网站基于ElasticSearch搜索的优化笔记 PHP

基本情况就是，媒体、试题、分类，媒体可能有多个试题，一个试题可能有多个分类，分类为三级分类加上一个综合属性。通过试题名称、分类等搜索查询媒体。

现在的问题为，搜索结果不精确，部分搜索无结果，ES的数据结构不满足搜索需求。解决方案就是，重构ES数据结构，采用父子关系的方式，建立media和question两个type。

全程使用https://github.com/mobz/elasticsearch-head，这个进行ES的管理和查看，很方便。

从ES的说明可以看出，ES是面向文档，其实所有的数据都是一张张卡片，例如下面这个：

几个重要的概念：mapping，index，type可以直接参考上图：
_index，可以看做是数据库吧，上图命名为links，在对搜索进行操作的时候需要指定，就像指定数据库一样。

_type，约等于表，例如这里的media，上图的_type列大家还可以看到有question数值。其实就等于我们的media表和question表

mapping，映射、绘制...的地图，顾名思义。其实就是表结构和表关系。例如上面点开的卡片内，_source内有id,language等，其实就是mapping。mapping还包括关系的定义，例如这里的media是parent父级，question的结构创建的时候就需要指定_parent为media。

了解了以上几个概念，我们就可以进行结构创建了。就像数据库一样，我们需要一个media表，放媒体信息，媒体ID作为唯一的ID。然后question表，放question的信息（这里还包括试题的分类），我们把同一个试题分配为不同分类也算作不同试题。这里这样的结构，也是为了根据多级分类搜索的时候方便而设置的，下面说搜索的时候会挑明。

这是初始化创建index和mapping的代码：

    $elasticaClient = new \Elastica\Client(array(‘host‘=>‘localhost‘,‘port‘=>9200));
    // Load index
    $elasticaIndex = $elasticaClient->getIndex(‘links‘);
    // Create the index new
    // 创建index的参数自行参见官网，就不一一解释了
    $elasticaIndex->create(
        array(
            ‘number_of_shards‘ => 4,
            ‘number_of_replicas‘ => 1,
            ‘analysis‘ => array(
                ‘analyzer‘ => array(
                    ‘indexAnalyzer‘ => array(
                        ‘type‘ => ‘custom‘,
                        ‘tokenizer‘ => ‘standard‘,
                        ‘filter‘ => array(‘lowercase‘, ‘mySnowball‘)
                    ),
                    ‘searchAnalyzer‘ => array(
                        ‘type‘ => ‘custom‘,
                        ‘tokenizer‘ => ‘standard‘,
                        ‘filter‘ => array(‘standard‘, ‘lowercase‘, ‘mySnowball‘)
                    )
                ),
                ‘filter‘ => array(
                    ‘mySnowball‘ => array(
                        ‘type‘ => ‘snowball‘,
                        ‘language‘ => ‘German‘
                    )
                )
            )
        ),
        true
    );



    //创建media的mapping,作为父级
    $mediaType = $elasticaIndex->getType(‘media‘);

    // Define mapping
    $mapping = new \Elastica\Type\Mapping();
    $mapping->setType($mediaType);
    $mapping->setParam(‘index_analyzer‘, ‘indexAnalyzer‘);
    $mapping->setParam(‘search_analyzer‘, ‘searchAnalyzer‘);

    // Define boost field
    $mapping->setParam(‘_boost‘, array(‘name‘ => ‘_boost‘, ‘null_value‘ => 1.0));

    // Set mapping
    // 定义media的字段和属性
    $mapping->setProperties(array(
        ‘id‘      => array(‘type‘ => ‘string‘, ‘include_in_all‘ => FALSE),
        ‘media_name‘     => array(‘type‘ => ‘string‘, ‘include_in_all‘ => TRUE),
        ‘tstamp‘  => array(‘type‘ => ‘date‘, ‘include_in_all‘ => FALSE),
        ‘language‘ => array(‘type‘ => ‘integer‘, ‘include_in_all‘ => FALSE),
        ‘_boost‘  => array(‘type‘ => ‘float‘, ‘include_in_all‘ => FALSE)
    ));

