thinkphp中使用Elasticsearch 7.0进行多表的搜索

这篇具有很好参考价值的文章主要介绍了thinkphp中使用Elasticsearch 7.0进行多表的搜索。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档


前言

提示:thinkphp中使用Elasticsearch 7.0进行多表的搜索:

thinkphp数据库配置文件

 // Elasticsearch数据库配置信息
        'elasticsearch' => [
            'scheme' =>'http',
            'host' => '127.0.0.1',
            'port' => '9200',
            'user' => '',
            'pass' => '',
            'timeout' => 2,
        ],

提示:以下是本篇文章正文内容,下面案例可供参考

一、thinkphp中使用Elasticsearch 7.0进行多表的搜索

示例:thinkphp中使用Elasticsearch 7.0进行多表的搜索

二、使用步骤

1.引入库

直接上代码如下(示例):

composer require "elasticsearch/elasticsearch": "7.0.*"

2.读入数据

代码如下(示例):


namespace app\common\model;
use think\facade\Db;
use think\Model;
use Elasticsearch\ClientBuilder;
class Article extends Model
{
    protected $client;

    public function __construct($data = [])
    {
        parent::__construct($data);

        try {	
            $this->client = ClientBuilder::create()
                ->setHosts([config('database.connections.elasticsearch.host') . ':' . config('database.connections.elasticsearch.port')])
                ->build();
        } catch (\Exception $e) {
            // 输出连接错误信息
            echo $e->getMessage();
            exit;
        }
    }

    // 添加文档到Elasticsearch
    public function addDocument()
    {
        $articles = Db::name('article')->select();
        foreach ($articles as $article) {
            $data = [
                'id' => $article['id'], // 文章表的 ID
                'title' => $article['title'],
                'content' => $article['content'],
                'category_id' => $article['category_id'], // 文章表的 ID
            ];

            $params = [
                'index' => 'articles', // 索引名称
                'id' => $data['id'], // 文章 ID 作为文档的唯一标识
                'body' => $data,
            ];

            $response = $this->client->index($params);
        }
        return $response;
    }

    // 搜索文档
    public function searchDocuments($index,$query)
    {
        $params = [
            'index' => $index,
            'body' => [
                'query' => [
                    'multi_match' => [
                        'query' => $query,
                        'fields' => ['title', 'content'],
                    ],
                ],
            ],
        ];

        $response = $this->client->search($params);
        return $response;
    }
}
<?php
/**
 * Created by PhpStorm.
 * User: wangkxin@foxmail.com
 * Date: 2023/9/2
 * Time: 17:55
 */

namespace app\common\model;
use think\facade\Db;
use think\Model;
use Elasticsearch\ClientBuilder;

class Book extends Model
{
    protected $client;

    public function __construct($data = [])
    {
        parent::__construct($data);

        try {
            // $host = config('database.connections.elasticsearch.host');
            // $port = config('database.connections.elasticsearch.port');
            $this->client = ClientBuilder::create()
                ->setHosts([config('database.connections.elasticsearch.host') . ':' . config('database.connections.elasticsearch.port')])
                ->build();
        } catch (\Exception $e) {
            // 输出连接错误信息
            echo $e->getMessage();
            exit;
        }
    }

    // 添加文档到Elasticsearch
    public function addDocument()
    {
        $books = Db::name('book')->select();
        foreach ($books as $book) {
            $data = [
                'id' => $book['id'], // 书籍表的 ID
                'user_id' => $book['user_id'], // 书籍表作者ID
                'book' => $book['book'],
            ];

            $params = [
                'index' => 'books', // 索引名称
                'id' => $data['id'], // 文章 ID 作为文档的唯一标识
                'body' => $data,
            ];

            $response = $this->client->index($params);
        }
        return $response;
    }

