将标题添加到cat方法的响应中。

运行上面的代码片段时，您会注意到它会输出一个颜色代码来指示集群的运行状况。红色表示群集出现问题，并且未运行。黄色表示集群正在运行，但是有警告，绿色表示一切正常。在本地计算机上运行时，最有可能（取决于您的设置）您将获得黄色状态。这是因为默认设置包含该群集的五个节点，但是在本地计算机中，只有一个实例正在运行。虽然您应该始终将生产环境中的绿色状态作为目标，但出于本教程的目的，您可以继续以黄色状态使用Elasticsearch。

$ 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

动态和自定义映射

如前所述，Elasticsearch是无架构的。这意味着在导入数据之前，不必定义数据的结构（类似于在SQL数据库中定义表），而是Elasticsearch会自动为您检测数据。但是尽管被称为无模式的，但数据结构还是有一些限制。

Elasticsearch将数据结构称为映射。如果不存在映射，则在为数据建立索引时，Elasticsearch会查看JSON数据的每个字段，并根据其类型自动定义映射。如果该字段已经存在映射条目，则确保要添加的新数据遵循相同的格式。否则，将引发错误。

例如，如果已经为{"key1": 12}编制了索引，Elasticsearch会自动将字段key1映射为long 。现在，如果您尝试为{"key1": "value1", "key2": "value2"}编制索引，则会引发错误，并期望字段key1类型为long 。同时，对象{"key1": 13, "key2": "value2"}将没有任何问题进行索引，以key2类型的string添加到映射。

映射超出了本文的范围，并且在大多数情况下，自动映射可以正常工作。我建议您查看elasticsearch文档，该文档提供了有关映射的深入讨论。

构建搜索引擎

索引完数据后，我们准备实施搜索引擎。 Elasticsearch提供了一种称为Query DSL的直观完整搜索查询结构（基于JSON）来定义查询。有很多类型的搜索查询，但是在本文中，我们将研究几种更常见的搜索查询。可以在此处找到Query DSL的完整文档。

请记住，我在每个显示的示例后面都提供了指向代码的链接。设置环境并为测试数据建立索引后，您可以克隆存储库并在计算机上运行任何示例。为此，只需从命令行运行node filename.js 。

返回一个或多个索引中的所有文档

为了执行搜索，我们将使用客户端提供的各种搜索方法。最简单的查询是match_all ，它以一个或多个索引返回所有文档。下面的示例说明了如何获取索引中的所有存储文档（链接到source ）。

//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);
};

主搜索查询包含在query对象内。稍后我们将看到，我们可以向该对象添加不同类型的搜索查询。对于每个查询，我们添加一个查询类型为key（在此示例中为match_all ）的键，该值是包含搜索选项的对象。在此示例中没有选项，因为我们要返回索引中的所有文档。

除了query对象之外，搜索主体还可以包含其他可选属性，包括size和from 。 size属性确定响应中要包含的文档数。如果不存在此值，默认情况下将返回十个文档。 from属性确定返回文档的起始索引。这对于分页很有用。

了解搜索API响应

如果您要注销来自搜索API的响应（上例中的results ），则由于包含很多信息，它最初可能看起来不堪重负。

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

在最高级别，响应包括took的毫秒数性质花找到的结果， timed_out ，这是唯一true ，如果没有结果的最大允许时间发现， _shards有关不同节点的状态信息（如果部署为节点集群），则hits ，其中包括搜索结果。

在hits属性中，我们有一个对象，具有以下属性：

total —表示匹配项的总数
max_score —找到的项目的最高分
hits —包含找到的项目的数组。在hits数组中的每个文档中，我们都有索引，类型，文档ID，得分和文档本身（在_source元素内）。

这非常复杂，但是好消息是，一旦实现了一种提取结果的方法，无论您使用何种搜索查询，都将始终以相同的格式获得结果。

还要注意，Elasticsearch的优点之一是它会自动为每个匹配的文档分配一个分数。默认情况下，此分数用于量化文档的相关性，结果按递减的分数排序返回。在我们使用match_all检索所有文档的情况下，分数没有意义，所有分数均计算为1.0。

