什么是全文检索
数据分类
生活中的数据总体分为两种：结构化数据和非结构化数据。
结构化数据 - 行数据，可以用二维表结构来逻辑表达实现的数据；指具有固定格式或有限长度的数据，如数据库，元数据等。
非结构化数据 - 指不定长或无固定格式的数据，如邮件，word 文档等磁盘上的文件。
结构化数据搜索
常见的结构化数据也就是数据库中的数据。
在数据库中搜索很容易实现，通常都是使用 SQL 语句进行查询，而且能很快的得到查询结果。
代码语言：javascript复制客户端请求 ----> 连接器
连接器 ----> 缓存区
连接器 ----> 分析器
分析器 ----> 缓存区
分析器 ----> 优化器
优化器 ----> 执行器
Server 层：
- 连接器
- 缓存区
- 分析器
- 优化器
- 执行器
Server 层 ----> 存储引擎（引擎，引擎，引擎）
因为数据库中的数据存储是有规律的，有行有列而且数据格式、数据长度都是固定的，所以数据库搜索很容易。
数据库底层文件存储的物理方式：硬盘是块状存储，其基本单位是 1kb 每块；磁头每次读取数据，至少扫描一个块的大小。
假如表里一个元组，数据加起来一共 100 b，则一个块可以放十个元组，通俗的说是 10 条数据，DBMS 在查询时，就把每一块的数据读取出来，判断其中是否有对应的数据。
常见的关系型数据，其最基本常见的存储方式：
- 堆 - 随着文件的插入，不停地往尾部上堆；它地访问路径就是顺序扫描，扫完了才能查到数据。
- Hash - 文件的 hash 值就是其存储地址。
- 索引 堆 - 对堆文件的某一列，建立 b 树索引。
非结构化数据查询方法
1）顺序扫描法 (Serial Scanning)
用户搜索 --> 文件
所谓顺序扫描，比如要找内容包含某一个字符串的文件，就是一个文档一个文档的看，对于每一个文档，从头看到尾，如果此文档包含此字符串，则此文档为我们要找的文件，接着看下一个文件，直到扫描完所有的文件。如利用 windows 的搜索也可以搜索文件内容，只是相当的慢。
2）全文检索 (Full-text Search)
用户通过查询索引库 --> 生成索引 --> 文档
全文检索是指计算机索引程序通过扫描文章中的每一个词，对每一个词建立一个索引，指明该词在文章中出现的次数和位置，当用户查询时，检索程序就根据事先建立的索引进行查找，并将查找的结果反馈给用户的检索方法。这个过程类似于通过字典的目录查字的过程。
将非结构化数据中的一部分信息提取出来，重新组织，使其变得有一定结构，然后对此有一定结构的数据进行搜索，从而达到搜索相对较快的目的。这部分从非结构化数据中提取出的然后重新组织的信息，我们称之索引。
例如：字典。字典的拼音表和部首检字表就相当于字典的索引，对每一个字的解释是非结构化的，如果字典没有音节表和部首检字表，在茫茫辞海中找一个字只能顺序扫描。然而字的某些信息可以提取出来进行结构化处理，比如读音，就比较结构化，分声母和韵母，分别只有几种可以一一列举，于是将读音拿出来按一定的顺序排列，每一项读音都指向此字的详细解释的页数。我们搜索时按结构化的拼音搜到读音，然后按其指向的页数，便可找到我们的非结构化数据——也即对字的解释。
这种先建立索引，再对索引进行搜索的过程就叫全文检索 (Full-Text Search)。虽然创建索引的过程也是非常耗时的，但是索引一旦创建就可以多次使用，全文检索主要处理的是查询，所以耗时间创建索引是值得的。
建立索引 --> 检索索引
如何实现全文检索
可以使用 Lucene 实现全文检索。Lucene 是 apache 下的一个开放源代码的全文检索引擎工具包。提供了完整的查询引擎和索引引擎，部分文本分析引擎（英文与德文两种西方语言）。Lucene 的目的是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能。
Lucene 适用场景：
- 在应用中为数据库中的数据提供全文检索实现。
- 开发独立的搜索引擎服务、系统
Lucene 的特性：
代码语言：javascript复制1. 稳定、索引性能高。
每小时能够索引 150 GB 以上的数据
对内存的要求小，只需要 1 MB 的堆内存
增量索引和批量索引一样快
索引的大小约为索引文本大小的 20% ~ 30%
2. 高效、准确、高性能的搜索算法。
良好的搜索排序
强大的查询方式支持：短语查询、通配符查询、临近查询、范围查询等
支持字段搜索（如标题、作者、内容）
可根据任意字段排序
支持多个索引查询结果合并
支持更新操作和查询操作同时进行
支持高亮、join、分组结果功能
速度快
可扩展排序模块，内置包含向量空间模型、BM25 模型可选
可配置存储引擎
3. 跨平台。
纯 java 编写
作为 Apache 开源许可下的开源项目，你可以在商业或开源项目中使用
Lucene 有多种语言实现版（如 C，C 、Python 等），不仅仅是 JAVA
Lucene 架构：
代码语言：javascript复制Application:
从文件系统、数据库、Web、手动输入获取数据，然后生成索引。
获取用户的 Query，然后查询索引，返回查询结果给用户。
用户
--职位搜索--> 应用服务器
--SQL--> 结构化数据库
Lucene：
生成索引需要与索引库交互。
查询索引需要与索引库交互。
用户
--职位搜索--> 应用服务器
--特定API--> Lucene索引库
数据源（网络、数据库、文档）
----> Lucene索引库
全文检索的应用场景
对于数据量大、数据结构不固定的数据可采用全文检索方式搜索：
- 单机软件的搜索：word、markdown。
- 站内搜索：京东、淘宝、拉勾，索引源是数据库。
- 搜索引擎：百度、Google，索引源是爬虫程序抓取的数据。
Lucene 实现全文检索的流程说明
索引和搜索流程图
代码语言：javascript复制查询索引：
1. 用户查询接口
2. 创建查询
3. 执行查询
4. 渲染结果
用户查询索引
-----> 索引库
原始文档
----> 创建索引
--创建索引--> 索引库
--返回结果--> 用户查询索引
创建索引：
1. 获取文档
2. 构建文档对象
3. 分析文档（分词）
4. 创建索引
对要搜索的原始内容进行索引构建一个索引库，索引过程包括：确定原始内容即要搜索的内容 --> 采集文档 --> 创建文档 --> 分析文档 --> 索引文档。
从索引库中搜索内容，搜索过程包括：用户通过搜索界面 --> 创建查询 --> 执行搜索从索引库搜索 --> 渲染搜索结果。
创建索引
核心概念：
Document：
- 用户提供的源是一条条记录，它们可以是文本文件、字符串或者数据库表的一条记录等等。
- 一条记录经过索引之后，就是以一个 Document 的形式存储在索引文件中的。
- 用户进行搜索，也是以 Document 列表的形式返回。
Field：
- 一个 Document 可以包含多个信息域。例如一篇文章可以包含“标题”、“正文”、“最后修改时间”等信息域，这些信息域就是通过 Field 在 Document 中存储的。
- Field 有两个属性可选：存储和索引。通过存储属性可以控制是否对这个 Field 进行存储；通过索引属性可以控制是否对该 Field 进行索引。
- 如果对标题和正文进行全文搜索，要把索引属性设置为真，同时希望能直接从搜索结果中提取文章标题，把标题域的存储属性设置为真；但是由于正文域太大了，为了缩小索引文件大小，可以将正文域的存储属性设置为假，当需要时再直接读取文件；如果只是希望能从搜索结果中提取最后修改时间，不需要对它进行搜索，可以把最后修改时间域的存储属性设置为真，索引属性设置为假。上面的三个域涵盖了两个属性的三种组合，还有一种全为假的没有用到，事实上 Field 不允许那么设置，因为既不存储又不索引的域是没有意义的。
Term：
- 是搜索的最小单位，它表示文档的一个词语，Term 由两部分组成：它表示的词语和这个词语所出现的 Field 的名称。
以招聘网站的搜索为例，在网站上输入关键字搜索显示的内容不是直接从数据库中来的，而是从索引库中获取的，网站的索引数据需要提前创建的。以下是创建的过程：
- 获得原始文档 - 就是从 MySQL 数据库中通过 SQL 语句查询需要创建索引的数据。
- 创建文档对象（Document）- 把查询的内容构建成 lucene 能识别的 Document 对象，获取原始内容的目的是为了索引，在索引前需要将原始内容创建成文档，文档中包括一个一个的域（Field），这个域对应就是表中的列。
- 注意 - 每个 Document 可以有多个 Field，不同的 Document 可以有不同的 Field，同一个Document 可以有相同的 Field（域名和域值都相同）。每个文档都有一个唯一的编号，就是文档 id。
- 分析文档 - 将原始内容创建为包含域（Field）的文档（document），需要再对域中的内容进行分析，分析的过程是经过对原始文档提取单词、将字母转为小写、去除标点符号、去除停用词等过程生成最终的语汇单元，可以将语汇单元理解为一个一个的单词。分好的词会组成索引库中最小的单元：term，一个 term 由域名和词组成。
- 创建索引 - 对所有文档分析得出的语汇单元进行索引，索引的目的是为了搜索，最终要实现只搜索被索引的语汇单元从而找到 Document（文档）。
- 注意 - 创建索引是对语汇单元索引，通过词语找文档，这种索引的结构叫倒排索引结构。倒排索引结构是根据内容（词语）找文档。倒排索引结构也叫反向索引结构，包括索引和文档两部分，索引即词汇表，它的规模较小，而文档集合较大。
倒排索引
倒排索引 Inverted List 记录每个词条出现在哪些文档，及在文档中的位置，可以根据词条快速定位到包含这个词条的文档及出现的位置。
文档：索引库中的每一条原始数据，例如一个商品信息、一个职位信息。
词条：原始数据按照分词算法进行分词，得到的每一个词。
创建倒排索引，分为以下几步：
1）创建文档列表 - Lucene 首先对原始文档数据进行编号 DocID，形成列表，就是一个文档列表。
2）创建倒排索引列表 - 对文档中数据进行分词，得到词条（分词后的一个又一个词）。对词条进行编号，以词条创建索引。然后记录下包含该词条的所有文档编号（及其它信息）。
搜索的过程：当用户输入任意的词条时，首先对用户输入的数据进行分词，得到用户要搜索的所有词条，然后拿着这些词条去倒排索引列表中进行匹配。找到这些词条就能找到包含这些词条的所有文档的编号。然后根据这些编号去文档列表中找到文档
查询索引
查询索引也是搜索的过程。搜索就是用户输入关键字，从索引（index）中进行搜索的过程。根据关键字搜索索引，根据索引找到对应的文档
第一步：创建用户接口 - 用户输入关键字的地方。
第二步：创建查询 - 指定查询的域名和关键字。
第三步：执行查询。
第四步：渲染结果（结果内容显示到页面上 关键字需要高亮）。
Lucene 实战
需求说明
生成职位信息索引库，从索引库检索数据。
创建数据库 es，将 sql 脚本导入数据库执行。
代码语言：javascript复制/*!40101 SET NAMES utf8 */;
/*!40101 SET SQL_MODE=''*/;
/*!40014 SET @OLD_UNIQUE_CHECKS=@@UNIQUE_CHECKS, UNIQUE_CHECKS=0 */;
/*!40014 SET @OLD_FOREIGN_KEY_CHECKS=@@FOREIGN_KEY_CHECKS, FOREIGN_KEY_CHECKS=0 */;
/*!40101 SET @OLD_SQL_MODE=@@SQL_MODE, SQL_MODE='NO_AUTO_VALUE_ON_ZERO' */;
/*!40111 SET @OLD_SQL_NOTES=@@SQL_NOTES, SQL_NOTES=0 */;
CREATE DATABASE /*!32312 IF NOT EXISTS*/`es` /*!40100 DEFAULT CHARACTER SET latin1 */;
USE `es`;
/*Table structure for table `job_info` */
DROP TABLE IF EXISTS `job_info`;
CREATE TABLE `job_info` (
`id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT '主键 id',
`company_name` varchar(100) DEFAULT NULL COMMENT '公司名称',
`company_addr` varchar(200) DEFAULT NULL COMMENT '公司联系方式',
`company_info` mediumtext COMMENT '公司信息',
`job_name` varchar(100) DEFAULT NULL COMMENT '职位名称',
`job_addr` varchar(50) DEFAULT NULL COMMENT '工作地点',
`job_info` mediumtext COMMENT '职位信息',
`salary_min` int(10) DEFAULT NULL COMMENT '薪资范围，最小',
`salary_max` int(10) DEFAULT NULL COMMENT '薪资范围，最大',
`url` varchar(150) DEFAULT NULL COMMENT '招聘信息详情页',
`time` varchar(10) DEFAULT NULL COMMENT '职位最近发布时间',
PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=7656 DEFAULT CHARSET=utf8 COMMENT='招聘信息';
中文分词器使用 IK。
准备开发环境
第一步：创建一个 maven 工程，创建一个 Spring Boot 项目
第二步：导入依赖
代码语言：javascript复制<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>2.1.6.RELEASE</version>
<relativePath/> <!-- lookup parent from repository -->
</parent>
<groupId>com.renda</groupId>
<artifactId>lucene-demo</artifactId>
<version>0.0.1-SNAPSHOT</version>
<name>lucene-demo</name>
<description>Demo project for Spring Boot</description>
<properties>
<java.version>11</java.version>
</properties>
<dependencies>
<!-- web 依赖 -->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<!-- 测试依赖 -->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
<scope>test</scope>
</dependency>
<!-- lombok 工具 -->
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
<version>1.18.4</version>
<scope>provided</scope>
</dependency>
<!-- 热部署 -->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-devtools</artifactId>
<optional>true</optional>
</dependency>
<!-- mybatis-plus -->
<dependency>
<groupId>com.baomidou</groupId>
<artifactId>mybatis-plus-boot-starter</artifactId>
<version>3.3.2</version>
</dependency>
<!-- pojo 持久化使用 -->
<dependency>
<groupId>javax.persistence</groupId>
<artifactId>javax.persistence-api</artifactId>
<version>2.2</version>
</dependency>
<!-- mysql 驱动 -->
<dependency>
<groupId>mysql</groupId>
<artifactId>mysql-connector-java</artifactId>
<scope>runtime</scope>
</dependency>
<!-- 引入 Lucene 核心包及分词器包 -->
<dependency>
<groupId>org.apache.lucene</groupId>
<artifactId>lucene-core</artifactId>
<version>4.10.3</version>
</dependency>
<dependency>
<groupId>org.apache.lucene</groupId>
<artifactId>lucene-analyzers-common</artifactId>
<version>4.10.3</version>
</dependency>
<dependency>
<groupId>org.testng</groupId>
<artifactId>testng</artifactId>
<version>RELEASE</version>
<scope>test</scope>
</dependency>
<!-- IK 中文分词器 -->
<dependency>
<groupId>com.janeluo</groupId>
<artifactId>ikanalyzer</artifactId>
<version>2012_u6</version>
</dependency>
</dependencies>
<build>
<plugins>
<!-- 编译插件 -->
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-compiler-plugin</artifactId>
<configuration>
<source>11</source>
<target>11</target>
<encoding>utf-8</encoding>
</configuration>
</plugin>
<!-- 打包插件 -->
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
<executions>
<execution>
<goals>
<goal>repackage</goal>
</goals>
</execution>
</executions>
</plugin>
</plugins>
</build>
</project>
第三步：创建引导类 `com.renda.LuceneDemoApplication`
代码语言：javascript复制package com.renda;
import org.mybatis.spring.annotation.MapperScan;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
@SpringBootApplication
@MapperScan("com.renda.mapper")
public class LuceneDemoApplication {
public static void main(String[] args) {
SpringApplication.run(LuceneDemoApplication.class, args);
}
}
第四步：配置 application.yml 文件
代码语言：javascript复制server:
port: 9000
Spring:
application:
name: lagou-lucene
datasource:
driver-class-name: com.mysql.cj.jdbc.Driver
url: jdbc:mysql://localhost:3306/es?useUnicode=true&characterEncoding=utf8&serverTimezone=UTC
username: root
password: password
# 开启驼峰命名匹配映射
mybatis:
configuration:
map-underscore-to-camel-case: true
第五步：创建实体类、Mapper、Service、Controller 等等
实体类 com.renda.pojo.JobInfo：
package com.renda.pojo;
import lombok.Data;
import lombok.ToString;
import javax.persistence.Id;
import javax.persistence.Table;
@Data
@ToString
@Table(name = "job_info")
public class JobInfo {
@Id
private long id;
private String companyName;
private String companyAddr;
private String companyInfo;
private String jobName;
private String jobAddr;
private String jobInfo;
private long salaryMin;
private long salaryMax;
private String url;
private String time;
}
数据层 com.renda.mapper.JobInfoMapper：
public interface JobInfoMapper extends BaseMapper<JobInfo> {
}
服务层
com.renda.service.JobInfoService
public interface JobInfoService {
/**
* 通过id查询
*/
public JobInfo selectById(long id);
/**
* 查询所有
*/
public List<JobInfo> selectAll();
}
com.renda.service.impl.JobInfoServiceImpl
@Service
public class JobInfoServiceImpl implements JobInfoService {
@SuppressWarnings("SpringJavaInjectionPointsAutowiringInspection")
@Autowired
private JobInfoMapper jobInfoMapper;
@Override
public JobInfo selectById(long id) {
return jobInfoMapper.selectById(id);
}
@Override
public List<JobInfo> selectAll() {
return jobInfoMapper.selectList(new QueryWrapper<JobInfo>());
}
}
控制层 com.renda.controller.JobInfoController
@RestController
@RequestMapping("/jobInfo")
public class JobInfoController {
@Autowired
private JobInfoService jobInfoService;
@RequestMapping("/query/{id}")
public JobInfo selectById(@PathVariable Long id){
return jobInfoService.selectById(id);
}
@RequestMapping("/query")
public List<JobInfo> select(){
return jobInfoService.selectAll();
}
}
测试类 com.renda.LuceneDemoApplicationTests
@RunWith(SpringRunner.class)
@SpringBootTest
public class LuceneDemoApplicationTests {
...
