Роскошный женский кардиган вяжем из мохера мягкой польской резинкой спицами.

Кардиган спицами с шалевым воротником мягкой резинкой.

Вязание женщинам кардигана великолепной комбинацией пряжи Kid Classic (овечья шерсть и кид мохер) и Kidsilk Haze (мохер и шелк).

Для вязания кардигана потребуется небольшой опыт вязания спицами.

Дизайнер: Kim Hargreaves

Размер: XS (S, M, L, XL, XXL).

Для окружности груди: 81 (86, 91, 97, 102, 109) см

Для вязания кардигана Вам потребуется:

• Пряжа Kid Classic — 11 (12, 13, 14, 14, 15) мотков по 50 г цвета Pumice
• Пряжа Kidsilk Haze — 7 (8, 8, 9, 9, 10) мотков по 25 г цвета Steel
• Спицы 4 мм
• Спицы 4.5 мм
• Спицы 5 мм
• Держатели петель (ДП)

Плотность вязания:

21 п. и 28 р. = 10 см, узором, спицами 5 мм, и в 1 нить каждой пряжи Kid Classic и Kidsilk Haze, взятые вместе.

Польская резинка спицами: схема вязания, видео

Формируя нижнюю часть свитера, его горловину или манжеты рукавов, вязальщица использует один из видов резинки – узор, при котором вещь получается эластичной и плотно прилегает к телу.

Данный упругий узор имеет приятный, не бросающийся в глаза рельеф. Он может формироваться как при работе с поворотом рядов, так и при непрерывном вязании на кольцевых спицах. Научиться получать такой узор несложно, если воспользоваться одним из наших видеоуроков. Просто повторяйте движения спицами за инструктором, и успешный результат вашей работы будет гарантирован.

Резинка рельефная

Эта рельефная польская резинка спицами вяжется на самых разных изделиях. Например, на шапочках с двумя отворотами. Для получения такой резинки первоначальное число петелек должно быть кратным четырем с добавлением еще двух кромочных. По вертикали рапорт узора равен всего двум рядам. По горизонтали рапорт включает четыре петли, из которых в первом ряду три провязываются лицевыми, и одна изнаночной.

Во втором ряду порядок работы сохраняется: после трех петель лицевого типа следует одна изнаночного. Далее вновь повторяется первый ряд. Обратите внимание, что лицевые три петли между собой отличаются: первая и третья повязываются за переднюю стенку, а вторая – за заднюю. Следующий четный рад получается аналогичным образом. Как видите, формируется польская резинка без особой сложности. Повторяя движения инструктора, вы быстро освоите получение этого простого узора и начнете вязать самостоятельно, используя в создаваемых вами вещах.

Видео урок:

Граненая польская резинка

Чтобы получить такую разновидность резинки, необходимо набрать на спицы петли, количество которых кратно четырем с добавлением двух кромочных. Схема вязания простая. Первая петелька снимается, а далее чередуются три петли лицевого вида и одна изнаночного. Эта последовательность сохраняется до завершения ряда. Последняя также выполняется изнаночной.

Работа переворачивается и начинает формироваться второй ряд. Сняв первую кромочную, формируем пару лицевых и начинаем чередование одной изнаночной и трех лицевых. При этом крайние из них вяжутся за переднюю станку, а центральная – за заднюю. Заканчивается ряд лицевой петелькой и кромочной, которая вяжется как изнаночная. Третий ряд является повторением первого, четвертый вяжется точно так же, как второй.

Когда будет провязано несколько рядов, можно будет оценить мягкость и эластичность получившейся резинки. Узор получается одинаковый с обеих сторон, что может быть интересно для вязания подворачивающихся манжет или шапочек.

Видео урок:

Рельефная двусторонняя резинка

Эта польская резинка имеет одинаковый вид как с лицевой стороны, так и с оборотной. Чтобы ее получить, потребуется приготовить набор из петель, числом кратным четырем с добавлением пары кромочных петель. Рапорт узора по рядам составляет всего два ряда.

Сняв кромочную петлю, делаем одну изнаночного типа и три лицевого. Такой рапорт повторяется до самой кромочной петли. Все изнаночные петельки выполняются классическим способом, вследствие чего все петли на изнанке оказываются повернутыми в одну сторону. Второй ряд вяжется бабушкиным способом. Первая петля лицевая, затем начинается рапорт из одной изнаночной и трех лицевых петель.

Данные ряды повторяются, при этом подробно рассказано, какие петли вяжутся за переднюю стенку и какие – за заднюю. Эти схемы и описание позволяют получить аккуратный узор, представляющий собой польскую резинку, аккуратную и очень эластичную. Ее хорошо использовать для шапочек с подворотом или для манжет на рукавах.

