《一本书讲透 Elasticsearch》京东评论采集+存储+可视化全 AI 实现

经常和出版社编辑老师交流读者的反馈。毕竟是小众书籍，豆瓣评分的人并不多。

而京东作为主要读书销售渠道，非常有必要整合一下京东读者评论，看看读者们都说了什么，以便后续的改进！

一条条的翻看非常不方便，干脆能不能搞个爬虫把评论采集下来呢？这是我最初始的想法。

等我采集下来数据后，我就想咱们有 kibana，有 Elastic Stack 技术栈体系，能不能顺带做个可视化效果图呢？

于是就有了开篇的效果图。

读者们可能会说，书中第18章就讲的怎么处理，看下来也并不复杂。是的，基本都是重复的工作。

我进一步想，能不能尽可能一行代码也不写，全部借助大模型 ChatGPT 完成呢。

所以，和之前不同，整个采集、解析、Elasticsearch 预处理、写入 Elasticsearch 等全过程全是基于大模型问答完成的。

如果你对 AI 代码实现感兴趣，如果你对上面可视化效果感兴趣，建议看到最后。

1、AI 工具选型

我近期使用大模型最大的收获就是：一定要货比三家。

不要依赖任何一种大模型，哪怕付费版的ChatGPT，一定得货比三家，都试试。

我近期用的最多也是我逢人就推荐的是：ChatGPT 4o 付费版本（每个月20美金）。

另外我用的 perplexity AI，他的整合能力是远远大于 Kimi的（个人观点，欢迎留言交流）。

2、整体架构构思

大模型有了以后，写代码相当于外包给大模型了，我们基本不用写了，只需要微调就可以。

什么能力变得更加急迫呢？Prompt 能力、提示词能力、提问能力变得越发重要！

提问什么呢？还是需要我们提前整体构思。

类似数据存储到可视化，咱们视频都录制过好几期，战争电影题材评论的、Wireshark抓包的、微博评论的，都做了可视化处理。

核心就是：

• Step1：数据采集

• Step2：数据清洗（看是否需要）

• Step3：数据预处理

• Step4：数据写入 Elasticsearch

• Step5：Kibana 可视化

Step3 和 Step4 步骤可以互换的，因为 Elasticsearch 预处理是借助 pipeline 实现的，可以索引创建阶段，也可以写入后借助 update_by_query 批量更新实现。

