Java 语言全文检索技术

Lucene

Lucene是apache软件基金会4 jakarta项目组的一个子项目，是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎（英文与德文两种西方语言）。Lucene的目的是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。Lucene是一套用于全文检索和搜寻的开源程式库，由Apache软件基金会支持和提供。Lucene提供了一个简单却强大的应用程式接口，能够做全文索引和搜寻。在Java开发环境里Lucene是一个成熟的免费开源工具。就其本身而言，Lucene是当前以及最近几年最受欢迎的免费Java信息检索程序库。人们经常提到信息检索程序库，虽然与搜索引擎有关，但不应该将信息检索程序库与搜索引擎相混淆。

ElasticSearch

ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是当前流行的企业级搜索引擎。设计用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。

我们建立一个网站或应用程序，并要添加搜索功能，但是想要完成搜索工作的创建是非常困难的。我们希望搜索解决方案要运行速度快，我们希望能有一个零配置和一个完全免费的搜索模式，我们希望能够简单地使用JSON通过HTTP来索引数据，我们希望我们的搜索服务器始终可用，我们希望能够从一台开始并扩展到数百台，我们要实时搜索，我们要简单的多租户，我们希望建立一个云的解决方案。因此我们利用Elasticsearch来解决所有这些问题及可能出现的更多其它问题。

 ElasticSearch 安装配置使用入门 

下载地址  Window 系统下载 zip 版本，linux 系统下载 tar 版本  
 

 bin 存放 elasticSearch 运行命令  

config 存放配置文件  

lib 存放 elasticSearch 运行依赖 jar 包  

modules 存放 elasticSearch 模块  

plugins 存放插件  

在bin目录下运行elasticSearch 访问 http://127.0.0.1:9200  将会看到下面的页面

 ElasticSearch 插件安装  es head 

在ElasticSearch bin目录下运行cmd，输入 plugin.bat  install mobz/elasticsearch-head 

访问 http://localhost:9200/_plugin/head/ 出现下面的页面

ElasticSearch 基础 数据架构的主要概念 

索引对象： 存储数据的表结构 ，任何搜索数据，存放在索引对象上  

映射： 数据如何存放到索引对象上，需要有一个映射配置， 数据类型、是否存储、是 否分词 …  

文档： 一条数据记录， 存在索引对象上  

文档类型： 一个索引对象 存放多种类型数据， 数据用文档类型进行标识   编程：  建立索引对象 --- 建立映射 ---  存储数据【文档】 ---  指定文档类型进行搜索数 据【文档】

图解

使用步骤 

1、 需要新建 maven 项目  

2、 基于 maven 的 pom 导入坐标依赖  

 当直接在 ElasticSearch 建立文档对象时，如果索引不存在的，默认会自动创建，映射采用默 认方式  

ElasticSearch 服务默认端口 9300   Web 管理平台端口 9200

3、 建立文档， 自动创建索引

// 直接在ElasticSearch中建立文档，自动创建索引
	public void demo1() throws IOException {
		// 创建连接搜索服务器对象
		Client client = TransportClient
				.builder()
				.build()
				.addTransportAddress(
						new InetSocketTransportAddress(InetAddress
								.getByName("127.0.0.1"), 9300));
		// 描述json 数据
		/*
		 * {id:xxx, title:xxx, content:xxx}
		 */
		XContentBuilder builder = XContentFactory
				.jsonBuilder()
				.startObject()
				.field("id", 1)
				.field("title", "ElasticSearch是一个基于Lucene的搜索服务器")
				.field("content",
						"它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是当前流行的企业级搜索引擎。设计用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。")
				.endObject();
		// 建立文档对象
		client.prepareIndex("blog1", "article", "1").setSource(builder).get();

		// 关闭连接
		client.close();
	}

搜索文档数据 

查询数据 主要依赖 QueryBuilder 对象 ，可以通过 QueryBuilders 获取  

boolQuery() 布尔查询，可以用来组合多个查询条件

fuzzyQuery() 相似度查询  

matchAllQuery() 查询所有数据  

regexpQuery() 正则表达式查询  

termQuery() 词条查询  

wildcardQuery() 模糊查询 

搜索创建的文档对象

// 搜索在elasticSearch中创建文档对象
	public void demo2() throws IOException {
		// 创建连接搜索服务器对象
		Client client = TransportClient
				.builder()
				.build()
				.addTransportAddress(
						new InetSocketTransportAddress(InetAddress
								.getByName("127.0.0.1"), 9300));
		// 搜索数据
		// get() === execute().actionGet()
		SearchResponse searchResponse = client.prepareSearch("blog1")
				.setTypes("article").setQuery(QueryBuilders.matchAllQuery())
				.get();
		printSearchResponse(searchResponse);