Видео урок:

Узор плиссе

Польская резинка – это узор, напоминающий собой плиссировку. С его помощью можно создавать, например, плиссированные юбки. Этим узором успешно заменяются традиционные резинки 1 х 1 или 2 х 2. Узор красив и может использоваться для создания самых разных вещей, например, таких, как шапка польской резинкой на круговых спицах.

Лицевая и изнаночная стороны выглядят одинаково и может использоваться для подворачиваемых вещей. Предлагается схема вязания, на которой видно, какие петельки необходимо выполнить и в каком порядке, чтобы они сформировали аккуратные рельефные полоски. Второй ряд похож на первый, но выполняется со смещением. Эти два ряда являются рапортом по высоте, они в дальнейшем повторяются. По ширине рапортом являются четыре петельки.

После анализа состава узора вязание польской резинки продемонстрировано на практике. Если резинку расширить, добавив в нее элементы платочной вязки, можно получить узор плиссе.

Видео урок:

Шапка из польской резинки

Использованная для вязания пряжа «Каскад» содержит 125 метров нитки в стограммовом мотке. Пряжа включает 40% мериносовой шерсти и 60% акрила. Шапочка, получаемая методом вязания по кругу, вышла аккуратная и удобная, пышная и теплая. На спицы набрано 96 петель с добавлением еще одной, с помощью которой вязание замыкается в круг.

Поставив в месте начала ряда маркер, начинаем вязать. В первом ряду чередуются три лицевые петли и одна изнаночная, этот рапорт повторяется до завершения ряда. В каждой из троек лицевых петелек первая и третья провязываются за переднюю стенку, а средняя – за заднюю.

Второй ряд начинается с изнаночной и лицевой петелек, далее делаются три изнаночные петельки, причем первая и третья вяжутся за переднюю стенку, а средняя – за заднюю. После них следует петелька лицевого типа, провязываемая за переднюю стенку. Далее первый и второй ряды повторяются, то есть рапорт узора по вертикали составляет два ряда.

Видео урок:

аспектов API поиска | Документация по поиску эластичных приложений [7.

Создание фасетов значений и диапазона.

Предоставляет количество каждого значения для поля.

При фасетировании поля массива каждое уникальное значение будет включено в ответ.

Каждое значение считается только один раз.

Доступен в полях текст , номер , дата .

запрос (обязательно)

Каждый запрос считается запросом к вашему движку.Запрос предоставляет область для фасета.

граней (обязательно)

Клавиша фасетов открывает объект, в котором вы определяете свое поле фасета.

ключ поля (обязательно)

Поле из вашей схемы, к которому применяется ваш фасет.

тип (обязательно)

Тип фасета, в данном случае это будет значение.

имя (необязательно)

Имя, данное фасету.

размер (опционально)

Сколько граней вы хотели бы вернуть? Может быть от 1 до 250. По умолчанию установлено 10 граней.

сорт (по желанию)

Объект JSON, где ключ — это count или value, а значение asc или desc. По умолчанию выполняется сортировка по убыванию количества.

Пример — Получение пяти основных состояний, которые имеют совпадения по запросу «паркинг» в фасете с именем «пять основных состояний».

 curl -X GET 'https: // [идентификатор экземпляра] .ent-search. [Регион]. [Поставщик] .cloud.es.io / api / as / v1 /otors / national-parks-demo / search' \
-H 'Content-Type: application / json' \
-H 'Авторизация: поиск предъявителя-soaewu2ye6uc45dr8mcd54v8' \
-d '{
  "запрос": "парк",
  "facets": {
    "состояния": [
      {
        "тип": "значение",
        "name": "первая пятерка государств",
        "sort": {"count": "desc"},
        «размер»: 5
      }
    ]
  }
} '

Пример ответа

 {
  "meta": {
    "предупреждения": [],
    "предупреждения": [],
    "page": {
      «текущий»: 1,
      "total_pages": 5,
      «total_results»: 46,
      «размер»: 10
    },
    "request_id": "c98ba1eaa5c8bbc098e0be36644b04f7"
  },
  "Результаты": [
    ## Усечено!
  ],
  "facets": {
    "состояния": [
      {
        "тип": "значение",
        "name": "первая пятерка государств",
        "данные": [
          {
            "value": "Калифорния",
            «count»: 8
          },
          {
            "value": "Аляска",
            «count»: 5
          },
          {
            "value": "Юта",
            «count»: 4
          },
          {
            "value": "Колорадо",
            «count»: 3
          },
          {
            "value": "Вашингтон",
            «count»: 3
          }
        ]
      }
    ]
  }
} 

Возвращает количество документов в указанном диапазоне.

