使用CloudSearch 五步搞定云中文檔搜索
亞馬遜CloudSearch是一個為云計算中文檔創(chuàng)建搜索索引的有用工具。這項服務是基于使用文檔現(xiàn)有屬性項的，它可允許開發(fā)人員新增新的屬性項以便于對搜索索引進行微調。
這里，我選擇了一個LibreOffice Writer文檔以用于說明如何使用CloudSearch來創(chuàng)建搜索索引和修復問題。出于演示的目的，我所選的文檔較小，這樣就可確保創(chuàng)建索引成本更低。
創(chuàng)建搜索索引共需五個步驟：準備文檔、啟動亞馬遜CloudSearch、定位索引字段源、增加索引字段以及運行測試搜索。如果測試結果是成功的，那么你就可以使用相同的索引來搜索其他的LibreOffice文檔。
步驟1：準備一個樣本文檔
- 選中File標簽，選擇Properties。
- 在General Properties標簽中，確保選中Apply the user data多選框。
- 在Tools標簽下的Options，在LibreOffice User Data文本框中輸入你的名字。
- 選中Use Data for document properties多選框。
- 點擊OK。
- 在Edit標簽下，打開Record Changes。
- 進行必要的編輯。
- 以LibreOffice Writer的格式（.odt）保存文檔文件，然后以微軟的Word格式（.doc 或 .docx）保存。因為CloudSearch并不會接受LibreOffice Writer （.odt）格式的文檔文件。
步驟2：啟動CloudSearch
- 登錄到AWS的管理控制臺。
- 選擇CloudSearch。 在相關區(qū)域選擇激活域。
- 點擊Upload Documents。
- 選擇 File(s) on my local disk并點擊 Browse 選中你需要上傳的樣本文件。
- 點擊Continue。
在CloudSearch分析樣本文檔之后，相關界面會顯示索引字段的一個列表：
- application_name
- author
- content
- content_type
- creation_date
- creator
- date
- language
- last_author
- last_modified
- last_printed
- resourcename
- revision_number
- total_time
上述列表中的斜體標記表示并沒有針對域進行配置。只有解決了這一問題，你才能繼續(xù)下一步。
點擊Cancel。
步驟3：定位正確配置的索引字段源
- 在Help標簽下選擇About LibreOffice以獲得application_name 字段的源。
- 在Tools標簽的Options中選擇Language Settings以獲得Language字段的源。英語（美國）是默認選項。
- 在File標簽的Properties中選擇General Properties以獲得以下表格中字段的源。
在向域配置新增索引字段之前，你可以確定是刪除還是保留這些字段。
步驟4：新增索引字段
- 登錄CloudSearch，打開相關界面。
- 選擇一個激活域名。
- 選擇Indexing Options。
- 每次對下述每一個字段點擊Add Index Field。
注：在默認情況下，CloudSearch將把每個字段自動設置為可搜索。
- 點擊Submit。
- 點擊Run indexing，重新編制索引。
- 點擊OK開始編制索引。一般來說，編制和部署小型索引文件只需花費數(shù)分鐘時間，而編制和部署大型索引文件則可能需要花費數(shù)個小時之久。索引文件越小，重建搜索索引文件的成本就越低。
步驟5：提交搜索請求
- 選擇Dashboard。
- 從S3 buckets或你的本地文件系統(tǒng)中選擇待上傳文件，并點擊Upload Documents。
- 點擊Run a Test Search。
- 在Search框內輸入一個單詞。例如，“vulnerability”。
- 點擊Go，CloudSearch就會以文檔相關度分數(shù)降序的次序列出索引字段。
注：文檔相關度得分是根據(jù)文檔中搜索詞出現(xiàn)次數(shù)與整個域中所有文檔中搜索詞出現(xiàn)次數(shù)的比值而得到的。在本文的示例中，我們使用了一個文檔。
以下是一個文檔的結果：
該文檔相關度得分為0.5532488。搜索詞被發(fā)現(xiàn)一次。
創(chuàng)建者和作者是Judith。
***的作者是Judith。
該文檔被修改過六次。
語言默認為美國英語（en-US）。
創(chuàng)建者和作者是Judith。
創(chuàng)建時間為2014年6月20日10：08：15。
內容是：生物漏洞評估變更。
修改日期為12:57:38。
內容類型為application/vnd.openxmlformats（Word docx）。
資源名稱Biometric vulnerability assessment.docx。
總之，對一個小文件運行測試搜索可確保處理成本較低。如果測試結果是成功的，那么你就可以使用相同的索引來對大量的文檔進行搜索。
原文鏈接：http://www.searchcloudcomputing.com.cn/showcontent_88060.htm
