Elasticsearch: Motor de busca e além

Transcript

1. elasticsearch. Motor de busca e além Lições aprendidas criando Tu Proximo Trabajo.
2. Miguel Gallardo Mais de 10 anos de experiência como desenvolvedor, com um salário. Fanático por computador desde os 7 anos de idade. Desenvolvedor desde os 13 anos de idade. Eu sempre estou buscando melhorar minhas habilidades, me tornei um programador poliglota que trabalha em várias linguagens de programação e múltiplos paradigmas de desenvolvimento.
3. Miguel Gallardo Mais de 10 anos de experiência como desenvolvedor, com um salário. Fanático por computador desde os 7 anos de idade. Desenvolvedor desde os 13 anos de idade. Eu sempre estou buscando melhorar minhas habilidades, me tornei um programador poliglota que trabalha em várias linguagens de programação e múltiplos paradigmas de desenvolvimento.
5. 6 anos Search the web using Google! 10 results Google Search I'm feeling lucky We've moved. New site at google.com About the Google Stanford Project Get Google! updates monthly! your e-mail Subscribe Archive Copyright ©1997-8 Stanford University
6. • 52.069 empregados (Q2 2014) • renda: ~US$ 60 bilhões • Valor de mercado: ~US$ 392 bilhões • +4 milhões de servidores • 120 bilhões buscas por mês • Adsense, Gmail, google maps, street view, youtube, android, chrome, etc ¿Google?
7. ¿como podemos fazer o próximo Google? Google?
8. LIKE / MYSQL FULL TEXT • SELECT * FROM `table` WHERE `field` LIKE “%text%"; • SELECT * FROM `table` MATCH (`field`,`desc`) AGAINST ("Text") • Muito facil de implementar • Desempenho é ruim (fácil de DoS) • Sharding manual • corrupção MyISAM • Sintaxe de consulta limitada • No é un motor de busca! ¿SQL?
9. ¿motor de busca SQL?
10. • Launched 2006 • ~3 milhões de avisos • ~1000 fuentes de avisos • “SasaIndex” • RIP 2010 GoSasa
11. • Lançado 2007 • 9 milhões ofertas de empregos histórico • 200K ofertas de emprego atuais • 80K visitas mensal • 1º motor de busca de emprego na Argentina * Tu Próximo Trabajo
13. MySQL Sphinx Apache Crawlers 2008
14. Sphinx é um servidor de pesquisa de texto completo de código aberto, projetado a partir do zero com o desempenho, relevância (aka a qualidade da pesquisa), e simplicidade de integração em mente.
15. • Alta velocidade de indexação (10~15 MB/s em uma • CPU) • Alta velocidade de pesquisa (500+ queries/sec) • Alta escalabilidade: Craigslist.org • 300 milhões de consultas/dia • 15 clusters • BoardReader.com: +16 bilhões de documentos indexados em 37 máquinas. • Fala protocolo MySQL
16. • Não é em tempo real! Reindexação de dados completo (2008) • Configuração da velha escola (.conf files) • Configuração de cluster complexo • Velha escola • difícil de instalar, configurar e escalabilidade • Protocolo proprietário • Não de esquema livre
17. “Solr é uma plataforma de pesquisa de código aberto do projeto Apache Lucene. Suas principais características incluem pesquisa de texto completo, bateu destacando, pesquisa facetada, clustering dinâmica, integração de banco de dados e de documentos ricos (por exemplo, Word, PDF). Pesquisa distribuída e replicação do índice, Solr é altamente escalável.” Solr/Lucene
18. Um Sistema de Gestão de Documentos intuitiva, criada por advogados para advogados • servidor backend: php • Clientes: ruby, java, net • MySQL para dados. MongoDB para arquivos e documentos
