Enterprise：Elastic App Search 入门 - Ruby

关注

原创 2020-04-08 20:34:43 5.6k 阅读 AI 写同款· GEO 优化 ›

高级搜索变得简单。Elastic App Search 的精心策划的经验将 Elasticsearch 的专注能力带入了一组完善的 API 和直观的仪表板。利用无缝的可伸缩性，可调的相关性控件，详尽的文档，维护良好的客户端以及强大的分析功能，可以轻松构建领先的搜索体验。

在今天的文章中，我们将详细地一步一步地介绍如何构建一个完整的 Elastic App Search 应用。

Elastic App Search 展示

什么是 Elastic App Search?

简单地说，Elastic App Search 是一组功能强大的 API 和开发人员工具，旨在为开发人员构建丰富的，面向用户的搜索应用程序。开箱即用的一些功能包括：

与搜索用例的优化相关性
容忍错误的输入
相关性微调
第一方 API 客户端和强大的 API
详细的 API 日志和搜索分析
自动扩容和运营支持
Search UI 库

Elastic App Search 架构

架构图如下：

将数据摄取到 App Search 后，你可以轻松地通过 API 将你的应用程序连接到引擎，为你的最终用户创造强大的搜索体验。Enterpise Search 的部署通常由 Elasticsearch，Kibana 及 Enterprise Search 组成。App Search 是一组搜索引擎。每个都有自己的一组文档，你可以在其中运行查询、调整相关性和探索搜索分析。数据源通过 API 或网络爬虫被摄入到引擎中。数据源可以是技术支持票证、站点、电子商务库存、分支机构位置或你想从应用程序中搜索的任何数据。

App Search 允许你将搜索添加到你可能正在使用的任何类型的应用程序。要成功设置你的搜索引擎，需要遵循几个步骤。让我们来看看它们：

部署 App Search：第一步是部署 App Search，它由 Enterprise Search、Kibana 和 Elasticsearch Servers 组成
导入数据：创建一个引擎并索引你要搜索的数据
定义 schema：索引数据时，会创建默认架构。为了优化体验，你需要调整这个schema
创建搜索界面：你已将文档索引到你的引擎中，现在你需要创建一个搜索界面以允许用户使用此搜索引擎
分析用户查询：你用户的查询会登录到 App Search。分析它们以更好地了解用户的行为并找出引擎的弱点
改进搜索引擎：在分析方面，通过调整引擎的相关性、设置同义词和筛选并展示（curations）来改善你的搜索体验

安装

安装 Elasticsearch

我们可参考我之前的文章 “如何在 Linux，MacOS 及 Windows 上进行安装 Elasticsearch” 来安装 Elasticsearch

安装 Kibana

我们接下来安装 Kibana。我们可以参考我之前的文章 “如何在 Linux，MacOS 及 Windows 上安装 Elastic 栈中的 Kibana” 来进行我们的安装。

Java安装

你需要安装 Java。版本在 Java 8 或者 Java 11。

App search 安装

我们在地址 https://www.elastic.co/downloads/app-search 找到我们需要的版本进行下载。并按照相应的指令来进行按照。如果你想针对你以前的版本进行安装的话，请参阅地址 https://www.elastic.co/downloads/past-releases#app-search。

如果我们不对 Elasticsearch 或 app-search 做任何的配置的话，我们会看到如下的错误信息：

按照要求，我们也需要对我们的 Elasticsearch 的配置进行修改。在 Elasticsearch 的安装根目录中打开文件 config/elasticsearch.yml 文件，并添加如下的配置：

action.auto_create_index: ".app-search-*-logs-*,-.app-search-*,+*"

等修改完后，我们重新启动 Elasticsearch：

./bin/elasticsearch

我打开 App search 安装目录下的 confing/app-search.yml 文件，并添加如下的配置：

allow_es_settings_modification: true

我们保存配置文件，并重新启动 app-search：

./bin/app-search

如果我们配置正确的话，这次我们的 App search 的启动将是成功的。

对于第一使用的开发者来说，你可能找不到 App search 的用户界面在哪里。你在自己的浏览器中输入地址 http://localhost:3002。这样你就可以看到如下的界面：

导入数据

点击上面的 Continue to Dashboard 按钮：

下载最佳视频游戏数据集到本地的电脑的硬盘里。这个数据的名字叫做 games-array.json。如果由于一些原因，你不能下载这个文件，请到地址 https://github.com/liu-xiao-guo/elastic_app_search 去下载。

在 Engine name 里，我们输入 video-games，并点击上面的 Continue 按钮：

这样我们的 video-games 引擎已经被成功地创建了。我们可以按照上面的 Upload a JSON file 按钮来装载我们的数据。但是在今天的练习中，我们将展示如何使用API接口的方法把我们的数据导入到 Elasticsearch 中。我们点击上面图中的 Use the API 超链接：

