前言:
而今兄弟们对“数据库分词搜索”大致比较关切,我们都想要剖析一些“数据库分词搜索”的相关知识。那么小编也在网摘上收集了一些有关“数据库分词搜索””的相关资讯,希望姐妹们能喜欢,你们一起来了解一下吧!前言
ElasticSearch是一个一个分布式的实时文档存储,每一个字段都可以被索引与搜索,并且能支持PB级别的结构化或者非结构化数据。早期我们应用的全局搜索是简单的SQL模糊查询,为了分担数据库压力所以用了ES,选择他的原因除了以上几点外,还有其提供的API方式简单,于任何对接的编程语言都适用。以下将以PHP的业务场景完善搜索功能。
环境:
ThinkPHP5.1
ElasticSearch7.8
PHP7.3
功能迭代简介:
最开始的ES取代方法解决了搜索速度问题,后来新增的ik分词器,解决了搜索词条单一问题。单也正是中文分词原因,对每句话都是拆解成指定粒度的词。当遇到单词时,一般只会对一句话里的单词进行拆解,而搜索时需要输入某个字母,希望输出的是带字母后面的词条,也就是模糊查询。经过翻阅文档,发现了即时搜索。
即时搜索或输入即搜索(search-as-you-type),就是当用户习惯在输完查询内容之前,就能为他们展现搜索结果,不仅能在更短的时间内得到搜索结果,也能引导用户搜索索引中真实存在的结果。例如,输入 dvd r ,即时搜索会得到:dvd r9s 和 dvd r9sk等 , 以下将通过完整示例演示效果。
配置索引的映射:
关于ElasticSearch环境搭建和基本操作在前面文章有说明,这里就假装已经创建了索引,以下是索引的映射。还有文档的添加也是根据你自己的需求定义了,不管是定时任务还是业务节点触发,亦或是采集工具同步等。
{ "mappings": { "_doc": { "properties": { "class_id": { "type": "long" }, "goods_name": { "type": "text", "analyzer": "ik_smart" }, "goods_sort": { "type": "keyword" }, "id": { "type": "keyword" }, "price": { "type": "long" }, "single_goods_name": { "type": "text", "analyzer": "ik_max_word" }, "state": { "type": "keyword" }, "v": { "type": "long" } } } }}前台搜索:
1. 即搜索示例
{ "match_phrase_prefix" : { "brand" : { "query": "walker johnnie bl", "slop": 10 } }}
2. 业务代码
public function queryData($key, $sort, $from = 0, $size = 10){ $from = $from * $size; $indexName = Env::get('elasticsearch.goods_index') ?? 'products'; $params = [ 'index' => $indexName, 'client' => [ 'timeout' => 10, 'connect_timeout' => 10 ], 'body' => [ 'from' => $from, 'size' => $size, 'query' => [ 'bool' => [ 'should' => [ [ 'multi_match' => [ 'query' => $key, 'fields' => [ 'goods_name^2', 'single_goods_name' ], ], ], [ 'wildcard' => [ 'single_goods_name' => "$key*" ] ], [ 'fuzzy' => [ 'single_goods_name' => [ 'value' => $key ] ] ], [ 'match_phrase_prefix' => [ 'single_goods_name' => "$key" ] ], ], ], ], 'sort' => [ ['_score' => "desc"], ['goods_sort' => 'desc'] ], ] ]; return $this->es->search($params);}
3. 效果演示
标签: #数据库分词搜索 #模糊查询分词算法 #php 模糊查询 #php模糊查询数据库