最近改进了项目中的站内搜索的功能,增加了全文索引,提升了搜索速度。因为项目框架是django,所以采用django+haystack+pyelasticsearch+elasticsearch的方式实现。
django作为Web framework,采用MVC设计模式,非常易于开发数据库驱动的网站。
haystack是django的搜索插件,提供一套统一的API,用于驱动搜素引擎创建索引,进行搜素。可适用的搜素引擎包括whoosh,ES,Solr等。
pyelasticsearch主要提供python语言调用elasticsearch的Client类。
elasticsearch是一款开源的分布式搜素引擎,具备高可靠性,支持非常多的企业级搜索用例
本项目采用:
django-1.5.0
haystack-2.0.0
pyelasticsearch-0.5
elasticsearch-1.5.0
笔者在实践过程中发现haystack与pyelasticsearch不同版本下协同工作并不一定能成功,有可能报错:
org.elasticsearch.indics.InvalidTypeNameException:mapping type name [_mapping] can‘t start with ‘_‘
这是haystack创建索引过程中,传入了pyelasticsearch无法解析的dict,通过搜索和尝试,基本确定了上面的版本在Windows7操作系统下能够正常工作。
环境的安装去配置不再累述,用pip命令进行安装非常简单,网上也有很多例子。
用进行搜索之前,必须针对数据库视图创建索引,要支持全文搜索,必须对除主键意外的字段,特别是类似summary, comment, destription之类的字段创建索引。
haystack创建索引有其固有的格式:
首先,为欲搜索的Mode创建l索引类,这个索引类用于haystack创建索引文件,也用于搜索过程中haystack API进行搜索。
class IncidentIndex(indexes.SearchIndex, indexes.Indexable): text = indexes.CharField(document=True,use_template=True) incident_number = indexes.CharField(model_attr=‘incident_number‘) incident_summary = indexes.CharField(model_attr=‘summary‘,null=True) notes = indexes.NgramField(model_attr=‘notes‘,null=True) reported_date = indexes.DateTimeField(model_attr=‘reported_date‘) def get_model(self): return Incident def index_queryset(self, using=None): """Used when the entire index for model is updated.""" return self.get_model().objects.all()
实例代码是项目中为Incidnet model创建索引类的实现:
索引类要集成 indexes.SearchIndex, indexes.Indexable,这样索引类就能够像Django的Model类一样提交到后端。
每一个索引类必须至少包含一个document=True的字段以支持基于文件的查找,而这个字段也是search enginee主要查找的字段。
Search Field有很多种,常用的CharField,BooleanFeild, DateFeild,IntergeFeild, NgramField,EdgeNgramField。在Haystack官网上都有详细的介绍。重点强调一点,如果想输入的词组作为固定的短语进行查询,则字段用CharFeild,如果想输入的词组分词为每个独立的单词进行查询,则字段用NgramField。
null=True用于在创建索引的过程中忽略记录为空的情况。
index_queryset方法用于返回实际的类对象
创建好索引类之后,要在templates/search/indexs/{AppName}/路径下创建对应索引类的{classname}_text.txt文件,对应索引类中text字段的查询内容。
例如,incident_text.txt:
{{ object.incident_number }} {{ object.incident_summary }}
用于基于文件的快速检索。
在创建好索引类和响应的基于文件检索的txt文件之后,可以通过mange.py调用haystack的命令创建索引,此时保证EC是打开的,并且处于默认的进程号9200。
打开EC:click elasticsearch\bin\elasticsearch.bat
创建索引:python manage.py rebuild_index
如果model类更新了,则需要更新索引,可采用命令:python manage.py update_index
需要指出,haystack提供了一种实时自动更新索引的方法,即在索引类定义时,用indexes.RealTimeSearchIndex类代替indexes.SearchIndex,但是更新索引是比较耗时的,并不建议涉及大量用户的网址使用该方法。
创建索引成功之后,就可以在项目中通过调用haystack提供的方法实现search了。
haystack提供了强大的API,用于实习查询,而且API的使用与django API非常相似。主要包括SearchQuerySet API, SearchResult API, SearchQuery API, Input Types, SearchBackend API和上文提到的SearchField API与SearchIndex API。具体使用参见haystack,本文仅列举某些常用API。
SearchQuerySet API提供一个类似于django‘s ORM QuerySet的查询类,同样具有all,filter,exclude等查询方法用于查询索引。
e.g.
results = SearchQuerySet().filter(incident_number=Exact(query)).highlight()
SearchQuery API 提供一个SQ对象,类似于django的Q,用于组合查询条件。
e.g.
results = SearchQuerySet().filter(SQ(incident_summary=Exact(query)) | SQ(change_summary=Exact(query)) | SQ(wo_summary=Exact(query)) | SQ(task_summary=Exact(query)) ).highlight()
Input Types允许developer指定一个advance的查询条件,比如:
Exact:确保输入的短语Exactly matched。
Clean: 确保特殊字符的输入能够得到正确的解释,比如url中:和/的escape