Каждое число считается только один раз.

Даты соответствуют формату RFC3339.

Доступен по номер , дата , геолокация поля .

запрос (обязательно)

Каждый запрос считается запросом к вашему движку. Запрос предоставляет область для фасета.

граней (обязательно)

Клавиша фасетов открывает объект, в котором вы определяете свое поле фасета.

ключ поля (обязательно)

Поле из вашей схемы, к которому применяется ваш фасет.

тип (обязательно)

Тип фасета, в данном случае это будет диапазон.

имя (необязательно)

Имя, данное фасету.

диапазоны (обязательно)

Массив объектов диапазона.

из (опционально)

Включая нижнюю границу диапазона. Требуется, если не дано.

С по (дополнительно)

Исключительная верхняя граница диапазона.Требуется, если from не задано.

имя (необязательно)

Имя, данное диапазону.

Аспект диапазона на числовом полеправить

Пример — Получение счетчиков малых и больших парков на основе площадей для запроса «парк» в фасете с именем «min-and-max-range».

 curl -X GET 'https: // [идентификатор экземпляра] .ent-search. [Регион]. [Поставщик] .cloud.es.io / api / as / v1 /otors / national-parks-demo / search' \
-H 'Content-Type: application / json' \
-H 'Авторизация: поиск предъявителя-soaewu2ye6uc45dr8mcd54v8' \
-d '{
  "запрос": "парк",
  "facets": {
    "акры": [
      {
        "тип": "диапазон",
        "name": "min-and-max-range",
        "диапазоны": [
          {"from": 1, "to": 10000},
          {"от": 10000}
        ]
      }
    ]
  }
} '

Пример ответа

 {
  "meta": {
    "предупреждения": [],
    "предупреждения": [],
    "page": {
      «текущий»: 1,
      "total_pages": 5,
      «total_results»: 46,
      «размер»: 10
    },
    "request_id": "92bfcf6d-307c-4ca6-b12c-ac21283244e3"
  },
  "Результаты": [
    ## Усечено!
  ],
  "facets": {
    "акры": [
      {
        "тип": "диапазон",
        "name": "min-and-max-range",
        "данные": [
          {
            «в»: 10000,
            "от 1,
            «count»: 2
          },
          {
            «от»: 10000,
            «количество»: 44
          }
        ]
      }
    ]
  }
} 

Фасет диапазона на поле даты

Пример — Получение списка «парков», которые были созданы между 1900 и 1950 . Даты в формате RFC3339. Фацет назван «полувековой».

 curl -X GET 'https: // [идентификатор экземпляра] .ent-search. [Регион]. [Поставщик] .cloud.es.io / api / as / v1 /otors / national-parks-demo / search' \
-H 'Content-Type: application / json' \
-H 'Авторизация: поиск предъявителя-soaewu2ye6uc45dr8mcd54v8' \
-d '{
  "запрос": "парк",
  "facets": {
    "Дата установлена": [
      {
        "тип": "диапазон",
        "name": "полвека",
        "диапазоны": [
          {"from": "1900-01-01T12: 00: 00 + 00: 00", "to": "1950-01-01T00: 00: 00 + 00: 00"}
        ]
      }
    ]
  }
} '

Пример ответа

 {
  "meta": {
    "предупреждения": [],
    "предупреждения": [],
    "page": {
      «текущий»: 1,
      "total_pages": 5,
      «total_results»: 46,
      «размер»: 10
    },
    "request_id": "bb038d5920f65692ccafd569ce86c3a7"
  },
  "Результаты": [
    ## Усечено!
  ],
  "facets": {
    "Дата установлена": [
      {
        "тип": "диапазон",
        "name": "полвека",
        "данные": [
          {
            «по»: «1950-01-01T00: 00: 00. 000Z ",
            «от»: «1900-01-01T12: 00: 00.000Z»,
            «count»: 15
          }
        ]
      }
    ]
  }
} 

Фасет диапазона в поле геолокацииit

центр (обязательно)

Режим распространения в виде строки в формате «[широта], [долгота]».

шт. (обязательно)

Базовая единица измерения: мм, см, м (метры), км, дюймы, футы, ярды или мили (миля).

