从零开发短视频电商 OpenSearch/ElasticSearch中数据类型介绍

2023-12-12 06:28
文章标签 视频 介绍 开发 数据类型 elasticsearch 电商 opensearch

本文主要是介绍从零开发短视频电商 OpenSearch/ElasticSearch中数据类型介绍，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

文章目录

    • 查询和排序问题
    • 数据类型
      • Text（文本）
      • Keyword（关键字）
      • Wildcard（通配符）
      • Long、Integer、Short、Byte（整数类型）
      • Double、Float、Half_Float、Scaled_Float（浮点数类型）
      • Date、Date_Nanos（日期类型）
      • Date_Range（日期范围）
      • Boolean（布尔）
      • Binary（二进制）
      • Integer_Range、Float_Range、Long_Range、Double_Range（范围类型）
      • Ip_Range（IP 地址范围）
      • Object（对象）
      • Nested（嵌套）
      • Flattened（扁平化）
      • Ip（IP 地址）
      • TokenCount（词条数量）
      • Percolator（过滤器查询）
      • Search_As_You_Type（搜索即时建议）
      • Rank_Feature、Rank_Features（排名特征、排名特征集）
      • Dense_Vector（稠密向量）

查询和排序问题

在Elasticsearch中，查询和过滤是搜索过程中的两个主要步骤，它们的执行时序和具体过程如下：

  • 1.查询（Query）阶段：
    • 匹配查询： 在这个阶段，Elasticsearch执行你定义的查询来找到与查询条件匹配的文档。查询可以是全文本查询、精确匹配、范围查询等。
    • 评分（Scoring）： 对于匹配的文档，Elasticsearch会为每个文档计算一个分数，用于排序结果。评分考虑了文档与查询的匹配程度，以及其他相关因素
{"query": {"match": {"field": "value"}}
}
  • 2.过滤（Filter）阶段：
    • 筛选匹配文档： 在查询阶段找到匹配的文档后，过滤阶段用于筛选出满足附加条件的文档。过滤不涉及评分，只关注文档是否满足过滤条件。
{"query": {"match": {"field": "value"}},"filter": {"range": {"date": {"gte": "2023-01-01"}}}
}

在这个示例中，查询阶段找到包含指定字段和值的文档，然后过滤阶段通过范围条件筛选出那些日期在指定范围内的文档。

性能优化： 过滤通常比查询更快，因为它不需要进行评分计算。过滤条件可以包括范围、精确匹配、布尔条件等。

  • 性能考虑： 过滤阶段通常比查询阶段执行得更快，因此，如果你只是需要精确地匹配文档而不关心评分，考虑使用过滤来提高性能。
  • 缓存： 过滤条件的结果可以被缓存，以加速相同条件的后续查询。这对于重复性的查询非常有用。

例如：存储学生数据，不要评分，只搜索年龄大于30岁的学生。

在这种情况下，由于你不关心评分，而只关心筛选出年龄大于30岁的学生，使用过滤（Filter）通常会更快。过滤不涉及评分计算，而且它的结果可以被缓存，从而提高性能。

数据类型

当在 Elasticsearch 中选择数据类型时，应该根据数据的性质和使用场景来进行选择。以下是每个数据类型的常见应用场景和示例：

Text（文本）

  • 应用场景： 存储全文本，支持全文本搜索和分析。
  • 示例： 文章内容、评论、描述等。

text 用于全文本搜索和分析，而 keyword 用于精确匹配和聚合。text 会经历分词等分析过程，而 keyword 则保持原始字符串不变。

text 类型用于全文本搜索，将文本字段分析成词项（terms），并创建倒排索引以支持搜索。

存储在 keyword 类型字段上的文本不会被分析，整个字符串作为一个独立的项。主要用于精确匹配和聚合。

wildcard 主要用于支持通配符搜索，不涉及到分析。它可以用于匹配模式中的通配符表达式。

使用 text 类型字段进行Wildcard查询时，会根据分词结果进行匹配，而使用 keyword 类型字段进行Wildcard查询时，需要整个关键词与查询匹配。

