202 lines
8.0 KiB
Markdown
202 lines
8.0 KiB
Markdown
### 项目背景与介绍
|
||
|
||
本团队开发的检索服务提供分词和建立索引功能，可自定义中文词库，可满足复杂查询需求，支持包括字段检索、字段排序、布尔搜索、范围检索、地理位置（POI、AOI）查询等功能。
|
||
优势在于：
|
||
1) 中文分词，内置各种中文支持。
|
||
2) C++开发，轻量化，4核8G内存的机器就能支持大规模存储。
|
||
3) 支持存储节点分片数动态增加，方便扩容。
|
||
|
||
### 体验demo项目
|
||
|
||
体验demo项目请参考：[Quickstart.md](https://gitee.com/jd-platform-opensource/isearch/blob/master/docs/Quickstart.md)
|
||
|
||
### 架构图
|
||
|
||
|
||
### 特色优势
|
||
1.容器化管理，方便快速部署和扩容，通过dockerfile一键编译部署，快速上手
|
||
2.支持http方式进行数据导入和查询（需部署接入层服务），若通过sdk或tcp方式访问，则只需部署索引层服务即可
|
||
3.采用稳定高效的C++开发，高速搜索响应，架构简洁
|
||
4.提供了丰富的功能，开发周期更短，支持包括字段检索、字段排序、布尔搜索、范围检索、地理位置（POI、AOI）查询等功能
|
||
|
||
### 项目配置文件
|
||
**索引写服务**
|
||
|
||
index_write的配置文件位于/usr/local/intelligentsearch/index_write/conf目录，以下为配置文件说明：
|
||
|
||
index_write.conf 采用json格式，主要定义程序日志级别、监听端口、以及对应缓存服务的端口信息等
|
||
|
||
words_base.txt 为词库文件，用于进行文本分词
|
||
|
||
app_field_define.txt 定义应用字段的信息，格式如下：
|
||
|
||
| app_id | field_id | field_name | is_primary_key | field_type | index_tag | snapshot_tag | segment_tag | reserved2 |
|
||
| ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- |
|
||
| 10061 | 1 | doc_id | 1 | 1 | 0 | 0 | 0 | |
|
||
| 10061 | 2 | poi_name | 0 | 2 | 1 | 1 | 1 | |
|
||
| 10061 | 3 | longitude | 0 | 5 | 1 | 1 | 0 | |
|
||
| 10061 | 4 | latitude | 0 | 6 | 1 | 1 | 0 | |
|
||
| 10061 | 5 | gis | 0 | 1 | 1 | 0 | 0 | |
|
||
| 10061 | 0 | idx_gis_poi | 0 | 11 | 0 | 0 | 0 | 5,2 |
|
||
|
||
字段详细解释如下：
|
||
|
||
app_id：应用唯一标识
|
||
|
||
field_id：字段值，建索引时唯一标识一个字段
|
||
|
||
field_name：字段名称，由用户自行定义
|
||
|
||
is_primary_key：该字段是否为主键，一般需要将文档id字段设置为主键，唯一标识一条记录
|
||
|
||
field_type：字段类型，1:INT，2:SHORT_TEXT，3:TEXT，4:IP，5:经度，6:纬度，9:DOUBLE，10:LONG
|
||
|
||
index_tag：是否需要对该字段建索引
|
||
|
||
snapshot_tag：是否需要在快照中保存该字段
|
||
|
||
segment_tag：分词模式，0：不进行分词 1：默认分词模式 3：汉拼分词 5：支持范围查询
|
||
|
||
segment_feature：分词特征
|
||
|
||
reserved2：保留字段
|
||
|
||
**索引读服务**
|
||
|
||
index_read的配置文件位于/usr/local/intelligentsearch/index_read/conf目录。
|
||
|
||
index_read.conf 采用json格式，主要定义程序日志级别、监听端口、以及对应缓存服务的端口信息等
|
||
|
||
app_field_define.txt 定义应用的字段信息
|
||
|
||
words_base.txt 为词库文件，用于进行文本分词
|
||
|
||
修改应用配置信息后，需要重启进程，启动和停止脚本都在bin目录下。
|
||
|
||
### 配置文件转换工具
|
||
|
||
在/usr/local/intelligentsearch/tools目录下的parse_ini工具可以将ini格式的配置文件转化为index_write需要的格式，app_field.ini的示例如下：
|
||
|
||
```
|
||
[appid]
|
||
project.appid = 10001
|
||
|
||
[doc_id]
|
||
is_primary_key = 1
|
||
field_type = 2
|
||
index_tag = 0
|
||
snapshot_tag = 0
|
||
|
||
[title]
|
||
field_type = 2
|
||
|
||
[author]
|
||
field_type = 2
|
||
segment_tag = 3
|
||
|
||
[content]
|
||
field_type = 3
|
||
segment_tag = 1
|
||
|
||
[weight]
|
||
field_type = 1
|
||
segment_tag =5
|
||
```
|
||
|