}
整体结构：
代码语言：javascript复制 src/main/java
com.renda.controller
JobInfoController
com.renda.mapper
JobInfoMapper
com.renda.pojo
JobInfo
com.renda.service
impl.JobInfoServiceImpl
JobInfoService
com.renda
LuceneDemoApplication
src/main/resources
static
templates
application.yml
src/test/java
com.renda
LuceneDemoApplicationTests
创建索引
测试类 com.renda.LuceneDemoApplicationTests
@RunWith(SpringRunner.class)
@SpringBootTest
public class LuceneDemoApplicationTests {
@Autowired
private JobInfoService jobInfoService;
/**
* 创建索引
*/
@Test
public void createIndex() throws Exception {
// 1.指定索引文件的存储位置，索引具体的表现形式就是一组有规则的文件
Directory directory = FSDirectory.open(new File("E:/class/index"));
// 2.配置版本及其分词器
Analyzer analyzer = new IKAnalyzer();
IndexWriterConfig config = new IndexWriterConfig(Version.LATEST, analyzer);
// 3.创建 IndexWriter 对象，作用就是创建索引
IndexWriter indexWriter = new IndexWriter(directory, config);
// 先删除已经存在的索引库
indexWriter.deleteAll();
// 4.获得索引源 / 原始数据
List<JobInfo> jobInfoList = jobInfoService.selectAll();
// 5. 遍历 jobInfoList，每次遍历创建一个 Document 对象
for (JobInfo jobInfo : jobInfoList) {
// 创建 Document 对象
Document document = new Document();
// 创建 Field 对象，添加到 document 中
document.add(new LongField("id", jobInfo.getId(), Field.Store.YES));
// 切分词、索引、存储
document.add(new TextField("companyName", jobInfo.getCompanyName(), Field.Store.YES));
document.add(new TextField("companyAddr", jobInfo.getCompanyAddr(), Field.Store.YES));
document.add(new TextField("companyInfo", jobInfo.getCompanyInfo(), Field.Store.YES));
document.add(new TextField("jobName", jobInfo.getJobName(), Field.Store.YES));
document.add(new TextField("jobAddr", jobInfo.getJobAddr(), Field.Store.YES));
document.add(new TextField("jobInfo", jobInfo.getJobInfo(), Field.Store.YES));
document.add(new LongField("salaryMin", jobInfo.getSalaryMin(), Field.Store.YES));
document.add(new LongField("salaryMax", jobInfo.getSalaryMax(), Field.Store.YES));
document.add(new StringField("url", jobInfo.getUrl(), Field.Store.YES));
// 将文档追加到索引库中
indexWriter.addDocument(document);
}
// 关闭资源
indexWriter.close();
System.out.println("Index was created successfully!");
}
}
生成的索引目录：D:classindex
索引 Index：
- 在 Lucene 中一个索引是放在一个文件夹中的。
- 同一文件夹中的所有的文件构成一个 Lucene 索引。
段 Segment：
- 按层次保存了从索引，一直到词的包含关系：索引 (Index) –-> 段 (segment) –-> 文档 (Document) –-> 域 (Field) –-> 词 (Term)。
- 也即此索引包含了那些段，每个段包含了那些文档，每个文档包含了哪些域，每个域包含了哪些词。
- 一个索引可以包含多个段，段与段之间是独立的，添加新文档可以生成新的段，不同的段可以合并。
- 具有相同前缀文件的属同一个段，如
_0。 segments.gen和segments_1是段的元数据文件，也即它们保存了段的属性信息。
D:classindex
_0.cfe
_0.cfs
_0.si
_1.cfe
_1.cfs
_1.si
segments.gen
segments_1
write.lock
Field 的特性：Document (文档) 是 Field (域) 的承载体，一个 Document 由多个 Field 组成，Field 由名称和值两部分组成，Field 的值是要索引的内容，是要搜索的内容。
- 是否分词 (tokenized) ：
是: 将 Field 的值进行分词处理，分词的目的是为了索引。如: 商品名称、商品描述。这些内容用户会通过输入关键词进行查询，由于内容多样，需要进行分词处理建立索引。
否: 不做分词处理，如: 订单编号、身份证号, 是一个整体，分词以后就失去了意义，故不需要分词。
- 是否索引 (indexed)
是: 将 Field 内容进行分词处理后得到的词 (或整体 Field 内容) 建立索引，存储到索引域。索引的目的是为了搜索。如: 商品名称, 商品描述需要分词建立索引。订单编号、身份证号作为整体建立索引。只要可能作为用户查询条件的词, 都需要索引。
否: 不索引。如: 商品图片路径，不会作为查询条件，不需要建立索引。
- 是否存储 (stored)
是: 将 Field 值保存到 Document 中。如: 商品名称, 商品价格。凡是将来在搜索结果页面展现给用户的内容，都需要存储。
否: 不存储。如: 商品描述。内容多格式大，不需要直接在搜索结果页面展现，不做存储。需要的时候可以从关系数据库取。
常用的 Field 类型：
StringField(FieldName, FieldValue, Store.YES)- 字符串 - 不可分词 - 默认索引 - 可以开启存储 - 字符串类型 Field，不可分词，作为一个整体进行索引，如身份证号、订单编号；是否需要存储由 Store.YES 或 Store.No 决定。LongField(FieldName, FieldValue, Store.YES)- 数值型代表 - 默认分词 - 默认索引 - 可以开启存储 - Long 数值类型 Field 代表，默认分词并且索引，如价格；是否需要存储由 Store.YES 或 Store.No 决定。StoredField(FieldName, FieldValue)- 重载方法支持多种类型 - 不可分词 - 不可索引 - 默认开启存储 - 构建不同类型的 Field，不分词，不索引，要存储，如商品图片路径。TextField(FieldName, FieldValue, Store.NO)- 文本类型 - 默认分词 - 默认索引 - 可以开启存储 - 文本类型 Field，默认分词并且索引，是否需要存储由 Store.YES 或 Store.No 决定。
查询索引
com.renda.LuceneDemoApplicationTests
@RunWith(SpringRunner.class)
@SpringBootTest
public class LuceneDemoApplicationTests {
@Autowired
private JobInfoService jobInfoService;
...
@Test
public void query() throws Exception {
// 1.指定索引文件的存储位置，索引具体的表现形式就是一组有规则的文件
Directory directory = FSDirectory.open(new File("E:/class/index"));
// 2.IndexReader 对象
IndexReader indexReader = DirectoryReader.open(directory);
// 3.创建查询对象，IndexSearcher
IndexSearcher indexSearcher = new IndexSearcher(indexReader);
// 使用 term, 查询公司名称中包含"北京"的所有的文档对象
Query query = new TermQuery(new Term("companyName", "北京"));
TopDocs topDocs = indexSearcher.search(query, );
// 获得符合查询条件的文档数
int totalHits = topDocs.totalHits;
System.out.println("符合条件的文档数：" totalHits);
// 获得命中的文档 ScoreDoc封装了文档id信息
ScoreDoc[] scoreDocs = topDocs.scoreDocs;
for (ScoreDoc scoreDoc : scoreDocs) {
// 文档 id
int docId = scoreDoc.doc;
// 通过文档 id 获得文档对象
Document doc = indexSearcher.doc(docId);
System.out.println("id:" doc.get("id"));
System.out.println("companyName:" doc.get("companyName"));
System.out.println("companyAddr:" doc.get("companyAddr"));
System.out.println("companyInfo:" doc.get("companyInfo"));
System.out.println("jobName:" doc.get("jobName"));
System.out.println("jobInfo:" doc.get("jobInfo"));
System.out.println("*******************************************");
}
// 资源释放
indexReader.close();
}
}
这里需要使用可以合理分词的分词器，否则中文会一个字一个字地分词，其中最有名的中文分词器是 IKAnalyzer 分词器。
中文分词器的使用
第一步：导入依赖。
代码语言：javascript复制<!-- IK 中文分词器 -->
<dependency>
<groupId>com.janeluo</groupId>
<artifactId>ikanalyzer</artifactId>
<version>2012_u6</version>
</dependency>
第二步：根据需求，可以添加配置文件放入到 resources 文件夹中（可以在配置文件额外加扩展词典和停止词典）。
代码语言：javascript复制IKAnalyzer.cfg.xml
stopword.dic
第三步：创建索引时使用 IKanalyzer。
代码语言：javascript复制Analyzer analyzer = new IKAnalyzer();
考虑一个问题：一个大型网站中的索引数据会很庞大的，所以使用 Lucene 这种原生的写代码的方式就不合适了，所以需要借助一个成熟的项目或软件来实现，目前比较有名是 solr 和 ElasticSearch。
Elastic Search 介绍和安装
Elasticsearch 是一个需要安装配置的软件。
ELK 技术栈说明：
Elastic 有一条完整的产品线 ELK - Elasticsearch、Logstash、Kibana，前面说的三个就是常说的 ELK 技术栈（开源实时日志分析平台）。
代码语言：javascript复制MySQL ---Logstash数据同步---> ElasticSearch索引库
MySQL ---- MySQL可视化软件
ElasticSearch索引库 ---- Kibana可视化软件
Logstash 的作用就是一个数据收集器，将各种格式各种渠道的数据通过它收集解析之后格式化输出到 Elastic Search ，最后再由 Kibana 提供的比较友好的 Web 界面进行汇总、分析、搜索。
ELK 内部实际就是个管道结构，数据从 Logstash 到 Elastic Search 再到 Kibana 做可视化展示。这三个组件各自也可以单独使用，比如 Logstash 不仅可以将数据输出到 Elastic Search ，也可以到数据库、缓存等。
简介
Elastic
Elastic 官网：https://www.elastic.co/cn/
Elastic 有一条完整的产品线：Elasticsearch、Logstash、Kibana 等，前面说的三个就是常说的 ELK 技术栈。
Elasticsearch
Elasticsearch 官网：https://www.elastic.co/cn/products/elasticsearch
功能：
- 分布式的搜索引擎 - 百度、Google、站内搜索。
- 全文检索 = 提供模糊搜索等自动度很高的查询方式，并进行相关性排名，高亮等功能。
- 数据分析引擎（分组聚合）- 电商网站一周内手机销量 Top 10。
- 对海量数据进行近乎实时处理 - 水平扩展，每秒钟可处理海量事件，同时能够自动管理索引和查询在集群中的分布方式，以实现极其流畅的操作。
Elastic Search 具备以下特点：
- 高速、扩展性、最相关的搜索结果。
- 分布式 - 节点对外表现对等，每个节点都可以作为入门，加入节点自动负载均衡。
- JSON - 输入输出格式是 JSON。
- Restful 风格，一切 API 都遵循 Rest 原则，容易上手。
- 近实时搜索，数据更新在 Elasticsearch 中几乎是完全同步的，数据检索近乎实时。
- 安装方便 - 没有其它依赖，下载后安装很方便，简单修改几个参数就可以搭建集群。
- 支持超大数据：可以扩展到 PB 级别的结构化和非结构化数据。
版本
目前 Elasticsearch 最新的版本是 7.x，企业内目前用的比较多是 6.x，以 6.2.4 为例子，需要 JDK 1.8 及以上。
安装和配置
为了快速看到效果可以直接在本地 window 下安装 Elasticsearch，实际开发是在 Linux 中使用，但使用方式是一样的；环境要求：JDK 8 及以上版本。
第一步：解压安装包
把压缩包 elasticsearch-6.2.4.zip 放到一个没有中文没有空格的位置，解压即可。
bin 命令，启动，关闭
config 配置文件
lib ES 的 jar 包依赖
logs 日志
modules ES 工作所依赖的一些组件，启动时加载
plugins 放置一些第三方插件，如 IK 分词器
LICENSE.txt
NOTICE.txt
README.textile
第二步：修改配置文件
1、修改索引数据和日志数据存储的路径 configelasticsearch.yml。
第 33 行和 37 行，修改完记得把注释打开：
代码语言：javascript复制# ----------------------------------- Paths ------------------------------------
#
# Path to directory where to store the data (separate multiple locations by comma):
#
path.data: e:classesdata
#
# Path to log files:
#
path.logs: e:classeslogs
#
第三步：启动
进入 bin 目录中直接双击 elasticsearch.bat。
如果启动失败，需要修改虚拟机内存的大小，默认为 1 G，可以调小。
在 config 目录下找到 jvm.options 文件 ，修改后如下：
# Xms represents the initial size of total heap space
# Xmx represents the maximum size of total heap space
-Xms256m
-Xmx256m
- Xms 是指设定程序启动时占用内存大小。一般来讲，大点，程序会启动的快一点，但是也可能会导致机器暂时间变慢。
- Xmx 是指设定程序运行期间最大可占用的内存大小。如果程序运行需要占用更多的内存，超出了这个设置值，就会抛出 OutOfMemory 异常。
访问
启动后台部分输出如下：
代码语言：javascript复制[2020-11-08T21:52:33,482][INFO ][o.e.n.Node ] [G9aQRl_] starting ...
