Elasticsearch hat sich für The Guardian, eines der renommiertesten Nachrichtenmedien, als äußerst wertvoll erwiesen, da es ihnen die Freiheit gab, ein beeindruckendes internes Analysesystem zu entwickeln, anstatt auf eine generische, standardmäßige Analyselösung angewiesen zu sein. Ihr traditionelles Analysepaket war schrecklich und extrem langsam, was enorm viel Zeit in Anspruch nahm. Die Elasticsearch-basierte Lösung hat sich zu einem unternehmensweiten Analysetool entwickelt und hilft ihnen zu verstehen, wie ihre Inhalte genutzt werden.

Warum wählt eine so große Organisation wie The Guardian Elasticsearch für ihren Geschäftsablauf? Bei Elasticsearch dreht sich alles um Volltextsuche, strukturierte Suche, Analysen, die Feinheiten des Umgangs mit menschlicher Sprache, Geolokalisierung und Beziehungen. Drupal, eines der führenden Content-Management-Frameworks, ist eine hervorragende Lösung zur Förderung digitaler Innovation und kann bei der Implementierung der elastischen Suche helfen. Bevor wir uns die Fähigkeiten von Drupal bei der Implementierung eines elastischen Suchökosystems ansehen, wollen wir Elasticsearch zunächst einmal auspacken.

Elasticsearch freischalten

Elasticsearch ist eine Open-Source-, breit verteilbare, RESTful-Such- und Analyse-Engine, die auf Apache Lucene basiert. Der Zugriff erfolgt über eine umfangreiche und detaillierte API. Es ermöglicht unglaublich schnelle Suchen zur Unterstützung Ihrer Data-Discovery-Anwendungen. Es wird für Protokollanalysen, Volltextsuche, Sicherheitsinformationen, Geschäftsanalysen und operative Anwendungen verwendet.

Elasticsearch ist eine verteilte, skalierbare Echtzeit-Such- und Analyse-Engine - Elastic.io

Es ermöglicht Ihnen, die riesigen Datenmengen schnell und nahezu in Echtzeit zu speichern, zu durchsuchen und auszuwerten. Im Allgemeinen wird es als zugrunde liegende Engine/Technologie für Anwendungen mit ausgefeilten Suchfunktionen und -anforderungen eingesetzt.

Wie funktioniert Elasticsearch? Mithilfe von APIs oder Erfassungstools wie Logstash werden Daten in Form von JSON-Dokumenten an Elasticsearch gesendet. Das Originaldokument wird automatisch von Elasticsearch gespeichert und dem Dokument im Index des Clusters wird ein durchsuchbarer Verweis hinzugefügt. Die Elasticsearch-API kann dann zum Suchen und Abrufen des Dokuments verwendet werden. Kibana, ein Open-Source-Visualisierungstool, kann auch mit Elasticsearch verwendet werden, um die Daten zu visualisieren und interaktive Dashboards zu erstellen.

Elasticsearch wird oft zusammen mit Apache Solr diskutiert. Es gibt sogar eine eigene Website namens solr-vs-elasticsearch, die beide anhand verschiedener Metriken vergleicht. Beide Lösungen bieten Unterstützung für die Integration in Open-Source-Content-Management-Systeme wie Drupal. Die Wahl zwischen den beiden hängt von den Bedürfnissen Ihres Unternehmens ab.

Wenn Ihr Team beispielsweise über eine große Anzahl von Java-Programmierern verfügt oder Sie bereits ZooKeeper und Java in Ihrem Stack verwenden, können Sie sich für Apache Solr entscheiden. Wenn Ihr Team hingegen PHP/Ruby/Python/Full-Stack-Programmierer umfasst oder Sie bereits Kibana/ELK-Stack (Elasticsearch, Logstash, Kibana) für die Protokollverwaltung verwenden, können Sie Elasticsearch wählen.

Vorteile von Elasticsearch

Im Folgenden sind einige der Vorteile von Elasticsearch aufgeführt:

• Geschwindigkeit: Elasticsearch hilft bei der schnellen Nutzung und dem Zugriff auf alle Daten. Außerdem vereinfacht es die schnelle Entwicklung von Anwendungen für verschiedene Anwendungsfälle.
• Leistung: Da es hochgradig verteilbar ist, ermöglicht es die parallele Verarbeitung einer riesigen Datenmenge und findet schnell die besten Übereinstimmungen für Ihre Suchanfragen.
• Skalierbarkeit: Elasticsearch bietet die Möglichkeit, problemlos in jeder Größenordnung zu arbeiten, ohne Kompromisse bei Leistung und Performance einzugehen. Es ermöglicht Ihnen, grenzenlos vom Prototyp zur Produktion überzugehen. Es skaliert horizontal, um mehrere Ereignisse pro Sekunde zu verwalten und gleichzeitig die Verteilung von Indizes und Abfragen über den Cluster hinweg für einen effizienten Betrieb zu handhaben. 
• Integration: Es ist mit dem Visualisierungstool Kibana integriert. Es bietet auch die Integration mit Beats und Logstash, um den Prozess der Transformation von Quelldaten und des Ladens in den Elasticsearch-Cluster zu rationalisieren.
• Sicherheit: Es erkennt Fehler, um den Cluster und die Daten sicher und verfügbar zu halten. Mit der clusterübergreifenden Replikation kann ein sekundärer Cluster als Hot-Backup genutzt werden.
• Echtzeitbetrieb: Elasticsearch-Operationen wie das Lesen oder Schreiben von Daten werden in der Regel in weniger als einer Sekunde durchgeführt.
• Flexibilität: Es kann flexibel Anwendungssuche, Sicherheitsanalysen, Metriken, Protokollierung und vieles mehr verarbeiten.
• Einfache Anwendungsentwicklung: Es bietet Unterstützung für zahlreiche Programmiersprachen, darunter Java, Python, PHP, JavaScript, Node.js, Ruby und andere.

