【Solr】之使用结巴分词模拟搜索商品1

一、Solr入门

1.1 对于数据库的查询的

select * from t_goods where goodsName like “%手机%” ;
问题：
1，这个查询速度快不快？
2，对于goodsName 是否添加了索引（假设我们添加了）
3，对于上面的sql 语句，是否会走索引？
索引的本质是一颗树，若我们使用（“%手机%” ）查询时，它无法去比较大小，无法比较，就无法走索引！
那种场景走索引：最左匹配原则 goodsName like “手机%”，它会走索引。goodsName like “%手机” 它不会走索引。
既然不会走索引，它的查询速度，就需要来一个全表的扫描。它的速度会非常慢！
假设我们的数据有百万级别的，查询一个商品，可能就需要20s 左右！

1.2 使用Map 集合来做查询

Map<String,List>
我们在Map 集合的Key 放商品的关键字，value放商品的id的集合。
到时我们使用关键字查询商品的ids就可以了

1.3 怎么得到商品的关键字？

商品名称Eg:
【小米10 旗舰新品2月13日14点发布】小米10 骁龙865 5G 抢先预约抽壕礼
荣耀20S 李现同款 3200万人像超级夜景 4800万超广角AI三摄麒麟810 全网通版
荣耀20i 3200万AI自拍超广角三摄全网通版6GB+64GB 渐变红移动联通电信4G
Redmi 8A 5000mAh 骁龙八核处理器 AI人脸解锁 4GB+64GB 深海蓝游戏老人手机

二、结巴分词模拟搜索商品

2.1 新建项目

IDEA创建空项目【solr-demo】->新建maven的moudule【sole-fenci-demo】–>添加依赖

dependencies><dependency><groupId>com.huaban</groupId><artifactId>jieba-analysis</artifactId><version>1.0.2</version></dependency><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId><version>1.18.12</version></dependency>
</dependencies>

2.3 测试项目

public class TestJieBa {//声明一个分词对象private static JiebaSegmenter jiebaSegmenter = new JiebaSegmenter();public static void main(String[] args) {String content="锤子(smartisan) 坚果Pro3 8GB+128GB 黑色 骁龙855PLUS 4800万四摄 全网通双卡双待 全面屏游戏手机";/**** @Description:* 参数1  要分词的内容* 参数1：分词模式*/List<SegToken> tokens = jiebaSegmenter.process(content, JiebaSegmenter.SegMode.SEARCH);for (SegToken token : tokens) {System.out.println(token.word);}System.out.println("分词完成"+tokens.size());}}

三、使用商品搜索案例来展示我们的Map集合

3.1 商品的模拟

@Data
@AllArgsConstructor
@NoArgsConstructor
public class Goods {private Integer id;//商品IDprivate String goodsName;//商品名称private Double goodsPrice;//商品价格
}

3.2 模拟数据库

public class DBUtils {private static Map<Integer, Goods> db=new HashMap<>();public static void insert(Goods goods){db.put(goods.getId(),goods);}public static Goods getById(Integer id){return db.get(id);}/**** @Description:* @Param: 提供一个根据ids的集合查询商品的方法    key--->多个商品ID* @return:* @Author: * @Date: 2020/4/2*/public static List<Goods> getByIds(Set<Integer> ids){if(null==ids||ids.isEmpty()){return Collections.emptyList();}List<Goods> goods=new ArrayList<>();for (Integer id : ids) {Goods g = db.get(id);if(null!=g){goods.add(g);}}return goods;}
}

3.3 商品服务的接口GoodsService

public interface GoodsService {void insert(Goods goods);List<Goods> findByGoodsName(String goodsName);}