[2020-11-08T21:52:34,307][INFO ][o.e.t.TransportService ] [G9aQRl_] publish_address {127.0.0.1:9300}, bound_addresses {127.0.0.1:9300}, {[::1]:9300}
[2020-11-08T21:52:37,363][INFO ][o.e.c.s.MasterService ] [G9aQRl_] zen-disco-elected-as-master ([0] nodes joined), reason: new_master {G9aQRl_}{G9aQRl_qR2KeysskhZY0xQ}{87fblLs1Rci_HVjZVzVlOQ}{127.0.0.1}{127.0.0.1:9300}
[2020-11-08T21:52:37,363][INFO ][o.e.c.s.ClusterApplierService] [G9aQRl_] new_master {G9aQRl_}{G9aQRl_qR2KeysskhZY0xQ}{87fblLs1Rci_HVjZVzVlOQ}{127.0.0.1}{127.0.0.1:9300}, reason: apply cluster state (from master [master {G9aQRl_}{G9aQRl_qR2KeysskhZY0xQ}{87fblLs1Rci_HVjZVzVlOQ}{127.0.0.1}{127.0.0.1:9300} committed version [1] source [zen-disco-elected-as-master ([0] nodes joined)]])
[2020-11-08T21:52:37,426][INFO ][o.e.g.GatewayService ] [G9aQRl_] recovered [0] indices into cluster_state
[2020-11-08T21:52:37,762][INFO ][o.e.h.n.Netty4HttpServerTransport] [G9aQRl_] publish_address {127.0.0.1:9200}, bound_addresses {127.0.0.1:9200}, {[::1]:9200}
[2020-11-08T21:52:37,762][INFO ][o.e.n.Node ] [G9aQRl_] started
可以看到绑定了两个端口：
9300 - 集群节点间通讯接口，接收 tcp 协议。
9200 - 客户端访问接口，接收 Http 协议。
在浏览器中访问：http://127.0.0.1:9200
{
"name" : "G9aQRl_",
"cluster_name" : "elasticsearch",
"cluster_uuid" : "ezpbwfUtTqubgqUGPvJWAg",
"version" : {
"number" : "6.2.4",
"build_hash" : "ccec39f",
"build_date" : "2018-04-12T20:37:28.497551Z",
"build_snapshot" : false,
"lucene_version" : "7.2.1",
"minimum_wire_compatibility_version" : "5.6.0",
"minimum_index_compatibility_version" : "5.0.0"
},
"tagline" : "You Know, for Search"
}
安装 kibana
什么是 Kibana
Kibana 是一个基于 Node.js 的 Elasticsearch 索引库数据统计工具，可以利用 Elasticsearch 的聚合功能，生成各种图表，如柱形图，线状图，饼；而且还提供了操作 Elasticsearch 索引数据的控制台，并且提供了一定的 API 提示。
安装
因为 Kibana 依赖于 node，需要在 windows 下先安装 Node.js，直接双击运行 node.js 的安装包：node-v10.15.0-x64.msi。
安装成功后在任意 DOS 窗口输入：node -v，即可查看到 node 版本。
然后安装 kibana，版本与 Elasticsearch 保持一致，也是 6.2.4。
直接解压安装包即可：kibana-6.2.4-windows-x86_64.zip。
配置运行
配置
进入安装目录下的 config 目录，修改 kibana.yml 文件的第 21 行（注释放开）。
确保 elasticsearch 服务器的地址如下：
代码语言：javascript复制elasticsearch.url: "http://localhost:9200"
运行
进入安装目录下的 bin 目录，双击 kibana.bat 启动。
log [14:05:55.974] [info][listening] Server running at http://localhost:5601
log [14:05:56.031] [info][status][plugin:elasticsearch@6.2.4] Status changed from yellow to green - Ready
可以看到 Kibana 的监听端口是 5601，于是直接访问：http://127.0.0.1:5601。
控制台
成功访问 Kibana 后，选择左侧的 DevTools 菜单，即可进入控制台页面。
在页面右侧，就可以输入请求，访问 Elasticsearch 了。
编写 Restful 请求；这里类似于 POST 或者浏览器，可以向 ES 发送请求，但是不用写 ES 的地址，因为在 config/kibana.yml 文件中已经定义了 ES 的地址，剩下的只需要填写对应的 uri 和参数即可：
代码语言：javascript复制GET _search
{
"query": {
"match_all": {}
}
}
点击按钮执行请求，返回执行结果，显示的格式是 JSON，请求格式和响应格式一样都是 JSON 格式：
代码语言：javascript复制{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": ,
"hits": []
}
}
安装 ik 分词器
Lucene 的 IK 分词器早在 2012 年已经没有维护了，现在要使用的是在其基础上维护升级的版本，并且开发为 Elasticsearch 的集成插件了，与 Elasticsearch 一起维护升级，版本也保持一致。
https://github.com/medcl/elasticsearch-analysis-ik
安装
1、 解压 elasticsearch-analysis-ik-6.2.4.zip 后，将解压后的文件夹拷贝到 elasticsearch-6.2.4plugins 下，并重命名文件夹为 ik。
2、重新启动 ElasticSearch，即可加载 IK 分词器。
测试
在 kibana 控制台输入下面的请求：
代码语言：javascript复制GET /_analyze
{
"analyzer": "ik_max_word",
"text": "我是中国人"
}
运行得到结果：
代码语言：javascript复制{
"tokens": [
{
"token": "我",
"start_offset": ,
"end_offset": ,
"type": "CN_CHAR",
"position":
},
{
"token": "是",
"start_offset": ,
"end_offset": ,
"type": "CN_CHAR",
"position":
},
{
"token": "中国人",
"start_offset": ,
"end_offset": ,
"type": "CN_WORD",
"position":
},
{
"token": "中国",
"start_offset": ,
"end_offset": ,
"type": "CN_WORD",
"position":
},
{
"token": "国人",
"start_offset": ,
"end_offset": ,
"type": "CN_WORD",
"position":
}
]
}
使用 smart 分词：
代码语言：javascript复制GET /_analyze
{
"analyzer": "ik_smart",
"text": "我是中国人"
}
结果：
代码语言：javascript复制{
"tokens": [
{
"token": "我",
"start_offset": ,
"end_offset": ,
"type": "CN_CHAR",
"position":
},
{
"token": "是",
"start_offset": ,
"end_offset": ,
"type": "CN_CHAR",
"position":
},
{
"token": "中国人",
"start_offset": ,
"end_offset": ,
"type": "CN_WORD",
"position":
}
]
}
安装 Head 插件
简介
elasticsearch-head 是一个界面化的集群操作和管理工具，可以对集群进行傻瓜式操作。可以通过插件把它集成到 es（首选方式），也可以安装成一个独立 webapp。
es-head 主要有三个方面的操作：
- 显示集群的拓扑，并且能够执行索引和节点级别操作。
- 搜索接口能够查询集群中原始 JSON 或表格格式的检索数据。
- 能够快速访问并显示集群的状态。
官方的文档：https://github.com/mobz/elasticsearch-head
安装
基于谷歌浏览器：
1）直接下载压缩包 elasticsearch-head.7z。
2）解压。
3）在谷歌浏览器中点击“加载已解压的压缩程序”，找到 elasticsearch-head 文件夹，点击打开即可进行安装。
使用 kibana 对索引库操作
基本概念
节点、集群、分片及副本
1、节点 （node）
一个节点是一个 Elasticsearch 的实例。
在服务器上启动 Elasticsearch 之后，就拥有了一个节点。如果在另一台服务器上启动 Elasticsearch，这就是另一个节点。甚至可以通过启动多个 Elasticsearch 进程，在同一台服务器上拥有多个节点。
2、集群（cluster）
多个协同工作的 Elasticsearch 节点的集合被称为集群。
在多节点的集群上，同样的数据可以在多台服务器上传播。这有助于性能。这同样有助于稳定性，如果每个分片至少有一个副本分片，那么任何一个节点宕机后，Elasticsearch 依然可以进行服务，返回所有数据。
但是它也有缺点：必须确定节点之间能够足够快速地通信，并且不会产生脑裂效应（集群的 2 个部分不能彼此交流，都认为对方宕机了）。
3、分片 （shard）
索引可能会存储大量数据，这些数据可能超过单个节点的硬件限制。例如，十亿个文档的单个索引占用了 1 TB 的磁盘空间，可能不适合单个节点的磁盘，或者可能太慢而无法单独满足来自单个节点的搜索请求。
为了解决此问题，Elasticsearch 提供了将索引细分为多个碎片的功能。创建索引时，只需定义所需的分片数量即可。每个分片本身就是一个功能齐全且独立的“索引”，可以托管在群集中的任何节点上。
分片很重要，主要有两个原因：
- 它允许水平分割 / 缩放内容量。
- 它允许跨碎片（可能在多个节点上）分布和并行化操作，从而提高性能 / 吞吐量。
分片如何分布以及其文档如何聚合回到搜索请求中的机制完全由 Elasticsearch 管理，并且对用户是透明的。
在随时可能发生故障的网络 / 云环境中，非常有用，强烈建议使用故障转移机制，以防碎片 / 节点因某种原因脱机或消失。为此，Elasticsearch 允许将索引分片的一个或多个副本制作为所谓的副本分片（简称副本）。
4、副本（replica）
分片处理允许用户推送超过单机容量的数据至 Elasticsearch 集群。副本则解决了访问压力过大时单机无法处理所有请求的问题。
分片可以是主分片，也可以是副本分片，其中副本分片是主分片的完整副本。副本分片用于搜索，或者是在原有的主分片丢失后成为新的主分片。
注意：可以在任何时候改变每个分片的副本分片的数量，因为副本分片总是可以被创建和移除的。这并不适用于索引划分为主分片的数量，在创建索引之前，必须决定主分片的数量。过少的分片将限制可扩展性，但是过多的分片会影响性能。默认设置的5份是一个不错的开始。
文档、类型、索引及映射
1、文档 （document）
Elasticsearch 是面向文档的，这意味着索引和搜索数据的最小单位是文档。
在 Elasticsearch 中文档有几个重要的属性：
- 它是自我包含的，一篇文档同时包含字段和它们的取值。
- 它可以是层次的。文档中还包含新的文档，字段还可以包含其他字段和取值。例如 “location” 字段可以同时包含 “city” 和 “street“ 两个字段。
- 它拥有灵活的结构。文档不依赖于预先定义的模式。并非所有的文档都需要拥有相同的字段，它们不受限于同一个模式。
2、类型 （type）
类型是文档的逻辑容器，类似于表格是行的容器。在不同的类型中，最好放入不同结构的文档。例如，可以用一个类型定义聚会时的分组，而另一个类型定义人们参加的活动。
3、索引 （index）
索引是映射类型的容器。一个 Elasticsearch 索引是独立的大量的文档集合。每个索引存储在磁盘上的同组文件中，索引存储了所有映射类型的字段，还有一些设置。
4、映射（mapping）
所有文档在写入索引前都将被分析，用户可以设置一些参数，决定如何将输入文本分割为词条，哪些词条应该被过滤掉，或哪些附加处理有必要被调用（比如移除 HTML 标签）。这就是映射扮演的角色：存储分析链所需的所有信息。
Elasticsearch 也是基于 Lucene 的全文检索库，本质也是存储数据，很多概念与 MySQL 类似的。
对比关系：
代码语言：javascript复制索引库 indices ----- Database 数据库
类型 type ---- Table 数据表
文档 Document ----- Row 行
域字段 Field ----- Columns 列
映射配置 mappings ----- 每个列的约束（类型、长度）
详细说明：
- 类型（type）是模拟 mysql 中的 table 概念，一个索引库下可以有不同类型的索引（目前 6.X 以后的版本只能有一个类型），类似数据库中的表概念。数据库表中有表结构，也就是表中每个字段的约束信息；索引库的类型中对应表结构的叫做映射 (mapping) ，用来定义每个字段的约束。
- 文档（document）存入索引库原始的数据；比如每一条商品信息，就是一个文档。
- 字段（field）文档中的属性。
- 映射配置（mappings）字段的数据类型、属性、是否索引、是否存储等特性。
创建索引库
语法
Elasticsearch 采用 Rest 风格 API，因此其 API 就是一次 http 请求，可以用任何工具发起 http 请求。
创建索引的请求格式：
- 请求方式：PUT
- 请求路径：/索引库名
- 请求参数：json 格式
{
"settings": {
"属性名": "属性值"
}
}
settings：就是索引库设置，其中可以定义索引库的各种属性，目前可以不设置，都走默认。
使用 kibana 创建
Kibana 的控制台，可以对 http 请求进行简化，示例：
代码语言：javascript复制PUT /renda
响应数据：
代码语言：javascript复制{
"acknowledged": true,
"shards_acknowledged": true,
"index": "renda"
}
相当于是省去了 elasticsearch 的服务器地址，而且还有语法提示。
查看索引库
Get 请求可以查看索引信息：
代码语言：javascript复制GET /renda
响应数据：
代码语言：javascript复制{
"renda": {
"aliases": {},
"mappings": {},
"settings": {
"index": {
"creation_date": "1604847321532",
"number_of_shards": "5",
"number_of_replicas": "1",
"uuid": "ZlK7XTn6S8OIOAdhPCvnxA",
"version": {
"created": "6020499"
},
"provided_name": "renda"
}
}
}
}
删除索引库
删除索引使用 DELETE请 求：
代码语言：javascript复制DELETE /renda
响应信息：
