当用户在搜索框输入关键字进行搜索时,我们需要提供相关结果给用户
这种需求通过mysql中的模糊查询like可以实现,但是这种效率太慢,如果查询的字段多起来,更加耗时
此时我们可以借助Elasticsearch搜索殷勤来建立索引,提高查询效率
Elasticsearch
1-开源的 Elasticsearch 是目前全文搜索引擎的首选。
2-它可以快速地储存、搜索和分析海量数据。维基百科、Stack Overflow、Github 都采用它。
3-Elasticsearch 的底层是开源库 Lucene。但是,你没法直接用 Lucene,必须自己写代码去调用它的接口。Elastic 是
Lucene 的封装,提供了 REST API 的操作接口,开箱即用。4- Elasticsearch 是用Java实现的
使用Docker安装Elasticsearch及其扩展
获取镜像,可以通过网络pull
docker image pull delron/elasticsearch-ik:2.4.6-1.0
或者加载下载成功的镜像文件
docker load -i elasticsearch-ik-2.4.6_docker.tar # 相当于服务器
修改elasticsearch的配置文件 elasticsearc-2.4.6/config/elasticsearch.yml第54行,更改ip地址为本机ip地址
network.host: 本机IP地址
创建docker容器运行
docker run -dti --network=host --name=elasticsearch -v /home/python/elasticsearch-2.4.6/config:/usr/share/elasticsearch/config delron/elasticsearch-ik:2.4.6-1.0
使用haystack对接Elasticsearch
我们在django中可以通过使用haystack来调用Elasticsearch搜索引擎
1)安装
pip install drf-haystack
pip install elasticsearch==2.4.1 # 相当于客户端
drf-haystack是为了在REST
framework中使用haystack而进行的封装(如果在Django中使用haystack,则安装django-haystack即可)
2)注册应用
INSTALLED_APPS = [
...
'haystack',
...
]
3)配置
在配置文件中配置haystack使用的搜索引擎后端
# Haystack
HAYSTACK_CONNECTIONS = {
'default': {
'ENGINE': 'haystack.backends.elasticsearch_backend.ElasticsearchSearchEngine',
'URL': 'http://本机ip地址:9200/', # 此处为elasticsearch运行的服务器ip地址,端口号固定为9200
'INDEX_NAME': 'xxx', # 指定elasticsearch建立的索引库的名称
},
}
# 当数据发生添加、修改、删除数据时,自动生成索引
HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'
注意:
HAYSTACK_SIGNAL_PROCESSOR的配置保证了在Django运行起来后,有新的数据产生时,haystack仍然可以让Elasticsearch实时生成新数据的索引
4)创建索引数据模型类
通过创建索引类,来指明让搜索引擎对哪些字段建立索引,也就是可以通过哪些字段的关键字来检索数据。
在子应用中新建search_indexes.py文件,用于存放索引类
# 创建索引数据模型类
class SKUIndex(indexes.SearchIndex, indexes.Indexable):
# document=True:
# 1-表示该字段为主要搜索查询的字段 2-表示该字段的索引值由模型类的多个字段组成
# use_template:表示通过模板文件来指定该字段的索引由哪些模型字段组成
text = indexes.CharField(document=True, use_template=True)
# 单个模型字段组成的索引
# model_attr="模型字段名":表示由什么模型字段建立索引
id = indexes.IntegerField(model_attr='id')
name = indexes.CharField(model_attr='name')
price = indexes.CharField(model_attr='price')
default_image_url = indexes.CharField(model_attr='default_image_url')
comments = indexes.IntegerField(model_attr='comments')
# 重写方法
def get_model(self):
"""返回建立索引的模型类"""
return SKU
# 重写方法 返回可上架销售的商品信息
def index_queryset(self, using=None):
"""返回要建立索引的数据查询集"""
return self.get_model().objects.filter(is_launched=True)
在SKUIndex建立的字段,都可以借助haystack由elasticsearch搜索引擎查询。
其中text字段我们声明为document=True,表名该字段是主要进行关键字查询的字段,
该字段的索引值可以由多个数据库模型类字段组成,具体由哪些模型类字段组成,我们用use_template=True表示后续通过模板来指明。其他字段都是通过model_attr选项指明引用数据库模型类的特定字段。在REST framework中,索引类的字段会作为查询结果返回数据的来源
6)在templates目录中创建text字段使用的模板文件
具体在templates/search/indexes/goods/sku_text.txt文件中定义
{{ object.name }}
{{ object.caption }}
{{ object.id }}
此模板指明当将关键词通过text参数名传递时,可以通过sku的name、caption、id来进行关键字索引查询。
7)手动生成初始索引
python manage.py rebuid_index
8)创建索引序列化器
在子应用/serializers.py中创建haystack序列化器
class SKUIndexSerializer(HaystackSerializer):
"""
SKU索引结果数据序列化器
"""
class Meta:
index_classes = [SKUIndex]
fields = ('text', 'id', 'name', 'price', 'default_image_url', 'comments')
注意fields属性的字段名与SKUIndex类的字段对应。
9)创建视图
在子应用/views.py中创建视图
from drf_haystack.viewsets import HaystackViewSet
class SKUSearchViewSet(HaystackViewSet):
"""
SKU搜索
"""
index_models = [SKU] # 指定数据的查询范围
serializer_class = SKUIndexSerializer # 指定使用的序列化器
注意: 该视图会返回搜索结果的列表数据,所以如果可以为视图增加REST framework的分页功能。
10)定义路由
通过REST framework的router来定义路由
router = DefaultRouter()
router.register('skus/search', views.SKUSearchViewSet, base_name='skus_search')
...
urlpatterns += router.urls