PUT /my_index
{"mappings": {"properties": {"content": {"type": "text"}}}
}POST /my_index/_doc/1
{"content": "Elasticsearch is a distributed search engine."
}GET /my_index/_search
{"query": {"match": {"content": "search engine"}}
}

Keyword（关键字）

  • 应用场景： 精确匹配，通常用于不需要进行全文本搜索的字段。
  • 示例： 类别、标签、关键字等。
PUT /my_index
{"mappings": {"properties": {"text_field": {"type": "text","analyzer": "standard"},"keyword_field": {"type": "keyword"}}}
}POST /my_index/_doc/1
{"text_field": "Elasticsearch is powerful","keyword_field": "Elasticsearch is powerful"
}GET /my_index/_search
{"query": {"term": {"keyword_field": "Elasticsearch"}}
}
结果：搜不到GET /my_index/_search
{"query": {"wildcard": {"keyword_field": "power*"}}
}
结果：搜不到   GET /my_index/_search
{"query": {"match": {"text_field": "Elasticsearch"}}
}
结果：搜索到结果GET /my_index/_search
{"query": {"wildcard": {"text_field": "power*"}}
}
结果：搜索到结果

当你搜索 Elasticsearch 时，对于 text_field 可能会匹配到，因为它被分成了独立的词项。而对于 keyword_field，只有当你搜索整个精确的字符串 “Elasticsearch is powerful” 时才能匹配。

Wildcard（通配符）

  • 应用场景： 支持通配符搜索。
  • 示例： 使用通配符进行模糊搜索。

Wildcard 和 Text 都可以用于支持通配符搜索。

Wildcard 专门用于通配符搜索，而 Text 是一种通用的文本类型，支持全文本搜索、分析和其他文本处理操作。

通配符查询允许在搜索时使用通配符 * 或 ? 来匹配文档中的值。

* 匹配零个或多个字符，? 匹配一个字符。

PUT /my_index
{"mappings": {"properties": {"product_name": {"type": "wildcard"}}}
}POST /my_index/_doc/1
{"product_name": "Elasticsearch"
}GET /my_index/_search
{"query": {"wildcard": {"product_name": "Elast*"}}
}

Long、Integer、Short、Byte（整数类型）

  • 应用场景： 存储整数数据。
  • 示例： 年龄、数量、计数等。

这些整数类型都用于存储整数数据，但有不同的存储范围。

integer、long、short 和 byte 分别表示 32 位、64 位、16 位和 8 位有符号整数。选择取决于你的数据范围。

PUT /my_index
{"mappings": {"properties": {"age": {"type": "long"}}}
}POST /my_index/_doc/1
{"age": 25
}GET /my_index/_search
{"query": {"range": {"age": {"gte": 20}}}
}

Double、Float、Half_Float、Scaled_Float（浮点数类型）

  • 应用场景： 存储浮点数数据。
  • 示例： 价格、坐标、百分比等。

这些浮点数类型都用于存储浮点数数据。

float 和 double 分别表示 32 位和 64 位浮点数，而 half_float 是 16 位浮点数。scaled_float 允许通过指定缩放因子来存储浮点数。

PUT /my_index
{"mappings": {"properties": {"price": {"type": "double"}}}
}POST /my_index/_doc/1
{"price": 49.99
}GET /my_index/_search
{"query": {"range": {"price": {"lte": 50.0}}}
}

Date、Date_Nanos（日期类型）

  • 应用场景： 存储日期和时间信息。
  • 示例： 发布日期、事件时间等。

date 存储毫秒级的日期，date_nanos 存储纳秒级的日期，而 date_range 用于表示日期范围。

PUT /my_index
{"mappings": {"properties": {"publish_date": {"type": "date"}}}
}POST /my_index/_doc/1
{"publish_date": "2023-01-01T12:00:00"
}GET /my_index/_search
{"query": {"range": {"publish_date": {"gte": "2023-01-01"}}}
}

