好久没有写代码了，最近想做一个基于spring boot + vue + elasticsearch + NLP（语义相关性）的小系统练练手，系统后面可以成为一个聊天机器人，客服系统的原型等等。
所以今天就带来第一篇文章：elasticsearch的hello world入门
一、安装es
目标：在本地安装一个单节点es玩
1.下载es
目前官网最新的下载地址是：https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-7.2.0-linux-x86_64.tar.gz
下载之后，解压到一个目录，比如你的开发目录：your_path/elasticsearch
2.更改配置文件
a. 配置文件路径：config/elasticsearch.yml
b. 把下面的项改为成自己的值
# Use a descriptive name for your cluster:
# 集群名
cluster.name: my-ces
#
# ------------------------------------ Node ------------------------------------
#
# Use a descriptive name for the node:
# 节点名
node.name: ces-node-1
# Path to directory where to store the data (separate multiple locations by comma):
# es存储数据的地方
path.data: ～/es/data
#
# Path to log files:
# es的运行log
path.logs: ～/es/logs
# Set the bind address to a specific IP (IPv4 or IPv6):
# 绑定地址为本地
network.host: _local_
#
# Set a custom port for HTTP:
# 监听短裤
http.port: 9200
3. 运行测试
a. 运行bin/elasticsearch,
b. 打开浏览器输入：localhost:9200，如果显示以下内容，则成功。
{
"name" : "ces-node-1",//设置的节点名
"cluster_name" : "my-ces",//配置的集群名
"cluster_uuid" : "6XOfx0eQReG3iMKek9hdTA",
"version" : {
"number" : "7.2.0",
"build_flavor" : "default",
"build_type" : "tar",
"build_hash" : "508c38a",
"build_date" : "2019-06-20T15:54:18.811730Z",
"build_snapshot" : false,
"lucene_version" : "8.0.0",
"minimum_wire_compatibility_version" : "6.8.0",
"minimum_index_compatibility_version" : "6.0.0-beta1"
},
"tagline" : "You Know, for Search"
}
4. 安装ik插件并测试
ik是什么
ik是一个分词插件，要使用es来检索中文数据，需要安装本插件。
安装
按照https://github.com/medcl/elasticsearch-analysis-ik上面但指引安装并测试就可以了
二、创建索引
首先索引类似一个mysql数据库的table，你要往es里面存数据，当然就需要es里面先建立一个索引。
网上很多教程就是基于原生的http接口教大家如何创建索引，如果对于es或者http不熟悉的朋友，经常搞得一头雾水，今天我教大家使用es的python包来做。
安装python的elasticsearch包
pip install elasticsearch
定义mapping.json
这个的作用就是，定义index长什么样子，哪些字段需要被检索，哪些字段不检索，假如现在有一个一问一答的数据：
question: 世界上最高的山峰是什么
answer：当然是珠峰了
我们想使用es来检索，做成一个问答机器人，那么我们定义如下的index结构：
{
"settings":{
"number_of_shards":2, //可以先忽略
"number_of_replicas":1
},
"mappings": {
"dynamic": "strict",
"properties": {
"question": {//需要被索引
"type": "text",
"analyzer": "ik_max_word",//ik分词器
"search_analyzer": "ik_smart",//ik分词器
"index": true,
"boost": 8
},
"answer": {
"type": "text",
"index": false
}
}
}
}
并保存为：es_index_mapping.json
创建索引
使用python版本的es很简单就实现了，直接上代码：
from elasticsearch import Elasticsearch
from elasticsearch import helpers
from common.conf import ServiceConfig
import os.path as path
import json
class EsDriver:
def __init__(self):
self.service_conf = ServiceConfig()
# hosts 实际就是: [{"host": "localhost", "port": 9200}]
self.es = Elasticsearch(hosts=self.service_conf.get_es_hosts())
def create_index(self, index_name):
dir_root = path.normpath("%s/.." % path.dirname(path.abspath(__file__)))
with open(dir_root + "/data/es_index_mapping.json", 'r') as json_file:
index_mapping_json = json.load(json_file)
# 调用indices.create，传入index name（你自己取），然后就创建好了
return self.es.indices.create(index_name, body=index_mapping_json)
三、批量导入数据
创建好了index，那么我们就要往里面导入数据，python的es包提供批量导入的功能，只需要几行代码就可以实现：
假如你有一个文件qa.processed.txt，是这样的格式：
query\t['answer1','answer2'],比如
你开心吗\t["很开心"]
class EsDriver:
...
def bulk_insert(self, index_name, bulk_size=500):
doc_list = []
with open('/data/qa.processed.txt', 'r') as qa_file:
for line in qa_file:
ls = line.strip().split('\t')
if len(ls) != 2:
continue
doc_list.append({
"_index": index_name, # 要插入到哪个index
"_type": "_doc",
"_source": {
"question": ls[0],# query
"answer": ls[1] # answer
}
})
if len(doc_list) % bulk_size == 0:
# 调用es helper的方法 bulk插入到索引中
helpers.bulk(self.es, doc_list, stats_only=True)
del doc_list[:]
if len(doc_list) != 0:
helpers.bulk(self.es, doc_list)
print("bulk insert done")
执行完上述的操作之后，数据就哗哗的导入到es中了。
搜索
导入数据之后，我们就要去搜索数据了，同样的使用es包里面的search函数就搞定了。比如现在你想搜索：你好
那么代码如何写呢？
class EsDriver:
...
def search(self, query, index_name):
return self.es.search(index=index_name, body={
"query": {
"match": {
"question": query
}
}
})
然后你打印一下返回的结果，就知道数据返回是什么样了。
附：几个常见状态操作
- 索引状态
- curl -X GET "localhost:9200/_cat/indices?v&pretty"
- 集群状态
- curl -X GET "localhost:9200/_cat/health?v&pretty"
- 索引mapping & setting
- curl -X GET "localhost:9200/customer?pretty"
- customer是index
- 通过id查询一个index下的文档数据
- curl -X GET "localhost:9200/customer/_doc/1?pretty"
- customer是index
后续文章带来：数据集离线处理：构造特征，入es库，java 工程构建
有兴趣的小伙伴，可以添加博主vx交流：crazy042438，一起来做