代码语言：javascript复制{
"acknowledged": true
}
再次查看 renda：
代码语言：javascript复制GET /renda
响应信息：
代码语言：javascript复制{
"error": {
"root_cause": [
{
"type": "index_not_found_exception",
"reason": "no such index",
"resource.type": "index_or_alias",
"resource.id": "renda",
"index_uuid": "_na_",
"index": "renda"
}
],
"type": "index_not_found_exception",
"reason": "no such index",
"resource.type": "index_or_alias",
"resource.id": "renda",
"index_uuid": "_na_",
"index": "renda"
},
"status":
}
使用 kibana 对类型及映射操作
有了索引库 ，等于有了数据库中的 database。接下来就需要索引库中的类型了，也就是数据库中的表。创建数据库表需要设置字段约束，索引库也一样，在创建索引库的类型时，需要知道这个类型下有哪些字段，每个字段有哪些约束信息，这就叫做字段映射 (mapping)。
注意：Elasticsearch7.x 取消了索引 type 类型的设置，不允许指定类型，默认为 _doc；但字段仍然是有类型的，还需要设置字段的约束信息，叫做字段映射（mapping）。
字段的约束在 Lucene 中见到过，包括到不限于：
- 字段的数据类型
- 是否要存储
- 是否要索引
- 是否分词
- 分词器是什么
创建字段映射
请求方式依然是 PUT：
代码语言：javascript复制PUT /索引库名/_mapping/typeName
{
"properties": {
"字段名": {
"type": "类型",
"index": true，
"store": true，
"analyzer": "分词器"
}
}
}
typeName 类型名称：就是前面的 type 的概念，类似于数据库中的表。
字段名：任意填写，下面指定许多属性，例如：
type- 类型，可以是 text、keyword、long、short、date、integer、object 等。index- 是否索引，默认为 true。store- 是否存储，默认为 false。analyzer- 分词器，这里的 ik_max_word 即使用 ik 分词器。
发起请求：
代码语言：javascript复制PUT renda/_mapping/goods
{
"properties": {
"title": {
"type": "text",
"store": true,
"analyzer": "ik_max_word"
},
"images": {
"type": "keyword",
"store": true,
"index": false
},
"price": {
"type": "float"
}
}
}
响应结果：
代码语言：javascript复制{
"acknowledged": true
}
上述案例中，就给 renda 这个索引库添加了一个名为 goods 的类型，并且在类型中设置了 3 个字段：
- title - 商品标题
- images - 商品图片
- price - 商品价格
并且给这些字段设置了一些属性，至于这些属性对应的含义，后面会详细介绍。
查看映射关系
查看某个索引库中的所有类型的映射语法：
代码语言：javascript复制GET /索引库名/_mapping
如果要查看某个类型映射，可以再路径后面跟上类型名称：
代码语言：javascript复制GET /索引库名/_mapping/类型名
示例请求：
代码语言：javascript复制GET /renda/_mapping/goods
响应：
代码语言：javascript复制{
"renda": {
"mappings": {
"goods": {
"properties": {
"images": {
"type": "keyword",
"index": false,
"store": true
},
"price": {
"type": "float"
},
"title": {
"type": "text",
"store": true,
"analyzer": "ik_max_word"
}
}
}
}
}
}
映射属性详解
1）type
Elasticsearch 中支持的数据类型非常丰富：
代码语言：javascript复制核心类型:
字符串类型 - text,keyword - 结构化搜索，全文文本搜索、聚合、排序等
整数类型 - integer,long,short,byte - 字段的长度越短，索引和搜索的效率越高
浮点类型 - double,float,half_float,scaled_float
逻辑类型 - boolean
日期类型 - date
范围类型 - range
二进制类型 - binary
该 binary 类型接受二进制值作为 Base64 编码的字符串。
该字段默认情况下不存储(store)，并且不可搜索。
复合类型：
数组类型 - array
对象类型 - object - 用于单个 JSON 对象
嵌套类型 - nested - 用于 JSON 对象数组
地理类型：
地理坐标类型 - geo_point - 纬度/经度积分
地理地图 - geo_shape - 用于多边形等复杂形状
特殊类型：
IP 类型 - ip - 用于 IPv4 和 IPv6 地址
范围类型 - completion - 提供自动完成建议
令牌计数类型 - token_count - 计算字符串中令牌的数量
String 类型分两种：
text：使用文本数据类型的字段，它们会被分词，文本字段不用于排序，很少用于聚合，如文章标题、正文。keyword：关键字数据类型，用于索引结构化内容的字段，不会被分词，必须完整匹配的内容，如邮箱，身份证号；支持聚合。
这两种类型都是比较常用的，但有的时候，对于一个字符串字段，可能希望两种都支持，此时，可以利用其多字段特性。
代码语言：javascript复制"properties": {
"title":{
"type": "text",
"analyzer": "ik_max_word",
"fields": {
"sort": {
"type": "keyword"
}
},
"index": true
}
}
Numerical：数值类型，分两类
- 基本数据类型：
long、interger、short、byte、double、float、half_float double双精度 64 位float单精度 32 位half_float半精度 16 位- 浮点数的高精度类型：
scaled_float。带有缩放因子的缩放类型浮点数，依靠一个 long 数字类型通过一个固定的 (double 类型) 缩放因数进行缩放；需要指定一个精度因子，比如 10 或 100。Elasticsearch 会把真实值乘以这个因子后存储，取出时再还原。
Date：日期类型，Elasticsearch 可以对日期格式化为字符串存储，但是建议存储为毫秒值，存储为 long，节省空间。
Array：数组类型
- 进行匹配时，任意一个元素满足，都认为满足。
- 排序时，如果升序则用数组中的最小值来排序，如果降序则用数组中的最大值来排序。
字符串数组：["one", "two"]
整数数组：[1, 2]
数组的数组：[1, [2, 3]]，等价于 [1,2,3]
对象数组：[{"name": "Mary", "age": 12}, {"name": "John", "age": 10}]
Object：对象，JSON 文档本质上是分层的 - 文档包含内部对象，内部对象本身还包含内部对象。
代码语言：javascript复制{
"region": "US",
"manager.age": ,
"manager.name ": "John Smith"
}
索引方法如下：
{
"mappings": {
"properties": {
"region": { "type": "keyword" },
"manager": {
"properties": {
"age": { "type": "integer" },
"name": { "type": "text" }
}
}
}
}
}
如果存储到索引库的是对象类型，例如上面的 manager，会把 manager 编成两个字段：manager.name 和 manager.age。
IP 地址：
代码语言：javascript复制PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"ip_addr": {
"type": "ip"
}
}
}
}
}
PUT my_index/_doc/
{
"ip_addr": "192.168.1.1"
}
GET my_index/_search
{
"query": {
"term": {
"ip_addr": "192.168.0.0/16"
}
}
}
2）index
index 影响字段的索引情况。
true：字段会被索引，则可以用来进行搜索过滤。默认值就是 true，只有当某一个字段的 index 值设置为 true 时，检索 ES 才可以作为条件去检索。false：字段不会被索引，不能用来搜索。
index 的默认值就是 true，也就是说不进行任何配置，所有字段都会被索引。
但是有些字段是不希望被索引的，比如商品的图片信息 URL，就需要手动设置 index 为 false。
3）store
是否将数据进行额外存储。
在 lucene 中，如果一个字段的 store 设置为 false，那么在文档列表中就不会有这个字段的值，用户的搜索结果中不会显示出来。
但是在 Elasticsearch 中，即便 store 设置为 false，也可以搜索到结果。
原因是 Elasticsearch 在创建文档索引时，会将文档中的原始数据备份，保存到一个叫做 _source 的属性中。而且我们可以通过过滤 _source 来选择哪些要显示，哪些不显示。
如果设置 store 为 true，就会在 _source 以外额外存储一份数据，多余，因此一般都会将 store 设置为 false，事实上，store 的默认值就是 false。
在某些情况下，这对 store 某个领域可能是有意义的。例如，如果文档包含一个 title ，一个 date 和一个非常大的 content 字段，则可能只想检索 the title 和 the date 而不必从一个大 _source 字段中提取这些字段：
代码语言：javascript复制PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"title": {
"type": "text",
"store": true
},
"date": {
"type": "date",
"store": true
},
"content": {
"type": "text"
}
}
}
}
}
4）boost
网站权重：是指搜索引擎给网站（包括网页）赋予一定的权威值，对网站（含网页）权威的评估评价。一个网站权重越高，在搜索引擎所占的份量越大，在搜索引擎排名就越好。提高网站权重，不但利于网站（包括网页）在搜索引擎的排名更靠前，还能提高整站的流量，提高网站信任度。所以提高网站的权重具有相当重要的意义。权重即网站在 SEO 中的重要性，权威性。Page Strength：1、权重不等于排名；2、权重对排名有着非常大的影响；3、整站权重的提高有利于内页的排名。
权重，新增数据时，可以指定该数据的权重，权重越高，得分越高，排名越靠前。
代码语言：javascript复制PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"title": {
"type": "text",
"boost":
},
"content": {
"type": "text"
}
}
}
}
}
title 字段上的匹配项的权重是字段上的匹配项的权重的两倍 content，默认 boost 值为 1.0。
提升仅适用于 Term 查询；不提升 prefix，range 和模糊查询。
一次创建索引库和类型
代码语言：javascript复制第一步：
PUT /renda
第二步：
PUT renda/_mapping/goods
{
"properties": {
"title": {
"type": "text",
"analyzer": "ik_max_word"
},
"images": {
"type": "keyword",
"index": "false"
},
"price": {
"type": "float"
}
}
}
刚才的案例中是把创建索引库和类型分开来做，其实也可以在创建索引库的同时，直接制定索引库中的类型，基本语法：
代码语言：javascript复制put /索引库名
{
"settings":{
"索引库属性名":"索引库属性值"
},
"mappings":{
"类型名":{
"properties":{
"字段名":{
"映射属性名":"映射属性值"
}
}
}
}
}
示例：
代码语言：javascript复制PUT /renda
{
"settings": {},
"mappings": {
"goods": {
"properties": {
"title": {
"type": "text",
"analyzer": "ik_max_word"
}
}
}
}
}
结果：
代码语言：javascript复制{
"acknowledged": true,
"shards_acknowledged": true,
"index": "renda2"
}
使用 Kibana 对文档操作
文档，即索引库中某个类型下的数据，会根据规则创建索引，将来用来搜索。可以类比做数据库中的每一行数据。
新增文档
新增并随机生成 id。
通过 POST 请求，可以向一个已经存在的索引库中添加文档数据。
语法：
代码语言：javascript复制POST /索引库名/类型名
{
"key":"value"
}
示例：
代码语言：javascript复制POST /renda/goods/
{
"title": "小米手机",
"images": "http://image.renda.com/12479122.jpg",
"price": 2699.00
}
响应：
代码语言：javascript复制{
"_index": "renda",
"_type": "goods",
"_id": "gPeQqHUB-UTJAEEuqOm9",
"_version": ,
"result": "created",
"_shards": {
"total": ,
"successful": ,
"failed":
},
"_seq_no": ,
"_primary_term":
}
可以看到结果显示为：created，是创建成功了。
另外，需要注意的是，在响应结果中有个 _id 字段，这个就是这条文档数据的唯一标示 ，以后的增删改查都依赖这个 id 作为唯一标示。
可以看到 id 的值为：gPeQqHUB-UTJAEEuqOm9，这里新增时没有指定 id，所以是 ES 随机生成的 id。
查看文档
根据 Rest 风格，新增是 post，查询应该是 get，不过查询一般都需要条件，这里把刚刚生成数据的 id 带上。
通过 kibana 查看数据：
代码语言：javascript复制GET /renda/goods/gPeQqHUB-UTJAEEuqOm
查看结果：
代码语言：javascript复制{
"_index": "renda",
"_type": "goods",
"_id": "gPeQqHUB-UTJAEEuqOm9",
"_version": ,
"found": true,
"_source": {
"title": "小米手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
}
- _source：源文档信息，所有的数据都在里面。
- _id：这条文档的唯一标示。
- 自动生成的 id，长度为 20 个字符，URL 安全，base64 编码，GUID 全局唯一标识符，分布式系统并行生成时不可能会发生冲突。
- 在实际开发中不建议使用 ES 生成的 ID，太长且为字符串类型，检索时效率低。建议：将数据表中唯一的 ID，作为 ES 的文档 ID。
新增文档并自定义 id
如果想要自己新增的时候指定 id，可以这么做：
代码语言：javascript复制POST /索引库名/类型/id值
{
...