Elasticsearch mit Drupal

Für die Entwicklung eines vollständigen Elasticsearch-Ökosystems in Drupal kann der Elasticsearch Connector verwendet werden, der aus einer Reihe von Modulen besteht. Er nutzt die offizielle Elasticsearch PHP-Bibliothek und wurde mit dem Ziel entwickelt, große Datenmengen in großem Umfang zu verarbeiten. Es ist erwähnenswert, dass dieses Modul nicht durch die Sicherheitsrichtlinie abgedeckt ist.

Das Elasticsearch Connector-Modul kann mit einer Drupal 8-Installation verwendet und so konfiguriert werden, dass Elasticsearch die Inhaltsänderungen empfängt.

Das Elasticsearch Connector-Modul kann mit einer Drupal 8-Installation verwendet und so konfiguriert werden, dass Elasticsearch die Inhaltsänderungen empfängt. Zuerst müssen Sie eine stabile Version von Elasticsearch herunterladen und starten. Anschließend können Sie Search API einrichten. Darauf folgt der Prozess der Verbindung von Drupal mit Elasticsearch mithilfe des Elasticsearch Connector-Moduls, der die Erstellung eines Clusters oder die Sammlung von Knotenservern beinhaltet, auf denen alle Daten gespeichert oder indiziert werden.

Darauf folgt die Konfiguration der Search API. Sie bietet eine Abstraktionsschicht, die es Drupal ermöglicht, Inhaltsänderungen an verschiedene Server wie Elasticsearch, Apache Solr oder jeden anderen Anbieter zu übertragen, der über ein Search API-kompatibles Modul verfügt. Die Indizes werden in jedem dieser Server mit Hilfe der Search API erstellt. Diese Indizes sind wie Behälter, in die die Daten geschoben und auf verschiedene Weise durchsucht werden können. Anschließend erfolgt die Indizierung der Inhalte und die Verarbeitung der Daten.

Fallstudie

Die Website von Produce Market Guide (PMG), einer Ressource für Informationen über landwirtschaftliche Erzeugnisse, aktuelle Trends und Datenanalysen, wurde von OpenSense Labs neu aufgebaut. Die Interpolation eines JavaScript-Frameworks in das Drupal-Frontend unter Verwendung von progressiv entkoppeltem Drupal trägt dazu bei, ein Gleichgewicht zwischen den Arbeitsabläufen von Entwicklern und Redakteuren zu schaffen.

Wir haben die Website von PMG mit progressiv entkoppeltem Drupal, React und dem Elasticsearch Connector-Modul unter anderem neu aufgebaut. 

Für das Mapping und die Indizierung auf dem Elastic Server wurden die Module ElasticSearch Connector und Search API verwendet. Auf die Entwicklung der Elastic-Backend-Architektur folgte der Aufbau der Facettensuche-Anwendung mit React und die Integration der App in Drupal als Block oder Template-Seite.

Die Projektstruktur für die Suche wurde in der Sandbox mit modernen Tools wie Babel und Webpack und Bibliotheken von Drittanbietern wie Searchkit entworfen und entwickelt. Searchkit ist eine Suite von React-Komponenten, die direkt mit Ihrem ElasticSearch-Cluster interagieren, wobei jede Komponente mit React erstellt wurde und an Ihre Bedürfnisse angepasst werden kann. Searchkit war in diesem Projekt eine immense Hilfe. 

Logstash und Kibana, die auf Elasticsearch basieren, wurden auf dem Elastic Server integriert. Dies half bei der Erfassung, dem Parsen, der Speicherung und der Visualisierung der Daten. Die App in der Sandbox wurde für die Produktion erstellt und das gesamte CSS/JS wurde als Block in Drupal integriert, wodurch sie zu einer progressiv entkoppelten Funktion wurde.

Unter Befolgung der Prinzipien von Agile und Scrum führte dies zu einer benutzerfreundlichen Website für PMG mit einer Suchanwendung und lud die Suchergebnisse schneller.

Fazit

Die Welt schwimmt auf einem Füllhorn von Daten. Es gibt einfach kein Ende des Wachstums der Datenmenge, die durch unsere Systeme fließt und von ihnen produziert wird. Die bestehende Technologie hat den Schwerpunkt darauf gelegt, wie man Lagerhäuser voller Daten speichert und strukturiert.

Wenn es jedoch darum geht, Entscheidungen in Echtzeit auf der Grundlage dieser Daten zu treffen, benötigen Sie so etwas wie Elasticsearch, um Daten in Echtzeit zu suchen und zu analysieren. Drupal kann mit seiner Reihe von Modulen eine wunderbare Lösung für die Implementierung eines Elasticsearch-Ökosystems sein.

Wir sind unseren Zielen, die digitale Innovation mit unserer Dienstleistungspalette zu fördern, treu geblieben.

Kontaktieren Sie uns unter [email protected], um die Vorteile von Elasticsearch zu nutzen und Ihre digitale Präsenz mit fortschrittlichen Suchfunktionen zu versehen.