通常，在项目中需要联想输入（即输入关键字，提示相关词条，类似百度google的搜索）的需求，可能大家都是用的数据库的like '%关键字%‘来实现。但是这样实现有几个问题。
第一、这样的搜索无论是Oracle还是MySQL，都是无法使用索引的。在oracle中可能有全文检索可以使用，但是个人感觉效果不是很好。
第二、输入的关键字有like的通病，就是只有保含关键字的词条才会被命中。如果中间加个空格之类的，db就无能为力了。
第三、如果要想对命中结果进行相关度排序，这个在常规数据库是无法做到的。虽然，可以按照命中词条的长度进行升序排序，但是加上排序，性能不是很好。
下面介绍一下使用elasticsearch实现联想输入的搜索，因为是搜索引擎，天生就不具备上面的3个问题。
在具体介绍使用方法之前，我们先找个搜索数据。我找的是ICD（就是疾病名称的国标），谁让咱一生都在跟他做斗争。这个在网上一搜一堆。
有了数据，我们先要简单描述一下我们要达到的一个目的。一般的搜索都支持汉字 和拼音两种检索方法。我们的这个检索也满足这个需求。
搜索需求描述：
1、支持汉字和简拼两种搜索方法。
2、输入“高血压”时，按照相关度，将带“高血压”名称的疾病名称按照相关度降序排序。
3、输入“老年 高血压”，时，将带“老年”和“高血压”名称的疾病名称按照相关度降序排序。
4、输入拼音'gxy‘时，将拼音中带有gxy相关的疾病按照相关度降序排序。
....
类似测试用例的需求，到此打住。
那么，我们一步一步实现这种需求。
首先，我们定义了一个ICD的类，算作我们的模型，其实没有模型也可以，只要存入到es且知道各个field的名称就行。这个里面我们只需要关注疾病名称diseaseName及简拼pinyin字段即可，这个字段默认是字符串，ES默认会帮我们分词。
java代码import java.io.Serializable;
import java.math.BigDecimal;
/**
* ICD抽象对象
* @author donlianli@126.com
*/
public class ICD implements Serializable{
PRivate static final long serialVersionUID = 6934803011248581109L;
//疾病ID
private int id;
//疾病编码
private String code;
//疾病名称
private String diseaseName;
//疾病加拼音
private String mergeName;
//汉语拼音简拼
private String pinyin;
//是否恶心肿瘤
private boolean isTherioma;
//是否住院特殊病种
private boolean isSpecialDisease;
public ICD(BigDecimal id, String diseaseName, String code,
String pinyin, String isTherioma, String isSpecialDisease) {
this.id = id.intValue();
this.diseaseName = diseaseName;
this.code = code;
this.pinyin = pinyin;
if("是".equals(isTherioma)){
this.isTherioma = true;
}
else {
this.isTherioma = false;
}
if("是".equals(isSpecialDisease)){
this.isSpecialDisease = true;
}
else {
this.isSpecialDisease = false;
}
this.mergeName = diseaseName + "," + pinyin;
}
//set,get ......
