Spring Boot + Elasticsearch实现大批量数据集下中文的精确匹配-案例剖析
Spring Boot + Elasticsearch实现大批量数据集下中文的精确匹配-案例剖析
缘由
数据存储在MYSQ库中，数据基本维持不变，但数据量又较大(几千万)放在MYSQL中查询效率上较慢，寻求一种简单有效的方式提高查询效率，MYSQL并不擅长大规模数据量下的数据查询。
技术方案
考虑后期同样会使用到es，此次直接结合spring-boot框架形成一个独立服务，并不涉及UI展现内容，（ES版本2.4.5，5.0+版本的话就不能再使用spring data elasticsearch）技术组合如下：
Spring Boot+ Spring-data-elasticsearch + Elasticsearch
结合elasticsearch-jdbc插件，全量将数据一次性导入es中，后期不涉及数据变更。
es安装
测试期间单机安装，官网下载对应版本，由于笔者工作环境基于JDK7，所以下载5.0以下版本，5.0+均依赖Java8，同时使用到elasticsearch-jdbc插件，一并下载安装完成。
走过的大弯路
直接使用elasticsearch-jdbc工具，编写脚本文件，抽取数据到es中，脚本样例如下：
#!/bin/sh
DIR="$( cd "$( dirname "${BASH_SOURCE[0]}" )" && pwd )"
bin=${DIR}/../bin
lib=${DIR}/../lib
echo '
{
"type": "jdbc",
"jdbc": {
"elasticsearch.autodiscover": true,
"url": "jdbc:mysql://192.168.1.3:3306/test",
"user": "root",
"password": "root",
"sql": "SELECT * from tb_name1",
"elasticsearch": {
"host": "192.168.1.1",
"port": 9300
},
"index": "my-index",
"type": "my-type"
}
}
' | java \
-cp "${lib}/*" \
-Dlog4j.configurationFile=${bin}/log4j2.xml \
org.xbib.tools.Runner \
org.xbib.tools.JDBCImporter数据导入成功后，可使用head插件直接查看到。使用基本查询测试，查询条件是name=测试&num=100，使用精确匹配term语句，查询数据未果，实际使用num=100独立查询时，有相关数据。
问题跟踪解决
导致此现象的原因在于中文分词的问题，使用elasticsearch-jdbc脚本中并未处理列的mapping类型。(中间做过一次尝试，在脚本中定义对应的type_mapping，但并未成功，有兴趣的朋友可再做尝试)。
注：es与ik分词插件结合，版本匹配需要特别关注，但本案例并不涉及
结合此案例，查询时并不需要分词，而是精确匹配，但es默认情况下是指定string类型的分词，所以在index创建之前我们需要手动指定相关列不需要分词：not_analyzed，形如：
CURL -XPOST http://192.168.1.105:9200/my-index -d {
{
"mappings": {
"my-type": {
"properties": {
"name": {
"type": "string",
"index": "not_analyzed"
},
"num": {
"type": "string",
"index": "not_analyzed"
}
}
}
}
}创建索引成功后，再使用elasticsearch-jdbc的脚本导入数据，相关数据列不会再使用分词分析，再使用term组合精确查询时，就可以查询相关数据来。
SpringBoot应用
pom.xml关键配置
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
<exclusions>
<exclusion>
<artifactId>log4j-over-slf4j</artifactId>
<groupId>org.slf4j</groupId>
</exclusion>
</exclusions>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter</artifactId>
<exclusions>
<exclusion>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-logging</artifactId>
</exclusion>
</exclusions>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
<scope>test</scope>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-log4j</artifactId>
<version>1.3.1.RELEASE</version>
</dependency>与elasticsearch交互实体
@Data
@Document(indexName = "my-index", type = "my-type", shards = 5, replicas = 1, indexStoreType = "fs", refreshInterval = "-1")
public class DataBean {
/**
* code:名称
*
* @since JDK 1.6
*/
public String name;
/**
* msg:编号
*
* @since JDK 1.6
*/
public String num;
}与es交互接口类，返回数据的唯一_id值，若查得数据表示命中数据，若为空并未数据不存在
public interface DataBeanRepository extends ElasticsearchRepository<DataBean, Long> {
//案例中并未使用，但可以用
public List<BlackGreyData> findByNameAndNum(String name, String num);
}下面是业务处理层，采用BoolQueryBuilder构建查询条件，也即可基于DSL模块查询数据，还可以采用Criteria查询。
@Autowired
DataBeanRepository repository;
@Override
public List<DataBean> query(String name, String num, String type) {
//采用过滤器的形式，提高查询效率
BoolQueryBuilder builder = QueryBuilders.boolQuery();
builder.must(QueryBuilders.termQuery("name", name)).must(QueryBuilders.termQuery("num", num));
Iterable<DataBean> lists = repository.search(builder);
List<DataBean> datas = new ArrayList<>();
for (DataBean dataBean : lists) {
datas.add(dataBean);
logger.info("---------------------->>>Request result = 【" + dataBean + "】");
}
return datas;
}其它再编写对应的请求响应逻辑，即可完成简单服务的完成。
测试结果
GPS数据量5000W+，精确匹配查询出来50条数据，耗时700ms左右，结果查询缓存机制，基本可以稳定在300ms左右。这也是在单节点，未作任何优化的情况的结果。