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 as
select 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;
购买&试用MaxCompute,请扫二维码加入钉钉群。