Date_Range（日期范围）

  • 应用场景： 表示日期范围。
  • 示例： 活动日期范围、计划时间段等。
PUT /my_index
{"mappings": {"properties": {"date_range": {"type": "date_range"}}}
}POST /my_index/_doc/1
{"date_range": {"gte": "2023-01-01","lte": "2023-12-31"}
}GET /my_index/_search
{"query": {"range": {"date_range": {"gte": "2023-06-01","lte": "2023-09-01"}}}
}

Boolean（布尔）

  • 应用场景： 存储布尔值。
  • 示例： 是否完成、是否启用等。
PUT /my_index
{"mappings": {"properties": {"is_completed": {"type": "boolean"}}}
}POST /my_index/_doc/1
{"is_completed": true
}GET /my_index/_search
{"query": {"term": {"is_completed": true}}
}

Binary（二进制）

  • 应用场景： 存储二进制数据，如图像、文档等。
  • 示例： 图片、PDF 文档等。
PUT /my_index
{"mappings": {"properties": {"image_data": {"type": "binary"}}}
}POST /my_index/_doc/1
{"image_data": "base64_encoded_image_data"
}GET /my_index/_search
{"query": {"exists": {"field": "image_data"}}
}

Integer_Range、Float_Range、Long_Range、Double_Range（范围类型）

  • 应用场景： 表示数值范围。
  • 示例： 价格范围、评分范围等。
PUT /my_index
{"mappings": {"properties": {"age_range": {"type": "integer_range"}}}
}POST /my_index/_doc/1
{"age_range": {"gte": 18,"lte": 35}
}GET /my_index/_search
{"query": {"range": {"age_range": {"gte": 25,"lte": 40}}}
}

Ip_Range（IP 地址范围）

  • 应用场景： 存储 IP 地址范围。
  • 示例： IP 地址过滤、地址段范围等。
PUT /my_index
{"mappings": {"properties": {"ip_address_range": {"type": "ip_range"}}}
}POST /my_index/_doc/1
{"ip_address_range": {"gte": "192.168.0.1","lte": "192.168.0.255"}
}GET /my_index/_search
{"query": {"range": {"ip_address_range": {"gte": "192.168.0.100","lte": "192.168.0.200"}}}
}

Object（对象）

  • 应用场景： 嵌套对象，可以包含其他字段。
  • 示例： 用户信息、地址信息等。

Object 类型是一个简单的嵌套对象，可以包含其他字段，但是这些字段是平等的，没有特定的关系。

适用于表示简单嵌套结构的文档，其中字段之间没有复杂的关联。

PUT /my_index
{"mappings": {"properties": {"user_info": {"type": "object","properties": {"name": { "type": "text" },"age": { "type": "integer" },"email": { "type": "keyword" }}}}}
}POST /my_index/_doc/1
{"user_info": {"name": "John Doe","age": 30,"email": "john.doe@example.com"}
}GET /my_index/_search
{"query": {"match": {"user_info.name": "John"}}
}

Nested（嵌套）

  • 应用场景： 嵌套文档类型，适用于嵌套复杂结构的文档。
  • 示例： 文章的评论、订单的商品列表等。

Nested 类型用于嵌套复杂结构的文档，并建立了父子关系，允许在子文档中使用独立的查询。

适用于表示具有层次结构和相互关联的文档，如文章的评论、订单的商品列表等。

PUT /my_index
{"mappings": {"properties": {"comments": {"type": "nested","properties": {"user": { "type": "keyword" },"comment": { "type": "text" }}}}}
}POST /my_index/_doc/1
{"comments": [{ "user": "user1", "comment": "Great article!" },{ "user": "user2", "comment": "Interesting points." }]
}GET /my_index/_search
{"query": {"nested": {"path": "comments","query": {"match": {"comments.comment": "article"}}}}
}

Flattened（扁平化）

  • 应用场景： 将嵌套对象的字段扁平化，以便更容易进行搜索和分析。
  • 示例： 扁平化订单信息中的商品详细信息。

Flattened 类型用于将嵌套对象的字段扁平化，以便更容易进行搜索和分析。它适用于具有深层次嵌套的复杂对象。

适用于需要对嵌套结构进行扁平化处理，以便于搜索和聚合。

PUT /my_index
{"mappings": {"properties": {"order_details": {"type": "flattened"}}}
}POST /my_index/_doc/1
{"order_details": {"product_name": "Smartphone","price": 499.99,"quantity": 2}
}GET /my_index/_search
{"query": {"match": {"order_details.product_name": "Smartphone"}}
}

