使用docker+ElasticSearch搭建简单问答系统

流程：
1.利用docker来运行一个基础的elasticserarch服务。
2.利用python 将已有的问答数据存入 es 数据库中。
3.利用python 完成对问答数据的查询.

讲解：
利用docker来完成es的快速搭建是最方便的，而且了解一下docker很有好处。当然前提是你有一个可以操作的linux系统 ,并且上面 安装了docker 服务。

相关资料：
1.随手找的docker基础资料，稍微看一下 教程架构 ，容器使用部分， 知道docker的用处和几个基础指令就行。
2.利用docker来下载与运行一个 es 容器,可以参照 这个，顺利的话非常简单, 但是更加建议使用 这个 ，这里面包含了kibana,可以方便的在线查看和浏览 es中数据(需要的话自行查阅 docker-compose 的写法和用法)。
3.确认es服务顺利运行起来以后，利用python处理数据。
最后整理成的格式为dict类型，一个问答对是一个dict,可以是{'question':xxx,'answer':xxx}这样的。
4.利用python的elasticsearch包将数据存入es中（正式说法是建立索引）,相关的api可以参照这里，参照官方文档更好。
5.利用python完成查询,可以大概参照以下代码，以下代码是利用content进行对数据的[ "post_title", "comment","post_content" ]三个字段进行最相近文本的搜索:

from elasticsearch import Elasticsearch
es = Elasticsearch(hosts='192.168.126.110')
def es_search_by_content(content,num=10):
    rst = es.search(
        index='comment-all',
        body={"query":{"multi_match" : {
          "query":    content,
          "fields": [ "post_title", "comment","post_content" ] 
            }}},
        size=num)['hits']
    total = rst['total']
    hits = rst['hits']
    res = [item['_source'] for item in hits]
    return res
if(__name__=='__main__'):
    print(es_search_by_content("沃顿不行啊，不适合现在的湖人了"))