我们会发现在这里有如何通过 API 的方式把我们的数据导入到 Elasticsearch 中。在今天的演示中，我们将使用 ruby 来把数据导入。你也可以根据自己喜欢的语言把数据进行导入。我们创建一个叫做 upload.rb 的文件：

upload.rb

require 'elastic-app-search'
require 'json'
require 'progress_bar'


API_ENDPOINT = ''
API_KEY = ''
ENGINE_NAME = ''

client = Elastic::AppSearch::Client.new(:api_key => API_KEY, :api_endpoint => API_ENDPOINT)
file = File.read('./games-array.json')
data = JSON.parse(file)
bar = ProgressBar.new(data.count / 100)

data.each_slice(100) do |slice|
  client.index_document(ENGINE_NAME, slice)
  bar.increment!
end

在上面，我们需要填入自己 App search 的配置：

API_ENDPOINT：这个可以在我们上面的截图中可以看出来：http://localhost:3002/api/as/v1/
API_KEY: 这个是我们访问 App search 服务器的 key。在上面的 API 接口的 Authorization 部分可以看到：private-ys6esbkp127i2gseyhv9tr1n
ENGINE_NAME：这个就是我们之前定义的那个引擎的名称 videos-games

我们将上面的信息填入到 upload.rb 中。在运行上面的 ruby 应用之前，我们需要安装上面三个需要的库：

sudo gem install progress_bar
sudo gem install elastic-app-search
sudo gem install json

我们的工作目录中的文件是：

$ pwd
/Users/liuxg/data/appsearch
liuxg:appsearch liuxg$ ls
games-array.json upload.rb

然后在 terminal 中打入如下的命令：

ruby upload.rb

显示结果为：

$ ruby upload.rb 
[#####################################] [5/5] [100.00%] [00:02] [00:00] [1.99/s]

这样我们的数据就导入到 Elasticsearch 中了。这个时候在我们的 App search 界面，我们可以发现：

它显示我们的数据已经被成功地导入到 Elasticseach 中了。

搜索引擎: Elastic App Search

我们点击上面的 Visit the Dashboard 按钮：

我们在这个页面可以点击一下 Credentials，你也可以发现我们的 private-key 在这里：

我们可以点击 copy 图标来得到我们所需要的 private-key。按照同样的方法，我们也可以得到 search-key。

我们接下来点击 Engines:

我们点击上面的 video-games：

从上面我们可以看到整个 video-engine 的统计情况。它显示我们共用500个文档。同时我们也可以看到所有的 API 的使用情况。如果你发现有任何的问题，你可以点击 View API Logs 来查看 API 的使用情况：

我们接着下来想修改索引的 schema，这是因为在默认的情况下，所有的11个字段都被视为 text 类型。

在完成我们的修改过后，点击 Update Types 按钮。这样我们的索引将会被重新更新。我们点击 Documents：

在这里，我们可以看到所有的文档。我可以尝试在 Filter documents 的位置输入一个关键词，比如 Final Fantasy 。我们可以看到所有被搜索到的文档。

调节相关度

具有三个关键的相关功能：Synonyms，Curations 和 Relevance Tuning。

Synonyms

世界各地的人们使用不同的词来形容事物。同义词可帮助你创建被视为一个或一组相同的术语集。

就 video game 搜索引擎而言，我们知道人们会希望找到 Final Fantasy。但是也许他们会改用FF。

单击进入同义词，然后选择创建同义词集并输入术语：

单击 Save。你可以根据需要添加任意多个同义词集。

现在，搜索 FF 与搜索 Final Fantasy 的权重相同。

Curations

Curations 是另一种可用于优化搜索体验的工具。 Curation 允许你手动提升或隐藏特定查询的文档。 Curation 可用于增加每次点击的搜索比率或执行推广特定内容的活动。

Curations 是最最让人喜欢的。如果有人搜索 Final Fantasy 或 FF，该怎么办？系列赛中有很多游戏-他们会得到哪些？

默认情况下，前五个结果如下所示：

Final Fantasy VIII
Final Fantasy X
Final Fantasy Tactics
Final Fantasy IX
Final Fantasy XIII

这似乎不正确……Final Fantasy VII 是所有游戏中最好的 Final Fantasy 游戏。而且 Final Fantasy XIII 不是很好！ 😜

我们可以做到这一点，以便搜索 Final Fantas y的人会收到 Final Fantasy VII 作为第一结果吗？我们可以从搜索结果中删除 Final Fnatasy XIII 吗？

