摘要：實驗準備工作注冊阿里云用戶，實名認證并綁定支付寶開通數加服務開通后付費服務。開通大數據開發套件服務開通阿里云實名認證賬號訪問，開通，選擇按量付費進行購買。

摘要： 最近，經常有客戶咨詢如何低成本搭建高性能的海量數據搜索引擎，比如實現公眾號檢索、影訊檢索等等。由于客戶的數據在阿里云上，所以希望找到云上解決方案。筆者開始調研一些云上產品，很多人向我推薦了OpenSearch，所以花了點時間好好研究了下，用過之后發現效果不錯，自帶分詞、云數據庫同步功能，在研究過程中也發現了一些問題，分享給大家。

背景

最近，經常有客戶咨詢如何低成本搭建高性能的海量數據搜索引擎，比如實現公眾號檢索、影訊檢索等等。由于客戶的數據在阿里云上，所以希望找到云上解決方案。筆者開始調研一些云上產品，很多人向我推薦了OpenSearch，所以花了點時間好好研究了下，用過之后發現效果不錯，自帶分詞、云數據庫同步功能，在研究過程中也發現了一些問題，分享給大家。

接下來，我們開始用阿里云MaxCompute（原名ODPS）和OpenSearch來搭建一個影訊檢索的搜索引擎Demo，我有大約10GB數據，服務搭建只用了15分鐘，數據同步建索引大概用1個小時。因為選擇彈性計費，實驗費用大概花了幾十元。

先曬一下搜索效果，支持一些常用分詞語法，而且OpenSearch自帶了豐富的SDK和API，可以很方便的集成到線上業務。

實驗架構圖

搜索引擎架構在OpenSearch之上，是一個典型的分布式在線實時交互查詢架構，無單點故障，高伸縮、高可用，免運維，低成本。對大量信息的索引與搜索都可以在近乎實時的情況下完成，能夠快速實時搜索數十億的文件以及PB級的數據。

分布式數據庫架構在MaxCompute之上，是一種快速、完全托管的TB/PB級數據倉庫解決方案。MaxCompute向用戶提供了完善的數據導入方案以及多種經典的分布式計算模型，能夠更快速的解決用戶海量數據計算問題，有效降低企業成本，并保障數據安全。

實驗準備工作

1、注冊阿里云用戶，實名認證并綁定支付寶；
2、開通數加服務；
3、開通MaxCompute、OpenSearch 后付費服務。

實驗任務

1、用MaxCompute導入公開數據集；
2、用OpenSearch 創建應用，配置數據/索引結構、分詞；
3、全量導入數據，構建索引；
4、搜索效果測試。

第一步：購買并開通OpenSearch、MaxCompute、大數據開發套件服務

1.1 開通Opensearch服務

訪問https://www.aliyun.com/produc...，點擊立即開通，選擇后付費（按量付費）。

1.2 開通MaxCompute&大數據開發套件服務

1.2.1 開通 MaxCompute

阿里云實名認證賬號訪問https://www.aliyun.com/produc... ，開通 MaxCompute，選擇按量付費進行購買。

1.2.2 創建 MaxCompute project

進入數加管理控制臺，前面開通 MaxCompute 成功頁面，點擊管理控制臺，或者導航產品->大數據（數加）->MaxCompute 點擊管理控制臺。

創建項目

進入控制臺頁面后導航至“大數據開發套件->項目列表“，點擊”創建項目”，如圖所示：

在彈出框中選擇 I/O 后付費的付費方式，輸入項目名稱：

創建 MaxCompute 表

進入大數據開發套件的數據開發頁面，以開發者身份進入阿里云數加平臺>大數據開發套件>管理控制臺，點擊項目列表下對應項目操作欄中的進入工作區。

注意：如果首次使用數加平臺，需要先注冊數加開通AK。

第二步：通過大數據開發套件導入數據集到MaxCompute

進入大數據開發套件工作區后，我們先導入一份測試數據。

數據說明：筆者這里引用了一份MaxCompute公開數據集(正在公測)，地址：https://yq.aliyun.com/article...，目前MaxCompute開放的數據類別包括：股票價格數據，房產信息，影視及其票房數據。所有的數據均被存儲在 MaxCompute 產品中的 public_data 項目中。

接下來，我們引用一份影視票房數據。

使用非常簡單，前提條件是開通MaxCompute&大數據開發套件；

在大數據開發套件中，新建腳本，命名opensearch_demo，在窗口執行如下語句。

add user ALIYUN$everyone;

執行完成后用戶項目空間下的所有成員均可讀取各公開數據集合。

驗證一下：

select * from public_data.dwd_product_movie_basic_info  where movie_name like "%生化危機%" limit 10; 

拷貝一份數據到自己的Project項目下，注意：OpenSearch里有主鍵概念，所以我們需要在MaxCompute中建主鍵，這里通過UUID函數實現。

在窗口執行如下語句：

create table alian.demo_opensearch_case2 as
 
select uuid() as id,* from public_data.dwd_product_movie_basic_info ;

執行成功后，驗證一下數據；

select count(1) from alian.demo_opensearch_case2;

可以看到數據集已經創建好；

第三步：創建開放搜索應用

3.1 進入OpenSearch控制臺，點擊“創建應用”

3.2 選擇產品版本，筆者開通的是標準版。如果需要多表關聯搜索，請開通高級版，如果是單表查詢，標準版就可以。

3.3 輸入應用名稱MaxCompute_OpenSearch_Demo，地域選華東1（杭州），因為MaxCompute目前只有華東，否則數據鏈路不通，點擊下一步。

3.4 選擇“通過數據源方式創建應用結構”。可以快速由源表結構創建出初始的應用結構，節省手動構造的工作量，降低出錯概率。

3.5 選擇ODPS，剛才創建的表。

選擇剛才創建的ODPS項目及表demo_opensearch_case2

【注意】對于ODPS表中的STRING類型需要轉換為LITERAL后建主鍵。

3.6 配置索引、分詞及搜索展示內容

選擇movie_name、 director、scriptwriter、area、actors、type、movile_date、movie_language字段做索引，設置默認中文分詞方式。

添加展示字段，設置搜索結果內容。

3.7 創建完成

第四步：同步數據并創建索引

4.1 激活應用

選擇配額及QPS，我們用的數據集大概8G，所以開通的是10G配額，QPS采用默認項。

注意：MaxCompute（原ODPS）的數據是壓縮過的，我們用的數據SIZE壓縮后2GB，但實際是8GB，筆者之前購買了3GB的OpenSearch配額，結果導入失敗。

4.2開始構建索引

這里主要就是等等，筆者等了一個小時。

可以查看索引構建進度

第五步：搜索測試

打開應用管理->搜索測試，輸入任意影片，比如最近剛上映的摔跤 爸爸，然后自動匹配出相應的影訊信息，完成實驗。

MaxCompute提供的數據集很贊，數據量多、新鮮度很高。

總結：到這里，我們就完成了整個實驗，OpenSearch+MaxCompute筆者認為還是很方便，非常適合數據規模在100GB以上并且不希望高昂的運維成本和IT成本的企業。

原文鏈接

閱讀更多干貨好文，請關注掃描以下二維碼：