用ElasticSearch和mongodb River搭建一个简单search工程。_elasticsearch使用mongodb-river-CSDN博客

本文链接：https://blog.csdn.net/liudabaozhangxiaobei/article/details/38533685

近期的项目需要用到分布式elasticSearch来做search.自己研究了一下。在这里做个备注.

背景：

为什么要索引?

举个例子，给你一本字典要查出来“你”这个字，大家一般都会去目录页的n部分去找到ni这个拼音在哪一页，然后去打开那一页。以上的目录就是一个索引，通过索引可以很快速的找到你想要找的内容。

在软件开发的过程中，我们也会需要很快速的查找某些内容的场景。刚入软件行业的童鞋肯定会觉得，用sql的 like 也可以完成，但是如果数据量过多，你整个数据库会被这个like给“like慢了”。

于是就开始说这个搜索引擎的问题啦。因为我直接从es开始的，就直接说es啦。

Getting Start with ElasticSearch

ElasticSearch是一个开源的分布式搜索引擎，具备高可靠性，支持非常多的企业级搜索用例。像Solr4一样，是基于Lucene构建的。支持时间时间索引和全文检索。官网：http://www.elasticsearch.org
它对外提供一系列基于java和http的api，用于索引、检索、修改大多数配置。
运行命令行，进入 elasticsearch-1.0.0\bin目录。
这时运行 elasticsearch.bat
浏览器里测试一下：http://localhost:9200

Plugins for ElasticSearch

（需要的插件）

分布式搜索elasticsearch集群管理工具head

插件安装方法：

elasticsearch/bin/ plugin-installmobz/elasticsearch-head
运行es
打开http://localhost:9200/_plugin/head/

MongoDB River Plugin (作者 Richard Louapre)

https://github.com/richardwilly98/elasticsearch-river-mongodb
mongodb同步插件，mongodb必须搭成副本集的模式，因为这个插件的原理是通过定期读取mongodb中的oplog来同步数据。

How to work

1. create index

首先要创建个索引。

– $curl -XPOST 'http://localhost:9200/test_index/' -d '{

  "settings": {

    "analysis": {

      "analyzer": {

        "str_index_analyzer": {

          "tokenizer":"keyword",

          "filter": [

            "lowercase",

            "ngram"

          ]

        }

      },

      "filter": {

        "ngram": {

          "type": "ngram",

          "min_gram": 2,

          "max_gram": 1000

        }

      }

    }

}

}’

– put: http :// localhost:9200/ test_index

2.Mapping

然后是自己的mapping.这里只mapping了name,在创建river之后如果要索引的数据里面有除了name其他字段也会自动的刷出mapping来

$curl -XPOST 'http://localhost:9200/test_index/test_mapping/_mapping' -d '
{
    "test_mapping": {
        "properties": {
            "name": {
                "type": "string",
                "analyzer": "str_index_analyzer"
            }
        }
    }
}
'

3.River

put: http://localhost:9200/_river/test_index/_meta

{
    "type": "mongodb",
    "mongodb": {
        "host": "127.0.0.1",
        "port": "27017",
        "db": "test",
        "collection": "test"
    },
    "index": {
        "name": "test_index",
        "type": "test_mapping"
    }
}

4.Search

QueryDSL:

Term: { "query" :{ "term" : { "user" : "kimchy"} } }

Bool Query

{
    "query": {
        "bool": {
            "must": {
                "term": {
                    "user": "kimchy"
                }
            },
            "must_not": {
                "range": {
                    "age": {
                        "from": 10,
                        "to": 20
                    }
                }
            },
            "should": [
                {
                    "term": {
                        "tag": "wow"
                    }
                },
                {
                    "term": {
                        "tag": "elasticsearch"
                    }
                }
            ]
        }
    }
}

FilterQuery:

{
    "query": {
        "filtered": {
            "filter": {
                "range": {
                    "age": {
                        "from": 10,
                        "to": 20
                    }
                }
            }
        }
    }
}

Geosearch

Elasticsearch Platform — Find real-time answers at scale | Elastic

" addresses" :{"location" : { "lat" : 40.12, "lon": -71.34 }

(mapping)"addresses":{"properties": {"location": {"type": " geo_point "}}}

"filter": {
"geo_distance": {
"distance": "12km",
"pin.location": {
"lat": 40,
"lon": -70
}
}
}

Suggest

completion suggester      is a so-called prefix suggester

http://www.elasticsearch.org/guide/en/elasticsearch/reference/current/search-suggesters-completion.html

（ mapping ） "suggest": { "type": "completion", " index_analyzer ":"simple",                               " search_analyzer ":"simple", "payloads": false}

" shortNames_suggest ":{

"text": name,

  "completion": {

"field": " shortNames.suggest "

}

}