dotNet Core 3.1 使用 Elasticsearch

Elasticsearch 是基于 Lucene 的搜索引擎。可以非常方便地实现分布式的全文搜索，本文介绍在 dotNet Core 3.1 中怎样使用 Elasticsearch 。

版本

dotnet Core ：3.1
Elasticsearch：7.6.1
Kibana：7.6.1
NEST：7.10.1
Docker：19.03.13

Docker 安装 Elasticsearch

为了方便，我们以 Docker 的方式来进行安装，这里使用的版本为 7.6.1，首先执行下面命令进行镜像的拉取：

docker pull elasticsearch:7.6.1

注意：这里需要指定相关版本，版本可以在 dockerhub 上进行查询，否则拉镜像的时候可能出现下面错误：

Error response from daemon: manifest for elasticsearch:latest not found: manifest unknown: manifest unknown

镜像成功拉取后，执行 docker run 命令构建容器，命令如下：

docker run -d --name myes -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" elasticsearch:7.6.1

为了更好地进行中文的搜索，需要安装中文分词插件，本文中安装的中文分词插件为 ik ，版本和 Elasticsearch 一致，安装方法如下：

进入 Elasticsearch 容器后执行：

./bin/elasticsearch-plugin install [https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.6.1/elasticsearch-analysis-ik-7.6.1.zip](https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v6.5.4/elasticsearch-analysis-ik-6.5.4.zip)

安装成功后的如下图所示：

Docker 安装 Kibana

Kibana 是一个免费的用户界面，能够让您对 Elasticsearch 数据进行可视化，不是必须，但可以更好地查看数据。

执行下面命令进行镜像的拉取，版本和 Elasticsearch 一致：

docker pull kibana:7.6.1

在宿主机创建 /root/data/elk/ 目录并创建配置文件 kibana.yml ，内容如下：

# Default Kibana configuration for docker target
server.name: kibana
server.host: "0"
elasticsearch.hosts: [ "http://172.17.0.6:9200" ]
xpack.monitoring.ui.container.elasticsearch.enabled: true

elasticsearch.hosts 配置为 Elasticsearch 的访问地址。

执行下面命令进行容器的创建

docker run -d --restart=always --log-driver json-file --log-opt max-size=100m --log-opt max-file=2 --name mykibana -p 5601:5601 -v /root/data/elk/kibana.yml:/usr/share/kibana/config/kibana.yml kibana:7.6.1

创建成功后，可以通过 5601 端口进行访问。

Elasticsearch 的 API

Elasticsearch 提供 API 的方式来进行数据操作，非常方便，常用的三个接口：

插入数据
获取单条数据
查询数据

插入数据

http://10.211.55.6:9200/index/oec2003/1

index：我的理解是相当于数据库表的概念；
oec2003：在 Elasticsearch 的 index 中有个 Type 的概念，相当于分组，当前的 7.6.1 版本中一个 index 中只能有一个 Type ,所以相当于可以忽略；
1：单条记录的 id；
接口为 Post 方式，数据内容为 Json 格式，字段可以随便定义，而且每条数据的字段可以不相同。

获取单条数据

http://10.211.55.6:9200/index/oec2003/1

搜索数据

http://10.211.55.6:9200/index/oec2003/_search

查询接口为 Post 方式；
查询表达式也是 Json 格式，如果熟悉 MongoDB 的 Document ，应该会感觉很熟悉。

在 dotNet Core 3.1 中使用

1、在 VS 2019 中创建 dotNet Core 3.1 的 WebAPI 项目 ElasticsearchWebAPIDemo ；

2、引用 Nuget 包 NEST；

3、创建一个 Elasticsearch 的客户端连接接口和类，代码如下：

class ESClientProvider : IESClientProvider
{private ElasticClient _client;public ESClientProvider(){}public ElasticClient GetClient(){if (_client != null)return _client;InitClient();return _client;}private void InitClient(){var node = new Uri("http://10.211.55.6:9200");_client = new ElasticClient(new ConnectionSettings(node).DefaultIndex("artiles"));}
}
public interface IESClientProvider
{ElasticClient GetClient();
}

4、在 Startup 类的 ConfigureServices 方法中将 ESClientProvider 类注册为单例

public void ConfigureServices(IServiceCollection services)
{services.AddSingleton<IESClientProvider, ESClientProvider>();services.AddSwaggerGen(c =>{c.SwaggerDoc("v1", new OpenApiInfo { Title = "My API", Version = "v1" });});services.AddControllers();
}

5、创建 Article 实体类


[ElasticsearchType(IdProperty = "Id")]
public class Article
{[Keyword]public string Id { get; set; }[Keyword]public string Title { get; set; }[Keyword]public string Auther { get; set; }[Keyword]public string SubTitle { get; set; }
}

6、创建 ESController，添加创建 index 的方法

[HttpGet]
[Route("CreateIndex")]
public bool CreateIndex(string indexName)
{var res = _client.Indices.Create(indexName, c => c.Map<Article>(h => h.AutoMap().Properties(ps => ps.Text(s => s.Name(n => n.Title).Analyzer("ik_smart").SearchAnalyzer("ik_smart")).Text(s => s.Name(n => n.SubTitle).Analyzer("ik_smart").SearchAnalyzer("ik_smart")))));return res.IsValid;
}

对什么字段进行索引需要进行指定
字段的分词器和搜索关键字的分词器建议使用相同，否则可能搜索不到数据，例如上面代码中都指定为 ik_smart

7、添加 AddArticles 的方法

[HttpPost]
[Route("AddArticles")]
public bool AddArticles()
{// 获取数据批量进行插入List<Article> listArticle = GetArticles();return _client.IndexMany(listArticle).IsValid;
}

8、添加高亮搜索的方法 SearchHighlight

[HttpPost]
[Route("SearchHighlight")]
public List<Article> SearchHighlight(string key, int pageIndex = 0, int pageSize = 10)
{var searchAll = _client.Search<Article>(s => s.From(pageIndex).Size(pageSize).Query(q => q.QueryString(qs => qs.Query(key).DefaultOperator(Operator.Or))).Highlight(h => h.PreTags("<span class='color:red;'>").PostTags("</span>").Encoder(HighlighterEncoder.Html).Fields(fs => fs.Field(p => p.Title),fs => fs .Field(p => p.SubTitle))));foreach (var hit in searchAll.Hits){foreach (var highlightField in hit.Highlight){if (highlightField.Key == "title"){foreach (var highlight in highlightField.Value){hit.Source.Title = highlight.ToString();}}else if (highlightField.Key == "subTitle"){foreach (var highlight in highlightField.Value){hit.Source.SubTitle = highlight.ToString();}}}}return searchAll.Documents.ToList();
}