完善资料让更多小伙伴认识你，还能领取20积分哦， 立即完善>
3天内不再提示
|
摘要： 最近，经常有客户咨询如何低成本搭建高性能的海量数据搜索引擎，比如实现公众号检索、影讯检索等等。由于客户的数据在阿里云上，所以希望找到云上解决方案。笔者开始调研一些云上产品，很多人向我推荐了OpenSearch，所以花了点时间好好研究了下，用过之后发现效果不错，自带分词、云数据库同步功能，在研究过程中也发现了一些问题，分享给大家。
背景 最近，经常有客户咨询如何低成本搭建高性能的海量数据搜索引擎，比如实现公众号检索、影讯检索等等。由于客户的数据在阿里云上，所以希望找到云上解决方案。笔者开始调研一些云上产品，很多人向我推荐了OpenSearch，所以花了点时间好好研究了下，用过之后发现效果不错，自带分词、云数据库同步功能，在研究过程中也发现了一些问题，分享给大家。 接下来，我们开始用阿里云MaxCompute（原名ODPS）和OpenSearch来搭建一个影讯检索的搜索引擎Demo，我有大约10GB数据，服务搭建只用了15分钟，数据同步建索引大概用1个小时。因为选择弹性计费，实验费用大概花了几十元。 先晒一下搜索效果，支持一些常用分词语法，而且OpenSearch自带了丰富的SDK和API，可以很方便的集成到线上业务。 实验架构图 搜索引擎架构在OpenSearch之上，是一个典型的分布式在线实时交互查询架构，无单点故障，高伸缩、高可用，免运维，低成本。对大量信息的索引与搜索都可以在近乎实时的情况下完成，能够快速实时搜索数十亿的文件以及PB级的数据。 分布式数据库架构在MaxCompute之上，是一种快速、完全托管的TB/PB级数据仓库解决方案。MaxCompute向用户提供了完善的数据导入方案以及多种经典的分布式计算模型，能够更快速的解决用户海量数据计算问题，有效降低企业成本，并保障数据安全。 实验准备工作 1、注册阿里云用户，实名认证并绑定支付宝； 2、开通数加服务； 3、开通MaxCompute、OpenSearch 后付费服务。 实验任务 1、用MaxCompute导入公开数据集； 2、用OpenSearch 创建应用，配置数据/索引结构、分词； 3、全量导入数据，构建索引； 4、搜索效果测试。 第一步：购买并开通OpenSearch、MaxCompute、大数据开发套件服务 1.1 开通Opensearch服务 访问https://www.aliyun.com/product/opensearch，点击立即开通，选择后付费（按量付费）。 1.2 开通MaxCompute&大数据开发套件服务 1.2.1 开通 MaxCompute 阿里云实名认证账号访问https://www.aliyun.com/product/odps ，开通 MaxCompute，选择按量付费进行购买。 1.2.2 创建 MaxCompute project 进入数加管理控制台，前面开通 MaxCompute 成功页面，点击管理控制台，或者导航产品->大数据（数加）->MaxCompute 点击管理控制台。 创建项目 进入控制台页面后导航至“大数据开发套件->项目列表“，点击”创建项目”，如图所示： 在弹出框中选择 I/O 后付费的付费方式，输入项目名称： 创建 MaxCompute 表 进入大数据开发套件的数据开发页面，以开发者身份进入阿里云数加平台>大数据开发套件>管理控制台，点击项目列表下对应项目操作栏中的进入工作区。 注意：如果首次使用数加平台，需要先注册数加开通AK。 第二步：通过大数据开发套件导入数据集到MaxCompute 进入大数据开发套件工作区后，我们先导入一份测试数据。 数据说明：笔者这里引用了一份MaxCompute公开数据集(正在公测)，地址：https://yq.aliyun.com/articles/89763，目前MaxCompute开放的数据类别包括：股票价格数据，房产信息，影视及其票房数据。所有的数据均被存储在 MaxCompute 产品中的 public_data 项目中。 接下来，我们引用一份影视票房数据。 使用非常简单，前提条件是开通MaxCompute&大数据开发套件； 在大数据开发套件中，新建脚本，命名opensearch_demo，在窗口执行如下语句。 add user ALIYUN$everyone; 执行完成后用户项目空间下的所有成员均可读取各公开数据集合。 验证一下： select * from public_data.dwd_product_movie_basic_info where movie_name like '%生化危机%' limit 10; 拷贝一份数据到自己的Project项目下，注意：OpenSearch里有主键概念，所以我们需要在MaxCompute中建主键，这里通过UUID函数实现。 在窗口执行如下语句： create table alian.demo_opensearch_case2 asselect uuid() as id,* from public_data.dwd_product_movie_basic_info ; 执行成功后，验证一下数据； select count(1) from alian.demo_opensearch_case2; 可以看到数据集已经创建好； 第三步：创建开放搜索应用 3.1 进入OpenSearch控制台，点击“创建应用” 3.2 选择产品版本，笔者开通的是标准版。如果需要多表关联搜索，请开通高级版，如果是单表查询，标准版就可以。 3.3 输入应用名称MaxCompute_OpenSearch_Demo，地域选华东1（杭州），因为MaxCompute目前只有华东，否则数据链路不通，点击下一步。 3.4 选择“通过数据源方式创建应用结构”。可以快速由源表结构创建出初始的应用结构，节省手动构造的工作量，降低出错概率。 3.5 选择ODPS，刚才创建的表。 选择刚才创建的ODPS项目及表demo_opensearch_case2 【注意】对于ODPS表中的STRING类型需要转换为LITERAL后建主键。 3.6 配置索引、分词及搜索展示内容 选择movie_name、 director、scriptwriter、area、actors、type、movile_date、movie_language字段做索引，设置默认中文分词方式。 添加展示字段，设置搜索结果内容。 3.7 创建完成 第四步：同步数据并创建索引 4.1 激活应用 选择配额及QPS，我们用的数据集大概8G，所以开通的是10G配额，QPS采用默认项。 注意：MaxCompute（原ODPS）的数据是压缩过的，我们用的数据SIZE压缩后2GB，但实际是8GB，笔者之前购买了3GB的OpenSearch配额，结果导入失败。 4.2开始构建索引 这里主要就是等等，笔者等了一个小时。 可以查看索引构建进度 第五步：搜索测试 打开应用管理->搜索测试，输入任意影片，比如最近刚上映的摔跤 爸爸，然后自动匹配出相应的影讯信息，完成实验。 MaxCompute提供的数据集很赞，数据量多、新鲜度很高。 总结：到这里，我们就完成了整个实验，OpenSearch+MaxCompute笔者认为还是很方便，非常适合数据规模在100GB以上并且不希望高昂的运维成本和IT成本的企业； 原文链接 阅读更多干货好文，请关注扫描以下二维码： 
0
|
|
|
|
|
只有小组成员才能发言，加入小组>>
/6 
关注我们的微信
下载发烧友APP
电子发烧友观察
版权所有 © 湖南华秋数字科技有限公司
电子发烧友 （电路图） 湘公网安备 43011202000918 号 电信与信息服务业务经营许可证：合字B2-20210191
工商网监
湘ICP备2023018690号
4603
淘帖
1838