Пример — Получение количества фасетов «парков» относительно их местоположения в метрах для офиса Elastic в Сан-Франциско.Три диапазона ведра помечены: «Рядом», «Более длинный путь» и «Возможно, полететь?». Фасет назван «гео-диапазон-от-Сан-Франциско».

 curl -X GET 'https: // [идентификатор экземпляра] .ent-search. [Регион]. [Поставщик] .cloud.es.io / api / as / v1 /otors / national-parks-demo / search' \
-H 'Content-Type: application / json' \
-H 'Авторизация: поиск предъявителя-soaewu2ye6uc45dr8mcd54v8' \
-d '{
  "запрос": "парки",
  "facets": {
    "расположение": [
      {
        "тип": "диапазон",
        "name": "гео-диапазон-из-сан-франциско",
        «центр»: «37. 386483, -122.083842 ",
        «единица измерения»: «м»,
        "диапазоны": [
          {"from": 0, "to": 100000, "name": "Рядом"},
          {"from": 100000, "to": 300000, "name": "Более длинный диск". },
          {"from": 300000, "name": "А может лететь?" }
        ]
      }
    ]
  }
} '

Пример ответа

 {
  "meta": {
    "предупреждения": [],
    "предупреждения": [],
    "page": {
      «текущий»: 1,
      "total_pages": 5,
      «total_results»: 46,
      «размер»: 10
    },
    "request_id": "afd0b735-85e8-4705-94d6-faea30eb1d63"
  },
  "Результаты": [
    ## Усечено!
  ],
  "facets": {
    "расположение": [
      {
        "тип": "диапазон",
        "name": "гео-диапазон-из-сан-франциско",
        "данные": [
          {
            «к»: 100000,
            "от": 0,
            "name": "Рядом",
            "count": 0
          },
          {
            «к»: 300000,
            «от»: 100000,
            "name": "Более долгая поездка.",
            «count»: 2
          },
          {
            «от»: 300000,
            "name": "А может лететь?",
            «количество»: 44
          }
        ]
      }
    ]
  }
} 

Как создать фасетный / фильтрованный поиск с помощью Elasticsearch? | Ягиз Демирсой | hepsiburadatech

Elasticsearch — это мощная поисковая машина, которая упрощает поиск, фильтрацию и агрегирование документов. В этой статье я покажу вам, как создать базовую функцию поиска, включая фасеты / фильтры на примере событий.

Создайте файл docker-compose.yml и добавьте в него следующие строки:

 версия: '3'services: 
 elasticsearch: 
 image: docker.elastic.co/elasticsearch/elasticsearch:6.2.4 
 имя_контейнера: elasticsearch 
 порты: 
 - "9200: 9200" 
 kibana: 
 image: docker.elastic.co/kibana/kibana:6.2.4 
 container_name: kibana 
 ports: 
 - "5601: 5601" 
 зависит_on: ['elasticsearch '] 

Затем запустите команду docker-compose up -d , чтобы настроить Elasticsearch и Kibana.Мы будем использовать инструменты разработчика Kibana, чтобы делать остальные запросы в Elasticsearch, чтобы упростить задачу. Вы можете использовать любой клиент отдыха или cURL для выполнения запросов к Elasticsearch. Если вы подождете менее 1 минуты, вы сможете получить доступ к Elasticsearch по адресу http: // localhost: 9200 и инструментам разработки Kibana по адресу http: // localhost: 5601 / app / kibana # / dev_tools

Сначала , мы должны создать индекс с его настройками и отображением. Анализаторы и фильтры токенов должны быть определены в настройках. Как анализируемые поля и их типы должны быть определены при сопоставлении перед добавлением любого документа в индекс, поскольку документы анализируются во время индексации.Давайте откроем инструменты разработки Kibana и создадим индекс событий , выполнив следующую команду:

 PUT events 
 {
 "settings": {
 "analysis": {
 "filter": {
 "englishStopWords": {
 "type" : "стоп", 
 "стоп-слова": "_english_" 
} 
}, 
 "анализатор": {
 "eventNameAnalyzer": {
 "токенизатор": "стандартный", 
 "фильтр": [
 "нижний регистр", 
 "englishStopWords" 
] 
} 
} 
} 
}, 
 "сопоставления": {
 "событие": {
 "свойства": {
 "имя_события": {
 "тип": "ключевое слово", 
 " поля ": {
" проанализировано ": {
" тип ":" текст ", 
" анализатор ":" eventNameAnalyzer ", 
" search_analyzer ":" eventNameAnalyzer "
} 
} 
}, 
" категория ": {
 "тип": "ключевое слово", 
 "поля": {
 "проанализировано": {
 "тип": "текст", 
 "анализатор": "eventNameAnalyzer", 
 "search_analyzer": "eventNameAnalyzer" 
} 
} 
}, 
 "местоположение": {
 "тип": "ключевое слово" 9 0215}, 
 "цена": {
 "тип": "с плавающей запятой" 
} 
} 
} 
} 
} 

В настройках есть встроенные строчные буквы и englishStopWord фильтры, которые используются в фильтре раздел нашего анализатора, который называется eventNameAnalyzer . При индексировании документов поля, которые анализируются с помощью eventNameAnalyzer , будут отображаться в нижнем регистре (чтобы регистр не учитывался), а стоп-слова, такие как a, an и, the, at , будут удалены.