}
示例：
代码语言：javascript复制POST /renda/goods/
{
"title": "白米手机",
"images": "http://image.renda.com/12479122.jpg",
"price": 2699.00
}
得到的数据：
代码语言：javascript复制{
"_index": "renda",
"_type": "goods",
"_id": "2",
"_version": ,
"result": "created",
"_shards": {
"total": ,
"successful": ,
"failed":
},
"_seq_no": ,
"_primary_term":
}
修改数据
PUT - 修改文档。
POST - 新增文档。
把刚才新增的请求方式改为 PUT，就是修改了，不过修改必须指定id。
- id 对应文档存在，则修改。
- id 对应文档不存在，则新增。
比如，使用 id 为 3，不存在，则应该是新增：
代码语言：javascript复制PUT /renda/goods/
{
"title": "黑米手机",
"images": "http://image.renda.com/12479122.jpg",
"price": 3999.00,
"stock": ,
"saleable": true
}
结果：
代码语言：javascript复制{
"_index": "renda",
"_type": "goods",
"_id": "3",
"_version": ,
"result": "created",
"_shards": {
"total": ,
"successful": ,
"failed":
},
"_seq_no": ,
"_primary_term":
}
可以看到是 created，是新增。
再次执行刚才的请求，不过把数据改一下：
代码语言：javascript复制PUT /renda/goods/
{
"title": "X米手机",
"images": "http://image.renda.com/12479122.jpg",
"price": 4999.00,
"stock": ,
"saleable": true
}
结果：
代码语言：javascript复制{
"_index": "renda",
"_type": "goods",
"_id": "3",
"_version": ,
"result": "updated",
"_shards": {
"total": ,
"successful": ,
"failed":
},
"_seq_no": ,
"_primary_term":
}
可以看到结果是：updated，显然是更新数据。
删除数据
删除使用 DELETE 请求，同样，需要根据 id 进行删除。
语法：
代码语言：javascript复制DELETE /索引库名/类型名/id值
示例：
代码语言：javascript复制DELETE /renda/goods/
结果：
代码语言：javascript复制{
"_index": "renda",
"_type": "goods",
"_id": "3",
"_version": ,
"result": "deleted",
"_shards": {
"total": ,
"successful": ,
"failed":
},
"_seq_no": ,
"_primary_term":
}
智能判断
Elasticsearch 非常智能，不需要给索引库设置任何 mapping 映射，它也可以根据输入的数据来判断类型，动态添加数据映射。
测试一下：
代码语言：javascript复制POST /renda/goods/
{
"title":"超大米手机",
"images":"http://image.renda.com/12479122.jpg",
"price":3299.00,
"stock": ,
"saleable":true,
"subTitle":"大米"
}
额外添加了 stock 库存，saleable 是否上架，subtitle 副标题，3 个字段。
响应结果：
代码语言：javascript复制{
"_index": "renda",
"_type": "goods",
"_id": "3",
"_version": ,
"result": "created",
"_shards": {
"total": ,
"successful": ,
"failed":
},
"_seq_no": ,
"_primary_term":
}
执行 GET renda 查看索引库的映射关系：
{
"renda": {
"aliases": {},
"mappings": {
"goods": {
"properties": {
"images": {
"type": "keyword",
"index": false,
"store": true
},
"price": {
"type": "float"
},
"saleable": {
"type": "boolean"
},
"stock": {
"type": "long"
},
"subTitle": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above":
}
}
},
"title": {
"type": "text",
"store": true,
"analyzer": "ik_max_word"
}
}
}
},
"settings": {
"index": {
"creation_date": "1604847840423",
"number_of_shards": "5",
"number_of_replicas": "1",
"uuid": "w-Q9ingUTjm2MsfaQ0730g",
"version": {
"created": "6020499"
},
"provided_name": "renda"
}
}
}
}
stock、saleable、subtitle 都被成功映射了。
如果没有事先定义对应的 Mapping，那么就会根据文档中的字段数据推断类型并创建；而且 ES 会在匹配类型中选择范围最大的作为新建的 Mapping 字段的类型。
subtitle 是 String 类型数据，ES 无法智能判断是否应该分词，它就会存入两个字段，从而满足分词和不分词这两种情况。例如：
subtitle- text 类型subtitle.keyword- keyword 类型- keyword 的 ignore_above 为 256，就是说如果此字段值超过了 256 字符，此时将不被索引
这种智能映射，底层原理是动态模板映射，如果想修改这种智能映射的规则，其实只要修改动态模板即可。
动态映射模板
动态模板的语法：
1）模板名称，随便起。
2）匹配条件，凡是符合条件的未定义字段，都会按照这个规则来映射。
3）映射规则，匹配成功后的映射规则。
可以把所有未映射的 String 类型数据自动映射为 keyword 类型：
代码语言：javascript复制PUT renda
{
"mappings": {
"goods": {
"properties": {
"title": {
"type": "text",
"analyzer": "ik_max_word",
"index": true,
"store": true
}
},
"dynamic_templates": [
{
"strings": {
"match_mapping_type": "string",
"mapping": {
"type": "keyword",
"index": false,
"store": true
}
}
}
]
}
}
}
响应结果：
代码语言：javascript复制{
"acknowledged": true,
"shards_acknowledged": true,
"index": "renda3"
}
在这个案例中，做了两个映射配置：
title字段 - 统一映射为 text 类型，并制定分词器。- 其它字段 - 只要是 string 类型，统一都处理为 keyword 类型。
这样，未知的 string 类型数据就不会被映射为 text 和 keyword 并存，而是统一以 keyword 来处理。
新增一个数据：
代码语言：javascript复制POST /renda/goods/
{
"title":"X米手机",
"images":"http://image.renda.com/12479122.jpg",
"price":3299.00
}
响应结果：
代码语言：javascript复制{
"_index": "renda3",
"_type": "goods",
"_id": "1",
"_version": ,
"result": "created",
"_shards": {
"total": ,
"successful": ,
"failed":
},
"_seq_no": ,
"_primary_term":
}
查看 images 和 price 会被映射为什么类型：
GET /renda3/_mapping
结果：
代码语言：javascript复制{
"renda3": {
"mappings": {
"goods": {
"dynamic_templates": [
{
"strings": {
"match_mapping_type": "string",
"mapping": {
"index": false,
"store": true,
"type": "keyword"
}
}
}
],
"properties": {
"images": {
"type": "keyword",
"index": false,
"store": true
},
"price": {
"type": "float"
},
"title": {
"type": "text",
"store": true,
"analyzer": "ik_max_word"
}
}
}
}
}
}
可以看到 images 被映射成了 keyword，而非之前的 text 和 keyword 并存，说明动态模板生效了。
ElasticSearch 查询
基本查询
基本语法：
代码语言：javascript复制GET /索引库名/_search
{
"query":{
"查询类型":{
"查询条件":"查询条件值"
}
}
}
这里的 query 代表一个查询对象，里面可以有不同的查询属性。
查询类型：match_all、match、term、range 等等。
查询条件：查询条件会根据类型的不同，写法也有差异。
查询所有（match_all)
示例：
代码语言：javascript复制GET /renda/_search
{
"query":{
"match_all": {}
}
}
query：代表查询对象。
match_all：代表查询所有。
结果：
代码语言：javascript复制{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": ,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "2",
"_score": ,
"_source": {
"title": "白米手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
},
{
"_index": "renda",
"_type": "goods",
"_id": "gPeQqHUB-UTJAEEuqOm9",
"_score": ,
"_source": {
"title": "小米手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
},
{
"_index": "renda",
"_type": "goods",
"_id": "3",
"_score": ,
"_source": {
"title": "超大米手机",
"images": "http://image.renda.com/12479122.jpg",
"price": ,
"stock": ,
"saleable": true,
"subTitle": "大米"
}
}
]
}
}
结果解析：
代码语言：javascript复制took - 检索所耗费的时间，单位是毫秒。
timed_out - 是否超时。
_shards - 分片信息。
hits - 命中结果，检索结果信息。
total - 搜索到的总条数。
max_score - 所有结果中文档得分的最高分。
hits - 搜索结果的文档对象数组，每个元素是一条搜索到的文档信息。
_index - 索引库。
_type - 文档类型。
_id - 文档 id。
_score - 评分；索引库的一个概念；关联度。
_source - 原始数据。
文档得分：使用 ES 时，对于查询出的文档无疑会有文档相似度之别；而理想的排序是和查询条件相关性越高排序越靠前，而这个排序的依据就是 _score。
匹配查询（match）
加入一条数据用于测试：
代码语言：javascript复制PUT /renda/goods/
{
"title": "小米电视4A",
"images": "http://image.renda.com/12479122.jpg",
"price": 3899.00
}
索引库中有 3 部手机，1 台电视。
match 类型查询，会把查询条件进行分词，然后进行查询，多个词条之间是 or 的关系：
GET /renda/_search
{
"query": {
"match": {
"title": "小米电视"
}
}
}
响应结果：
代码语言：javascript复制{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": 0.5753642,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "3",
"_score": 0.5753642,
"_source": {
"title": "小米电视4A",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
},
{
"_index": "renda",
"_type": "goods",
"_id": "gPeQqHUB-UTJAEEuqOm9",
"_score": 0.2876821,
"_source": {
"title": "小米手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
}
]
}
}
在上面的案例中，不仅会查询到电视，而且与小米相关的都会查询到，多个词之间是 or 的关系。
某些情况下，需要更精确查找，即 and 关系。比如在电商平台精确搜索商品时，希望这个关系（查询条件切分词之后的关系）变成 and，可以这样做：
代码语言：javascript复制GET /renda/_search
{
"query": {
"match": {
"title": {
"query": "小米电视",
"operator": "and"
}
}
}
}
响应结果：
代码语言：javascript复制{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": 0.5753642,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "3",
"_score": 0.5753642,
"_source": {
"title": "小米电视4A",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
}
]
}
}
此时，只有同时包含小米和电视的词条才会被搜索到。
词条匹配（term）
term 查询被用于精确值匹配，这些精确值可能是数字、时间、布尔，或者那些未分词的字符串、keyword 类型的字符串。
效果类似于：select * from tableName where colName='value';
GET /renda/_search
{
"query":{
"term":{
"price": 2699.00
}
}
}
响应结果：
代码语言：javascript复制{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": ,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "2",
"_score": ,
"_source": {
"title": "白米手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
},
{
"_index": "renda",
"_type": "goods",
"_id": "gPeQqHUB-UTJAEEuqOm9",
"_score": ,
"_source": {
"title": "小米手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
}
]
}
}
布尔组合（bool）
bool 把各种其它查询通过 must - 与、 must_not - 非、 should - 或 的方式进行组合。
GET /renda/_search
{
"query":{
"bool":{
"must": {
"match": {
"title": "小米"
}
},
"must_not": {
"match": {
"title": "电视"
}
},
"should": {
"match": {
"title": "手机"
}
}
}
}
}
响应结果：
代码语言：javascript复制{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": 0.5753642,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "gPeQqHUB-UTJAEEuqOm9",
"_score": 0.5753642,
"_source": {
"title": "小米手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
}
]
}
}
范围查询（range）
range 查询找出那些落在指定区间内的数字或者时间。
GET /renda/_search
{
"query": {
"range": {
"price": {
"gte": 3000.0,
"lt": 4000.00
}
}
}
}
响应结果：
代码语言：javascript复制{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": ,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "3",
"_score": ,
"_source": {
"title": "小米电视4A",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
}
]
}
}
range 查询允许以下字符：
gt- 大于gte- 大于等于lt- 小于lte- 小于等于
模糊查询（fuzzy）
fuzzy 查询是 term 查询的模糊等价，很少直接使用它。
新增一个商品：
代码语言：javascript复制POST /renda/goods/
{
"title": "Apple手机",
"images": "http://image.renda.com/12479122.jpg",
"price": 6899.00
}
响应结果：
代码语言：javascript复制{
"_index": "renda",
"_type": "goods",
"_id": "5",
"_version": ,
"result": "created",
"_shards": {
"total": ,
"successful": ,
"failed":
},
"_seq_no": ,
"_primary_term":
}
fuzzy 查询是 term 查询的模糊等价，它允许用户搜索词条与实际词条的拼写出现偏差，但是偏差的编辑距离不得超过 2：
GET /renda/_search
{
"query": {
"fuzzy": {
"title": "applas"
}
}
}
上面的查询，也能查询到 apple 手机：
代码语言：javascript复制{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": 0.17260925,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "5",
"_score": 0.17260925,
"_source": {
"title": "Apple手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
}
]
}
}
结果过滤
默认情况下，Elasticsearch 在搜索的结果中，会把文档中保存在 _source 的所有字段都返回。
如果只想获取其中的部分字段，可以添加 _source 的过滤。
直接指定字段
示例：
代码语言：javascript复制GET /renda/_search
{
"_source": ["title","price"],
"query": {
"term": {
"price":
}
}
}
返回的结果：