}
第二步，将数据存储到elasticsearch里面，我们取个名称叫code，起个type名称叫icd。ICD大概2w条数据，我使用默认的bulkIndex，存到es大概用了3秒。
我这里是把数据从oracle导入到elasticsearch。
Java代码import java.math.BigDecimal;
import java.sql.Connection;
import java.sql.PreparedStatement;
import java.sql.ResultSet;
import java.util.ArrayList;
import java.util.List;
import org.elasticsearch.action.bulk.BulkRequestBuilder;
import org.elasticsearch.action.bulk.BulkResponse;
import org.elasticsearch.action.index.IndexRequestBuilder;
import org.elasticsearch.client.Client;
import com.donlianli.es.ESUtils;
import com.donlianli.es.db.DatabaseUtils;
public class ICDManager {
public static void main(String[] argvs){
ICDManager manager = new ICDManager();
manager.indexDataDirect();
}
/**
* 直接将数据初始化到ES中
* 不创建mapping
*/
private void indexDataDirect() {
List<ICD> icdList = getIcdListFromDB();
System.out.println(" get icd from db finish,size:" + icdList.size());
bulkIndex(icdList);
}
private void bulkIndex(List<ICD> icdList) {
Client client = ESUtils.getCodeClient();
BulkRequestBuilder bulkRequest = client.prepareBulk();
long b = System.currentTimeMillis();
for(int i=0,l=icdList.size();i<l;i++){
//业务对象
ICD icd = icdList.get(i);
String json = ESUtils.toJson(icd);
IndexRequestBuilder indexRequest = client.prepareIndex("code","icd")
.setSource(json).setId(String.valueOf(icd.getId()));
//添加到builder中
bulkRequest.add(indexRequest);
}
BulkResponse bulkResponse = bulkRequest.execute().actionGet();
if (bulkResponse.hasFailures()) {
System.out.println(bulkResponse.buildFailureMessage());
}
long useTime = System.currentTimeMillis()-b;
System.out.println("useTime:" + useTime);
}
private List<ICD> getIcdListFromDB() {
Connection conn = DatabaseUtils.getOracleConnection();
String sql = "select * from icd_11";
PreparedStatement st = null;
ResultSet rs = null;
List<ICD> list = new ArrayList<ICD>();
try{
st = conn.prepareStatement(sql);
rs = st.executeQuery();
while(rs.next()){
BigDecimal id = rs.getBigDecimal("ID");
String diseaseName = rs.getString("DISEASE_NAME");
String code = rs.getString("CODE");
String pinyin = rs.getString("PINYIN");
String isTherioma = rs.getString("THERIOMA_FLAG");
String isSpecialDisease = rs.getString("OTHER_FLAG");
list.add(new ICD(id,diseaseName,code,pinyin,isTherioma,isSpecialDisease));
}
return list;
}
catch(Exception e){
e.printStackTrace();
}
finally{
try{
if(rs!= null){
rs.close();
}
if(st!= null){
st.close();
}
conn.close();
}
catch(Exception e){
e.printStackTrace();
}
}
return null;
}
}
第三步，搜索接口，跑测试用例。
Java代码import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.Client;
import org.elasticsearch.index.query.MultiMatchQueryBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.SearchHits;
