Es搜索优化（五）-自动补齐/自动推荐/荐词

======================

1. what

=======

举例，我们使用Google的时候，Google会提示我们

• 可以看到这里Google自动提示分为两种
  • 第一种：我之前有搜索过的历史记录
  • 第二种：根据目前各种词的出现频率进行了展示（不排除里面有我被打上的tag进行了运算）

2. why

• 为什么要怎么做？
  • 可以节省用户输入时间，用户体验++
• 为什么Google可以做到这样？
  • 有记录我们的搜索历史记录
  • 有记录其他用Google搜索引擎的人的搜索记录，进行综合分析
  • 有针对性的进行了数据存储优化，搜索算法优化，使得可以接近即时的自动提示

3. how

3.1 基础分析

• 如果普通的公司做类似的自动补齐，我们可以怎么去做？
  • 第一种：前端来做，跨域，借用第三方的自动提示API
  • 第二种：后端来做，利用业务数据库中的数据，提供实时提示
• 第一种
  • 目前不考虑第一种，因为是用于搜索。因为提示和业务数据无关，而是来自第三方。所以会出现，用户输入A，我们自动补齐ABC这个关键词，但实际上啥也搜不出来
• 第二种：
  • mysql：直接排除，因为感觉用mysql做这个，数据量少，那做了没意思，数据量多，mysql性能也跟不上
  • redis：可以通过redis的zset数据结构来进行提示 -> 3.1
  • elasticsearch：可以通过elasticsearch来进行提示 – > 3.2

3.1 用redis实现

• 数据结构：用 zset 进行存储，member为热词，score统一为0，这样的话，默认排序就会按照member的顺序进行排序
• 插入数据如下

• 现在触发一次自动补齐，后端需要做的操作
  • 1. 接受到用户输入的 关键词 ，查看是否是否存在与此 zset 中
  • 1. 如果关键词存在，则直接获取下标，如果不存在，则插入后，获取到下标
  • 1. 根据所获得的下标，然后进行获取此下标后面N个关键词
  • 1. 取出数据展示如下

• 优点：实现简单，同时redis可以提供较高的性能
• 缺点：
  1. 没有利用到业务数据库中的词频等数据
  2. 算法太过于简单粗暴，按道理可以通过树或者字符串匹配算法来提高查找效率和存储效率
  3. 自动补齐可能补齐不相关的数据，需要特殊处理
  4. 不支持热点数据，需要另外一个zset进行记录，然后对取出来的数据进行取交集
  5. 不支持纠错功能（因为不是存储的拼音）

3.2 用elasticsearch实现

Suggesters API 来实现这个功能

1. Term Suggester（纠错补全，输入错误的情况下补全正确的单词）
   1. 这个建议是基于编辑距离，基于已经在数据库中的数据进行分词，然后分割出来术语
   2. 所有出来的结果有两种排序方式
      1. 第一种（score）：首先按照分数，然后是文档出现的频率，然后是被搜索词本身
      2. 第二种（frequency）： 首先按照文档出现的频率，然后是分数，然后是术语本身
2. Phrase Suggester（自动补全短语，输入一个单词补全整个短语）
   1. 这个建议是基于编辑距离，基于已经在数据库中的数据进行分词，然后分割出来术语，但是会根据字符串之间的距离再次提示短语
   2. 同时具有纠错功能
3. **Completion Suggester(**完成补全单词，输出如前半部分，补全整个单词）

4. Context Suggester（上下文补全，可以基于Completion Suggester的基础上做）

   1. 可以在插入数据的时候，数据的字段打上特定的标签
   2. 然后做sugget搜索的时候，加一个搜索条件，这样的话，就会从特点的数据中进行搜索
   3. 标签支持两种：category 和 geo
      1. category：就一个或者多个字符串进行标记，比如对于食物，我们可以给一个类型为category 的标签，字段名是place_type，然后字段值是resturant，如果命中了对应的一个或者多个place_type，则可以提升分数
      2. geo： 地理上下文可以在索引时将一个或多个地理点与文档字段相关联。在查询时，如果建议在特定地理位置的一定距离内，则可以过滤和提升分数