代码语言：javascript复制{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": ,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "2",
"_score": ,
"_source": {
"price": ,
"title": "白米手机"
}
},
{
"_index": "renda",
"_type": "goods",
"_id": "gPeQqHUB-UTJAEEuqOm9",
"_score": ,
"_source": {
"price": ,
"title": "小米手机"
}
}
]
}
}
指定 includes 和 excludes
includes：来指定想要显示的字段。
excludes：来指定不想要显示的字段。
二者都是可选的。
示例：
代码语言：javascript复制GET /renda/_search
{
"_source": {
"includes":["title", "price"]
},
"query": {
"term": {
"price":
}
}
}
与下面的结果将是一样的：
代码语言：javascript复制GET /renda/_search
{
"_source": {
"excludes": ["images"]
},
"query": {
"term": {
"price":
}
}
}
响应结果：
代码语言：javascript复制{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": ,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "2",
"_score": ,
"_source": {
"price": ,
"title": "白米手机"
}
},
{
"_index": "renda",
"_type": "goods",
"_id": "gPeQqHUB-UTJAEEuqOm9",
"_score": ,
"_source": {
"price": ,
"title": "小米手机"
}
}
]
}
}
过滤（filter）
Elasticsearch 使用的查询语言（DSL）拥有一套查询组件，这些组件可以以无限组合的方式进行搭配。
这套组件可以在以下两种情况下使用：过滤情况 - filtering context 和查询情况 - query context。
如何选择查询与过滤：
通常的规则是，使用查询（query）语句来进行全文搜索或者其它任何需要影响相关性得分的搜索；除此以外的情况都使用过滤（filters)。
条件查询中进行过滤：
所有的查询都会影响到文档的评分及排名。如果需要在查询结果中进行过滤，并且不希望过滤条件影响评分，那么就不要把过滤条件作为查询条件来用，而是使用 filter 方式：
代码语言：javascript复制GET /renda/_search
{
"query":{
"bool":{
"must":{ "match": { "title": "小米手机" }},
"filter":{
"range":{"price":{"gt":2000.00,"lt":3800.00}}
}
}
}
}
无查询条件，直接过滤：
如果一次查询只有过滤，没有查询条件，不希望进行评分，可以使用 constant_score 取代只有 filter 语句的 bool 查询。在性能上是完全相同的，但对于提高查询简洁性和清晰度有很大帮助。
代码语言：javascript复制GET /renda/_search
{
"query":{
"constant_score": {
"filter": {
"range": {"price":{"gt":2000.00, "lt":3000.00}}
}
}
}
}
排序
单字段排序
sort 可以按照不同的字段进行排序，并且通过 order 指定排序的方式。
GET /renda/_search
{
"query": {
"match": {
"title": "小米手机"
}
},
"sort": [
{
"price": {
"order": "desc"
}
}
]
}
多字段排序
假定想要结合使用 price 和 _score 进行查询，并且匹配的结果首先按照价格排序，然后按照相关性得分排序：
GET /renda/_search
{
"query":
{
"bool":
{
"must":
{
"match":
{
"title": "小米手机"
}
},
"filter":{
"range":
{
"price":
{
"gt":,
"lt":
}
}
}
}
},
"sort": [
{
"price":
{
"order": "desc"
}
},
{
"_score":
{
"order": "desc"
}
}
]
}
分页
Elasticsearch 中数据都存储在分片中，当执行搜索时每个分片独立搜索后，数据再经过整合返回。那么，如何实现分页查询呢？
Elasticsearch 的分页与 MySQL 数据库非常相似，都是指定两个值：
from- 目标数据的偏移值（开始位置），默认 from 为 0。size- 每页大小。
GET /renda/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"price": {
"order": "asc"
}
}
],
"from": ,
"size":
}
结果：
代码语言：javascript复制{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": null,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "5",
"_score": null,
"_source": {
"title": "Apple手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
},
"sort": [
]
}
]
}
}
高亮
高亮原理：
- 服务端搜索数据，得到搜索结果。
- 把搜索结果中，搜索关键字都加上约定好的标签。
- 前端页面提前写好标签的 CSS 样式，即可高亮。
Elasticsearch 中实现高亮的语法比较简单：
代码语言：javascript复制GET /renda/_search
{
"query": {
"match": {
"title": "手机"
}
},
"highlight": {
"pre_tags": "<em>",
"post_tags": "</em>",
"fields": {
"title": {}
}
}
}
在使用 match 查询的同时，加上一个 highlight 属性：
代码语言：javascript复制pre_tags：前置标签
post_tags：后置标签
fields：需要高亮的字段
title：这里声明 title 字段需要高亮
结果：
代码语言：javascript复制{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": 0.2876821,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "5",
"_score": 0.2876821,
"_source": {
"title": "Apple手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
},
"highlight": {
"title": [
"Apple<em>手机</em>"
]
}
},
{
"_index": "renda",
"_type": "goods",
"_id": "2",
"_score": 0.2876821,
"_source": {
"title": "白米手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
},
"highlight": {
"title": [
"白米<em>手机</em>"
]
}
},
{
"_index": "renda",
"_type": "goods",
"_id": "gPeQqHUB-UTJAEEuqOm9",
"_score": 0.2876821,
"_source": {
"title": "小米手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
},
"highlight": {
"title": [
"小米<em>手机</em>"
]
}
}
]
}
}
聚合 Aggregations
聚合可以极其方便的实现对数据的统计、分析，例如：
- 什么品牌的手机最受欢迎？
- 这些手机的平均价格、最高价格、最低价格？
- 这些手机每月的销售情况如何？
实现这些统计功能的比结构化数据库的 SQL 要方便的多，而且查询速度非常快，可以实现近实时搜索效果。
基本概念
Elasticsearch 中的聚合，包含多种类型，最常用的两种，一个叫”桶“ ，一个叫”度量“。
桶（bucket）类似于 Group By。
桶的作用，是按照某种方式对数据进行分组，每一组数据在 ES 中称为一个 桶 ，例如根据国籍对人划分，可以得到中国桶 、英国桶、日本桶等等，或者按照年龄段对人进行划分：0~10, 10~20, 20~30, 30~40 等。
Elasticsearch 中提供的划分桶的方式有很多：
- Date Histogram Aggregation：根据日期阶梯分组，例如给定阶梯为周，会自动每周分为一组。
- Histogram Aggregation：根据数值阶梯分组，与日期类似，需要知道分组的间隔（interval）。
- Terms Aggregation：根据词条内容分组，词条内容完全匹配的为一组。
- Range Aggregation：数值和日期的范围分组，指定开始和结束，然后按段分组。
综上所述，bucket aggregations 只负责对数据进行分组，并不进行计算，因此往往 bucket 中往往会嵌套另一种聚合：度量 - metrics aggregations。
度量（metrics）相当于聚合的结果。
分组完成以后，一般会对组中的数据进行聚合运算，例如求平均值、最大、最小、求和等，这些在 ES 中称为度量。
比较常用的一些度量聚合方式：
- Avg Aggregation - 求平均值。
- Max Aggregation - 求最大值。
- Min Aggregation - 求最小值。
- Percentiles Aggregation - 求百分比。
- Stats Aggregation - 同时返回 avg、max、min、sum、count 等。
- Sum Aggregation - 求和。
- Top hits Aggregation - 求前几。
- Value Count Aggregation - 求总数。
为了测试聚合，先批量导入一些数据。
创建索引：
代码语言：javascript复制PUT /car
{
"mappings": {
"orders": {
"properties": {
"color": {
"type": "keyword"
},
"make": {
"type": "keyword"
}
}
}
}
}
注意：在 ES 中，需要进行聚合、排序、过滤的字段其处理方式比较特殊，因此不能被分词，必须使用 keyword 或数值类型 。这里将 color 和 make 这两个文字类型的字段设置为 keyword 类型，这个类型不会被分词，将来就可以参与聚合。
导入数据，这里是采用批处理的 API，可以直接复制到 Kibana 运行即可：
代码语言：javascript复制POST /car/orders/_bulk
{ "index": {}}
{ "price" : , "color" : "红", "make" : "本田", "sold" : "2020-10-28" }
{ "index": {}}
{ "price" : , "color" : "红", "make" : "本田", "sold" : "2020-11-05" }
{ "index": {}}
{ "price" : , "color" : "绿", "make" : "福特", "sold" : "2020-05-18" }
{ "index": {}}
{ "price" : , "color" : "蓝", "make" : "丰田", "sold" : "2020-07-02" }
{ "index": {}}
{ "price" : , "color" : "绿", "make" : "丰田", "sold" : "2020-08-19" }
{ "index": {}}
{ "price" : , "color" : "红", "make" : "本田", "sold" : "2020-11-05" }
{ "index": {}}
{ "price" : , "color" : "红", "make" : "宝马", "sold" : "2020-01-01" }
{ "index": {}}
{ "price" : , "color" : "蓝", "make" : "福特", "sold" : "2020-02-12" }
聚合为桶
首先，按照汽车的颜色 color 来划分桶，按照颜色分桶，最好是使用 TermAggregation 类型，按照颜色的名称来分桶。
代码语言：javascript复制GET /car/_search
{
"size" : ,
"aggs" : {
"popular_colors" : {
"terms" : {
"field" : "color"
}
}
}
}
分析：
代码语言：javascript复制size：查询条数，这里设置为 0，因为不关心搜索到的数据，只关心聚合结果，提高效率
aggs：声明这是一个聚合查询，是 aggregations 的缩写
popular_colors：给这次聚合起一个名字，可任意指定
terms：聚合的类型，这里选择 terms，是根据词条内容（这里是颜色）划分
field：划分桶时依赖的字段
结果：
代码语言：javascript复制{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": ,
"hits": []
},
"aggregations": {
"popular_colors": {
"doc_count_error_upper_bound": ,
"sum_other_doc_count": ,
"buckets": [
{
"key": "红",
"doc_count":
},
{
"key": "绿",
"doc_count":
},
{
"key": "蓝",
"doc_count":
}
]
}
}
}
结果分析：
代码语言：javascript复制hits：查询结果为空，因为设置了 size 为
aggregations：聚合的结果
popular_colors：定义的聚合名称
buckets：查找到的桶，每个不同的 color 字段值都会形成一个桶
key：这个桶对应的 color 字段的值
doc_count：这个桶中的文档数量
通过聚合的结果发现，目前红色的小车比较畅销。
桶内度量
前面的例子展示每个桶里面的文档数量，这很有用。但通常，应用需要提供更复杂的文档度量。例如，每种颜色汽车的平均价格是多少？
因此，需要告诉 Elasticsearch 使用哪个字段，使用何种度量方式进行运算，这些信息要嵌套在 桶内，度量的运算会基于桶内的文档进行。
现在，为刚刚的聚合结果添加求价格平均值的度量：
代码语言：javascript复制GET /car/_search
{
"size" : ,
"aggs" : {
"popular_colors" : {
"terms" : {
"field" : "color"
},
"aggs":{
"avg_price": {
"avg": {
"field": "price"
}
}
}
}
}
}
aggs：在上一个aggs(popular_colors)中添加新的 aggs，可见度量也是一个聚合avg_price：聚合的名称avg：度量的类型，这里是求平均值field：度量运算的字段
结果：
代码语言：javascript复制{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": ,
"hits": []
},
"aggregations": {
"popular_colors": {
"doc_count_error_upper_bound": ,
"sum_other_doc_count": ,
"buckets": [
{
"key": "红",
"doc_count": ,
"avg_price": {
"value":
}
},
{
"key": "绿",
"doc_count": ,
"avg_price": {
"value":
}
},
{
"key": "蓝",
"doc_count": ,
"avg_price": {
"value":
}
}
]
}
}
}
可以看到每个桶中都有自己的 avg_price 字段，这是度量聚合的结果。
Elasticsearch 集群
单点的问题
单点的 Elasticsearch 存在的问题：
- 单台机器存储容量有限，无法实现高存储。
- 单服务器容易出现单点故障，无法实现高可用。
- 单服务的并发处理能力有限，无法实现高并发。
所以，为了应对这些问题，需要对 Elasticsearch 搭建集群。
集群的结构
数据分片
首先，面临的第一个问题就是数据量太大，单点存储量有限的问题。
可以把数据拆分成多份，每一份存储到不同机器节点（node），从而实现减少每个节点数据量的目的。这就是数据的分布式存储，也叫做：数据分片（Shard）。
代码语言：javascript复制完整索引库indices ----> [分片shard1, 分片shard2, 分片shard3]
创建索引，分为三个分片，
将每个分片放在不同的集群节点中，以此实现高存储。
数据备份
数据分片解决了海量数据存储的问题，但是如果出现单点故障，那么分片数据就不再完整，这又该如何解决呢？
可以给每个分片数据进行备份，存储到其它节点，防止数据丢失，这就是数据备份，也叫数据副本（replica） 。
数据备份可以保证高可用，但是每个分片备份一份，所需要的节点数量就会翻一倍，成本过高。
为了在高可用和成本间寻求平衡：
- 首先对数据分片，存储到不同节点。
- 然后对每个分片进行备份，放到对方节点，完成互相备份。
这样可以大大减少所需要的服务节点数量。
以 3 分片，每个分片备份一份为例：
代码语言：javascript复制node-01 : 0, 2
node-02 : 0, 1
node-03 : 1, 2
集群有三个节点，分别是 node-01、node-02、node-03；
新建索引 renda，指定分片为 3，副本为 1，三个主数据，三个副本；
三个分片为 0，1，2。
0 对应 node-01，
1 对应 node-02，
2 对应 node-03，
在这个集群中，如果出现单节点故障，并不会导致数据缺失，所以保证了集群的高可用，同时也减少了节点中数据存储量。并且因为是多个节点存储数据，因此用户请求也会分发到不同服务器，并发能力也得到了一定的提升。
搭建集群
集群需要多台机器，这里用一台机器来模拟，因此需要在一台虚拟机中部署多个 Elasticsearch 节点，每个 Elasticsearch 的端口都必须不一样。
一台机器进行模拟：将 ES 的安装包复制三份，修改端口号，data 和 log 存放位置的不同。
实际开发中：将每个 ES 节点放在不同的服务器上。
集群名称为：renda-elastic，部署 3 个 elasticsearch 节点，分别是：
- node-01：http 端口 9201，TCP 端口 9301
- node-02：http 端口 9202，TCP 端口 9302
- node-03：http 端口 9203，TCP 端口 9303
http：表示使用 http 协议进行访问时使用端口，elasticsearch-head、kibana、postman，默认端口号是 9200。
tcp：集群间的各个节点进行通讯的端口，默认 9300。
第一步：复制 es 软件粘贴 3 次，分别改名。
第二步：修改每一个节点的配置文件 config 下的 elasticsearch.yml，下面以第一份配置文件为例。
三个节点的配置文件几乎一致，除了：node.name、path.data、path.logs、http.port、transport.tcp.port。
node-01：
代码语言：javascript复制# 允许跨域名访问
http.cors.enabled: true
# 当设置允许跨域，默认为*,表示支持所有域名
http.cors.allow-origin: "*"
# 允许所有节点访问
network.host: 0.0.0.0
# 集群的名称，同一个集群下所有节点的集群名称应该一致
cluster.name: renda-elastic
# 当前节点名称 每个节点不一样
node.name: node-01
# 数据的存放路径 每个节点不一样，不同 es 服务器对应的 data 和 log 存储的路径不能一样
path.data: e:classes-9201data
# 日志的存放路径 每个节点不一样
path.logs: e:classes-9201logs
# http协议的对外端口 每个节点不一样，默认：9200
http.port: 9201
# TCP协议对外端口 每个节点不一样，默认：9300
transport.tcp.port: 9301