3.4 商品服务的实现（GoodsServiceImpl）

public class GoodsServiceImpl implements GoodsService {//模拟一个索引库private Map<String, Set<Integer>> indexs=new HashMap<>();private JiebaSegmenter jiebaSegmenter=new JiebaSegmenter();@Overridepublic void insert(Goods goods) {/**** 我们在插入商品时，要构造一个Map集合* Map<String,List<ID>/>*///分词List<String> keywords= this.fenci(goods.getGoodsName());//插入数据DBUtils.insert(goods);//保存到分词的关键字和ids的映射关系saveKeyWords(keywords,goods.getId());}/*** @Description: 保存分词和id的关系* @Param: [keywords, id]* @return: void* @Author:* @Date: 2020/4/2*/private void saveKeyWords(List<String> keywords, Integer id) {if(null!=keywords&&!keywords.isEmpty()){for (String keyword : keywords) {if(indexs.containsKey(keyword)){//先看关键字在索引里面是否存在Set<Integer> integers = indexs.get(keyword);//得到这个关键字对应该的已存在的ids集合integers.add(id);//把新插入的id放入}else{//这是一个新词，之前的索引库不存在HashSet<Integer> ids = new HashSet<>();ids.add(id);indexs.put(keyword,ids);}}}}/**** @Description: 完成分词* @Param: [goodsName]* @return: java.util.List<java.lang.String>* @Author: * @Date: 2020/4/2*/private List<String> fenci(String goodsName) {List<SegToken> tokens = jiebaSegmenter.process(goodsName, JiebaSegmenter.SegMode.SEARCH);List<String> keywords=new ArrayList<>(tokens.size());for (SegToken token : tokens) {keywords.add(token.word);}return keywords;}/**** @Description: * @Param: [goodsName]* @return: java.util.List<com.leige.solr.test.domain.Goods>* @Author: * @Date: 2020/4/2*/@Overridepublic List<Goods> findByGoodsName(String goodsName) {//直接从Map里面取有没有if(indexs.containsKey(goodsName)){Set<Integer> ids = indexs.get(goodsName);//取出有goodsName里面有传过来的goodsName商品的IDList<Goods> goodsList = DBUtils.getByIds(ids);return goodsList;}return Collections.emptyList();}
}

3.5 测试类

public class TestApp {public static void main(String[] args) {GoodsService goodsService = new GoodsServiceImpl();Goods goods = new Goods(1,"苹果手机",10.00) ;Goods goods1 = new Goods(2,"华为手机",11.00) ;Goods goods2 = new Goods(3,"红米手机",5.00) ;Goods goods3 = new Goods(4,"联想手机",6.00) ;goodsService.insert(goods);goodsService.insert(goods1);goodsService.insert(goods2);goodsService.insert(goods3);List<Goods> goodss = goodsService.findByGoodsName("手机");for (Goods goodsTest : goodss) {System.out.println(goodsTest);}}
}

3.6 我们在搜索苹果手机时，搜索不出来结果

修改GoodsService

修改GoodsService

List<Goods> findByKeyWord(String keyword);

修改GoosServiceImpl

@Override
public List<Goods> findByKeyWord(String keyword) {//先分词  再查询List<String> stringList = this.fenci(keyword);Set<Integer> idsSet = new HashSet<>();for (String kw : stringList) {//直接从Map里面取有没有if(indexs.containsKey(kw)){Set<Integer> ids = indexs.get(kw);//取出有goodsName里面有传过来的goodsName商品的IDidsSet.addAll(ids);}}if(idsSet.isEmpty()){return Collections.emptyList();}else{return DBUtils.getByIds(idsSet);}
}

修改TestApp测试

3.7 搜索速度的提升

之前：是需要把数据库做一个全表的扫描
现在：直接通过计算hash值定位值，在非常理想的情况下。他的速度，只计算一次

3.8 新的问题

我们的一句话会分出来很多的关键字，都给他建立<K,List> 我们的Map 里面将容纳非常多的元素！
那我们往Map 集合里面放元素时，将有29 个被放进去！若成千上万的商品，那Map 集合非常大！怎么解决Map 集合无限扩大的问题？