如何低成本搭建高性能分布式搜索引擎？

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 wheremovie_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

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；