django项目配置使用elasticsearch搜索引擎

Elasticsearch

Elasticsearch（简称ES）是一个基于Lucene实现的开源、分布式、Restful的全文本搜索引擎；此外，它还是一个分布式实时文档存储，其中每个文档的每个field均是被索引的数据，且可被搜索；也是一个带实时分析功能的分布式搜索引擎，能够扩展至数以百计的节点实时处理PB级的数据。

基本组件

索引(index)：文档容器，换句话说，索引是具有类似属性的文档的集合。类似新华字典的索引检索页，里面包含了关键词与词条的对应关系，并记录词条的位置。索引名必须使用小写字母； 搜索引擎进行全文检索时，将关键字在索引数据中进行快速对比查找，进而找到数据的真实存储位置。

类型(type)：类型是索引内部的逻辑分区，其意义完全取决于用户需求。一个索引内部可定义 一个或多个类型。一般来说，类型就是拥有相同的域的文档的预定义。

文档(document)：文档是Lucene索引和搜索的原子单位，它包含了一个或多个域。是域的容器；基于JSON格式表示。（每个域的组成部分：一个名字，一个或多个值；拥有多个值的域，通常称为多值域；）

映射(mapping)：原始内容存储为文档之前需要事先进行分析，例如切词（将一句话拆解成多个单字或词）、过滤掉某些词等； 映射用于定义此分析机制该如何实现；除此之外，ES还为映射提供了诸如将域中的内容排序等功能。

ES的集群组件

Cluster：ES的集群标识为集群名称；默认为”elasticsearch”。节点就是靠此名字来决定加入到哪个集群中。一个节点只能属性于一个集群。

Node：运行了单个ES实例的主机即为节点。用于存储数据、参与集群索引及搜索操作。节点的标识靠节点名。

Shard：将索引切割成为的物理存储组件；但每一个shard都是一个独立且完整的索引；创建 索引时，ES默认将其分割为5个shard，用户也可以按需自定义，创建完成之后不可修改。shard有两种类型：primary shard和replica。Replica用于数据冗余及查询时的负载均衡。每个主shard的副本数量可自定义，且可动态修改。

使用Docker安装Elasticsearch

1. 拉取镜像

   docker image pull delron/elasticsearch-ik:2.4.6-1.0

2. 运行容器

   docker run -d –name=elasticsearch –network=host -v /root/python/elasticsearch-2.4.6/config:/usr/share/elasticsearch/config delron/elasticsearch-ik:2.4.6-1.0

3. 编辑配置文件
4. 给映射目录添加权限
5. 重启容器

   docker container restart elasticsearch

使用haystack对接ES

Django中可以通过使用 Haystack 来调用 Elasticsearch 搜索引擎。Haystack 可以在不修改代码的情况下使用不同的搜索后端（比如 Elasticsearch、Whoosh、Solr等等）。

1. Haystack安装

   pip install django-haystack pip install elasticsearch==2.4.1 

2. Haystack注册应用和路由

    INSTALLED_APPS = [ 'haystack', # 全文检索 ] # 总路由 url(r'^search/', include('haystack.urls')), 

3. Haystack配置

    # 在配置文件中配置Haystack为搜索引擎后端 HAYSTACK_CONNECTIONS = { 'default': { 'ENGINE': 'haystack.backends.elasticsearch_backend.ElasticsearchSearchEngine', 'URL': 'http://192.168.103.158:9200/', # Elasticsearch服务器ip地址，端口号固定为9200 'INDEX_NAME': 'meiduo_mall', # Elasticsearch建立的索引库的名称 }, } # 当添加、修改、删除数据时，自动生成索引，保证了在Django运行起来后， 有新的数据产生时，Haystack仍然可以让Elasticsearch实时生成新数据的索引 HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor' # haystack分页 HAYSTACK_SEARCH_RESULTS_PER_PAGE = 6 

4. haystack建立数据索引

通过创建索引类，来指明让搜索引擎对哪些字段建立索引，也就是可以通过哪些字段的关键字来检索数据。本项目中对SKU信息进行全文检索，所以在goods子应用中新建search_indexes.py文件，用于存放索引类。

from haystack import indexes from .models import SKU class SKUIndex(indexes.SearchIndex, indexes.Indexable): """SKU索引数据模型类""" text = indexes.CharField(document=True, use_template=True) def get_model(self): """返回建立索引的模型类""" return SKU def index_queryset(self, using=None): """返回要建立索引的数据查询集""" return self.get_model().objects.filter(is_launched=True) 

索引类SKUIndex说明：

5. 创建text字段索引值模板文件

在templates目录中创建text字段使用的模板文件，在templates/search/indexes/goods（子应用名称小写）/sku（被索引模型类名称小写）_text.txt文件中定义

{ 
   { 
    object.id }} { 
   { 
    object.name }} { 
   { 
    object.caption }} 

5. 手动生成初始索引

python manage.py rebuild_index 

6. 前端渲染搜索结果

{% for result in page %} <li> {# object取得才是sku对象 #} <a href="/detail/{ 
    { result.object.id }}/"><img src="{ 
    { result.object.default_image.url }}"></a> <h4><a href="/detail/{ 
    { result.object.id }}/">{ 
  { result.object.name }}</a></h4> <div class="operate"> <span class="price">￥{ 
  { result.object.price }}</span> <span>{ 
  { result.object.comments }}评价</span> </div> </li> {% else %} <p>没有找到您要查询的商品。</p> {% endfor %}