elasticsearch實戰—中文拼音A-Z排序（完美解決）

P城到底誰說的算發表於2019-03-01

Elasticsearch排序

0.背景

公司目前業務系統偏向後臺系統，目前包含500W+資料，在許多列表中支援各種條件查詢，含有大量的模糊搜尋條件。由於在mysql中模糊查詢效率低下，目前公司已使用es搜尋引擎進行條件搜尋。es版本如下：

elasticsearch版本：6.3.2

java client版本:rest-high-level-client 6.3.2

問題：業務需要部分中文欄位進行a-z拼音排序。

1.實現方案

網上查閱資料，es使用elasticsearch-analysis-pinyin分詞外掛可實現排序效果。具體原理是通過拼音分詞器將漢字分為只含有首字母的字串（例如：劉德華—-> ldh），之後通過查詢此分詞欄位實現排序。

2.說幹就幹

2.1下載、安裝拼音分詞器

elasticsearch-analysis-pinyin下載網址：github.com/medcl/elast…

根據自己的es版本下載對應的拼音分詞器版本，由於我的是6.3.2的版本，因此下載master版本的分詞器。

解壓zip包，命令列移動到解決後的包下，執行mvn 打包命令（沒有maven的自行下載）：

mvn打包命令： mvn package

看到 BUILD SUCCESS 即為打包成功。

此時，target目錄已經生成，進入E:Elasticsearchelasticsearch-analysis-pinyin-master arget eleases目錄下,解壓裡面的zip包，生成如下檔案：

將這三個檔案拷貝到es安裝目錄下的plugins目錄下的pinyin資料夾中（pinyin資料夾需要自己建立，可以任意命名）:

重啟es，拼音分詞器到此安裝完成。

2.2索引setting、mapping設定

首先，建立索引時自定義索引setting：

由於我們需要將拼音分詞器和ik分詞器同時使用，因此在配置分析器時配置了兩個。

PUT /pinyinTestIndex
{
    "index" : {
        "analysis" : {                          
            "analyzer" : {                           
               "default" : {                                   //預設分詞器使用ik分詞器
                     "tokenizer" : "ik_max_word"
               },
               "pinyin_analyzer" : {                           //自定義拼音分詞器
                     "tokenizer" : "my_pinyin"
               }
            },
            "tokenizer" : {
                "my_pinyin" : {                                //拼音分詞器配置
                    "type" : "pinyin",
                    "keep_first_letter":true,
                    "keep_separate_first_letter" : false,
                    "keep_full_pinyin" : false,
                    "limit_first_letter_length" : 20,
                    "lowercase" : true,
                    "keep_none_chinese":false
                 }
            }
        }
    }
}
複製程式碼

在拼音分詞器配置中含有幾個配置，這些配置決定了能不能按照你的要求進行排序。
keep_first_letter：包含首字母，例如：劉德華> ldh，default：true。

keep_separate_first_letter:將字母分割，例如：劉德華> l，d，h，default：false。

keep_full_pinyin:包含全拼拼音，例如：劉德華> [ liu，de，hua]，default：true。

limit_first_letter_length:設定first_letter結果的最大長度，default：16。

lowercase:小寫非中文字母，default：true。

keep_none_chinese: 不在結果中保留非中文字母或數字，default：true。

因此，我的拼音分詞器會有如下效果 — 如果字串為劉德華，經過分詞後成為ldh，如果字串為劉德華A，經過分詞後成為ldha，如果字串為劉德華1，經過分詞後成為ldh1。此種分詞效果滿足我們的業務需求，當然還有其他的配置可選，來滿足不同的業務需求。

其他配置可參考elasticsearch-analysis-pinyin下載網址中的README.md選項進行選取。

之後，進行索引mapping檔案的建立，保證欄位使用拼音分詞器：

POST /pinyinTestIndex/dev/_mapping 
{
    "dev": {
        "properties": {
            "name": {                                        //name欄位
                "type": "text",                              //字串型別支援分詞
                "analyzer": "pinyin_analyzer",               //使用拼音分詞
                 "fields": {                                 //包含的另一種不分詞效果
                     "keyword": {                            
                        "type": "keyword",
                        "ignore_above": 256
                    }
                }
            }
        }
    }
}
複製程式碼

到此，索引建立完畢。

2.3 使用java client排序查詢

 //search api
 SearchSourceBuilder source = new SearchSourceBuilder();
 //排序欄位   SortOrder.ASC 升序   SortOrder.DESC 降序
 source.sort("name", SortOrder.ASC);
 //索引資訊
 SearchRequest searchRequest = new SearchRequest("pinyinTestIndex");
 searchRequest.types("dev");
 searchRequest.source(source);
 //查詢
 SearchResponse response =  client.search(searchRequest);
複製程式碼