20. Solr/Lucene
21. elasticsearch. new kid on the block
22. Elasticsearch é um motor de pesquisa e análise flexível e poderoso, distribuido, em tempo real e código aberto.
23. Elasticsearch é um motor de pesquisa e análise flexível e poderoso, distribuido, em tempo real e código aberto. • JSON • RESTful API • “Schema free”
24. Elasticsearch é um motor de pesquisa e análise flexível e poderoso, distribuido, em tempo real e código aberto. • Master nodes & data nodes; • Réplicas e fragmentos automáticas • Transporte assíncrona entre nodos
25. Elasticsearch é um motor de pesquisa e análise flexível e poderoso, distribuido, em tempo real e código aberto. • Flush cada 1 segundo
26. elasticsearch. Evolução • Indexadores personalizados • Índices invertidos • Analisadores personalizados • Faceting • Configuração de analisadores • Faceting, Geoespacial • Mapeamento de documentos • Consultas de sub-documentos • Replicação • JSON • Faceting, consultas complexas
30. 2014 HAProxy Crawler MySQL Saver Parser Nginx Beanstalkd
31. Pesquisando 50 milhões de locais em tempo real? Foursquare faz isso usando ElasticSearch Pesquisa 20TB de dados usando ElasticSearch, incluindo 1,3 bilhões de arquivos e 130 bilhões de linhas de código Usa ElasticSearch para fornecer resultados imediatos e relevantes para a sua plataforma de distribuição de áudio em linha atingindo 180 milhões de pessoas Usa ElasticSearch para fornecer resultados de mais de 20 milhões de produtos, um segundo depois de um artigo foi publicado já está disponível nos resultados Usa ElasticSearch para fornecer resultados de 25 milhões de usuários por dia. 70 milhões de documentos indexados. 215 GB de Dados
32. Pesquisa não estruturada
33. Pesquisa estruturada (FACETS!)
34. Enriquecimento
35. Ordenar por
36. Paginação
37. Agregação
38. Conceitos • Cluster Um grupo de nodos compartilhando o mesmo conjunto de índices • Node Uma instância ElasticSearch em execução (processo JVM) • Index ≈ MySQL database Um conjunto de documentos de possivelmente diferentes tipos Armazenado em um ou mais fragmentos • Type ≈ MySQL Table um conjunto de documentos em um índice que compartilham o mesmo esquema • Shard Um índice Lucene, alocado em um nodo
39. como instalar? 1. Faça o download e extrair: http://www.elasticsearch.org/download/ 2. $ bin/elasticsearch Debian/Ubuntu 1. apt-get install elasticsearch RPM 1. yum install elasticsearch
40. API: Apenas REST! http://HOST:PORT/índice(s)/tipo(s)/_action|id métodos HTTP: GET, PUT, POST, DELETE Clientes: • Curl • PHP - elastica/celastica • Ruby • Python • Perl • JS • ETC
41. Indexar um documento CURL -XPUT ‘http://localhost:9200/movies/movie/1' -d ‘{ "title" : "Django Unchained", "genre" : "western", "release_date" : "2012-12-25" }’
42. Atualizar um documento CURL -XPUT ‘http://localhost:9200/movies/movie/1' -d ‘{ "director" : { "lastname" : "Tarantino", "firstname" : "Quentin" }, "actors" : [ { "lastname" : "Foxx", "firstname" : "Jamie" }, { "lastname" : "Waltz", "firstname" : "Christoph" }, { "lastname" : "Tarantino", "firstname" : "Quentin" }, ] }’
43. Buscar um documento CURL -XGET ‘http://localhost:9200/movies/movie/_search?q=Tarantino' -d ‘{ "_index" : "movies", "_type" : "movie", "_id" : "1", "_version" : "2", "title" : "Django Unchained", "genre" : "western", "release_date" : "2012-12-25", "director" : { "lastname" : “Tarantino", "firstname" : "Quentin" }, "actors" : [ { "lastname" : “Foxx", "firstname" : "Jamie" }, { "lastname" : “Waltz", "firstname" : "Christoph" }, { "lastname" : “Tarantino", "firstname" : "Quentin" }, ] }’
44. Mapeamento - Schema CURL -XPUT ‘http://localhost:9200/movies/movie/_mapping' -d ‘{ "movies" : { "properties" : { "title" : {"type" : "string"}, "genre" : {"type" : "string"}, "release_date" : {"type" : "date", "format" : "yyyy-MM-dd"}, "director" : { "type" : "object", "properties" : { "lastname" : {"type" : "string"}, "firstname" : {"type" : "string"} } }, } } }’
45. Query dsl match, field, query_string, bool, term, Fuzzy, match_all,more like this, geo, Range, wildcard, span, ...
46. Filtros limit, and, or, not, exists, geo_distance,geo_distance_range, geo_box, geo_shape, range numeric_range, has_parent, has_child ...
47. Rivers Um River é um serviço pluggable funcionando dentro elasticsearch conjunto puxando dados (ou sendo empurrado com os dados) que é, então, indexada no cluster. • CouchDB • rabbitmq • twitter • wikipedia • MongoDB • JDBC
48. Percolator A consulta pode ser salvo como um documento em elasticsearch, qualquer nova coador documento correspondente será adicionado ao http:// HOST:PORT/índice(s)/tipo(s)/_percolate.
49. Motor de busca e alem. Elasticsearch, logstash e kibana
50. Logstash Logstash ajuda a tirar logs e outros dados de eventos de tempo com base de qualquer sistema e armazená-lo em um único lugar para transformação e processamento adicional.
51. Kibana
52. ELK stack
53. Miguel Gallardo @mg3dem miguel@tuproximotrabajo.com
54. Miguel Gallardo @mg3dem miguel@tuproximotrabajo.com Obrigado!