В отображении определен тип событие . Событие Тип будет иметь полей eventName, category, location и price . Как видно из сопоставления, типы полей eventName и категории — это ключевое слово , и у них есть подполя под названием , проанализированные с типом text . ключевое слово означает, что эти поля не будут анализироваться и будут индексироваться как есть. text означает, что поля (которые здесь являются подполями) будут проанализированы, и анализатор в поле анализатора ( eventNameAnalyzer в этом примере) будет использоваться для анализа текста во время индексации. search_analyzer используется, когда вам нужно использовать другой анализатор во время поиска, но в этом примере он нам не нужен. eventName. Проанализированы категории и .проанализированные поля — это поля, которые мы будем использовать для поиска документов.

Теперь вы можете проверить, как строка преобразуется в токены нашим анализатором, выполнив следующий запрос на Kibana:

 POST events / _analyze 
 {
 "text": ["Elasticsearch - МОЩНАЯ поисковая система, которая упрощает поиск us to search "], 
" analyzer ":" eventNameAnalyzer "
} 

Вы можете видеть, что предложение токенизировано в elasticsearch, мощный, search, engine, делает, easy, us, search токенов, которые в нижнем регистре и стоп-слова удалены.

Теперь давайте добавим документы в наш индекс, прежде чем начинать писать запросы:

 PUT events / event / 1 
 {
 «eventName»: «Как обрабатывать потоки с помощью Kafka Streams?», 
 «category»: «Разработка программного обеспечения» , 
 «location»: «Стамбул», 
 «price»: 2300 
} PUT events / event / 2 
 {
 «eventName»: «Реал Мадрид - Ливерпуль - Лига чемпионов УЕФА 2017-18», 
 «категория» : "Футбол", 
 "место": "Киев", 
 "цена": 3450 
} События PUT / событие / 3 
 {
 "eventName": "Конференция по глубокому обучению", 
 "категория": "Разработка программного обеспечения" , 
 "location": "Стамбул", 
 "price": 300 
} События PUT / event / 4 
 {
 "eventName": "Boston Celtics vs Philadelphia 76ers Basketball Playoff Game", 
 "location": "Boston" , 
 "категория": "Баскетбол", 
 "цена": 450 
} События PUT / событие / 5 
 {
 "eventName": "Фенербахче vs. Жальгирис Каунасский матч плей-офф Евролиги », 
« категория »:« Баскетбол », 
« место »:« Стамбул », 
« цена »: 1000 
} 

Примечание: Если вы сделали что-то не так при создании указателя и документов, не волнуйтесь. Вы можете удалить индекс и документы с помощью следующих команд:

 DELETE events / event / 1 => удалить документ с id 1 
 DELETE events => удалить индекс событий 

Мы будем использовать запрос multi_match для поиска против нескольких полей.В следующем запросе мы ищем баскетбол поисковый запрос в указанных полях:

 POST события / событие / _search 
 {
 "запрос": {
 "multi_match": {
 "запрос": "баскетбол", 
 " fields ": [
" eventName.analyzed ", 
" category.analyzed "
], 
" operator ":" and ", 
" type ":" best_fields "
} 
} 
} operator => [" and " , "или"] 
 types => ["best_fields", "most_fields", "cross_fields", "фраза", "фраза_префикс"] 

Этот запрос вернет документы с идентификаторами 4 и 5. Документ с идентификатором 4 соответствует как имени события, так и категории, но документ с идентификатором 5 соответствует только категории. Если вы проверите поле _score , вы увидите, что документ 4 имеет более высокую оценку, чем 5, поэтому он идет первым. Если вы хотите увидеть, как рассчитывается оценка, вы можете прочитать эту документацию и добавить «объяснение»: true в запрос, чтобы увидеть соответствующие поля и ключевые слова в деталях. объяснить снизит производительность и должен использоваться только при тестировании запроса.

При поиске «boston Basketball» вы по-прежнему получаете документы 4 и 5, хотя текст «boston» не существует нигде в документе 5. Это потому, что запрос multi_match по умолчанию выполняет поиск или . Вы должны добавить "operator": "и" к запросу multi_match, чтобы выполнить поиск и . Однако при поиске «баскетбол фенербахче» , в отличие от предыдущего поиска, вы не получили никакого результата. Это связано с тем, что значение по умолчанию для поля типа в запросе multi_match — best_fields , и ожидается, что оба токена будут находиться в одном поле, и вычисляется оценка в соответствии с полем с лучшим результатом.Вы можете проверить официальную документацию Elasticsearch, чтобы найти лучший тип для вашего случая и другие функции запроса multi_match.

