Elastic Warsaw Meetup

1. Tworzenie
wyszukiwarek w
ElasticSearch
Marcin
Lewandowski
kurs-elasticsearch.pl

2. PROBLEM 1
LIKE

3. PROBLEM 1
LIKE

4. PROBLEM 1
LIKE
LIKE %fraza%
LIKE %buty%
buty

5. PROBLEM 1
LIKE
LIKE %avatar%
avatar
LIKE %rozpętałem wojnę%
rozpętałem wojnę

6. PROBLEM 1
LIKE
LIKE %rozpętałem wojnę%
LIKE %rozpętałem% OR
LIKE %wojnę%

7. PROBLEM 1
LIKE
LIKE %rozpętałem wojnę%
LIKE %rozpętałem% AND
LIKE %wojnę%

8. PROBLEM 1
LIKE

9. PROBLEM 1
LIKE
buty skórzane
LIKE %buty% OR
LIKE %skórzane%

10. PROBLEM 1
LIKE
LIKE %buty%
OR
LIKE %skórzane%
"match": {
"name": {
"query": "buty skórzane",
"operator": "or"
}
}
1
2
3
4
5
6

11. PROBLEM 1
LIKE
LIKE %buty%
AND
LIKE %skórzane%
"match": {
"name": {
"query": "buty skórzane",
"operator": "and"
}
}
1
2
3
4
5
6

12. PROBLEM 1
LIKE
LIKE %buty%
OR
LIKE %skórzane%
"bool": {
"must": [
{
"match": {
"name": {
"query": "buty skórzane",
"operator": "or"
}
}
}
],
"should": [
{
"match": {
"name": {
"query": "buty skórzane",
"operator": "and"
}
}
}
]
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
LIKE %buty%
AND
LIKE %skórzane%

13. PROBLEM 2
ZBYT SKOMPLIKOWANA

14. PROBLEM 2
ZBYT SKOMPLIKOWANA

15. PROBLEM 2
ZBYT SKOMPLIKOWANA

16. PROBLEM 2
ZBYT SKOMPLIKOWANA

17. PROBLEM 2
ZBYT SKOMPLIKOWANA

18. PROBLEM 2
ZBYT SKOMPLIKOWANA
INDEX 1 INDEX 2

19. PROBLEM 2
ZBYT SKOMPLIKOWANA

20. PROBLEM 3
LITERÓWKI

21. PROBLEM 3
LITERÓWKI

22. PROBLEM 3
LITERÓWKI
odległość = 1

23. PROBLEM 3
LITERÓWKI
-- Levenshtein function
-- Source: https://openquery.com.au/blog/lev
-- Levenshtein reference: http://en.wikipedi
-- Arjen note: because the levenshtein value
-- thus the maximum string length this imple
DELIMITER $$
DROP FUNCTION IF EXISTS LEVENSHTEIN $$
CREATE FUNCTION LEVENSHTEIN(s1 VARCHAR(255)
RETURNS INT
DETERMINISTIC
BEGIN
DECLARE s1_len, s2_len, i, j, c, c_temp, cos
DECLARE s1_char CHAR CHARACTER SET utf8;
-- max strlen=255 for this function
DECLARE cv0, cv1 VARBINARY(256);
SET s1_len = CHAR_LENGTH(s1),
s2_len = CHAR_LENGTH(s2),
cv1 = 0x00,
j = 1,
i = 1,
c = 0;
IF (s1 = s2) THEN
RETURN (0);
ELSEIF (s1_len = 0) THEN
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
SELECT * FROM `catalog_product_flat_1` WHE
`name` LIKE '%_agento%' OR
`name` LIKE '%M_gento%' OR
`name` LIKE '%Ma_ento%' OR
`name` LIKE '%Mag_nto%' OR
`name` LIKE '%Mage_to%' OR
`name` LIKE '%Magen_o%' OR
`name` LIKE '%Magent_%' OR
`name` LIKE '%_Magento%' OR
`name` LIKE '%M_agento%' OR
`name` LIKE '%Ma_gento%' OR
`name` LIKE '%Mag_ento%' OR
`name` LIKE '%Mage_nto%' OR
`name` LIKE '%Magen_to%' OR
`name` LIKE '%Magent_o%' OR
`name` LIKE '%Magento_%' OR
`name` LIKE '%agento%' OR
`name` LIKE '%Mgento%' OR
`name` LIKE '%Maento%' OR
`name` LIKE '%Magnto%' OR
`name` LIKE '%Mageto%' OR
`name` LIKE '%Mageno%' OR
`name` LIKE '%Magent%'
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
Funkcja LIKE

24. PROBLEM 3
LITERÓWKI
"fuzziness": 1
"match": {1
"name": {2
"query": "buty skorzane",3
4
}5
}6

25. PROBLEM 4
JEZYKI

26. PROBLEM 4
JEZYKI
SKÓRA
SKÓRZANE
SKÓRY

27. PROBLEM 4
JEZYKI

28. PROBLEM 4
JEZYKI
"analyzer": "polish",
GET _analyze1
{2
3
"text": ["Anna miała czerwoną sukienkę."]4
}5

29. PROBLEM 4
JEZYKI
"analyzer": "polish",
GET _analyze1
{2
3
"text": ["Anna miała czerwoną sukienkę."]4
}5
"text": ["Anna miała czerwoną sukienkę."]
GET _analyze1
{2
"analyzer": "polish",3
4
}5

30. PROBLEM 4
JEZYKI
"analyzer": "polish",
GET _analyze1
{2
3
"text": ["Anna miała czerwoną sukienkę."]4
}5
"text": ["Anna miała czerwoną sukienkę."]
GET _analyze1
{2
"analyzer": "polish",3
4
}5
GET _analyze
{
"analyzer": "polish",
"text": ["Anna miała czerwoną sukienkę."]
}
1
2
3
4
5

31. PROBLEM 5
100 MS

32. PROBLEM 5
100 MS

33. PROBLEM 5
100 MS

34. PROBLEM 5
100 MS

35. PROBLEM 5
100 MS

36. PROBLEM 5
100 MS

37. PROBLEM 5
100 MS

38. DZIĘKUJĘ ;)
Marcin
Lewandowski
kurs-elasticsearch.pl

39. PYTANIA ??
Marcin
Lewandowski
kurs-elasticsearch.pl