2018-07-12(Elasticsearch)

Django中Elasticsearch(全文搜索引擎)的使用


一、Elasticsearch

1、使用Docker安装Elasticsearch

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

2、修改配置文件

修改elasticsearch的配置文件 elasticsearc-2.4.6/config/elasticsearch.yml第54行,更改ip地址为本机ip地址;

network.host: 10.211.55.5

3、创建Docker容器运行

docker run -dti --network=host --name=elasticsearch -v /home/python/elasticsearch-2.4.6/config:/usr/share/elasticsearch/config delron/elasticsearch-ik:2.4.6-1.0

备注:Elasticsearch搜索引擎的作用是维护索引数据。

二、使用haystack(全文检索框架)对接Elasticsearch

1、安装haystack:

# 安装全文检索框架
pip install drf-haystack
# elasticsearch==2.4.1为python中操控es的包
pip install elasticsearch==2.4.1

2、注册应用:

INSTALLED_APPS = [
...
'haystack',
...
]

3、配置搜索引擎:

# Haystack
HAYSTACK_CONNECTIONS = {
'default': {
    'ENGINE': 'haystack.backends.elasticsearch_backend.ElasticsearchSearchEngine',
    'URL': 'http://10.211.55.5:9200/',  # 此处为elasticsearch运行的服务器ip地址,端口号固定为9200
    'INDEX_NAME': 'meiduo',  # 指定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
HAYSTACK_SIGNAL_PROCESSOR = 'haystack.signals.RealtimeSignalProcessor'

4、创建索引类:
在应用目录下新建文件search_indexes.py,此文件名为固定,不可更改
from haystack import indexes
# 引入模型类
from .models import 模型类名

class 模型类名Index(indexes.SearchIndex, indexes.Indexable):
"""
SKU索引数据模型类
"""
# 建立索引字段(可以是单一的也可以是复合的)
# document=True说明这个字段是一个索引字段,use_template=True说明会在一个文件中标明索引字段
text = indexes.CharField(document=True, use_template=True)

def get_model(self):
    """返回建立索引的模型类"""
    return 模型类名  # 说明了索引类对应的模型类

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)

5、在templates目录中新建text字段使用的模板文件:

目录为templates/search/indexes/goods/sku_text.txt

格式为
{{ object.字段名字}}

6、手动生成索引:

python manage.py rebuild_index

7、创建类视图:

# HaystackViewSet封装了用于搜索的函数
from drf_haystack.viewsets import HaystackViewSet

class 模型类SearchViewSet(HaystackViewSet):
    """
    指定模型类搜索
    """
    index_models = [模型类]
    serializer_class = SKUIndexSerializer

8、序列化器类:

from drf_haystack.serializers import HaystackSerializer

class 模型类Serializer(serializers.ModelSerializer):
    """
    指定模型类序列化器
    """
    class Meta:
        model = 模型类
        fields = (。。。)

class 模型类IndexSerializer(HaystackSerializer):
    """
    指定模型类结果数据序列化器
    """
    object = 模型类Serializer(read_only=True)

    class Meta:
        # text对应索引类的text字段,object为检索成功后返回结果的序列化
        index_classes = [模型类Index]
        fields = ('text', 'object')

备注:haystack支持多种搜索引擎,例如es,solor等,它的作用主要有两点:1)让搜索引擎建立索引数据;2)利用搜索引擎查询索引数据并搜索出数据表的对应消息。

在Django中其搜索流程为,前端将关键词传递到haystack框架,haystack把检索关键交给es,es根据检索关键词检索索引记录,将检索到的索引记录提交给haystack,haystack到数据库查询指定数据。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,928评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,192评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,468评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,186评论 1 286
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,295评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,374评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,403评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,186评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,610评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,906评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,075评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,755评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,393评论 3 320
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,079评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,313评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,934评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,963评论 2 351

推荐阅读更多精彩内容