collaborativedrug/elasticsearch

Elasticsearch with ingest-attachment 镜像文档

镜像概述

该镜像基于GitHub仓库https://github.com/cdd/elasticsearch%E6%9E%84%E5%BB%BA%EF%BC%8C%E6%98%AF%E9%A2%84%E5%AE%89%E8%A3%85ingest-attachment%E6%8F%92%E4%BB%B6%E7%9A%84Elasticsearch%E9%95%9C%E5%83%8F%E3%80%82ingest-attachment%E6%8F%92%E4%BB%B6%E6%94%AF%E6%8C%81%E4%BB%8EPDF%E3%80%81Word%E3%80%81Excel%E7%AD%89%E5%A4%9A%E7%A7%8D%E6%96%87%E6%A1%A3%E6%A0%BC%E5%BC%8F%E4%B8%AD%E6%8F%90%E5%8F%96%E6%96%87%E6%9C%AC%E5%86%85%E5%AE%B9%EF%BC%8C%E7%BB%93%E5%90%88Elasticsearch%E7%9A%84%E5%85%A8%E6%96%87%E6%A3%80%E7%B4%A2%E8%83%BD%E5%8A%9B%EF%BC%8C%E5%8F%AF%E5%AE%9E%E7%8E%B0%E5%AF%B9%E6%96%87%E6%A1%A3%E5%86%85%E5%AE%B9%E7%9A%84%E9%AB%98%E6%95%88%E6%90%9C%E7%B4%A2%E4%B8%8E%E5%88%86%E6%9E%90%E3%80%82

核心功能与特性

• 基础Elasticsearch能力：提供全文检索、分布式存储、实时分析等核心功能
• 预安装ingest-attachment插件：无需手动配置，直接支持文档内容提取
• 简化部署流程：即开即用，降低插件安装与配置的复杂度
• 兼容标准Elasticsearch接口：支持标准Elasticsearch API操作

使用场景与适用范围

• 企业文档管理系统：对PDF、Word等文档进行内容提取和全文检索
• 内容搜索平台：构建支持文档内容搜索的知识库、帮助中心等应用
• 数据处理管道：在数据摄入阶段对文档内容进行提取和预处理
• 开发与测试环境：快速搭建包含文档提取能力的Elasticsearch环境

使用方法与配置说明

基本运行命令

bash
docker run -d --name elasticsearch-attachment -p 9200:9200 -p 9300:9300 \
  -e "discovery.type=single-node" \
  -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
  cdd/elasticsearch:latest

参数说明

验证插件安装

容器启动后，通过以下命令验证ingest-attachment插件状态：

bash
curl http://localhost:9200/_cat/plugins

若输出包含ingest-attachment，表示插件已成功安装。

使用ingest-attachment插件示例

1. 创建文档提取pipeline：

bash
curl -X PUT "http://localhost:9200/_ingest/pipeline/attachment" -H "Content-Type: application/json" -d '
{
  "description": "Extract attachment content",
  "processors": [
    {
      "attachment": {
        "field": "data",
        "target_field": "attachment"
      }
    }
  ]
}'

2. 索引包含Base64编码文档的内容：

bash
curl -X POST "http://localhost:9200/documents/_doc?pipeline=attachment" -H "Content-Type: application/json" -d '
{
  "data": "e1xydGYxXGFuc2kNCkxvcmVtIGlwc3VtIGRvbG9yIHNpdCBhbWV0DQpccGFyIH0="
}'

3. 查询提取结果：

bash
curl "http://localhost:9200/documents/_search" -H "Content-Type: application/json" -d '
{
  "query": {
    "match": {
      "attachment.content": "lorem ipsum"
    }
  }
}'