import com.donlianli.es.ESUtils;
public class PinyinSearchTest {
public static void main(String[] args) {
Client client = ESUtils.getCodeClient();
String keyWord = "高血压";
// String keyWord = "老年 高血压";
// String keyWord = "gxy";
//多个字段匹配
MultiMatchQueryBuilder query = QueryBuilders.multiMatchQuery(keyWord, "diseaseName","pinyin");
long b = System.currentTimeMillis();
SearchResponse response = client.prepareSearch("code").setTypes("icd")
.setQuery(query)
.setFrom(0)
//前20个
.setSize(20)
.execute().actionGet();
long useTime = System.currentTimeMillis()-b;
System.out.println("search use time:" + useTime + " ms");
SearchHits shs = response.getHits();
for (SearchHit hit : shs) {
System.out.println("分数:"
+ hit.getScore()
+ ",ID:"
+ hit.getId()
+ ", 疾病名称:"
+ hit.getSource().get("diseaseName")
+ ",拼音:" + hit.getSource().get("pinyin"));
}
client.close();
}
}
3.1，关键字：'高血压'
search use time:174 ms分数:2.3859928,ID:6904, 疾病名称:高血压病,拼音:gxyb分数:2.136423,ID:6907, 疾病名称:高血压I期,拼音:gxyyq分数:2.12253,ID:6908, 疾病名称:高血压Ⅱ期,拼音:gxyeq分数:2.12253,ID:6910, 疾病名称:高血压危象,拼音:gxywx分数:2.0906634,ID:6917, 疾病名称:肾性高血压,拼音:sxgxy分数:2.0877438,ID:6909, 疾病名称:高血压Ⅲ期,拼音:gxysq分数:2.0821526,ID:18767, 疾病名称:高原性高血压,拼音:gyxgxy分数:1.9905697,ID:6906, 疾病名称:恶性高血压,拼音:exgxy分数:1.9510978,ID:7260, 疾病名称:高血压脑出血,拼音:gxyncx分数:1.9078629,ID:6923, 疾病名称:肾血管性高血压,拼音:sxgxgxy分数:1.8312198,ID:6914, 疾病名称:高血压性肾病,拼音:gxyxsb分数:1.8193114,ID:7367, 疾病名称:高血压性脑病,拼音:gxyxnb分数:1.8193114,ID:13470, 疾病名称:妊娠引起高血压,拼音:rsyqgxy分数:1.7919972,ID:6905, 疾病名称:临界性高血压,拼音:ljxgxy分数:1.7919972,ID:6912, 疾病名称:高血压性心脏病,拼音:gxyxxzb分数:1.7894946,ID:6928, 疾病名称:继发性高血压,拼音:jfxgxy分数:1.7062025,ID:6913, 疾病名称:高血压性肾衰竭,拼音:gxyxssj分数:1.7062025,ID:13485, 疾病名称:孕产妇高血压,拼音:ycfgxy分数:1.7062025,ID:14534, 疾病名称:新生儿高血压,拼音:xsegxy分数:1.7062025,ID:16181, 疾病名称:应激性高血压,拼音:yjxgxy3.2关键字:'老年 高血压'
search use time:144 ms分数:1.1089094,ID:6904, 疾病名称:高血压病,拼音:gxyb分数:0.99291986,ID:6907, 疾病名称:高血压I期,拼音:gxyyq分数:0.9864628,ID:6908, 疾病名称:高血压Ⅱ期,拼音:gxyeq分数:0.9864628,ID:6910, 疾病名称:高血压危象,拼音:gxywx分数:0.9716526,ID:6917, 疾病名称:肾性高血压,拼音:sxgxy分数:0.97029567,ID:6909, 疾病名称:高血压Ⅲ期,拼音:gxysq分数:0.96769714,ID:18767, 疾病名称:高原性高血压,拼音:gyxgxy分数:0.9251333,ID:6906, 疾病名称:恶性高血压,拼音:exgxy分数:0.9067884,ID:7260, 疾病名称:高血压脑出血,拼音:gxyncx分数:0.8866946,ID:6923, 疾病名称:肾血管性高血压,拼音:sxgxgxy分数:0.8510741,ID:6914, 疾病名称:高血压性肾病,拼音:gxyxsb分数:0.8455395,ID:7367, 疾病名称:高血压性脑病,拼音:gxyxnb分数:0.8455395,ID:13470, 疾病名称:妊娠引起高血压,拼音:rsyqgxy分数:0.8328451,ID:6905, 疾病名称:临界性高血压,拼音:ljxgxy分数:0.8328451,ID:6912, 疾病名称:高血压性心脏病,拼音:gxyxxzb分数:0.831682,ID:6928, 疾病名称:继发性高血压,拼音:jfxgxy分数:0.8074301,ID:6820, 疾病名称:老年耳聋,拼音:lnel分数:0.80348647,ID:7612, 疾病名称:老年痣,拼音:lnz分数:0.7929714,ID:6913, 疾病名称:高血压性肾衰竭,拼音:gxyxssj分数:0.7929714,ID:13485, 疾病名称:孕产妇高血压,拼音:ycfgxy高血压和老年的相关并都出来了。只可惜老年高血压，没有列入ICD.
