三步搭建自己的Google搜索引擎

三步搭建自己的Google搜索引擎

搜索無處不在，尤其是在移動互聯(lián)的今天。無論是社交，電商，還是視頻等APP中，搜索都已經(jīng)在其中扮演了重要的角色。作為信息的入口，搜索能幫用戶從海量信息中找到想要的信息。在搜索框中快速依據(jù)關(guān)鍵字，找出對應(yīng)內(nèi)容，這是網(wǎng)站或APP不可或缺的一個功能。搜索性能、精準度，又是和最終用戶使用體驗息息相關(guān)的。云搜索服務(wù)正是在高性能、全文檢索、自定義詞庫、多種類分詞、模糊查詢、自動糾錯、同近義詞匹配、簡繁體匹配等方面，來滿足用戶對搜索的訴求。

Google搜索引擎大家都用過，Google的搜索內(nèi)容，都是依靠爬蟲從網(wǎng)絡(luò)上爬取的網(wǎng)頁數(shù)據(jù)。當用戶在輸入框中輸入關(guān)鍵字，Google就會在后臺進行內(nèi)容相關(guān)性計算，然后以相關(guān)性從高到低返回結(jié)果。對于一個網(wǎng)站或者APP來說，我們也希望擁有類似于Google的搜索框。只不過搜索的內(nèi)容，是網(wǎng)站自己提供的內(nèi)容。

接下來，就以一個網(wǎng)站的搜索框作為舉例，通過構(gòu)建網(wǎng)站的搜索框，帶您體驗網(wǎng)站搜索場景中云搜索服務(wù)的應(yīng)用。這個網(wǎng)站的內(nèi)容包含注冊用戶，以及用戶發(fā)的帖子。包括三個搜索場景：用戶搜索，根據(jù)用戶名稱匹配度、是否VIP、最近登錄時間、發(fā)帖數(shù)、粉絲數(shù)綜合評分得出搜索結(jié)果；帖子搜索，根據(jù)帖子內(nèi)容匹配度、發(fā)布時間、查看數(shù)、評論數(shù)、數(shù)綜合評分得出搜索結(jié)果；同義詞搜索，根據(jù)表達意思相同的詞，得到相應(yīng)的搜索結(jié)果。

總體分為三個步驟：第一步準備環(huán)境，主要會用到云搜索服務(wù)、彈性云服務(wù)器和虛擬私有云。云搜索服務(wù)(Cloud Search Service)是一個基于Elasticsearch且完全托管的在線分布式搜索服務(wù)，為用戶提供結(jié)構(gòu)化、非結(jié)構(gòu)化文本的多條件檢索、統(tǒng)計、報表。完全兼容開源Elasticsearch軟件原生接口。彈性云服務(wù)器（Elastic Cloud Server）是一種可隨時自助獲取、可彈性伸縮的云服務(wù)器，幫助用戶打造可靠、安全、靈活、高效的應(yīng)用環(huán)境，確保服務(wù)持久穩(wěn)定運行，提升運維效率。虛擬私有云（Virtual Private Cloud）是用戶在華為云上申請的隔離的、私密的虛擬網(wǎng)絡(luò)環(huán)境。用戶可配置VPC內(nèi)的IP地址段、子網(wǎng)、安全組等子服務(wù)，可申請彈性帶寬和彈性IP搭建業(yè)務(wù)系統(tǒng)。

第二步索引數(shù)據(jù)。索引數(shù)據(jù)是將數(shù)據(jù)源中的數(shù)據(jù)，在Elasticsearch集群中建立索引。通常會使用數(shù)據(jù)同步工具或者ETL工具，從MySQL拉取數(shù)據(jù)，寫入Elasticsearch。在本次課程里，我們的數(shù)據(jù)源是磁盤上的很多JSON文件，因此，我們寫了一個程序IndexingApp，從磁盤上讀取文件內(nèi)容后，調(diào)用Elasticsearch的寫接口，將輸入寫入Elasticsearch集群。

第三步搜索請求。搜索請求是從搜索框中接收用戶的輸入，然后構(gòu)造搜索查詢語句，調(diào)用Elasticsearch的搜索接口下發(fā)檢索數(shù)據(jù)請求到Elasticsearch。在本次課程里，我們試用SearchApp來模擬一個網(wǎng)站的前后臺。結(jié)合用戶輸入和搜索范圍選擇，來顯示相應(yīng)的搜索結(jié)果。

進入華為云學(xué)院（https://edu.huaweicloud.com/），學(xué)習(xí)課程《21天晉級大數(shù)據(jù)實戰(zhàn)營》，獲取更多操作教程！

云搜索服務(wù) CSS

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡(luò)用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔相應(yīng)法律責任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實的內(nèi)容，請聯(lián)系我們jiasou666@gmail.com 處理，核實后本網(wǎng)站將在24小時內(nèi)刪除侵權(quán)內(nèi)容。