亞馬遜CloudSearch是一個(gè)為云計(jì)算中文檔創(chuàng)建搜索索引的有用工具。這項(xiàng)服務(wù)是基于使用文檔現(xiàn)有屬性項(xiàng)的，它可允許開發(fā)人員新增新的屬性項(xiàng)以便于對(duì)搜索索引進(jìn)行微調(diào)。

這里，我選擇了一個(gè)LibreOffice Writer文檔以用于說明如何使用CloudSearch來(lái)創(chuàng)建搜索索引和修復(fù)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(gè)步驟：準(zhǔn)備文檔、啟動(dòng)亞馬遜CloudSearch、定位索引字段源、增加索引字段以及運(yùn)行測(cè)試搜索。如果測(cè)試結(jié)果是成功的，那么你就可以使用相同的索引來(lái)搜索其他的LibreOffice文檔。

步驟1：準(zhǔn)備一個(gè)樣本文檔

• 選中File標(biāo)簽，選擇Properties。
•  在General Properties標(biāo)簽中，確保選中Apply the user data多選框。
• 在Tools標(biāo)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(diǎn)擊OK。
• 在Edit標(biāo)簽下，打開Record Changes。
• 進(jìn)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?yàn)镃loudSearch并不會(huì)接受LibreOffice Writer （.odt）格式的文檔文件。

步驟2：?jiǎn)?dòng)CloudSearch

• 登錄到AWS的管理控制臺(tái)。
• 選擇CloudSearch。 在相關(guān)區(qū)域選擇激活域。
• 點(diǎn)擊Upload Documents。
• 選擇 File(s) on my local disk并點(diǎn)擊 Browse 選中你需要上傳的樣本文件。
• 點(diǎn)擊Continue。

在CloudSearch分析樣本文檔之后，相關(guān)界面會(huì)顯示索引字段的一個(gè)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(biāo)記表示并沒有針對(duì)域進(jìn)行配置。只有解決了這一問題，你才能繼續(xù)下一步。

點(diǎn)擊Cancel。

步驟3：定位正確配置的索引字段源

• 在Help標(biāo)簽下選擇About LibreOffice以獲得application_name 字段的源。
• 在Tools標(biāo)簽的Options中選擇Language Settings以獲得Language字段的源。英語(yǔ)（美國(guó)）是默認(rèn)選項(xiàng)。
• 在File標(biāo)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(guān)界面。
• 選擇一個(gè)激活域名。
• 選擇Indexing Options。
• 每次對(duì)下述每一個(gè)字段點(diǎn)擊Add Index Field。

注：在默認(rèn)情況下，CloudSearch將把每個(gè)字段自動(dòng)設(shè)置為可搜索。

• 點(diǎn)擊Submit。
• 點(diǎn)擊Run indexing，重新編制索引。
• 點(diǎn)擊OK開始編制索引。一般來(lái)說，編制和部署小型索引文件只需花費(fèi)數(shù)分鐘時(shí)間，而編制和部署大型索引文件則可能需要花費(fèi)數(shù)個(gè)小時(shí)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(qǐng)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(diǎn)擊Upload Documents。
• 點(diǎn)擊Run a Test Search。
• 在Search框內(nèi)輸入一個(gè)單詞。例如，“vulnerability”。
• 點(diǎn)擊Go，CloudSearch就會(huì)以文檔相關(guān)度分?jǐn)?shù)降序的次序列出索引字段。

注：文檔相關(guān)度得分是根據(jù)文檔中搜索詞出現(xiàn)次數(shù)與整個(gè)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(gè)文檔。

以下是一個(gè)文檔的結(jié)果：

該文檔相關(guān)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(yǔ)言默認(rèn)為美國(guó)英語(yǔ)（en-US）。

創(chuàng)建者和作者是Judith。

創(chuàng)建時(shí)間為2014年6月20日10：08：15。

內(nèi)容是：生物漏洞評(píng)估變更。

修改日期為12:57:38。

內(nèi)容類型為application/vnd.openxmlformats（Word docx）。

資源名稱Biometric vulnerability assessment.docx。

總之，對(duì)一個(gè)小文件運(yùn)行測(cè)試搜索可確保處理成本較低。如果測(cè)試結(jié)果是成功的，那么你就可以使用相同的索引來(lái)對(duì)大量的文檔進(jìn)行搜索。

原文鏈接：http://www.searchcloudcomputing.com.cn/showcontent_88060.htm