5. 我们前期选择 Completion Suggester 因为这个性能最好，他将数据保存在内存中的有限状态转移机中（FST）

   • 后期如果需要优化，可以结合 Term Suggester ，Phrase Suggester， Context Suggester进行优化

3.2.1 建立对应的index（completion 实现）

curl -XPUT "localhost:9200/test_index?pretty=true" -H 'content-type: application/json' --data '
{
    "settings": {
        "number_of_shards": 1
    },
    "mappings": {
        "properties": {
            "id": {
                "type": "keyword"
            },
            "title": {
                "type": "completion",
                "analyzer": "ik_max_word",
                "search_analyzer": "ik_smart"
            },
            "content": {
                "type": "completion",
                "analyzer": "ik_max_word",
                "search_analyzer": "ik_smart"
            },
            "status": {
                "type": "keyword"
            }
        }
    }
}
'

curl -XPOST "localhost:9200/test_index/_doc/?pretty=true" -H 'content-type: application/json' --data '
{
    "id": 1,
    "title": "春节碰到自己的前男友怎么办？",
    "content": "如题",
    "status": "1"
}
'
curl -XPOST "localhost:9200/test_index/_doc/?pretty=true" -H 'content-type: application/json' --data '
{
    "id": 1,
    "title": "春节碰到自己的前女友怎么办？",
    "content": "如题",
    "status": "1"
}
'
curl -XPOST "localhost:9200/test_index/_doc/?pretty=true" -H 'content-type: application/json' --data '
{
    "id": 1,
    "title": "春节碰到自己的老师怎么办？",
    "content": "如题",
    "status": "1"
}
'
curl -XPOST "localhost:9200/test_index/_doc/?pretty=true" -H 'content-type: application/json' --data '
{
    "id": 1,
    "title": "春节碰到自己的老师怎么办？我应该打招呼吗？",
    "content": "如题",
    "status": "1"
}
'

3.2.2 进行相应的查询

• 最简单的查询
  • skip_duplicates 跳过返回的重复数据

curl -XPOST "localhost:9200/test_index/_doc/_search?pretty=true" -H 'content-type: application/json' --data '
{
    "suggest": {
        "suggest_1": {
            "text": "春节碰",
            "completion": {
                "field": "title",
        "skip_duplicates": true
            }
        }
    }
}
'

## response

{
  "took" : 2,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 0,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [ ]
  },
  "suggest" : {
    "suggest_1" : [
      {
        "text" : "春节碰",
        "offset" : 0,
        "length" : 3,
        "options" : [
          {
            "text" : "春节碰到自己的前女友怎么办？",
            "_index" : "test_index",
            "_type" : "_doc",
            "_id" : "eOZ-bX8BVW9cjfXV7UG_",
            "_score" : 1.0,
            "_source" : {
              "id" : 1,
              "title" : "春节碰到自己的前女友怎么办？",
              "content" : "如题",
              "status" : "1"
            }
          },
          {
            "text" : "春节碰到自己的前男友怎么办？",
            "_index" : "test_index",
            "_type" : "_doc",
            "_id" : "d-Z-bX8BVW9cjfXV7UGS",
            "_score" : 1.0,
            "_source" : {
              "id" : 1,
              "title" : "春节碰到自己的前男友怎么办？",
              "content" : "如题",
              "status" : "1"
            }
          },
          {
            "text" : "春节碰到自己的老师怎么办？",
            "_index" : "test_index",
            "_type" : "_doc",
            "_id" : "eeZ-bX8BVW9cjfXV7UHr",
            "_score" : 1.0,
            "_source" : {
              "id" : 1,
              "title" : "春节碰到自己的老师怎么办？",
              "content" : "如题",
              "status" : "1"
            }
          },
          {
            "text" : "春节碰到自己的老师怎么办？我应该打招呼吗？",
            "_index" : "test_index",
            "_type" : "_doc",
            "_id" : "euZ-bX8BVW9cjfXV7kEg",
            "_score" : 1.0,
            "_source" : {
              "id" : 1,
              "title" : "春节碰到自己的老师怎么办？我应该打招呼吗？",
              "content" : "如题",
              "status" : "1"
            }
          }
        ]
      }
    ]
  }
}

3.3.2 match phrase prefix query 实现

4. 参考链接

• 自动提示API集合：www.iaspnetcore.com/blog/blogpo…
• 自动补齐：www.6aiq.com/article/159…
• elasticsearch 7.1 官方支持搜索文档：www.elastic.co/guide/en/el…
• www.cnblogs.com/wangzhuxing…
  原文链接: https://juejin.cn/post/7363200136976171049