匹配包含字段中特定值的文档

现在，让我们看一些更有趣的例子。要匹配包含字段中特定值的文档，我们可以使用match查询。下面显示了一个带有match查询的简单搜索主体（链接到source ）。

// search_match.js

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

正如我前面提到的，我们首先将一个条目添加到具有搜索类型的查询对象match ，在上面的示例中这是match的。在搜索类型对象内，我们标识要搜索的文档字段，此处为title 。在其中，我们放入了与搜索相关的数据，包括query属性。我希望在测试完上面的示例后，您对搜索的速度感到惊讶。

上面的搜索查询返回其标题字段与query属性中的任何单词匹配的文档。我们可以按如下所示设置匹配词的最小数量。

// search_match.js

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

此查询匹配标题中至少包含三个指定单词的文档。如果查询中少于三个词，则要匹配的文档的标题中必须全部包含三个词。添加到搜索查询中的另一个有用功能是模糊性。如果用户在写查询时打错了输入，这将很有用，因为模糊匹配会找到拼写紧密的术语。对于字符串，模糊度值基于每个术语的最大允许Levenshtein距离。下面是一个带有模糊性的示例。

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

在多个字段中搜索

如果要在多个字段中搜索，则可以使用multi_match搜索类型。它与match相似，不同之处在于，我们不是将字段作为搜索查询对象中的键，而是添加了一个fields键，它是要搜索的字段数组。在这里，我们在title ， authors.firstname和authors.lastname字段内搜索。（链接到源）

// search_multi_match

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

multi_match查询支持其他搜索属性，例如minimum_should_match和fuzziness 。 Elasticsearch支持通配符（例如* ）来匹配多个字段，因此我们可以将上面的示例简化为['title', 'authors.*name'] 。

匹配完整短语

Elasticsearch还可以完全匹配输入的短语，而无需在术语级别进行匹配。此查询是常规match查询的扩展，称为match_phrase 。以下是match_phrase的示例。（链接到源）

// match_phrase.js

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

合并多个查询

到目前为止，在示例中，我们仅对每个请求使用单个查询。但是，Elasticsearch允许您组合多个查询。最常见的复合查询是bool 。 bool查询接受四种类型的键： must ， should ， must_not和filter 。正如其名称所暗示的，在结果的文件必须在匹配查询must ，内必须不匹配查询must_not ，并会得到更高的分数，如果他们内匹配查询should 。提到的每个元素都可以以查询数组的形式接收多个搜索查询。

在下面，我们使用bool查询以及名为query_string的新查询类型。这使您可以使用AND和OR关键字编写更高级的查询。可在此处找到有关query_string语法的完整文档。另外，我们使用range查询（此处的文档），这允许我们将字段限制为给定范围。（链接到源）

// 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，查询返回的文件，其中作者的名字包含term1 或他们的姓氏包含term2 ，并且他们的头衔有term3 ，他们没有公布在年2011年，2012年或2013年另外，已给定的文件在他们body词组，会获得更高的分数，并显示在结果的顶部（因为match查询位于should子句中）。

过滤器，汇总和建议

除了其高级搜索功能外，Elasticsearch还提供其他功能。在这里，我们看三个比较常见的功能。

筛选器

通常，您可能希望根据特定条件优化搜索结果。 Elasticsearch通过过滤器提供此功能。在我们的文章数据中，假设您的搜索返回了几篇文章，而您只想选择在五年中发表的文章。您可以简单地从搜索结果中筛选出不符合您的条件的所有内容，而无需更改搜索顺序。

过滤器与bool查询的must子句中的同一查询之间的区别在于，过滤器不会影响搜索得分，而must查询会影响搜索得分。当返回搜索结果并且用户根据某些特定条件进行过滤时，他们不希望更改原始结果顺序，而是只希望从结果中删除无关的文档。过滤器遵循与搜索相同的格式，但是更常见的是，它们是在具有确定值的字段（而不是文本字符串）上定义的。 Elasticsearch建议通过bool复合搜索查询的filter子句添加过滤器。

