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。