Мы будем использовать агрегаты для создания фасетов. Сначала ничего не ищите, чтобы увидеть все агрегаты. Добавьте «размер»: 0 к запросу, чтобы не получать какие-либо документы, кроме результатов агрегирования.

 POST events / event / _search 
 {
 "size": 0, 
 "aggs": {
 "Category Filter": {
 "terms": {
 "field": "category", 
 "size": 10 
} 
}, 
 «Фильтр местоположения»: {
 «условия»: {
 «поле»: «местоположение», 
 «размер»: 10 
} 
}, 
 «Фильтр цен»: {
 «диапазон» : {
 "поле": "цена", 
 "диапазоны": [
 {
 "от": 0, 
 "до": 1000 
}, 
 {
 "от": 1000, 
 "до": 2000 
}, 
 {
 "от": 2000, 
 "до": 3000 
} 
] 
} 
} 
} 
} 

Если вы выполните приведенный выше запрос и проверите в результатах агрегатов раздел, вы увидите фасеты, которые на самом деле являются результатами агрегирования. Мы создали фасеты категорий и местоположений, используя агрегацию терминов и фильтр ценового диапазона с агрегацией диапазонов . Как видите, все агрегаты отсортированы по doc_count , что является поведением по умолчанию.

Если вы объедините запросы на шагах 3 и 4, вы увидите, что результаты агрегирования также сузились после нашего поиска. Это последний запрос с обновленным поисковым запросом:

 POST events / event / _search 
 {
 "query": {
 "multi_match": {
 "query": "game", 
 "fields": [
 "eventName .проанализировано ", 
" category.analyzed "
], 
" operator ":" and ", 
" type ":" best_fields "
} 
}, 
" aggs ": {
" Category Filter ": {
" terms ": {
" поле ":" категория ", 
" размер ": 10 
} 
}, 
" Фильтр местоположения ": {
" условия ": {
" поле ":" местоположение ", 
" размер ": 10 
} 
}, 
 "Фильтр цен": {
 "диапазон": {
 "поле": "цена", 
 "диапазоны": [
 {
 "от": 0, 
 "до": 1000 
 }, 
 {
 "от": 1000, 
 "до": 2000 
}, 
 {
 "от": 2000, 
 "до": 3000 
} 
] 
} 
} 
} 
} 

дюйма В заключение следует отметить, что с помощью Elasticsearch очень легко создать базовую функциональность фасетного поиска. Хотя это зависит от характеристик сервера, количества документов, размеров и сложности запросов (сложные требования действительно могут сделать запросы сложными), Elasticsearch может возвращать результаты очень быстро и с высокой производительностью.

Документация по запросу Elasticsearch Multi Match

Документация по фильтру токенов Elasticsearch

Документация по Elasticsearch Analyzer

Документация по агрегированию Elasticsearch Terms

Документация по агрегированию Elasticsearch Range

Изображения из: Elastic, Hepsiburada

Faceted search с Elasticsearch | Luminis

21 июня 2016 — Редакционная статья Luminis

В этом блоге я представлю две стратегии реализации фасетного поиска с помощью Elasticsearch.Несколько дней назад я обсуждал с моим коллегой Байроном вопрос о реализации фасетного поиска, когда Elasticsearch используется для обслуживания результатов поиска. И этот блог — кульминация нашего обсуждения. В Elasticsearch платформа агрегации обеспечивает поддержку фасетов и выполнение показателей и сценариев для этих фасетных результатов. Ниже приведен простой пример, в котором каждый эластичный документ содержит цвет поля, и мы выполняем агрегирование терминов для набора документов

  {
  "aggs": {
    "цвета" : {
      "terms": {"field": "color"}
      }
    }
}  

И получаем следующие

  "ведра": [
    {
        "ключ": "красный",
        «doc_count»: 2
     },
     {
        "ключ": "зеленый",
        «doc_count»: 2
     },
     {
        "ключ": "синий",
        «doc_count»: 1
     },
     {
        «ключ»: «желтый»,
        «doc_count»: 1
     }  

Итак, мы получаем каждый уникальный цвет как ключ корзины, а doc_count — это количество документов, имеющих соответствующее значение поля цвета.

Одним из вариантов является продолжение субагрегации, которая также называется субагрегацией иерархии путей, но это то, что очень дорого и также неосуществимо за пределами определенного уровня иерархии, как обсуждается здесь.

Первый подход

Первый подход к фасетному поиску — это когда у нас есть уникальное поле, соответствующее уровню иерархии, присутствующему в каждом документе. Например, если у нас есть документы, относящиеся к продуктам для интернет-магазина и 3 уровня иерархии, то документ продукта будет выглядеть примерно так —

  {
    ...
 