# 三个节点相互发现，包含自己，使用 tcp 协议的端口号
discovery.zen.ping.unicast.hosts: ["127.0.0.1:9301","127.0.0.1:9302","127.0.0.1:9303"]
# 声明大于几个的投票主节点有效，请设置为（nodes / 2） 1
discovery.zen.minimum_master_nodes: 2
# 是否为主节点
node.master: true
node-02：
代码语言：javascript复制# 允许跨域名访问
http.cors.enabled: true
http.cors.allow-origin: "*"
network.host: 0.0.0.0
# 集群的名称
cluster.name: renda-elastic
# 当前节点名称 每个节点不一样
node.name: node-02
# 数据的存放路径 每个节点不一样
path.data: e:classes-9202data
# 日志的存放路径 每个节点不一样
path.logs: e:classes-9202logs
# http 协议的对外端口 每个节点不一样
http.port: 9202
# TCP 协议对外端口 每个节点不一样
transport.tcp.port: 9302
# 三个节点相互发现
discovery.zen.ping.unicast.hosts: ["127.0.0.1:9301","127.0.0.1:9302","127.0.0.1:9303"]
# 声明大于几个的投票主节点有效，请设置为（nodes / 2） 1
discovery.zen.minimum_master_nodes: 2
# 是否为主节点
node.master: true
node-03：
代码语言：javascript复制# 允许跨域名访问
http.cors.enabled: true
http.cors.allow-origin: "*"
network.host: 0.0.0.0
# 集群的名称
cluster.name: renda-elastic
# 当前节点名称 每个节点不一样
node.name: node-03
# 数据的存放路径 每个节点不一样
path.data: e:classes-9203data
# 日志的存放路径 每个节点不一样
path.logs: e:classes-9203logs
# http协议的对外端口 每个节点不一样
http.port: 9203
# TCP协议对外端口 每个节点不一样
transport.tcp.port: 9303
# 三个节点相互发现
discovery.zen.ping.unicast.hosts: ["127.0.0.1:9301","127.0.0.1:9302","127.0.0.1:9303"]
# 声明大于几个的投票主节点有效，请设置为（nodes / 2） 1
discovery.zen.minimum_master_nodes: 2
# 是否为主节点
node.master: true
第三步：启动集群
把三个节点分别启动，要确保一个一个地启动。
Chrome 浏览器使用 Head 插件查看节点启动状态，connect http://localhost:9201/。
测试集群中创建索引库
配置 kibana.yml：
代码语言：javascript复制# 端口号改为 9201 或 9202 或 9203 都可以
elasticsearch.url: "http://localhost:9201"
再重启 Kibana。
搭建集群以后就要创建索引库了，那么问题来了，当创建一个索引库后，数据会保存到哪个服务节点上呢？如果对索引库分片，那么每个片会在哪个节点呢？
使用 ElasticSearch-Head 创建新的 Index：名称为 renda，分片数为 3，副本为 1。
对比创建索引库的 API 示例：
代码语言：javascript复制PUT /renda
{
"settings": {
"number_of_shards": ,
"number_of_replicas":
}
}
这里有两个配置：
- number_of_shards：分片数量，这里设置为 3
- number_of_replicas：副本数量，这里设置为 1，每个分片一个备份，一个原始数据，共 2 份。
通过 chrome 浏览器的 head 插件查看，可以查看到分片的存储结构。
可以看到，renda 这个索引库，有三个分片，分别是 0、1、2，每个分片有 1 个副本，共 6 份。
- node-01 上保存了 1 号分片和 2 号分片的副本
- node-02 上保存了 0 号分片和 2 号分片的副本
- node-03 上保存了 0 号分片和 1 号分片的副本
集群工作原理
Shard 与 Replica 机制
1）一个 index 包含多个 shard，也就是一个 index 存在多个服务器上。
2）每个 shard 都是一个最小工作单元，承载部分数据，比如有三台服务器，现在有三条数据，这三条数据在三台服务器上各方一条。
3）增减节点时，shard 会自动在 nodes 中负载均衡。
4）primary shard（主分片）和 replica shard（副本分片），每个 document 肯定只存在于某一个 primary shard 以及其对应的 replica shard 中，不可能存在于多个 primary shard。
5）replica shard 是 primary shard 的副本，负责容错，以及承担读请求负载。
6）primary shard 的数量在创建索引的时候就固定了，replica shard 的数量可以随时修改。
7）primary shard 的默认数量是 5，replica 默认是 1（每个主分片一个副本分片），默认有 10 个 shard，5 个 primary shard，5 个 replica shard。
8）primary shard 不能和自己的 replica shard 放在同一个节点上（否则节点宕机，primary shard 和副本都丢失，起不到容错的作用），但是可以和其他 primary shard 的 replica shard 放在同一个节点上。
集群写入数据
- 客户端选择一个 node 发送请求过去，这个 node 就是 coordinating node (协调节点)。
- Coordinating node，对document进行路由，将请求转发给对应的node（根据一定的算法选择对应的节点进行存储）。
- 实际上的 node 上的 primary shard 处理请求，将数据保存在本地，然后将数据同步到 replica node。
- Coordinating node，如果发现 primary node 和所有的 replica node 都搞定之后，就会返回请求到客户端。
这个路由简单的说就是取模算法，比如说现在有 3 台服务器，这个时候传过来的 id 是 5，那么 5 % 3 = 2，就放在第 2 台服务器。
ES 查询数据
倒排序算法
倒排序算法：通过分词把词语出现的 id 进行记录下来，再查询的时候先去查到哪些 id 包含这个数据，然后再根据 id 把数据查出来。
查询过程
- 客户端发送一个请求给 coordinate node 协调节点。
- 协调节点将搜索的请求转发给所有的 shard 对应的 primary shard 或 replica shard。
- Query phase（查询阶段），每一个 shard 将自己搜索的结果（其实也就是一些唯一标识），返回给协调节点，由协调节点进行数据的合并，排序，分页等操作，产出最后的结果。
- Fetch phase（获取阶段），接着由协调节点，根据唯一标识去各个节点进行拉取数据，最终返回给客户端。
Elasticsearch 客户端
客户端介绍
在elasticsearch官网中提供了各种语言的客户端：https://www.elastic.co/guide/en/elasticsearch/client/index.html
注意选择版本为 6.2.4 ，与之前的版本保持一致。
创建 Demo 工程
初始化项目
使用 Spring Initializr 初始化项目 elasticsearch-demo --> 选择 Developer Tools 的 Spring Boot DevTools、Lombok，Web 的 Spring Web。
POM 文件
注意，这里直接导入了 SpringBoot 的启动器，方便后续整合 Spring Data Elasticsearch，不过还需要手动引入 Elasticsearch 的 High-level-Rest-Client 的依赖。
另外还要注意确保 spring boot 版本号与 es client 相对应，否则运行时会报创建 elasticsearchRestHighLevelClient 的错误；如果出现了这种错误，就需要 Maven clean 一下项目，然后确保版本号正确后再重新运行。
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>2.1.6.RELEASE</version>
<relativePath/> <!-- lookup parent from repository -->
</parent>
<groupId>com.renda</groupId>
<artifactId>elasticsearch-demo</artifactId>
<version>0.0.1-SNAPSHOT</version>
<name>elasticsearch-demo</name>
<description>Demo project for Spring Boot</description>
<properties>
<java.version>11</java.version>
</properties>
<dependencies>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-devtools</artifactId>
<scope>runtime</scope>
<optional>true</optional>
</dependency>
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
<optional>true</optional>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
<scope>test</scope>
<exclusions>
<exclusion>
<groupId>org.junit.vintage</groupId>
<artifactId>junit-vintage-engine</artifactId>
</exclusion>
</exclusions>
</dependency>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
<scope>test</scope>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-logging</artifactId>
</dependency>
<dependency>
<groupId>com.google.code.gson</groupId>
<artifactId>gson</artifactId>
<version>2.8.5</version>
</dependency>
<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-lang3</artifactId>
<version>3.8.1</version>
</dependency>
<!-- Apache 开源组织提供的用于操作 JAVA BEAN 的工具包 -->
<dependency>
<groupId>commons-beanutils</groupId>
<artifactId>commons-beanutils</artifactId>
<version>1.9.1</version>
</dependency>
<!-- ES 高级 Rest Client -->
<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>elasticsearch-rest-high-level-client</artifactId>
<version>6.4.3</version>
</dependency>
</dependencies>
<build>
<plugins>
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
</plugin>
</plugins>
</build>
</project>
配置文件
在 resource 下创建 application.yml。
索引库及映射
创建索引库的同时，也会创建 type 及其映射关系，但是这些操作不建议使用 java 客户端完成，原因如下：
- 索引库和映射往往是初始化时完成，不需要频繁操作，不如提前配置好。
- 官方提供的创建索引库及映射 API 非常繁琐，需要通过字符串拼接 json 结构。
因此，这些操作建议还是使用 Rest 风格 API 去实现。
以一个商品数据为例来创建索引库：
com.renda.pojo.Product
@Data
public class Product {
private Long id;
private String title; // 标题
private String category; // 分类
private String brand; // 品牌
private Double price; // 价格
private String images; // 图片地址
}
分析一下数据结构：
id：可以认为是主键，将来判断数据是否重复的标示，不分词，可以使用 keyword 类型。title：搜索字段，需要分词，可以用 text 类型。category：商品分类，这个是整体，不分词，可以使用 keyword 类型。brand：品牌，与分类类似，不分词，可以使用 keyword 类型。price：价格，这个是 double 类型。images：图片，用来展示的字段，不搜索，index 为 false，不分词，可以使用 keyword 类型。
可以编写这样的映射配置：
代码语言：javascript复制PUT /renda
{
"settings": {
"number_of_shards": ,
"number_of_replicas":
},
"mappings": {
"item": {
"properties": {
"id": {
"type": "keyword"
},
"title": {
"type": "text",
"analyzer": "ik_max_word"
},
"category": {
"type": "keyword"
},
"brand": {
"type": "keyword"
},
"images": {
"type": "keyword",
"index": false
},
"price": {
"type": "double"
}
}
}
}
}
索引数据操作
有了索引库，接下来看看如何新增索引数据。
操作 MySQL 数据库：
- 获取数据库连接
- 完成数据的增删改查
- 释放资源
初始化客户端
完成任何操作都需要通过 HighLevelRestClient 客户端。
编写一个测试类：
com.renda.ElasticsearchDemoApplicationTests
@SpringBootTest
@RunWith(SpringRunner.class)
class ElasticsearchDemoApplicationTests {
private RestHighLevelClient restHighLevelClient;
/**
* 初始化客户端
*/
@Before
public void init() {
RestClientBuilder restClientBuilder = RestClient.builder(
new HttpHost("127.0.0.1", , "http"),
new HttpHost("127.0.0.1", , "http"),
new HttpHost("127.0.0.1", , "http")
);
restHighLevelClient = new RestHighLevelClient(restClientBuilder);
}
/**
* 关闭客户端
*/
@After
public void close() throws IOException {
restHighLevelClient.close();
}
}
新增文档
示例：
com.renda.ElasticsearchDemoApplicationTests
package com.renda;
import com.google.gson.Gson;
import com.renda.pojo.Product;
import org.apache.http.HttpHost;
import org.elasticsearch.action.index.IndexRequest;
import org.elasticsearch.action.index.IndexResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestClientBuilder;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.common.xcontent.XContentType;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;
import org.junit.runner.RunWith;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.test.context.junit4.SpringRunner;
import java.io.IOException;
@RunWith(SpringRunner.class)
@SpringBootTest
public class ElasticsearchDemoApplicationTests {
private RestHighLevelClient restHighLevelClient;
private Gson gson = new Gson();
...
/**
* 插入文档
*/
@Test
public void testInsert() throws IOException {
// 1.文档数据
Product product = new Product();
product.setBrand("华为");
product.setCategory("手机");
product.setId(1L);
product.setImages("http://image.huawei.com/1.jpg");
product.setPrice(5999.99);
product.setTitle("华为P30");
// 2.将文档数据转换为 json 格式
String source = gson.toJson(product);
// 3.创建索引请求对象 访问哪个索引库、哪个 type、指定文档 ID
// public IndexRequest(String index, String type, String id)
IndexRequest request = new IndexRequest("renda", "item", product.getId().toString());
request.source(source, XContentType.JSON);
// 4.发出请求
IndexResponse response = restHighLevelClient.index(request, RequestOptions.DEFAULT);
System.out.println(response);
}
}
看下响应：
代码语言：javascript复制IndexResponse[
index=renda,
type=item,
id=,
version=,
result=updated,
seqNo=,
primaryTerm=,
shards={
"total":,
"successful":,
"failed":
}
]
查看文档
根据 Rest 风格，查看应该是根据 id 进行 get 查询，难点是对结果的解析：
代码语言：javascript复制...
/**
* 查看文档
*/
@Test
public void testView() throws IOException {
// 初始化 GetRequest 对象
GetRequest getRequest = new GetRequest("renda", "item", "1");
// 执行查询
GetResponse getResponse = restHighLevelClient.get(getRequest, RequestOptions.DEFAULT);
// 取出数据
String source = getResponse.getSourceAsString();
Product product = gson.fromJson(source, Product.class);
System.out.println(product);
}
...
