前言：
ElasticSearch是一个一个分布式的实时文档存储，每一个字段都可以被索引与搜索，并且能支持PB级别的结构化或者非结构化数据。早期我们应用的全局搜索是简单的SQL模糊查询，为了分担数据库压力所以用了ES，选择他的原因除了以上几点外，还有其提供的API方式简单，于任何对接的编程语言都适用。以下将以PHP的业务场景完善搜索功能。
环境：
ThinkPHP5.1
ElasticSearch7.8
PHP7.3
功能迭代简介：
最开始的ES取代方法解决了搜索速度问题，后来新增的ik分词器，解决了搜索词条单一问题。单也正是中文分词原因，对每句话都是拆解成指定粒度的词。当遇到单词时，一般只会对一句话里的单词进行拆解，而搜索时需要输入某个字母，希望输出的是带字母后面的词条，也就是模糊查询。经过翻阅文档，发现了即时搜索。
即时搜索或输入即搜索（search-as-you-type），就是当用户习惯在输完查询内容之前，就能为他们展现搜索结果，不仅能在更短的时间内得到搜索结果，也能引导用户搜索索引中真实存在的结果。例如，输入 dvd r ，即时搜索会得到：dvd r9s 和 dvd r9sk等 , 以下将通过完整示例演示效果。
配置索引的映射：
关于ElasticSearch环境搭建和基本操作在前面文章有说明，这里就假装已经创建了索引，以下是索引的映射。还有文档的添加也是根据你自己的需求定义了，不管是定时任务还是业务节点触发，亦或是采集工具同步等。
{
"mappings": {
"_doc": {
"properties": {
"class_id": {
"type": "long"
},
"goods_name": {
"type": "text",
"analyzer": "ik_smart"
},
"goods_sort": {
"type": "keyword"
},
"id": {
"type": "keyword"
},
"price": {
"type": "long"
},
"single_goods_name": {
"type": "text",
"analyzer": "ik_max_word"
},
"state": {
"type": "keyword"
},
"v": {
"type": "long"
}
}
}
}
}
前台搜索：
1. 即搜索示例
{
"match_phrase_prefix" : {
"brand" : {
"query": "walker johnnie bl",
"slop": 10
}
}
}
2. 业务代码
public function queryData($key, $sort, $from = 0, $size = 10)
{
$from = $from * $size;
$indexName = Env::get('elasticsearch.goods_index') ?? 'products';
$params = [
'index' => $indexName,
'client' => [
'timeout' => 10,
'connect_timeout' => 10
],
'body' => [
'from' => $from,
'size' => $size,
'query' => [
'bool' => [
'should' => [
[
'multi_match' => [
'query' => $key,
'fields' => [
'goods_name^2',
'single_goods_name'
],
],
],
[
'wildcard' => [
'single_goods_name' => "$key*"
]
],
[
'fuzzy' => [
'single_goods_name' => [
'value' => $key
]
]
],
[
'match_phrase_prefix' => [
'single_goods_name' => "$key"
]
],
],
],
],
'sort' => [
['_score' => "desc"],
['goods_sort' => 'desc']
],
]
];
return $this->es->search($params);
}
3. 效果演示
服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
机房租用，北京机房租用，IDC机房托管， http://www.fwqtg.net
在这篇文章中，我们将使用Python和TensorFlow来实现一个简单的图像识别系统。我们将使用经典的MNIST数据集，这是一个包含手写数字的数据集，用于训练和测试图像识别系统。 一、准备环境 首先，我们需要安装所需的库。在这里，我们将使用 TensorFl…
