1.使用monstache实时同步mongodb和es(需翻墙）

http://t.cn/A6yDsvgS

2.使用nested结构获取更准确的数量统计

http://t.cn/A6yDsvgX

3.支持丰富NLP功能的rosette插件

http://t.cn/A6yDsvg6

• 编辑：bsll

• 归档：https://ela.st/cn-daily-all

• 订阅：https://ela.st/cn-daily-sub

• 沙龙：https://ela.st/cn-meetup

1.ES之从零开始 | 搜索建议 - 简介

自从个人博客数据意外丢失后，已经有一年没写过博客了。 觉得地下有点凉，是时候爬起来了，所以就有了这个系列的分享。

为什么要用搜索建议 ？

通过两个小例子，了解搜索建议主要功能：纠错(Did You Mean)和补全(Auto-complete).

1. 手残党，有些时间在输入比较长的英文单词的时候总会有缺胳膊少腿的问题，是否可以通过技术来解决这类问题提升用户的体验？
2. 公司里业务开发对Elasticsearch的query DSL 不是特别熟悉，若是纯手写，基本是无法完成正确查询语法的编写 ，但如果使用kibna却是可以写出正确的查询的。

相信通过上面两个例子，都了解了搜索建议的两个主要功能纠错和补全，为什么要使用也就迎刃而解了。 接下来，主要从技术和落地的维度来聊一聊搜索建议。

搜索建议的技术架构

• 纠错（Did You Mean）
  1. 用户在搜索框中输入有问题的词，elastisearch(少了个字母c )
  2. 由于少了个字母，倒排表里未找到相应的文档，所以返回的命中结果为0.
  3. 因为命中0结果，发送一个纠错请求，希望通过增加、删除、替换一个字符来取得一个系统里存在的词。
  4. 把纠错后的词发送到客户端
  5. 获取系统中存在的，最可能的纠错词。
  6. 选择正确的纠错词发送查询请求
  7. 返回希望的检索结果。
• 补全（Auto-Complete）
  1. 用户输入第一个字符
  2. 异步发送第一个字符尝试进行前缀补全
  3. 返回前缀被全词, 相同前缀的根据权重排序返回
  4. 选择下拉正确的补全词
  5. 根据正确的词，发送检索请求
  6. 返回期望的查询结果。

小结

• 纠错可以解决小范围输错的问题，增加容错率来提升用户体验。
• 补全，可以有效的减少用户输入，提升搜索的准确率。

1.希腊语分词插件

http://t.cn/A6yHN7iV

2.使用正则表达式抽取数据到ES

http://t.cn/A6yHN7if

3.设计支持多语言的搜索引擎(需翻墙）

http://t.cn/A6yHN7iI

• 编辑：bsll

• 归档：https://ela.st/cn-daily-all

• 订阅：https://ela.st/cn-daily-sub

• 沙龙：https://ela.st/cn-meetup