"categoryOneLevel": [
       «8299»
     ],
     "categoryTwoLevel": [
       «8299-3131»
     ],
     "categoryThreeLevel": [
       «8299-3131-2703»,
       «8299-3131-2900»
     ]
}  

В пользовательском интерфейсе мы можем визуализировать это с помощью чего-то вроде — Компьютер (8299) (уровень 1)> ноутбук (3131) (уровень 2)> (Linux (2703) и Mac (2900)) (уровень 3)> далее. Причина сохранения других уровней в каждой более глубокой категории заключается в том, что продукт может существовать в нескольких категориях.Если мы воспользуемся этим подходом, то примерные запросы будут примерно такими:

Когда пользователь находится на целевой странице (фасетирование еще не выполнено)

  ПОЛУЧИТЬ документ / _search
  {
  "aggs": {
   "категории": {
     "термины": {
       "field": "categoryOneLevel",
      }
   }
 }
 }  

Теперь, когда пользователь щелкает, следующий запрос будет

  ПОЛУЧИТЬ документ / _search? Size = 0
{
 "query": {
   "bool": {
     "filter": {
       "срок": {
         "categoryOneLevel": "8299"
       }
     }
   }
 },
 "aggs": {
   "категории": {
     "термины": {
       "field": "categoryTwoLevel",
       "включить": "8299-.* "
     }
   }
 }
  

Здесь запрос фильтра выбирает все документы categoryOne, а затем выполняет агрегирование по всем значениям categoryTwo, которые напрямую связаны с categoryOne, поскольку мы выбираем include: 8299- * filter Таким образом, вы можете расширить этот подход дальше, если пользователь щелкнет для categoryTwo возвращаются результаты из categoryThree. Таким образом, мы можем получить многогранные результаты поиска от ElasticSearch.

Второй подход

Теперь давайте посмотрим на второй подход, который выходит из коробки.Использование встроенного токенизатора Path. Здесь одно поле содержит значения иерархии, и во время индексирования мы указываем настройку сопоставления «токенизатор пути» для этого поля. Например, одно поле будет содержать значение, разделенное запятыми, а токенизатор пути будет выдавать значения токена как —

Компьютер, ноутбук, Mac

И производит токены:

Компьютер
Компьютер, портативный компьютер
Компьютер, портативный компьютер, Mac

В этом подходе я беру фактические читаемые пользователем значения категорий вместо идентификаторов, это только для примера, поскольку использование идентификаторов дает вам гибкость для обновления имен категорий, таких как компьютер, ноутбук и т. Д., Связанных с этим идентификатором.

Давайте посмотрим на несколько эластичных запросов —

  PUT blog_index /
{
  "settings": {
    "анализ": {
      "анализатор": {
      "path-analyzer": {
         "тип": "заказ",
         "токенизатор": "токенизатор пути"
        }
     },
     "tokenizer": {
      "путь-токенизатор": {
         "type": "path_hierarchy",
         "разделитель": ","
         }
      }
   }
 },
 "mappings": {
     "мой тип": {
       "динамический": "строгий",
       "properties": {
         "иерархия_путь": {
             "тип": "строка",
             "анализатор": "анализатор пути",
             "search_analyzer": "ключевое слово"
             }
          }
       }
     }
   }  

Наш индекс готов с полем «иерархия_путь» с маркером пути, установленным в качестве анализатора, поэтому теперь термины этого поля будут токенизироваться на основе маркера пути.

Теперь давайте добавим документ в индекс

  POST blog_index / my_type / 1
{
"иерархия_путь": ["Компьютер, Ноутбук, Mac", "Дом, Кухня, Посуда"]
}  

Мы добавили документ с полем иерархия_путь, имеющий пример двух наборов категорий, и каждый набор имеет значения, разделенные запятыми.

Если мы выполнили агрегирование терминов в поле «иерархия_путь», мы получим

  ПОЛУЧИТЬ blog_index / my_type / _search? Search_type = count
{
   "aggs": {
     "category": {
        "термины": {
         "поле": "иерархия_путь",
          "размер": 0
          }
       }
     }
     }
  

Получаем следующие ведра

  "ведра": [
 {
 «ключ»: «Компьютер»,
 «doc_count»: 1
 },
 {
 «ключ»: «Компьютер, Ноутбук»,
 «doc_count»: 1
 },
 {
 «ключ»: «Компьютер, Ноутбук, Mac»,
 «doc_count»: 1
 },
 {
 "key": "Домой",
 «doc_count»: 1
 },
 {
 "ключ": "Дом, Кухня",
 «doc_count»: 1
 },
 {
 «ключ»: «Дом, Кухня, Посуда»,
 «doc_count»: 1
 }
 ]  

Из приведенных выше результатов мы видим, что path_tokenizer разделил значения поля «иерархия_путь», разделенные запятыми.

