我要评论一、attachment 介绍
attachment 插件是 elasticsearch 中的一种插件，允许将各种二进制文件（如pdf、word文档等）以及它们的内容索引到 elasticsearch 中。插件使用 apache tika 库来解析和提取二进制文件的内容。通过使用 attachment 插件，可以轻松地在 elasticsearch 中建立全文搜索功能，而无需事先转换二进制文件为文本。
优点：
缺点：
二、初始化 ingest-attachment
1、windows安装
1、先在es的bin目录下执行命令 安装 ngest-attachment插件
elasticsearch-plugin install ingest-attachment
作者已经安装过了 所以不能重复安装，插件下载过程中会出现
2、liunx安装
通过官网下载，找到对应的版本号：attachment下载网站
3、小结
安装完成后需要重新启动es
接下来我们需要创建一个关于ingest-attachment的文本抽取管道
put /_ingest/pipeline/attachment
{
"description": "extract attachment information",
"processors": [
{
"attachment": {
"field": "content",
"ignore_missing": true
}
},
{
"remove": {
"field": "content"
}
}
]
}后续我们的文件需要base64后储存到 attachment.content 索引字段中
三、如何应用？
1、通过命令语句简易检索
# 创建一个es 索引 并且添加一些测试数据
post /pdf_data/_doc?pretty
{
"id": "3",
"name": "面试题文件1.pdf",
"age": 18,
"type": "file",
"money": 1111,
"createby": "阿杰",
"createtime": "2022-11-03t10:41:51.851z",
"attachment": {
"content": "面试官：如何保证消息不被重复消费啊？如何保证消费的时候是幂等的啊？kafka、activemq、rabbitmq、rocketmq 都有什么区别，以及适合哪些场景？",
"date": "2022-11-02t10:41:51.851z",
"language": "en"
}
}# 通过插入的文档内容为条件进行检索
# 简单 单条件查询 文档内容检索
get /pdf_data/_search
{
"query": {
"match": {
"attachment.content": "面试官：如何保证消息不被重复消费啊？如何保证消费的时候是幂等的啊？"
}
}
}2、整合java代码实现es通过ingest-attachment进行全文检索
1、首先将文件转为base64进行es数据插入
/**
* 将文件 文档信息储存到数据中
* @param file
* @return
*/
@postmapping("/insertfile")
@apioperation(value="创建索引es-传入es索引-传入文件", notes="创建索引es-传入es索引-传入文件")
public indexresponse insertfile(@requestattribute("file") multipartfile file,@requestparam("indexname")string indexname){
fileobj fileobj = new fileobj();
fileobj.setid(string.valueof(system.currenttimemillis()));
fileobj.setname(file.getoriginalfilename());
fileobj.settype(file.getname().substring(file.getname().lastindexof(".") + 1));
fileobj.setcreateby(randomnamegenerator.generaterandomname());
fileobj.setcreatetime(string.valueof(system.currenttimemillis()));
fileobj.setage(randomnamegenerator.getage());
fileobj.setmoney(randomnamegenerator.getmoney());
// 文件转base64
byte[] bytes = new byte[0];
try {
bytes = file.getbytes();
//将文件内容转化为base64编码
string base64 = base64.getencoder().encodetostring(bytes);
fileobj.setcontent(base64);
indexresponse indexresponse= elasticsearchutil.upload(fileobj,indexname);
if (0==indexresponse.status().getstatus()){
// 索引创建并插入数据成功
system.out.println("索引创建并插入数据成功");
}
return indexresponse;
} catch (exception e) {
e.printstacktrace();
}
return null;
}2、创建索引、插入数据，并且将文档数据抽取到管道中
@autowired
private resthighlevelclient resthighlevelclient;
private static resthighlevelclient levelclient;
@postconstruct
public void initclient() {
levelclient = this.resthighlevelclient;
}
/**
* 创建索引并插入数据
* @param file
* @param indexname
* @return
* @throws ioexception
*/
public static indexresponse upload(fileobj file,string indexname) throws ioexception {
// todo 创建前需要判断当前文档是否已经存在
if (!isindexexist(indexname)) {
