当前位置：首页 > news >正文

【Elasticsearch入门到落地】9、hotel数据结构分析

news 来源：原创 2025/8/24 0:43:06

接上篇《8、RestClient操作索引库-基础介绍及导入demo》
上一篇我们介绍了RestClient的基础，并导入了使用Java语言编写的RestClient程序Demo以及将要分析的数据库。本篇我们就要分析导入的宾馆数据库tb_hotel表结构的具体含义，并分析如何建立其索引库。

一、分析前需要考虑的问题

我们如果想要建立索引库，必须要考虑以下问题：

问题一：索引库中的字段名、数据类型；
问题二：哪些字段参与搜索、哪些字段进行分词？
问题三：如果分词，分词器是什么?

带着这些疑问，我们来分析tb_hotel表结构：

大致看一下上面这个表结构，可以初步回答三个问题：
先说问题一，上面这个表里面的字段名和字段类型，其实就是我们将要建立索引库的字段名和类型，当然不一定是所有的字段，这个可以根据需要，参与搜索的建议全部加入。
再说问题二，哪些字段参与搜索？哪些字段进行分词？这俩问题其实跟业务场景息息相关，现在的场景确定是一个酒店业务，那么“酒店名称”这个字段一定是要参与搜索的，且因为酒店名称比较长，且可能带有一些关键词，所以这里肯定也需要进行分词。
然后是问题三，用什么分词器？这里我们先卖个关子最后再说。

二、分析数据库字段

我们下面逐个分析每个字段，如何对应创建我们的索引库。

1、酒店id（id）

这个是酒店数据的唯一标识主键，也可以作为我们索引库的唯一标识，所以这个字段是需要加入mapping索引库的，mysql中该字段为PROMARY KEY，是一个表的主键，不用分词，所以我们在索引库中就可以定义为keyword精确值类型。

"id":{"type":"keyword"}

因为是一个唯一标识，且是纯数字，这里我们不对它进行分词。

2、酒店名称（name）

这个上面咱们已经说过，是一个重点字段，它在mysql中是varchar类型，在mapping索引库中可以这是为text类型（因为需要分词），因为该字段是需要参与搜索的，所以要添加“analyzer”分词器属性，指定分词器为“ik_max_word”：

"name":{"type":"text","analyzer":"ik_max_word"}

这里分词器为啥要选“ik_max_word”呢？这里我们解释一下，以下是常见的分词器表：

因为我们需要检索和分析的是中文名称或文档内容，最适合的分词器应该是“Chinese Analyzer”。而ik_max_word属于Chinese Analyzer（中文分词器）的一种分词模式。IK分词器是Elasticsearch中常用的中文分词插件，它提供了两种分词模式：ik_max_word和ik_smart。其中：

（1）ik_max_word：

●功能：将文本进行最细粒度的拆分，即将文本最大程度地切分成独立的词汇。
●特点：通过条件随机场（CRF）模型识别词汇边界，并使用动态规划寻找最优的词段划分，从而穷尽各种可能的词汇组合。
●应用场景：适用于需要更全面的分词结果，以便在索引时捕捉到更多的词汇信息，提高搜索的召回率。例如，在搜索引擎或信息检索系统中，可以使用ik_max_word模式来最大化地将文章内容分词，以便在搜索时能够匹配到更多的相关结果。

（2）ik_smart：

●功能：对文本进行智能分词，结合理解歧义和未知词的算法，对文本进行词典分词的同时，智能识别词汇的边界。
●特点：更注重分词的准确性和歧义处理，词典中的词汇边界会被优先考虑，从而可能减少不必要的扩展。
●应用场景：适用于需要更精确的分词结果，以便在搜索时能够更准确地匹配到用户查询的意图。例如，在搜索引擎中，可以使用ik_smart模式来更精确地搜索到用户想要的结果。
概括起来，ik_max_word是IK分词器中用于中文文本细粒度分词的一种模式，适用于需要提高搜索召回率的场景。
所以我们选择了“ik_max_word”分词器。

3、酒店地址（address）等其他字段

这里我们不再一一赘述，将其他字段逐个分析后，我列出了相关表格：

这里我们只介绍一个字段，就是location，回头我们查询酒店具体的坐标的时候，需要将经纬度合并计算出精确位置，此时我们使用的索引库类型就是geo_point类型。这个geo_point类型是Elasticsearch中用于表示地理位置坐标的特殊数据类型，它通过支持空间查询、地理位置分析、空间索引等功能，为基于地理位置的应用和服务提供了强大的支持。将经纬度组合成一个字段时，在索引库中使用geo_point类型可以充分利用这些功能，提高应用的性能和用户体验。

三、创建索引库语句

按照上面的分析，最终的mapping索引库的DSL建表语句如下：

# 酒店的mapping索引库
PUT /hotel
{"mappings": {"properties": {"id": { "type": "keyword" },"name": { "type": "text", "analyzer": "ik_max_word" },"address": { "type": "text", "analyzer": "ik_max_word" },"price": { "type": "integer" },"score": { "type": "integer" },"brand": { "type": "keyword" },"city": { "type": "keyword" },"star_name": { "type": "keyword" },"business": { "type": "text", "analyzer": "ik_max_word"},  "location": { "type": "geo_point" },"pic": { "type": "keyword", "index": false  } }}
}

我们打开Kibana界面，输入上述语句创建索引库并执行：

查询索引库，发现已经新增成功：

至此，我们对tb_hotel表结构的具体含义，以及做索引需要考虑的具体问题就讲解完毕了，并编写了DSL语句，并执行完毕。下一篇我们来进行java代码的编写，初始化RestClient并执行一些命令来操作索引库。

参考：《黑马Elasticsearch全套教程》

转载请注明出处：https://blog.csdn.net/acmman/article/details/146140551