有了上面整体构思，剩下就是逐个击破。

逐个构思 Prompt，让咱们的外包 AI 帮写代码，我们只需要评审代码，用代码就可以了。

3、数据采集

其实这个需要电脑端打开某东，实际调研发现，某东是有 API 接口的，不过频繁调用会封禁 24 小时。

还好咱们的数据量不大。

接口参考如下：

有了接口之后，我们会发现如入无人境地，“拿”数据变得容易、可行！

详尽代码参见：https://articles.zsxq.com/id_lj2wtgectd25.html

这里的提示词可以反复提问，我是借助 perplexity.ai 实现的。

中间代码不一定 100% 正确，需要我们拿到代码微调一下，确保可用，可以采集到才可以。

3、数据写入与存储

3.1 写入前，先创建索引。

这里最核心的 Mapping 和 Setting，弄不好，后面可视化要经常返工。

我把全部的评论都丢给 ChatGPT 4o1-mini, 让他帮我想可以可视化的维度。结果是模型比我想的更加全面。

然后，我提取了可以可视化的部分，让 GPT 帮创建的索引。Prompt 参考如下：

最终代码和DSL 完整版：https://articles.zsxq.com/id_cidkaht43ssd.html

3.2 数据写入

注意：字段原因，我先写入，后做的预处理。

上面采集数据已经存储为 csv，且验证是正确的后。正常应该对数据做一下清洗，我没有做任何处理，直接写入 Elasticsearch。

写入 Elasticsearch，这个也不复杂，就是多轮问一下就可以。

参见提示词：

4、数据预处理

为什么需要预处理？

因为采集的地理位置信息是省份。

我们之前积累的可视化必须是城市的 GEO 经纬度坐标信息。

所以，这里需要两次转换。

第一：省对应省会，比如：咱们采集到的河北，需要新增字段：石家庄。

第二：省会对应 GEO 经纬度坐标。（前面做战争题材有积累，我猜测不用积累，直接生成问题也不大）。

这块也可以提问实现。

最终效果参考：

5、Kibana 可视化

这快咱们视频讲的很多，基本一步步实现就行。

这块没有用AI ，自己搞定就可以。

结果就是大家开头看到的结果。

5.1 读者城市分布图

基本覆盖全国各个大城市。

5.2 省份分布条形图

5.3 读者评分饼状图

看得出来，90.48%左右给出了5分好评！

5.4 评论词云效果图

5.5 时间走势图

走势相对趋于平稳态势。

5.6 销量图

这个是咱们自己加的文字和配图，kibana 端是允许导入的。

基本和预期一致！！

6、AI 使用反思

之前自己写代码效率和现在相比是小巫见大巫，基本 AI 能解放很大一部分双手。

但是，最好的方式和 AI 一起讨论逐步给出清晰的解析方案。

AI 就是我们的架构师、大学教授、代码外包工程师、XXXX 一切都可以是。看我们怎么用它！

AI 一定不要一棵树吊死，一定要货比三家。

7、全部基于真实评论书评汇总

Elasticsearch 作为当今最流行的分布式搜索和分析引擎之一，在大数据存储和检索领域扮演着重要角色。

然而，市面上关于 Elasticsearch 的书籍大多版本较旧，且内容偏重于代码层面的讲解，缺乏对最新版本的系统性阐述。

近期出版的《一本书讲透 Elasticsearch：原理、进阶与工程实践》填补了这一空白，受到了广大读者的热烈好评。

读者真实反馈采集：https://t.zsxq.com/nS4va

7.1 全面覆盖 Elasticsearch 8.x 版本

这本书是市面上少有的全面讲解 Elasticsearch 8.x 版本的书籍之一。

很多读者反馈，书中内容紧跟最新版本，让他们在学习和工作中受益匪浅。

“这貌似是市面上第一本 8.x 的书，也是少有的 Elastic 创始人推荐的书。”——读者反馈

7.2 从入门到精通，由浅入深的讲解

书中内容结构清晰，从基础原理开始，一步步引导读者深入理解 Elasticsearch 的核心概念和高级特性。无论是新手入门，还是有经验的开发者，都能从中找到有价值的内容。

“由浅入深，讲得很透彻，个人推荐购买阅读。”——读者反馈

“从简到难，一步步清晰的引导，完整的配套学习资料给学习添砖加瓦。”——读者反馈

7.3 实战案例与工程实践

除了理论知识，书中还包含了大量的实战案例和工程实践经验。这些内容源自作者多年的一线工作积累，具有很高的实用价值。

“既有底层原理的讲解，又有实战案例的分析，适合从事大数据存储和检索的工程师阅读。”——读者反馈

“里面写了作者经验之谈，很实用，面试 offer 每天都有。”——读者反馈

7.4 精心的内容设计与排版

不少读者提到，书的排版和字体设计合理，纸张质量好，阅读体验佳。同时，每章末尾的思维导图总结，也方便了知识的梳理和回顾。

“封面是磨砂质感的，页面排版和字体都很好，有看下去的欲望。”——读者反馈

“每章末尾脑图部分总结，看得出作者的用心。”——读者反馈

7.5 适合的学习人群

这本书适合以下人群阅读：

• Elasticsearch 初学者：从零开始，系统性地学习 Elasticsearch 的核心概念和使用方法。

• 有经验的开发者：深入理解 Elasticsearch 的高级特性和内部原理，提升技术水平。

• 大数据工程师：掌握 Elasticsearch 在大数据存储和检索中的应用。

• 面试求职者：书中涵盖了大量实用知识点，有助于在面试中脱颖而出。

7.6 读者的真实反馈

许多读者在阅读后，都给予了高度评价：

• 干货满满：内容详实，涵盖了从基础到高级的各个方面。

• 结构清晰：章节安排合理，逻辑性强，易于理解和消化。

• 实用性强：结合实际案例，提供了很多可操作的经验和技巧。

8、结语

《一本书讲透 Elasticsearch：原理、进阶与工程实践》无疑是一本不可多得的好书。它不仅填补了 Elasticsearch 8.x 版本的空白，还以其全面、深入和实用的特点，成为广大技术人员的必备参考书。

如果你正在寻找一本能够全面提升自己 Elasticsearch 技能的书籍，不妨一读。

参考：Kibana 8.X 如何做出靠谱的词云图？