Итак, теперь, в зависимости от активности пользователя, мы можем запускать запросы для выбора документов, относящихся к категории, которую ищет пользователь. Запрос на выбор категории верхнего уровня будет

  ПОЛУЧИТЬ blog_index / my_type / _search? Search_type = count
{
   "aggs": {
     "category": {
       "термины": {
         "поле": "иерархия_путь",
         "размер": 0,
         "исключить": ". * \\,. *"
        }
       }
       }
     }  

и получаем

  "ведра": [
  {
    «ключ»: «Компьютер»,
    «doc_count»: 1
   },
 {
   "key": "Домой",
   «doc_count»: 1
  }
]  

Мы использовали регулярное выражение exclude »:«.* \\,. *, что исключает все подуровни, поэтому мы получаем только верхнюю иерархию.

Если пользователю нужен только второй уровень, будет запущен запрос

  ПОЛУЧИТЬ blog_index / my_type / _search? Search_type = count
{
 "query": {
 "bool": {
 "filter": {
 "префикс": {"иерархия_путь": "Компьютер"}
 }
 }
 },
 "aggs": {
 "category": {
 "термины": {
 "поле": "иерархия_путь",
 "размер": 0,
 "include": "Компьютер \\,.  *",
 "исключить": ".* \\,. * \\,. * "
 }
 }
 }
}  

Здесь мы указываем регулярное выражение для include, которое будет означать все документы, которые являются частью компьютерной иерархии, но мы исключаем третий уровень иерархии, поэтому результат содержит только второй уровень иерархии.

  "ведра": [
 {
 «ключ»: «Компьютер, Ноутбук»,
 «doc_count»: 1
 }
 ]  

Когда для активности пользователя требуется третий уровень иерархии, запускается запрос

  ПОЛУЧИТЬ blog_index / my_type / _search? Search_type = count
{
 "query": {
 "bool": {
 "filter": {
 "префикс": {"иерархия_путь": "Компьютер"}
 }
 }
 },
 "aggs": {
 "category": {
   "термины": {
     "поле": "иерархия_путь",
      "размер": 0,
     "include": "Компьютер \\ ,.* \\,. * "
    }
   }
  }
 }
  

На основе включаемого регулярного выражения «Компьютер \\,. * \\,. *» Мы получим только документы, имеющие третий уровень иерархии.

  "ведра": [
{
«ключ»: «Компьютер, Ноутбук, Mac»,
«doc_count»: 1
}
]  

Таким образом, в зависимости от активности пользователя в нашем приложении, мы можем получить соответствующие результаты из Elastic, и при индексировании наших документов нам необходимо убедиться, что документы продукта имеют соответствующее значение в поле «иерархия_путь» на основе уровня иерархии, на котором этот продукт будет присутствовать в.

spodlecki / elastic-engine: ElasticSearch Faceted Navigation Rails Gem

ElasticSearch Faceted Search

ОБНОВЛЕНИЕ:

При разработке этого драгоценного камня он находился на самых ранних стадиях разработки модели Elasticsearch. Благодаря таким возможностям, как прямая связь с ES-клиентом и поиск по нескольким моделям, эта жемчужина стала немного перестроенной. Он пытался делать много вещей, но теперь это можно сделать через Elasticsearch :: Model.

Имея это в виду, я прекращаю разработку этого фактического проекта. Однако грани по-прежнему очень полезны. Я начал новый проект, который будет заниматься только многогранным поиском. Elasticsearch :: FacetedSearch

Установка

Включите следующие драгоценные камни в свой Gemfile

  драгоценный камень "elastic-engine", git: "[email protected]: viperdezigns / elastic-engine.git"
  

Использование

Требовать elastic_engine в приложении .rb

  требуется "elastic_engine"
  

Создать файл в инициализаторах elasticsearch.руб

  ElasticEngine :: Configuration.config do | config |
  config.url = "http: // localhost: 9200"
  config.client = Elasticsearch :: Client.new ({
    хост: config.url,
    retry_on_failure: 5,
    reload_connections: правда
  })
конец
  

Если вы также используете модель elasticsearch, включите это (нет причин создавать 2 экземпляра:

  Elasticsearch :: Model.client = ElasticEngine :: Configuration. client
  

Настройка конфига для фасетов

Если у вас есть тип «человек», создайте класс, как показано ниже: Этот файл конфигурации я обычно помещаю в app / search_facets / и добавляю путь в приложении.руб

  класс PersonFacets  , ,