createindexrequest request = new createindexrequest(indexname);
// 如果需要ik分词器就添加配置，不需要就注释掉
// 添加 ik 分词器设置 ik_max_word
// request.settings(settings.builder()
// .put("index.analysis.analyzer.default.type", "ik_max_word")
// .put("index.analysis.analyzer.default.use_smart", "true")
// );
// 添加 ik 分词器设置 ik_smart
request.settings(settings.builder()
.put("index.analysis.analyzer.default.type", "ik_smart")
);
createindexresponse response = levelclient.indices().create(request, requestoptions.default);
log.info("执行建立成功？" + response.isacknowledged());
}
indexrequest indexrequest = new indexrequest(indexname);
//上传同时，使用attachment pipline进行提取文件
indexrequest.source(json.tojsonstring(file), xcontenttype.json);
indexrequest.setpipeline("attachment");
indexresponse indexresponse= levelclient.index(indexrequest,requestoptions.default);
system.out.println(indexresponse);
return indexresponse;
}3、其他代码补充
es config 配置类
/**
* es配置类
* author: 阿杰
*/
@configuration
public class elasticsearchclientconfig {
/**
* es 地址：127.0.0.1:9200
*/
@value("${es.ip}")
private string hostname;
@bean
public resthighlevelclient resthighlevelclient() {
string[] points = hostname.split(",");
httphost[] httphosts = new httphost[points.length];
for (int i = 0; i < points.length; i++) {
string point = points[i];
httphosts[i] = new httphost(point.split(":")[0], integer.parseint(point.split(":")[1]), "http");
}
resthighlevelclient client = new resthighlevelclient(
restclient.builder(httphosts));
return client;
}
@bean
public elasticsearchutil elasticsearchutil() {
return new elasticsearchutil();
}
}数据插入使用的实体类
/**
* author: 阿杰
*/
@data
public class fileobj {
/**
* 用于存储文件id
*/
string id;
/**
* 文件名
*/
string name;
/**
* 文件的type，pdf，word，or txt
*/
string type;
/**
* 数据插入时间
*/
string createtime;
/**
* 当前数据所属人员
*/
string createby;
/**
* 当前数据所属人员的年龄
*/
int age;
/**
* 当前数据所属人员的资产
*/
int money;
/**
* 文件转化成base64编码后所有的内容。
*/
string content;
}四、补充一点
querybuilders.matchphrasequery 和 querybuilders.matchquery 都是 elasticsearch java api 中用于构建查询的方法，它们在使用上有以下区别：
-
匹配方式不同：
matchphrasequery是短语匹配查询，它会将输入的文本作为一个短语进行匹配。短语匹配要求查询的字段包含输入的短语且顺序一致。matchquery是多词项匹配查询，它会将输入的文本根据分词器进行分词，并对分词结果进行匹配。匹配结果是包含输入的任意词项的文档。
-
查询方式不同：
matchphrasequery使用短语查询方式，它会对输入的短语进行关键词匹配，精确匹配所有词项并保留顺序。matchquery使用与布尔查询相似的查询方式，它会将输入的文本进行分词，并生成与分词结果匹配的查询条件。
-
分词不同：
matchphrasequery不会对输入的短语进行分词，而是将输入的短语作为整个短语进行匹配。matchquery会对输入的文本进行分词，并将分词结果作为关键词进行匹配。
下面是使用示例：
import org.elasticsearch.index.query.querybuilders;
import org.elasticsearch.index.query.querybuilder;
// 使用 matchphrasequery 进行短语匹配查询
querybuilder matchphrasequerybuilder = querybuilders.matchphrasequery("fieldname", "input phrase");
// 使用 matchquery 进行多词项匹配查询
querybuilder matchquerybuilder = querybuilders.matchquery("fieldname", "input text");
根据实际需求，选择合适的查询方式来构建你的查询条件。如果需要精确匹配全部词项且保留顺序，使用 matchphrasequery；如果需要简单的多词项匹配，使用 matchquery。
完整代码可通过：
制作不易，给个小赞！
发表评论