继续上面的示例，假设我们希望将搜索结果限制为2011年至2015年之间发表的文章。为此，我们只需要向原始搜索查询的filter部分添加一个range查询即可。这将从结果中删除所有不匹配的文档。以下是过滤查询的示例。（链接到源）

// filter.js

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

集合体

聚合框架基于搜索查询提供各种聚合的数据和统计信息。聚合的两种主要类型是度量和存储桶，其中度量聚合在一组文档上跟踪和计算度量，存储桶聚合构建存储桶，每个存储桶都与一个键和一个文档条件相关联。度量标准聚合的示例是平均值，最小值，最大值，求和和值计数。桶聚合的示例包括范围，日期范围，直方图和术语。可以在这里找到有关聚合器的详细说明。

聚合放置在aggregations对象中，该对象本身直接放置在search对象主体中。在aggregations对象中，每个键都是用户分配给聚合器的名称。聚合器类型和选项应作为该键的值放置。下面，我们看两个不同的聚合器，一个度量标准和一个存储桶。作为指标聚合器，我们尝试在数据集中找到最短的年份值（最旧的文章），对于存储桶聚合器，我们尝试查找每个关键字出现了多少次。（链接到源）

// aggregations.js

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

在上面的示例中，我们将度量标准聚合器命名为min_year （此名称可以是任何名称），在field year上类型为min 。铲斗聚合名为keywords ，这类型的terms在外地keywords 。聚合结果包含在响应中的aggregations元素内，并且在更深的层次上，它们包含每个定义的聚合器（此处为min_year和keywords ）及其结果。以下是此示例的部分响应。

{
...
  "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
    }
  }
}

默认情况下，响应中最多返回10个存储桶。您可以在请求中的field旁边添加一个size键，以确定返回的最大存储桶数。如果要接收所有存储桶，请将此值设置为0。

意见建议

Elasticsearch具有多种类型的建议程序，它们为输入的术语（此处提供文档）提供替换或完成建议。我们将在这里查看术语和短语建议者。术语建议者为输入的文本中的每个术语提供建议（如果有的话），而短语建议者将输入的文本视为整个短语（而不是将其分解为术语），并提供其他短语建议（如果有的话）。要使用建议API，我们需要在Node.js客户端上调用suggest方法。以下是术语建议器的示例。（链接到源）

// suggest_term.js

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

在请求主体中，与所有其他客户端方法一致，我们具有一个index字段，用于确定搜索的索引。在body属性中，我们添加要为其寻求建议的文本，并且（与聚合对象一样）为每个建议者命名（在这种情况下为titleSuggester ）。它的值确定建议者的类型和选项。在这种情况下，我们在title字段中使用term建议者，并将每个令牌的最大建议数目限制为五个（ size: 5 ）。

提示API的响应为每个请求的提示提供了一个键，该键是一个数组，其大小与text字段中的术语数相同。对于该数组内的每个对象，都有一个options对象，该对象在其text字段中包含建议。以下是上述请求的部分响应。

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

要获取词组建议，我们可以采用与上述相同的格式，只需将建议者类型替换为phrase 。在以下示例中，响应遵循与上述相同的格式。（链接到源）

// suggest_phrase.js

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

进一步阅读

Elasticsearch提供了广泛的功能，这些功能远远超出了本文的范围。在本文中，我试图从较高的角度解释其功能，并为您提供适当的参考资料以供进一步研究。 Elasticsearch非常可靠，并且具有出色的性能（希望您在运行示例时注意到这一点）。再加上社区支持的增加，Elasticsearch在行业中的采用率有所提高，尤其是在处理实时或大数据的公司中。

看完这里提供的示例后，强烈建议您阅读文档。它们提供了两个主要资源，一个是对Elasticsearch及其功能的参考，另一个是作为指南，其重点更多地放在实现，用例和最佳实践上。您还可以在此处找到有关Node.js客户端的详细文档。

您已经在使用Elasticsearch吗？你有什么经验？或者，也许您在阅读本文后会尝试一下。在下面的评论中让我知道。

From: https://www.sitepoint.com/search-engine-node-elasticsearch/