Ip（IP 地址）

  • 应用场景： 存储 IP 地址。
  • 示例： 用户 IP 地址、服务器 IP 地址等。
PUT /my_index
{"mappings": {"properties": {"ip_address": {"type": "ip"}}}
}POST /my_index/_doc/1
{"ip_address": "192.168.0.1"
}GET /my_index/_search
{"query": {"term": {"ip_address": "192.168.0.1"}}
}

TokenCount（词条数量）

  • 应用场景： 存储通过分析器处理后的词条数量。
  • 示例： 文章中的单词数量、文档中的关键词数量等。
PUT /my_index
{"mappings": {"properties": {"word_count": {"type": "token_count"}}}
}POST /my_index/_doc/1
{"word_count": 100
}GET /my_index/_search
{"query": {"range": {"word_count": {"gte": 50}}}
}

Percolator（过滤器查询）

  • 应用场景： 存储过滤器查询，用于实时检查文档与查询的匹配情况。
  • 示例： 保存搜索过滤器，以便在新文档插入时检查匹配。
PUT /my_index
{"mappings": {"properties": {"filter_query": {"type": "percolator"}}}
}POST /my_index/_doc/1
{"filter_query": {"match": {"category": "Technology"}}
}GET /my_index/_search
{"query": {"percolate": {"field": "filter_query","document": {"category": "Technology"}}}
}

Search_As_You_Type（搜索即时建议）

  • 应用场景： 支持搜索时的自动建议功能。
  • 示例： 实时搜索建议、搜索框中的自动完成。
PUT /my_index
{"mappings": {"properties": {"suggest_field": {"type": "search_as_you_type"}}}
}POST /my_index/_doc/1
{"suggest_field": "Elasticsearch"
}GET /my_index/_search
{"suggest": {"text": "Elasti","my-suggestion": {"prefix": "true","completion": {"field": "suggest_field"}}}
}

Rank_Feature、Rank_Features（排名特征、排名特征集）

  • 应用场景： 存储数值特征，用于搜索和排序。
  • 示例： 用户评分、商品评分等。
PUT /my_index
{"mappings": {"properties": {"user_rating": {"type": "rank_feature"}}}
}POST /my_index/_doc/1
{"user_rating": 4.5
}GET /my_index/_search
{"query": {"function_score": {"query": {"match_all": {}},"field_value_factor": {"field": "user_rating","missing": 0}}}
}

Dense_Vector（稠密向量）

  • 应用场景： 存储数值向量，通常用于机器学习等场景。
  • 示例： 特征向量、嵌套向量表示等。
PUT /my_index
{"mappings": {"properties": {"feature_vector": {"type": "dense_vector"}}}
}POST /my_index/_doc/1
{"feature_vector": [0.1, 0.5, 0.8]
}GET /my_index/_search
{"query": {"script_score": {"query": {"match_all": {}},"script": {"source": "cosineSimilarity(params.query_vector, 'feature_vector') + 1.0","params": {"query_vector": [0.2, 0.3, 0.7]}}}}
}

这篇关于从零开发短视频电商 OpenSearch/ElasticSearch中数据类型介绍的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/483550。

相关文章

python web 开发之Flask中间件与请求处理钩子的最佳实践

python web 开发之Flask中间件与请求处理钩子的最佳实践

《pythonweb开发之Flask中间件与请求处理钩子的最佳实践》Flask作为轻量级Web框架,提供了灵活的请求处理机制,中间件和请求钩子允许开发者在请求处理的不同阶段插入自定义逻辑,实现诸如... 目录Flask中间件与请求处理钩子完全指南1. 引言2. 请求处理生命周期概述3. 请求钩子详解3.1
阅读更多...
Spring Security介绍及配置实现代码

