dotNet Core 3.1 使用 Elasticsearch

不止dotNET

共 5670字,需浏览 12分钟

 ·

2021-01-26 05:11

b09fea58e1445f49fe37cadcb3ed625d.webp

Elasticsearch 是基于 Lucene 的搜索引擎。可以非常方便地实现分布式的全文搜索,本文介绍在 dotNet Core 3.1 中怎样使用  Elasticsearch 。

版本

  • dotnet Core :3.1
  • Elasticsearch:7.6.1
  • Kibana:7.6.1
  • NEST:7.10.1
  • Docker:19.03.13

Docker 安装 Elasticsearch

为了方便,我们以 Docker 的方式来进行安装,这里使用的版本为 7.6.1,首先执行下面命令进行镜像的拉取:

docker pull elasticsearch:7.6.1

注意:这里需要指定相关版本,版本可以在 dockerhub 上进行查询 ,否则拉镜像的时候可能出现 下面错误

Error response from daemon: manifest for elasticsearch:latest not found: manifest unknown: manifest unknown

镜像成功拉取后,执行 docker run 命令构建容器,命令如下:

docker run -d --name myes -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" elasticsearch:7.6.1

为了更好地进行中文的搜索,需要安装中文分词插件,本文中安装的中文分词插件为 ik ,版本和 Elasticsearch 一致,安装方法如下:

进入 Elasticsearch 容器后执行:

./bin/elasticsearch-plugin install [https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.6.1/elasticsearch-analysis-ik-7.6.1.zip](https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v6.5.4/elasticsearch-analysis-ik-6.5.4.zip)

安装成功后的如下图所示:

a4d285cefd79ffa1b5b43073260e7f86.webp

Docker 安装 Kibana

Kibana 是一个免费的用户界面,能够让您对 Elasticsearch 数据进行可视化,不是必须,但可以更好地查看数据。

执行下面命令进行镜像的拉取,版本和 Elasticsearch 一致:

docker pull kibana:7.6.1

在宿主机创建 /root/data/elk/ 目录并创建配置文件 kibana.yml ,内容如下:

# Default Kibana configuration for docker target
server.name: kibana
server.host: "0"
elasticsearch.hosts: [ "http://172.17.0.6:9200" ]
xpack.monitoring.ui.container.elasticsearch.enabled: true

elasticsearch.hosts 配置为 Elasticsearch 的访问地址。

执行下面命令进行容器的创建

docker run -d --restart=always --log-driver json-file --log-opt max-size=100m --log-opt max-file=2 --name mykibana -p 5601:5601 -v /root/data/elk/kibana.yml:/usr/share/kibana/config/kibana.yml kibana:7.6.1

创建成功后,可以通过 5601 端口进行访问。

Elasticsearch 的 API

Elasticsearch 提供 API 的方式来进行数据操作,非常方便,常用的三个接口:

  • 插入数据
  • 获取单条数据
  • 查询数据

插入数据

http://10.211.55.6:9200/index/oec2003/1

fc7486bcd7464b327b093f354e52a4b3.webp

  • index:我的理解是相当于数据库表的概念;
  • oec2003:在 Elasticsearch 的 index 中有个 Type 的概念,相当于分组,当前的 7.6.1 版本中一个 index  中只能有一个 Type ,所以相当于可以忽略;
  • 1:单条记录的 id;
  • 接口为 Post 方式,数据内容为 Json 格式,字段可以随便定义,而且每条数据的字段可以不相同。

获取单条数据

http://10.211.55.6:9200/index/oec2003/1

c479736e3be252802dee036e7566704e.webp

搜索数据

http://10.211.55.6:9200/index/oec2003/_search

6fe9f7a167e9ff077548d69f4c12da2e.webp

  • 查询接口为 Post 方式;
  • 查询表达式也是 Json 格式,如果熟悉 MongoDB 的 Document ,应该会感觉很熟悉。

在 dotNet Core 3.1 中使用

1、在 VS 2019 中创建 dotNet Core 3.1  的 WebAPI 项目 ElasticsearchWebAPIDemo ;

2、引用 Nuget 包 NEST;

3、创建一个 Elasticsearch 的客户端连接接口和类,代码如下:

class ESClientProvider : IESClientProvider
{
    private ElasticClient _client;
    public ESClientProvider()
    {
    }
    public ElasticClient GetClient()
    {
        if (_client != null)
            return _client;