    // 搜索文档
    public function searchDocuments($index,$query)
    {
        $params = [
            'index' => $index,
            'body' => [
                'query' => [
                    'multi_match' => [
                        'query' => $query,
                        'fields' => ['book'],
                    ],
                ],
            ],
        ];

        $response = $this->client->search($params);
        return $response;
    }
}
<?php
/**
 * Created by PhpStorm.
 * User: wangkxin@foxmail.com
 * Date: 2023/9/2
 * Time: 15:27
 * 全局搜素模型
 */

namespace app\common\model;

use think\Model;
use Elasticsearch\ClientBuilder;

class ElasticsearchModel extends Model
{
    protected $client;

    public function __construct($data = [])
    {
        parent::__construct($data);

        try {
            $this->client = ClientBuilder::create()
                ->setHosts([config('database.connections.elasticsearch.host') . ':' . config('database.connections.elasticsearch.port')])
                ->build();
        } catch (\Exception $e) {
            // 输出连接错误信息
            echo $e->getMessage();
            exit;
        }
    }

    public function globalSearch($keyword)
    {
        // 搜索articles索引
        $articles = $this->searchIndex('articles', $keyword);

        // 搜索books索引
        $books = $this->searchIndex('books', $keyword);

        // 合并搜索结果
        $result = array_merge($articles, $books);

        return $result;
    }

    protected function searchIndex($index, $keyword)
    {
        $params = [
            'index' => $index,
            'body' => [
                'query' => [
                    'multi_match' => [
                        'query' => $keyword,
                        'fields' => ['title', 'content','book'],
                    ],
                ],
            ],
        ];

        // 执行搜索请求
        $response = $this->client->search($params);

        // 解析结果
        $result = [];
        if (isset($response['hits']['hits'])) {
            foreach ($response['hits']['hits'] as $hit) {
                $result[] = $hit['_source'];
                $result['index'] = $index;
            }
        }

        return $result;
    }


}
<?php
/**
 * Created by PhpStorm.
 * User: wangkxin@foxmail.com
 * Date: 2023/9/2
 * Time: 18:53
 */

namespace app\index\controller;

use app\common\model\ElasticsearchModel;

class SearchController
{
	//全局搜索个表间的数据
    public function search($keyword)
    {
        $searchModel = new ElasticsearchModel();
        $result = $searchModel->globalSearch($keyword);
        return json($result);
    }
}


namespace app\index\controller;
use app\BaseController;
use app\common\model\Article as ElasticArticle;
use app\common\model\Book as ElasticBook;
use app\Request;
use Elasticsearch\ClientBuilder;


class Demo1 extends BaseController
{
//新增索引,建议在模型中新增 ,删除, 修改 或者使用观察者模式更新ES索引
 public function addDocument()
    {
        $elasticsearchArticle = new ElasticArticle();
        $response = $elasticsearchArticle->addDocument();
        $elasticsearchBook = new ElasticBook();
        $response1 = $elasticsearchBook->addDocument();
        return json($response);
        // print_r(json($response));
        // print_r(json($response1));
    }


 /**
     * 单独搜索文章表例子
     */
    public function search(Request $request)
    {
        $keyword = $request->param('keyword');
        $elasticsearchModel = new ElasticArticle();
        $index = 'articles';
        $query = '你';

        $response = $elasticsearchModel->searchDocuments($index, $query);
        return json($response);
    }

	//单独搜搜书籍表
    public function searchBook(Request $request)
    {
        $keyword = $request->param('keyword');
        $elasticsearchModel = new ElasticBook();
        $index = 'books';
        $query = '巴黎';

        $response = $elasticsearchModel->searchDocuments($index, $query);
        return json($response);
    }




    public function deleteIndex()
    {
        $client = ClientBuilder::create()->build();

        $params = [
            'index' => 'my_index', // 索引名称
        ];

        $response = $client->indices()->delete($params);

        if ($response['acknowledged']) {
            return '索引删除成功';
        } else {
            return '索引删除失败';
        }
    }

