2.8 实例

前面给出了如何建立索引、通过映像mappings配置索引和管理索引文件、对文档设置分析器以及对文档的其他操作方法。下面给出一个在Elasticsearch中建立索引文档的相关实例，即对获取的非结构化的学术论文数据建立基于Elasticsearch的索引的方法。例子中的数据集是从网上下载的PDF格式的学术论文，通过某种工具（如PDFBox）对论文进行解析，得到纯文本形式的文档。经过基于规则的信息抽取，得到论文的题目、作者、作者简介、论文摘要和关键字等信息，并对它们建立索引。限于篇幅，对基于PDFBox的文档解析、基于规则的信息抽取步骤等不再赘述，下面介绍如何建立基于Elasticsearch的索引。

首先，建立一个名为information的索引文档，索引文件中的性能指标如numberof shards和numberofreplicas均采用默认值。

其次，为information索引文档创建映像mappings。在创建传统的关系型数据库中的数据表时，一般要逐个创建数据表中的每个字段并指定其数据类型。在Elasticsearch中，虽然它会为拟创建的索引文件自动构建mappings，但在实际使用时，通常要根据实际情况手动创建mappings，这样可方便进行个性化设置（如规定数据类型、在某字段上执行各种分词操作等）。图2.13是借助head工具，给出针对此例的手动配置创建mappings的结果。从中可见，在information索引中包括4个字段，这里对abstract和keywords采用ik_max_word分析器。

图2.13 创建mappings

创建映像mappings后，可查看索引文件中任意字段的映像配置信息。图2.14显示的是information中类型文件为share、字段为author的映像配置信息。

图2.14 查看指定field的mappings

最后，录入抽取好的论文信息。录入数据时可使用两种方法：一种是在head中手动录入数据（如图2.15所示）；另一种是通过Java客户端方式自动实现。由于此处尚未涉及Java客户端的相关方法，这里给出第一种方法。图2.16为添加好的相关数据。

图2.15 录入信息

图2.16 存储到Elasticsearch中的信息

当把相关信息存储后，可以对文档进行相关操作（如获取指定的文档信息，获取文档信息中指定字段，删除部分信息，数据更新，批量获取文档等）。图2.17给出的例子是获取id为3的文档信息（通过HTTP的GET方法实现）；图2.18为获取文档id为1的_source下的Title的信息（通过HTTP的GET方法实现）；图2.19为删除id为2的文档信息（通过HTTP的DELETE方法实现）；图2.20为基于POST方式批量获取文档信息（通过HTTP的POST方法实现）。

图2.17 获取指定id的文档信息

图2.18 获取指定字段Title的信息

图2.19 删除指定id的文档信息

图2.20 基于POST方式批量获取文档信息