    // Send mapping to type
    // 保存media的mapping
    $mapping->send();


    //创建question的mapping,父级为media
    $questionType = $elasticaIndex->getType(‘question‘);

    // Define mapping
    $mapping = new \Elastica\Type\Mapping();
    $mapping->setType($questionType);
    $mapping->setParam(‘index_analyzer‘, ‘indexAnalyzer‘);
    $mapping->setParam(‘search_analyzer‘, ‘searchAnalyzer‘);

    // Define boost field
    $mapping->setParam(‘_boost‘, array(‘name‘ => ‘_boost‘, ‘null_value‘ => 1.0));

    // Set mapping
    // question的字段和属性
    $mapping->setProperties(array(
        ‘id‘      => array(‘type‘ => ‘string‘, ‘include_in_all‘ => FALSE),
        ‘level_one‘      => array(‘type‘ => ‘integer‘, ‘include_in_all‘ => FALSE),
        ‘level_two‘      => array(‘type‘ => ‘integer‘, ‘include_in_all‘ => FALSE),
        ‘level_thr‘      => array(‘type‘ => ‘integer‘, ‘include_in_all‘ => FALSE),
        ‘top_level‘      => array(‘type‘ => ‘string‘, ‘include_in_all‘ => FALSE),
        ‘cat_id‘      => array(‘type‘ => ‘integer‘, ‘include_in_all‘ => FALSE),
        ‘quest_hash‘      => array(‘type‘ => ‘string‘, ‘include_in_all‘ => TRUE),
        ‘content‘     => array(‘type‘ => ‘string‘, ‘include_in_all‘ => TRUE),
        ‘view_num‘      => array(‘type‘ => ‘integer‘, ‘include_in_all‘ => FALSE),
        ‘like_num‘      => array(‘type‘ => ‘integer‘, ‘include_in_all‘ => FALSE),
        ‘_boost‘  => array(‘type‘ => ‘float‘, ‘include_in_all‘ => FALSE)
    ));
    $mapping->setParent("media");//指定question的父类

    // Send mapping to type
    // 保存question的mapping
    $mapping->send();

上面虽然是PHP代码，但是最终生成的也是一个url请求。

下面说搜索，搜索的话ES是通过query、filter等来处理的，query里面有很多不同的方式，参见：http://www.elasticsearch.org/guide/en/elasticsearch/reference/current/query-dsl-queries.html，filter也是，参见http://www.elasticsearch.org/guide/en/elasticsearch/reference/current/query-dsl-filters.html

这里搜索是这样的，根据media的media_name做query_string搜索，然后对media进行has_child的filter搜索，has_child搜索内使用boolAnd的filter来筛选。