}

使用的表

CREATE TABLE `article` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `category_id` int(11) DEFAULT NULL,
  `title` varchar(255) COLLATE utf8_unicode_ci DEFAULT NULL,
  `content` varchar(255) COLLATE utf8_unicode_ci DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=MyISAM AUTO_INCREMENT=107 DEFAULT CHARSET=utf8 COLLATE=utf8_unicode_ci;


CREATE TABLE `book` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `user_id` int(11) DEFAULT NULL,
  `book` varchar(255) COLLATE utf8_unicode_ci DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=MyISAM AUTO_INCREMENT=21 DEFAULT CHARSET=utf8 COLLATE=utf8_unicode_ci;


CREATE TABLE `elasticsearch_model` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主键',
  `model_name` varchar(255) NOT NULL DEFAULT '' COMMENT '模型名称',
  `index_name` varchar(255) NOT NULL DEFAULT '' COMMENT '索引名称',
  `created_time` int(11) NOT NULL DEFAULT '0' COMMENT '创建时间',
  `updated_time` int(11) NOT NULL DEFAULT '0' COMMENT '更新时间',
  PRIMARY KEY (`id`),
  UNIQUE KEY `index_name_unique` (`index_name`)
) ENGINE=InnoDB AUTO_INCREMENT=3 DEFAULT CHARSET=utf8mb4 COMMENT='Elasticsearch 模型配置表';


结果
thinkphp中使用Elasticsearch 7.0进行多表的搜索,php,elasticsearch,jenkins,大数据
thinkphp中使用Elasticsearch 7.0进行多表的搜索,php,elasticsearch,jenkins,大数据

windwos 上记住 安装 Elasticsearch 7.0 库, 和 kibana-7.0.0-windows-x86_64 图像管理工具
thinkphp中使用Elasticsearch 7.0进行多表的搜索,php,elasticsearch,jenkins,大数据
thinkphp中使用Elasticsearch 7.0进行多表的搜索,php,elasticsearch,jenkins,大数据

thinkphp中使用Elasticsearch 7.0进行多表的搜索,php,elasticsearch,jenkins,大数据

thinkphp中使用Elasticsearch 7.0进行多表的搜索,php,elasticsearch,jenkins,大数据

总结

提示:这是简单例子, 注意’fields’ => [‘title’, ‘content’], 尝试使用搜索number型字段,索引报错, 貌似只支持txt类型字段搜索
例如:以上就是今天要讲的内容,本文仅仅简单介绍了Elasticsearch的使用文章来源地址https://www.toymoban.com/news/detail-691430.html

到了这里,关于thinkphp中使用Elasticsearch 7.0进行多表的搜索的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Elasticsearch:使用 ELSER 进行语义搜索

    Elastic Learned Sparse EncodeR(或 ELSER)是一种由 Elastic 训练的 NLP 模型,使你能够使用稀疏向量表示来执行语义搜索。 语义搜索不是根据搜索词进行字面匹配,而是根据搜索查询的意图和上下文含义检索结果。 本教程中的说明向你展示了如何使用 ELSER 对数据执行语义搜索。 提示

    2024年02月11日
    浏览(48)
  • Elasticsearch:使用 ELSER v2 进行语义搜索

    在我之前的文章 “Elasticsearch:使用 ELSER 进行语义搜索”,我们展示了如何使用 ELESR v1 来进行语义搜索。在使用 ELSER 之前,我们必须注意的是: 重要 :虽然 ELSER V2 已正式发布,但 ELSER V1 仍处于 [预览] 状态。此功能处于技术预览阶段,可能会在未来版本中更改或删除。 E

    2024年02月22日
    浏览(44)
  • Elasticsearch:使用 ELSER 文本扩展进行语义搜索

    在今天的文章里,我来详细地介绍如何使用 ELSER  进行文本扩展驱动的语义搜索。 如果你还没有安装好自己的 Elasticsearch 及 Kibana,请参考如下的链接来进行安装: 如何在 Linux,MacOS 及 Windows 上进行安装 Elasticsearch Kibana:如何在 Linux,MacOS 及 Windows 上安装 Elastic 栈中的 Kiba