3.3拼音：'gxy'
呃？怎么没有出来？
这个问题折腾了我一天。一开始我以为是被es列入了禁用词。后来，找到是因为没有设置analyzer导致，在设analyzer的过程中竟然还犯了好几个低级错误，导致我非常怀疑设置analyzer是否管用。
这个问题涉及到分词，而分词我还没有好好研究过。总之，在创建索引及mapping的时候，指定一个analyzer就可以解决这个问题。
创建index及mapping的代码如下：
Java代码import static org.elasticsearch.common.xcontent.XContentFactory.jsonBuilder;
import org.elasticsearch.action.admin.indices.create.CreateIndexResponse;
import org.elasticsearch.client.Client;
import org.elasticsearch.common.settings.ImmutableSettings;
import org.elasticsearch.common.settings.ImmutableSettings.Builder;
import org.elasticsearch.common.xcontent.XContentBuilder;
import com.donlianli.es.ESUtils;
/**
* 创建code的mapping
* @author donlianli@126.com
*/
public class CodeMappingTest {
static final String INDEX_NAME="code";
static final String TYPE_NAME="icd";
public static void main(String[] argv) throws Exception{
Client client = ESUtils.getCodeClient();
Builder settings = ImmutableSettings.settingsBuilder()
.loadFromSource(getAnalysisSettings());
//首先创建索引库
CreateIndexResponse indexresponse = client.admin().indices()
//这个索引库的名称还必须不包含大写字母
.prepareCreate(INDEX_NAME).setSettings(settings)
//这里直接添加type的mapping
.addMapping(TYPE_NAME, getMapping())
.execute().actionGet();
System.out.println("success:"+indexresponse.isAcknowledged());
}
private static String getAnalysisSettings() throws Exception {
XContentBuilder mapping = jsonBuilder()
.startObject()
//主分片数量
.field("number_of_shards",5)
.field("number_of_replicas",0)
.startObject("analysis")
.startObject("filter")
//创建分词过滤器
.startObject("pynGram")
.field("type","nGram")
//从1开始
.field("min_gram",1)
.field("max_gram",15)
.endObject()
.endObject()
.startObject("analyzer")
//拼音analyszer
.startObject("pyAnalyzer")
.field("type","custom")
.field("tokenizer","standard")
.field("filter", new String[]{"lowercase","pynGram"})
.endObject()
.endObject()
.endObject()
.endObject();
System.out.println(mapping.string());
return mapping.string();
}
/**
* mapping 一旦定义，之后就不能修改。
* @return
* @throws Exception
*/
private static XContentBuilder getMapping() throws Exception{
XContentBuilder mapping = jsonBuilder()
.startObject()
.startObject("icd")
//指定分词器
.field("index_analyzer","pyAnalyzer")
.startObject("properties")
.startObject("id")
.field("type", "long")
.field("store", "yes")
.endObject()
.startObject("code")
.field("type", "string")
.field("store", "yes")
.field("index", "analyzed")
.endObject()
.startObject("diseaseName")
.field("type", "string")
.field("store", "yes")
.field("index", "analyzed")
.endObject()
.startObject("mergeName")
.field("type", "string")
.field("store", "yes")
.field("index", "analyzed")
.endObject()
.startObject("pinyin")
.field("type", "string")
.field("store", "yes")
.field("index", "analyzed")
.endObject()
.startObject("isTherioma")
.field("type", "boolean")
.field("store", "yes")
.endObject()
.startObject("isSpecialDisease")
.field("type", "boolean")
.field("store", "yes")
.endObject()
.endObject()
.endObject()
.endObject();
return mapping;
}
(PS:其实还有一种简单的方法，不用创建analyzer，在搜索的时候，使用'*gxy*'进行搜索也可以)
最后，我还把这个检索跟oracle的like进行了比较。结果发现oracle只用20ms就能算出结果，而es却用了将近100ms。可见这种吹捧的nosql，性能不见得比oracle强大啊，但是毋庸置疑的是，功能确实强大了。
新闻热点
疑难解答