我们可以！

单击 “Curations”，然后输入查询：“Final Fantasy”。

接下来，通过抓住表格最左侧的把手将 “Final FantasyVII” 文档拖到 “Promoted Documents” 部分：

然后单击 “Final Fantasy XIII” 文档上的 “Hide Result” 按钮（那个有一条线穿过眼睛的图标，下图列表中第三个图标）：

现在，执行 “Final Fantasy” 或 “FF” 搜索的任何人都将首先看到 “Final Fantasy VII”：

他们根本看不到 Final Fantasy XIII。哈！

我们可以升级和隐藏许多文档。我们甚至可以对升级后的文档进行排序，因此我们可以完全控制每个查询顶部显示的内容。

Relevance tuning

单击边栏中的 “Relevance Tuning”。

我们搜索一个文本字段：name 字段。但是，如果我们有多个文本字段可供人们搜索，例如 name 字段和 description 字段，该怎么办？我们正在使用的 video game 数据集不包含 description 字段，因此我们假想一些文档以进行仔细考虑。

说我们的文档看起来像这样：

{ 
  "name":"Magical Quest",
  "description": "A dangerous journey through caves and such." 
},
{ 
  "name":"Dangerous Quest",
  "description": "A magical journey filled with magical magic. Highly magic." 
}

如果有人想找到游戏 Magical Quest，他们会输入该内容作为查询。但是第一个结果将是 Dangerous Quest：

为什么？因为在 “Dangerous” 的 description 中 “Magical” 一词出现了3次，所以搜索引擎不会知道一个字段比另一个字段更重要。然后，它将使 “Dangerous Quest” 的排名更高。这就是为什么存在相关性调整的难题。

我们可以选择一个字段，除其他外，还可以增加其相关性的权重：

我们看到，当我们增加权重时，正确的项目 “Magical Quest” 上升到顶部，因为 name 字段变得更重要。我们需要做的就是将滑块拖动到更高的值，然后单击 “Save”。

现在，我们已经使用 App Search 实现了如下的任务：

调整 schema，并将 user_score 和 critic_score 更改为数字字段。
微调关联（relevance）模型。

通常我们进行文字搜索的时候，相关性可以体现在不同 text 字段的匹配度上。在上面，我们通过调整 name 字段的 weight 来达到 relevance 的调整。通过这样的设置，可以使得 name 字段比其它字段更为重要。但是在实际的应用中，我们也可以使用数字来提高文档的相关度。比如，我们可以使用 user_score 来评估一个视频的受欢迎程度。一个视频的用户打分越高，那么就越值得推荐。在我们的搜索中，我们也希望能把这个视频的排名排在前面。在这种情况下，我们可以使用 boost 来调整这些数值字段从而提高相关文章的搜索相关度。比如，在上面的搜索场景中，我们可以使用 user_score 来 boost 搜索的结果。user_score 越高，则代表文档的相关性越高。

weights 和 boosts 有一下的一些区别，尽管两个都会影响最终的文档的分数。首先，通过组合每个搜索的字段的分数来计算文档的分数。请注意，只能在文本（text）字段上启用搜索，并且你可以在相关性调整中手动禁用字段。

Weight 通过将该字段的分数乘以你设置的权重来影响单个字段的分数。
Boost 会影响整个文档的分数。提升通过使用加法或乘法来增加文档分数。你可以选择三种不同类型的函数来计算此提升。

这样就总结出了精美的“仪表板”功能-每个功能都有一个匹配的 API 端点，如果你不是 GUI 的用户，则可以使用它们使程序以编程方式工作。

我们可以点击 Analyics 来发现我们的搜索的统计情况：

你可以看到 Top queries 及 Top Queries with No Results。

App Search 跟踪所有执行的查询和点击的结果。分析页面使你能够分析这些数据。可以通过多种不同方式使用分析来帮助你改善用户体验。几个例子是：

没有点击或没有结果的 queries -> 应该返回带有更多文档的结果 -> 修复它创建同义词或新内容
每次搜索点击率低的查询 -> 应该返回具有更多相关文档的结果 -> 修复它创建 curations 或重新考虑相关性调整策略

Reference UI

我们点击 Reference UI:

并做相应的配置。点击 Generate a Preview 按钮：

这样我们就可以看到如上所示的用户界面。我们可以尝试输入一个关键字比如 final fantasy 来进行搜索：

在上面我们可以看到在输入框中，它含有 auto-complete 的功能。我们选择 final fantasy:

我们马上看到我们想要的结果了。我们有我可以点击上面显示的 filter 及 sort by:

到目前为止是不是很酷啊。我们没有做任何的开发就有一个非常酷的界面给我们进行搜索了。

我们点击上面屏幕右上角的 Download Zip Package，并保存于一个文件目录中。我们解压这个压缩包：

$ pwd
/Users/liuxg/data/appsearch/app
liuxg:app liuxg$ ls
LICENSE.txt         bin                 package.json
NOTICE.txt          logo-app-search.png public
README.md           package-lock.json   src

在上面，我们可以看到这是一个 nodejs 的应用程序。我们使用如下的命令来进行安装：