||
在appid字段下面定义一个应用id，其它字段则依据应用的字段来定义，建议与数据库保持一致，执行parse_ini后会在当前目录生成相应的app_field_define.txt文件，将其拷贝到index_write和index_read的相应目录即可。
|
||
|
||
### 管理索引
|
||
|
||
添加文档的格式见send.json文件，操作命令为./client_test send.json 106 127.0.0.1 11017，该命令直接向index_write服务发送一个tcp请求，进行索引的导入，支持导入多行数据。
|
||
|
||
其中appid为应用id，fields_count为文档数量，cmd为add时表示新增文档，fields字段中为文档对应的数据，字段名必须与app_field_define.txt文件中定义的保持一致。
|
||
|
||
```
|
||
{"appid":10001,"fields_count":1, "table_content": [{"cmd":"add", "fields": {"author":"张三","content":"亚运会第14天的比赛结束后，中国代表团以132枚金牌、92枚银牌和65枚铜牌列在金牌榜的首位，日本代表团以74枚金牌、56枚银牌和74枚铜牌列在次席，韩国代表团以49枚金牌、57枚银牌和70枚铜牌列在第三","title":"亚运会今闭幕 杭州8分钟传达什么信息","weight":430,"doc_id":"1381"}}]}
|
||
|
||
```
|
||
|
||
### 使用搜索
|
||
|
||
查询的格式见index_read.conf文件，tcp方式的操作命令为./client_test search.json 101 127.0.0.1 12003，请求示例如下：
|
||
|
||
```
|
||
// 查询content字段包含京东的记录
|
||
{"key_and":"content:京东", "appid":10001, "page_index":"1", "page_size":"10","fields":"title"}
|
||
|
||
```
|
||
|
||
| 参数 | 类型 | 是否必须 | 描述 |
|
||
| ---- | ---- | ---- | ---- |
|
||
| appid | int | 是 | 应用id |
|
||
| key | string | 否 | 搜索查询词 |
|
||
| key_and | string | 否 | 包含全部关键词 |
|
||
| key_invert | string | 否 | 过滤关键词 |
|
||
| page_index | int | 否 | 页码 |
|
||
| page_size | int | 否 | 每页条数 |
|
||
| sort_type | int | 否 | 排序类型 |
|
||
| sort_field | string | 否 | 排序字段 |
|
||
| fields | string | 否 | 返回指定字段值 |
|
||
|
||
字段说明如下
|
||
|
||
appid：应用唯一标识
|
||
|
||
key：查询关键词，支持多字段检索，多个条件之间取并集
|
||
|
||
key_and：查询关键词，支持多字段检索，多个条件之间取交集
|
||
|
||
key_invert：需要过滤的关键词
|
||
|
||
page_index：页码
|
||
|
||
page_size：每页条数
|
||
|
||
sort_type：排序类型，1：默认排序 3：不排序 4：按sort_field升序 5：按sort_field降序
|
||
|
||
sort_field：通过sort_field指定排序的字段
|
||
|
||
fields：返回指定字段值，多个字段用逗号隔开
|
||
|
||
**布尔搜索**
|
||
|
||
"key_and":"content:京东 author:张三" // 并且
|
||
|
||
"key":"content:京东 author:张三" // 或者
|
||
|
||
"key":"content:京东" key_invert:"author:张三" // 排除
|
||
|
||
**查询结果示例**
|
||
|
||
```
|
||
{"code":0,"count":2,"hlWord":["京东"],"result":[{"doc_id":"1381","title":"测试标题1","score":2}, {"doc_id":"1382","title":"测试标题2","score":1}]}
|
||
```
|
||
|
||
其中code为返回码，count为匹配到的结果总数，hlWord为结果需要高亮的词语，result为匹配到的详细信息，score为匹配度得分，默认由高到低排序。
|
||
|
||
### 后续规划
|
||
|
||
1. 新功能
|
||
1. 预计2021年Q2开源热备服务，提供检索系统的单机数据备份能力。
|
||
2. 预计2021年Q3开源路由服务，提供检索系统的分布式能力。
|
||
3. 预计2022年Q1开源哨兵监控服务，提供检索系统的容灾能力。
|
||
4. 预计2022年Q1开源配置中心服务，提供检索系统的统一配置管理能力。
|
||
5. 预计2022年Q2开源扩容服务，提供检索系统的扩展能力。
|
||
2. 功能优化
|
||
1. 查询请求格式兼容elasticsearch协议。
|
||
2. 提供restful API。
|
||
3. 支持mysql数据源导入数据。
|
||
4. 提供OLAP聚合功能，进行联机分析。
|
||
|
||
### 项目成员
|
||
|
||
付学宝--项目发起者、导师、总设计师
|
||
林金明--项目开发
|
||
仇路--项目开发
|
||
朱林--项目开发
|
||
杨爽--项目开发
|
||
陈雨杰--项目开发
|
||
|
||
### 特别感谢
|
||
|
||
感谢京东副总裁王建宇博士给予项目的大力支持，多次参与指导提供建议和方向！ |