		// 关闭连接
		client.close();
	}

 各种查询对象 Query 的使用 

1、ElasticSearch 提供 QueryBuileders.queryStringQuery(搜索内容) 查询方法，对所有字段进 行分词查询  

SearchResponse searchResponse = client.prepareSearch("blog1")
.setTypes("article")
.setQuery(QueryBuilders.queryStringQuery("全面")).get();

2、 只想查询 content 里包含全文 ，使用 wildcardQuery 磨合查询 *任意字符串 ?任意单个 字符  

SearchResponse searchResponse = client.prepareSearch("blog1")
.setTypes("article")
.setQuery(QueryBuilders.wildcardQuery("content", "*全文*")).get();

3、 查询 content 词条为“搜索” 内容，使用 TermQuery 

SearchResponse searchResponse = client.prepareSearch("blog2")
.setTypes("article")
.setQuery(QueryBuilders.termQuery("content", "搜索")).get();

 IK 分词器和 ElasticSearch 集成使用 

下载地址

安装步骤

1、 下载开源项目  
2、 打包 ik 分词器  mvn clean 清空  mvn package 打包  

3、 进入 target/release 目录  将下列文件 ，拷贝到 %es%/plugins/analysis-ik 

4、 进入 target/release/config 目录 将所有配置文件，复制 %es%/config 下 

5、 配置 elasticsearch.yml  
 

6、 重启 es 

7、 访问 http://localhost:9200/_analyze?analyzer=ik&pretty=true&text=我是中国人  

可以看到数据分词成功

文档相关操作  

 建立文档  

1、 直接在 XContentBuilder 中构建 json 数据，建立文档

2、 对一个已经存在对象，转换为 json ，建立文档

修改文档  

方式一： 使用 prepareUpdate、prepareIndex 都可以 

方式二： 直接使用 update 

删除文档  

方式一： prepareDelete 

方式二：直接使用 delete  

Spring Data ElasticSearch 入门案例 

1、 创建 maven 工程 

2、 基于 maven 导入坐标  Spring data elasticsearch 对 elasticsearch api 简化封装   

3、 在 src/main/resources 下建立 applicationContext.xml 和 log4j.properties   引入 spring data elasticsearch 名称空间 
 

4、 创建 domain、dao、service 包  

5、 编写 DAO 自动操作 elasticsearch 继承 ElasticsearchRepository 接口 

public interface ArticleRepository extends
		ElasticsearchRepository {
}

6、 编写 Service

	@Autowired
	private ArticleRepository articleRepository;

	public void save(Article article) {
		articleRepository.save(article);
	}

8、 索引和映射如何创建 --- 基于 spring data elasticsearch 注解  在使用 spring data elasticsearch 开发， 需要将索引和映射信息 配置实体类上面  

@Document 文档对象 （索引信息、文档类型 ）

@Id 文档主键 唯一标识  

@Field 每个文档的字段配置（类型、是否分词、是否存储、分词器 ） 

@Document(indexName = "blog3", type = "article")
public class Article {
	@Id
	@Field(index = FieldIndex.not_analyzed, store = true, type = FieldType.Integer)
	private Integer id;
	@Field(index = FieldIndex.analyzed, analyzer = "ik", store = true, searchAnalyzer = "ik", type = FieldType.String)
	private String title;
	@Field(index = FieldIndex.analyzed, analyzer = "ik", store = true, searchAnalyzer = "ik", type = FieldType.String)
	private String content;

9、编写测试代码 

public void testSave() {
		Article article = new Article();
		article.setId(1001);
		article.setTitle("Spring Data Elasticsearch 1.3.1 昨天发布");
		article.setContent("DATAES-171 - 添加失效查询关键字支持 DATAES-194 - 测试可以清理  data 目录 DATAES-179 - 支持  Attachment 字段类型 DATAES-94 - 更新到最新版本的 elasticsearch 1.7.3 驱动器");

		articleService.save(article);
	}