    2024年02月07日
    浏览(49)
  • Elasticsearch:使用查询规则(query rules)进行搜索

    在之前的文章 “Elasticsearch 8.10 中引入查询规则 - query rules”,我们详述了如何使用 query rules 来进行搜索。这个交互式笔记本将向你介绍如何使用官方 Elasticsearch Python 客户端来使用查询规则。 你将使用 query rules API 将查询规则存储在 Elasticsearch 中,并使用 rule_query 查询它们。

    2024年02月21日
    浏览(41)
  • 使用 Elasticsearch、OpenAI 和 LangChain 进行语义搜索

    在本教程中,我将引导您使用 Elasticsearch、OpenAI、LangChain 和 FastAPI 构建语义搜索服务。 LangChain 是这个领域的新酷孩子。 它是一个旨在帮助你与大型语言模型 (LLM) 交互的库。 LangChain 简化了与 LLMs 相关的许多日常任务,例如从文档中提取文本或在向量数据库中对它们建立索引

    2024年02月08日
    浏览(42)
  • 通过 Elasticsearch 和 Go 使用混合搜索进行地鼠狩猎

    作者:CARLY RICHMOND,LAURENT SAINT-FÉLIX 就像动物和编程语言一样,搜索也经历了不同实践的演变,很难在其中做出选择。 在本系列的最后一篇博客中,Carly Richmond 和 Laurent Saint-Félix 将搜索和向量搜索结合起来,使用 Go 客户端在 Elasticsearch 中寻找地鼠(gopher)。 今天构建

    2024年02月05日
    浏览(38)
  • Elasticsearch:Search tutorial - 使用 Python 进行搜索 (二)

    这个是继上一篇文章 “Elasticsearch:Serarch tutorial - 使用 Python 进行搜索 (一)” 的续篇。在今天的文章中,我们接着来完成如何进行分页及过滤。 应用程序处理大量结果通常是不切实际的。 因此,API 和 Web 服务使用分页控件来允许应用程序请求小块或页面的结果。 你可能已

    2024年02月01日
    浏览(37)
  • Elasticsearch:Search tutorial - 使用 Python 进行搜索 (三)

    这个是继上一篇文章 “Elasticsearch:Serarch tutorial - 使用 Python 进行搜索 (二)” 的续篇。在今天的文章中,本节将向你介绍一种不同的搜索方式,利用机器学习 (ML) 技术来解释含义和上下文。 在机器学习中,嵌入是表示现实世界对象(例如单词、句子、图像或视频)的向量

    2024年02月02日
    浏览(38)
  • 快速入门:使用 Gemini Embeddings 和 Elasticsearch 进行向量搜索

    Gemini 是 Google DeepMind 开发的多模态大语言模型家族,作为 LaMDA 和 PaLM 2 的后继者。由 Gemini Ultra、Gemini Pro 和 Gemini Nano 组成,于 2023 年 12 月 6 日发布,定位为 OpenAI 的竞争者 GPT-4。 本教程演示如何使用 Gemini API 创建嵌入并将其存储在 Elasticsearch 中。 Elasticsearch 将使我们能够执

    2024年01月21日
    浏览(44)
  • 使用 LangChain 和 Elasticsearch 对私人数据进行人工智能搜索

    关于本博文的所有代码可以在地址下载:GitHub - liu-xiao-guo/python-vector-private 我将在本博文中其中深入研究人工智能和向量嵌入的深水区。 ChatGPT 令人大开眼界,但有一个主要问题。 这是一个封闭的托管系统。 在一个被大型网络公司改变的世界里生活了二十年之后,我们作为人

    2024年02月07日
    浏览(51)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包