Spring Security介绍及配置实现代码

《SpringSecurity介绍及配置实现代码》SpringSecurity是一个功能强大的Java安全框架,它提供了全面的安全认证(Authentication)和授权(Authorizatio... 目录简介Spring Security配置配置实现代码简介Spring Security是一个功能强
阅读更多...
如何基于Python开发一个微信自动化工具

如何基于Python开发一个微信自动化工具

《如何基于Python开发一个微信自动化工具》在当今数字化办公场景中,自动化工具已成为提升工作效率的利器,本文将深入剖析一个基于Python的微信自动化工具开发全过程,有需要的小伙伴可以了解下... 目录概述功能全景1. 核心功能模块2. 特色功能效果展示1. 主界面概览2. 定时任务配置3. 操作日志演示
阅读更多...
JavaScript实战：智能密码生成器开发指南

JavaScript实战：智能密码生成器开发指南

本文通过JavaScript实战开发智能密码生成器，详解如何运用crypto.getRandomValues实现加密级随机密码生成，包含多字符组合、安全强度可视化、易混淆字符排除等企业级功能。学习密码强度检测算法与信息熵计算原理，获取可直接嵌入项目的完整代码，提升Web应用的安全开发能力 目录
阅读更多...
JSR-107缓存规范介绍

JSR-107缓存规范介绍

《JSR-107缓存规范介绍》JSR是JavaSpecificationRequests的缩写,意思是Java规范提案,下面给大家介绍JSR-107缓存规范的相关知识,感兴趣的朋友一起看看吧... 目录1.什么是jsR-1072.应用调用缓存图示3.JSR-107规范使用4.Spring 缓存机制缓存是每一
阅读更多...
Java中 instanceof 的用法详细介绍

Java中 instanceof 的用法详细介绍

《Java中instanceof的用法详细介绍》在Java中,instanceof是一个二元运算符(类型比较操作符),用于检查一个对象是否是某个特定类、接口的实例,或者是否是其子类的实例,这篇文章... 目录引言基本语法基本作用1. 检查对象是否是指定类的实例2. 检查对象是否是子类的实例3. 检查对象是否
阅读更多...
通过C#获取Excel单元格的数据类型的方法详解

通过C#获取Excel单元格的数据类型的方法详解

《通过C#获取Excel单元格的数据类型的方法详解》在处理Excel文件时,了解单元格的数据类型有助于我们正确地解析和处理数据,本文将详细介绍如何使用FreeSpire.XLS来获取Excel单元格的... 目录引言环境配置6种常见数据类型C# 读取单元格数据类型引言在处理 Excel 文件时，了解单元格
阅读更多...
一文教你如何解决Python开发总是import出错的问题

一文教你如何解决Python开发总是import出错的问题

《一文教你如何解决Python开发总是import出错的问题》经常朋友碰到Python开发的过程中import包报错的问题,所以本文将和大家介绍一下可编辑安装（EditableInstall）模式,可... 目录摘要1. 可编辑安装（Editable Install）模式到底在解决什么问题？2. 原理3.
阅读更多...
什么是ReFS 文件系统? ntfs和refs的优缺点区别介绍

什么是ReFS 文件系统? ntfs和refs的优缺点区别介绍

《什么是ReFS文件系统?ntfs和refs的优缺点区别介绍》最近有用户在Win11Insider的安装界面中发现，可以使用ReFS来格式化硬盘,这是不是意味着，ReFS有望在未来成为W... 数十年以来，Windows 系统一直将 NTFS 作为「内置硬盘」的默认文件系统。不过近些年来，微软还在研发一款名
阅读更多...
Python+PyQt5开发一个Windows电脑启动项管理神器

Python+PyQt5开发一个Windows电脑启动项管理神器

《Python+PyQt5开发一个Windows电脑启动项管理神器》：本文主要介绍如何使用PyQt5开发一款颜值与功能并存的Windows启动项管理工具,不仅能查看/删除现有启动项,还能智能添加新... 目录开篇：为什么我们需要启动项管理工具功能全景图核心技术解析1. Windows注册表操作2. 启动文件
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2