下面是搜索的代码：

$query = new \Elastica\Query();
if (!empty($input[‘key‘])) {
    //针对media的media_name字段设置QueryString查询
    $elasticaQueryString  = new \Elastica\Query\QueryString();
    $elasticaQueryString->setFields(array("media.media_name"));
    $elasticaQueryString->setQuery($input[‘key‘]);
    //
    $query->setQuery($elasticaQueryString);
}else {
    $query->setQuery(new MatchAll()); //命中全部纪录
}
$language_bool = false;
$elasticaFilterAnd = new \Elastica\Filter\BoolAnd();
//language也是针对media，设置BoolAnd查询
if (isset($input[‘language‘]) && !empty($input[‘language‘])) {
    $filterl1 = new \Elastica\Filter\Term();
    $filterl1->setTerm(‘language‘, intval($input[‘language‘]));
    $elasticaFilterAnd->addFilter($filterl1);
    $language_bool = true;
}
//
//对子集进行筛选查询，使用has_child
$subFilterAnd = new \Elastica\Filter\BoolAnd();
$bool = false;
// 一级分类条件
if (isset($input[‘level_one‘]) && !empty($input[‘level_one‘])) {
    $filterl1 = new \Elastica\Filter\Term();
    $filterl1->setTerm(‘level_one‘, intval($input[‘level_one‘]));
    $subFilterAnd->addFilter($filterl1);
    $bool = true;
}
// 二级分类条件
if (isset($input[‘level_two‘]) && !empty($input[‘level_two‘])) {
    $filterl1 = new \Elastica\Filter\Term();
    $filterl1->setTerm(‘level_two‘, intval($input[‘level_two‘]));
    $subFilterAnd->addFilter($filterl1);
    $bool = true;
}
// 三级分类条件
if (isset($input[‘level_thr‘]) && !empty($input[‘level_thr‘])) {
    $filterl1 = new \Elastica\Filter\Term();
    $filterl1->setTerm(‘level_thr‘, intval($input[‘level_thr‘]));
    $subFilterAnd->addFilter($filterl1);
    $bool = true;
}
// 直接指定分类ID查询
if (isset($input[‘cat_id‘]) && !empty($input[‘cat_id‘])) {
    $filterl1 = new \Elastica\Filter\Term();
    $filterl1->setTerm(‘cat_id‘, intval($input[‘cat_id‘]));
    $subFilterAnd->addFilter($filterl1);
    $bool = true;
}
// 分类属性查询
if (isset($input[‘top_level‘]) && !empty($input[‘top_level‘])) {
    $filterl1 = new \Elastica\Filter\Term();
    $filterl1->setTerm(‘top_level‘, $input[‘top_level‘]);
    $subFilterAnd->addFilter($filterl1);
    $bool = true;
}
if($bool){
    // 声明一个查询，用于放入子查询
    $subQuery = new \Elastica\Query();
    // 使用filteredquery，融合query和filter
    $filteredQuery = new \Elastica\Query\Filtered(new MatchAll(),$subFilterAnd);
    // 添加filterquery到子查询
    $subQuery->setQuery($filteredQuery);
    // 声明hasChildFilter，声明的时候就指定子查询的内容，指定查询的子表（也就是TYPE）为question
    $filterHasChild = new \Elastica\Filter\HasChild($subQuery,"question");
    // 将拥有子类查询增加到父级查询的filter中
    $elasticaFilterAnd->addFilter($filterHasChild);
}
if($bool || $language_bool){
    // 将filter增加到父查询汇中
    $query->setFilter($elasticaFilterAnd);
}
//
//        
$query->setFrom($start);    // Where to start?
$query->setLimit($limit);   // How many?
//
//Search on the index.
$elasticaResultSet = $elasticaIndex->search($query);

上面看上去很长的PHP代码，其实最后发出的时候也只是一个发送json数据的请求，对照下面这个json数据和上面的代码，大家就很容易明白了：

{
    "query": {
        "query_string": {
            "query": "like",
            "fields": [
                "media.media_name"
            ]
        }
    },
    "filter": {
        "and": [
            {
                "term": {
                    "language": 1
                }
            },
            {
                "has_child": {
                    "query": {
                        "filtered": {
                            "query": {
                                "match_all": {}
                            },
                            "filter": {
                                "and": [
                                    {
                                        "term": {
                                            "top_level": "111"
                                        }
                                    }
                                ]
                            }
                        }
                    },
                    "type": "question"
                }
            }
        ]
    },
    "from": 0,
    "size": 20
}

总结：ES很强大，不仅仅是在导入性能还是搜索性能，或者是搜索结果，或者是结构的调整上来说。作为刚接触不久的也能很快的进行数据结构重构并重写搜索，还是算比较好的。唯一的缺点就是，中文的文档太少，需要不断的使用谷歌来查看文档、去官网看文档说明、看PHP的API。

在处理过程中，感谢之前的哥们留下的代码，至少不是摸瞎。感谢同事搞的谷歌搜索，一般人我不告诉他，大家可以去试试 另客网，首页的搜索框里面，选择谷歌。

部分借鉴来自于这里：http://www.spacevatican.org/2012/6/3/fun-with-elasticsearch-s-children-and-nested-documents/

个人笔记，写来大家分享分享，肯定有不足错误的，欢迎大家指出，谢谢。

网站基于ElasticSearch搜索的优化笔记 PHP,古老的榕树,5-wow.com