        InitClient();
        return _client;
    }
    private void InitClient()
    {
        var node = new Uri("http://10.211.55.6:9200");
        _client = new ElasticClient(new ConnectionSettings(node).DefaultIndex("artiles"));
    }
}
public interface IESClientProvider
{
    ElasticClient GetClient();
}

4、在 Startup 类的 ConfigureServices 方法中将 ESClientProvider 类注册为单例

public void ConfigureServices(IServiceCollection services)
{
    services.AddSingleton();
    services.AddSwaggerGen(c =>
    {
        c.SwaggerDoc("v1"new OpenApiInfo { Title = "My API", Version = "v1" });
    });
    services.AddControllers();
}

5、创建 Article 实体类


[ElasticsearchType(IdProperty = "Id")]
public class Article
{
   [Keyword]
   public string Id { getset; }

   [Keyword]
   public string Title { getset; }

   [Keyword]
   public string Auther { getset; }

   [Keyword]
   public string SubTitle { getset; }

6、创建 ESController,添加创建 index 的方法

[HttpGet]
[Route("CreateIndex")]
public bool CreateIndex(string indexName)
{
    var res = _client.Indices.Create(indexName, c => c.Map
(h => h.AutoMap().Properties(ps => ps
    .Text(s => s
         .Name(n => n.Title)
         .Analyzer("ik_smart")
         .SearchAnalyzer("ik_smart")
         )
    .Text(s => s
         .Name(n => n.SubTitle)
         .Analyzer("ik_smart")
         .SearchAnalyzer("ik_smart")
         )
    )
    ));
    return res.IsValid;
}
  • 对什么字段进行索引需要进行指定
  • 字段的分词器和搜索关键字的分词器建议使用相同,否则可能搜索不到数据,例如上面代码中都指定为 ik_smart

7、添加 AddArticles 的方法

[HttpPost]
[Route("AddArticles")]
public bool AddArticles()
{
    // 获取数据批量进行插入
    List
 listArticle = GetArticles();
   
    return _client.IndexMany(listArticle).IsValid;
}

8、添加高亮搜索的方法 SearchHighlight

[HttpPost]
[Route("SearchHighlight")]
public List
 SearchHighlight(string key, int pageIndex = 0int pageSize = 10)
{
    var searchAll = _client.Search
(s => s
      .From(pageIndex)
      .Size(pageSize)
      .Query(q => q
            .QueryString(qs => qs
            .Query(key)
            .DefaultOperator(Operator.Or)))
      .Highlight(h => h
            .PreTags("")
            .PostTags(""
)
            .Encoder(HighlighterEncoder.Html)
            .Fields(
                fs => fs.Field(p => p.Title),
                fs => fs .Field(p => p.SubTitle)
            )
        )
      );

    foreach (var hit in searchAll.Hits)
    {
        foreach (var highlightField in hit.Highlight)
        {
            if (highlightField.Key == "title")
            {
                foreach (var highlight in highlightField.Value)
                {
                    hit.Source.Title = highlight.ToString();
                }
            }
            else if (highlightField.Key == "subTitle")
            {
                foreach (var highlight in highlightField.Value)
                {
                    hit.Source.SubTitle = highlight.ToString();
                }
            }
        }
    }

    return searchAll.Documents.ToList();
}

在 Kibana 中查看数据

Kibana 容器运行起来后,可以通过端口 5601 进行访问,进行简单配置就可以查看数据了,具体步骤如下:

1、进入 Management→ Index Management ,如下图:

3de01e03aed47bcc648ca907ed5a6ea2.webp

在改功能中可以维护所有的 idnex ,也可以看看我们创建的 index 有没有在里面显示:

75ca19eb81db4655c91b0893ec726a4f.webp

2、在 Index Patterns 中进行 index pattern 的添加,名字可以进行模糊匹配:

e790c8536722b95cfbcbc810bab4c5ef.webp

3、在 Discover 菜单中进行数据查看,在这里可以选择之前创建的 index pattern:

86a842489f57ac6ad8b09cfda93e6ca8.webp

总结

本文只是很简单的一个示例,带你入门,有了基本概念后,深入学习更多的高级用法就很容易了,文章中部分示例代码来自团队中的王同学,在此感谢!

希望本文对您有所帮助!

浏览 15
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报