结果：
代码语言：javascript复制Product(
id=,
title=华为P,
category=手机,
brand=华为,
price=5999.99,
images=http://image.huawei.com/1.jpg
)
修改文档
新增时，如果传递的 id 是已经存在的，则会完成修改操作，如果不存在，则是新增。
删除文档
根据 id 删除：
代码语言：javascript复制/**
* 删除文档
*/
@Test
public void testDelete() throws IOException {
// 初始化 DeleteRequest 对象
DeleteRequest request = new DeleteRequest("renda", "item", "1");
// 执行删除
DeleteResponse response = restHighLevelClient.delete(request, RequestOptions.DEFAULT);
System.out.println(response);
}
结果：
代码语言：javascript复制DeleteResponse[
index=renda,
type=item,
id=,
version=,
result=deleted,
shards=ShardInfo
{
total=2,
successful=2,
failures=[]
}
]
搜索数据
查询所有 match_all
代码语言：javascript复制/**
* 可重用代码
*/
public void baseQuery(SearchSourceBuilder sourceBuilder) throws IOException {
// 创建搜索请求对象
SearchRequest request = new SearchRequest();
// 查询构建工具
request.source(sourceBuilder);
// 执行查询
SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);
// 获得查询结果
SearchHits hits = response.getHits();
// 获得文件数组
SearchHit[] hitsHits = hits.getHits();
for(SearchHit searchHit: hitsHits){
String json = searchHit.getSourceAsString();
// 将 json 反序列化为 Product 格式
Product product = gson.fromJson(json, Product.class);
System.out.println(product);
}
}
/**
* 查看所有文档
*/
@Test
public void matchAll() throws IOException {
// 查询构建工具
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
// 添加查询条件，执行查询类型
sourceBuilder.query(QueryBuilders.matchAllQuery());
// 调用基础查询方法
baseQuery(sourceBuilder);
}
结果示例：
代码语言：javascript复制item = Item{id=5, title='荣耀V10', category='手机', brand='华为', price=2799.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=2, title='坚果手机R1', category='手机', brand='锤子', price=3699.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=4, title='小米Mix2S', category='手机', brand='小米', price=4299.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=1, title='小米手机7', category='手机', brand='小米', price=3299.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=3, title='华为META10', category='手机', brand='华为', price=4499.0, images='http://image.renda.com/13123.jpg'}
注意，上面的代码中，搜索条件是通过 sourceBuilder.query(QueryBuilders.matchAllQuery()) 来添加的。这个 query() 方法接受的参数是：QueryBuilder 接口类型。
这个接口提供了很多实现类，分别对应不同类型的查询，例如：term 查询、match 查询、range 查询、boolean 查询等。
因此，如果要使用各种不同查询，其实仅仅是传递给 sourceBuilder.query() 方法的参数不同而已。而这些实现类不需要去 new ，官方提供了 QueryBuilders 工厂帮构建各种实现类。
关键字搜索 match
搜索类型的变化，仅仅是利用 QueryBuilders 构建的查询对象不同而已，其他代码基本一致：
@Test
public void matchQuery() throws IOException {
SearchSourceBuilder builder = new SearchSourceBuilder();
// 设置查询类型和查询条件
builder.query(QueryBuilders.matchQuery("title", "手机"));
// 调用基础查询方法
baseQuery(builder);
}
结果示例：
代码语言：javascript复制item = Item{id=2, title='坚果手机R1', category='手机', brand='锤子', price=3699.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=1, title='小米手机7', category='手机', brand='小米', price=3299.0, images='http://image.renda.com/13123.jpg'}
范围查询 range
代码语言：javascript复制RangeQueryBuilder rangeQueryBuilder = QueryBuilders.rangeQuery("price");
支持下面的范围关键字：
gt(Object from)大于gte(Object from)大于等于lt(Object from)小于lte(Object from)小于等于
示例：
代码语言：javascript复制@Test
public void rangeQuery() throws IOException {
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
// 执行查询条件和查询类型
RangeQueryBuilder rangeQueryBuilder = QueryBuilders.rangeQuery("price");
rangeQueryBuilder.gte();
rangeQueryBuilder.lte();
sourceBuilder.query(rangeQueryBuilder);
baseQuery(sourceBuilder);
}
结果：
代码语言：javascript复制item = Item{id=5, title='荣耀V10', category='手机', brand='华为', price=2799.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=2, title='坚果手机R1', category='手机', brand='锤子', price=3699.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=1, title='小米手机7', category='手机', brand='小米', price=3299.0, images='http://image.renda.com/13123.jpg'}
source 过滤
_source：存储原始文档。
默认情况下，索引库中所有数据都会返回，如果想只返回部分字段，可以通过 source filter 来控制。
代码语言：javascript复制@Test
public void sourceFilter() throws IOException {
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
// 执行查询条件和查询类型
RangeQueryBuilder rangeQueryBuilder = QueryBuilders.rangeQuery("price");
rangeQueryBuilder.gte();
rangeQueryBuilder.lte();
sourceBuilder.query(rangeQueryBuilder);
// source 过滤，只保留 id、title、price
sourceBuilder.fetchSource(new String[]{"id", "title", "price"}, null);
baseQuery(sourceBuilder);
}
结果：
代码语言：javascript复制item = Item{id=5, title='荣耀V10', category='null', brand='null', price=2799.0, images='null'}
item = Item{id=2, title='坚果手机R1', category='null', brand='null', price=3699.0, images='null'}
item = Item{id=4, title='小米Mix2S', category='null', brand='null', price=4299.0, images='null'}
item = Item{id=1, title='小米手机7', category='null', brand='null', price=3299.0, images='null'}
item = Item{id=3, title='华为META10', category='null', brand='null', price=4499.0, images='null'}
排序
依然是通过 sourceBuilder 来配置：
代码语言：javascript复制@Test
public void sortAndPage() throws IOException {
// 创建搜索请求对象
SearchRequest request = new SearchRequest();
// 查询构建工具
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
// 添加查询条件，执行查询类型
sourceBuilder.query(QueryBuilders.matchAllQuery());
// 执行排序 价格降序排序
sourceBuilder.sort("price", SortOrder.DESC);
baseQuery(sourceBuilder);
}
结果：
代码语言：javascript复制item = Item{id=, title='荣耀V10', category='手机', brand='华为', price=2799.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=, title='小米手机7', category='手机', brand='小米', price=3299.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=, title='坚果手机R1', category='手机', brand='锤子', price=3699.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=, title='小米Mix2S', category='手机', brand='小米', price=4299.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=, title='华为META10', category='手机', brand='华为', price=4499.0, images='http://image.renda.com/13123.jpg'}
分页
分页需要视图层传递两个参数：
- 当前页：currentPage
- 每页大小：pageSize
而 elasticsearch 中需要的不是当前页，而是起始位置，有公式可以计算出：
- 起始位置：
startPos = (currentPage - 1) * pageSize - 第一页：
(1 - 1) * 5 = 0 - 第二页：
(2 - 1) * 5 = 5
代码：
代码语言：javascript复制@Test
public void sortAndPage() throws IOException {
// 创建搜索请求对象
SearchRequest request = new SearchRequest();
// 查询构建工具
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
// 添加查询条件，执行查询类型
sourceBuilder.query(QueryBuilders.matchAllQuery());
// 执行排序 价格降序排序
sourceBuilder.sort("price", SortOrder.DESC);
// 分页信息
int currentPage = ;
int pageSize = ;
int startPos = (currentPage - ) * pageSize;
//设置分页
sourceBuilder.from(startPos);
sourceBuilder.size();
baseQuery(sourceBuilder);
}
结果：
代码语言：javascript复制item = Item{id=, title='荣耀V10', category='手机', brand='华为', price=2799.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=, title='小米手机7', category='手机', brand='小米', price=3299.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=, title='坚果手机R1', category='手机', brand='锤子', price=3699.0, images='http://image.renda.com/13123.jpg'}
当 currentPage 为 2 的时候，结果是：
代码语言：javascript复制item = Item{id=, title='小米Mix2S', category='手机', brand='小米', price=4299.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=, title='华为META10', category='手机', brand='华为', price=4499.0, images='http://image.renda.com/13123.jpg'}
Spring Data Elasticsearch
什么是 Spring Data Elasticsearch
Spring Data Elasticsearch - SDE 是 Spring Data 项目下的一个子模块。
Spring Data 的使命是给各种数据访问提供统一的编程接口，不管是关系型数据库（如 MySQL），还是非关系数据库（如 Redis），或者类似 Elasticsearch 这样的索引数据库；从而简化开发人员的代码，提高开发效率。
Spring Data Elasticsearch 的页面：https://projects.spring.io/spring-data-elasticsearch/
特征：
- 支持 Spring 的基于
@Configuration的 java 配置方式，或者 XML 配置方式。 - 提供了用于操作 ES 的便捷工具类
ElasticsearchTemplate，包括实现文档到 POJO 之间的自动智能映射。 - 利用 Spring 的数据转换服务实现的功能丰富的对象映射。
- 基于注解的元数据映射方式，而且可扩展以支持更多不同的数据格式，可以定义 JavaBean：类名、属性。
- 根据持久层接口自动生成对应实现方法，无需人工编写基本操作代码（类似 MyBatis，根据接口自动得到实现）；当然，也支持人工定制查询。
配置 Spring Data Elasticsearch
在 pom 文件中，引入 Spring Data Elasticsearch 的启动器：
代码语言：javascript复制<!-- Spring data elasticsearch -->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>
然后，只需要在 resources 下的 application.yml 文件，引入 Elasticsearch 的 host 和 port 即可：
spring:
data:
elasticsearch:
cluster-name: renda-elastic
cluster-nodes: 127.0.0.1:9301,127.0.0.1:9302,127.0.0.1:9303
需要注意的是，Spring Data Elasticsearch 底层使用的不是 Elasticsearch 提供的 RestHighLevelClient，而是 TransportClient，并不采用 Http 协议通信，而是访问 Elasticsearch 对外开放的 tcp 端口，在之前集群配置中，设置的分别是：9301，9302，9303
确保引导类如下：
代码语言：javascript复制@SpringBootApplication
public class ElasticsearchDemoApplication {
public static void main(String[] args) {
SpringApplication.run(ElasticsearchDemoApplication.class, args);
}
}
另外，SpringBoot 已经配置好了各种 SDE 配置，并且注册了一个 ElasticsearchTemplate 供使用。
索引库操作
创建索引库
Pojo 对象：
代码语言：javascript复制@Data
public class Product {
private Long id;
private String title; // 标题
private String category; // 分类
private String brand; // 品牌
private Double price; // 价格
private String images; // 图片地址
}
创建一个测试类，然后注入 ElasticsearchTemplate：
代码语言：javascript复制@RunWith(SpringRunner.class)
@SpringBootTest
public class ElasticsearchSpringDataTests {
@Autowired
private ElasticsearchTemplate template;
}
创建索引库的 API 示例：
代码语言：javascript复制@RunWith(SpringRunner.class)
@SpringBootTest
public class ElasticsearchSpringDataTests {
@Autowired
private ElasticsearchTemplate template;
@Test
public void createIndex() {
template.createIndex(Product.class);
}
}
运行测试方法，发现报错：Product is not a Document；因为创建索引库需要指定的信息，比如：索引库名、类型名、分片、副本数量、映射信息都没有填写。
自定义工具类类似，SDE 也是通过实体类上的注解来配置索引库信息的，需要在 Product 上添加下面的一些注解：
代码语言：javascript复制@Data
@NoArgsConstructor
@AllArgsConstructor
@Document(indexName = "renda", type = "product", shards = , replicas = )
public class Product {
@Id
private Long id;
@Field(type = FieldType.Text, analyzer = "ik_max_word")
private String title; // 标题
@Field(type = FieldType.Keyword)
private String category; // 分类
@Field(type = FieldType.Keyword)
private String brand; // 品牌
@Field(type = FieldType.Double)
private Double price; // 价格
@Field(type = FieldType.Keyword, index = false)
private String images; // 图片地址
}
@Document：声明索引库配置
indexName：索引库名称type：类型名称，默认是 “docs”shards：分片数量，默认 5replicas：副本数量，默认 1
@Id：声明实体类的 id
@Field：声明字段属性
type：字段的数据类型analyzer：指定分词器类型index：是否创建索引
创建映射
刚才的注解已经把映射关系也配置上了，所以创建映射只需要这样：
代码语言：javascript复制@Test
public void createType() {
template.putMapping(Product.class);
}
索引数据 CRUD
SDE 的索引数据 CRUD 并没有封装在 ElasticsearchTemplate 中，而是有一个叫做 ElasticsearchRepository 的接口。
需要自定义接口，继承 ElasticsearchRespository：
com.renda.repository.ProductRepository
package com.renda.repository;
import com.renda.pojo.Product;
import org.springframework.data.elasticsearch.repository.ElasticsearchRepository;
/**
* 当 SDE 访问索引库时，
* 需要定义一个持久层的接口去继承 ElasticsearchRepository 接口即可，
* 无需实现
*
* @author Renda Zhang
* @since 2020-11-10 23:00
*/
public interface ProductRepository extends ElasticsearchRepository<Product, Long> {
}
创建索引数据
创建索引有单个创建和批量创建之分。
单个创建：
代码语言：javascript复制@Test
public void insertDocument() {
Product product = new Product(6L, "小米手机", "手机", "锤子", 3299.99, "http://image.renda.com/1.jpg");
productRepository.save(product);
System.out.println("Successfully Saved");
}
批量创建：
代码语言：javascript复制@Test
public void insertDocuments() {
Product product1 = new Product(2L, "坚果手机", "手机", "phone", 3299.99, "http://image.renda.com/1.jpg");
Product product2 = new Product(3L, "华为手机", "手机", "phone", 3299.99, "http://image.renda.com/1.jpg");
Product product3 = new Product(4L, "苹果手机", "手机", "phone", 3299.99, "http://image.renda.com/1.jpg");
Product product4 = new Product(5L, "索尼手机", "手机", "phone", 3299.99, "http://image.renda.com/1.jpg");
List<Product> list = new ArrayList<>();
list.add(product1);
list.add(product2);
list.add(product3);
list.add(product4);
productRepository.saveAll(list);
System.out.println("Successfully Saved All");
}
查询索引数据
默认提供了根据 id 查询，查询所有两个功能。
根据 id 查询：
代码语言：javascript复制@Test
public void findById() {
Optional<Product> optional = productRepository.findById(3L);
// orElse 方法的作用：如果 optional 中封装的实体对象为空也就是没有从索引库中查询出匹配的文档，返回 orElse 方法的参数
Product product = optional.orElse(null);
System.out.println(product);
}
结果：
代码语言：javascript复制Product(id=, title=华为手机, category=手机, brand=phone, price=3299.99, images=http://image.renda.com/1.jpg)
查询所有：
代码语言：javascript复制@Test
public void findAll() {
productRepository.findAll().forEach(System.out::println);
}
结果：
代码语言：javascript复制Product(id=, title=小米手机, category=手机, brand=锤子, price=3299.99, images=http://image.renda.com/1.jpg)
Product(id=, title=坚果手机, category=手机, brand=phone, price=3299.99, images=http://image.renda.com/1.jpg)
Product(id=, title=苹果手机, category=手机, brand=phone, price=3299.99, images=http://image.renda.com/1.jpg)
Product(id=, title=索尼手机, category=手机, brand=phone, price=3299.99, images=http://image.renda.com/1.jpg)
Product(id=, title=华为手机, category=手机, brand=phone, price=3299.99, images=http://image.renda.com/1.jpg)
自定义方法查询
ProductRepository 提供的查询方法有限，但是它却提供了非常强大的自定义查询功能。
只要遵循 Spring Data 提供的语法，可以任意定义方法声明：
com.renda.repository.ProductRepository
public interface ProductRepository extends ElasticsearchRepository<Product, Long> {
/**
* 查询价格范围
*/
List<Product> findByPriceBetween(Double from, Double to);
}
无需写实现，SDE 会自动实现该方法，直接用即可：
代码语言：javascript复制@Test
public void findByPrice() {
List<Product> list = productRepository.findByPriceBetween(2000.00, 4000.00);
System.out.println(list.size());
}
支持的一些语法示例：
代码语言：javascript复制And
findByNameAndPrice
{"bool" : {"must" : [ {"field" : {"name" : "?"}}, {"field" : {"price" : "?"}} ]}}
Or
findByNameOrPrice
{"bool" : {"should" : [{"field" : {"name" : "?"}}, {"field" : {"price" : "?"}}]}}
Is
findByName
{"bool" : {"must" : {"field" :{"name" : "?"}}}}
Not
findByNameNot
{"bool" : {"must_not" :{"field" : {"name" : "?"}}}}
Between
findByPriceBetween
{"bool" : {"must" : {"range" : {"price" : {"from" : ?, "to" : ?, "include_lower" : true, "include_upper" : true}}}}}
LessThanEqual
findByPriceLessThan
{"bool" : {"must" : {"range" :{"price" : {"from" : null, "to" : ?, "include_lower" : true, "include_upper" : true}}}}}
GreaterThanEqual
findByPriceGreaterThan
{"bool" : {"must" : {"range" : {"price" : {"from" : ?, "to" : null, "include_lower" : true, "include_upper" : true}}}}}
Before
findByPriceBefore
{"bool" : {"must" : {"range" : {"price" : {"from" : null, "to" : ?, "include_lower" : true, "include_upper" : true}}}}}
After
findByPriceAfter
{"bool" : {"must" : {"range" : {"price" : {"from" : ?, "to" : null, "include_lower" : true, "include_upper" : true}}}}}
Like
findByNameLike
{"bool" : {"must" : {"field" : {"name" : {"query" : "?*", "analyze_wildcard" : true}}}}}
StartingWith
findByNameStartingWith
{"bool" : {"must" : {"field" : {"name" : {"query" : "?*", "analyze_wildcard" : true}}}}}
EndingWith
findByNameEndingWith
{"bool" : {"must" : {"field" : {"name" : {"query" : "*?", "analyze_wildcard" : true}}}}}
Contains/Containing
findByNameContaining
{"bool" : {"must" : {"field" : {"name" : {"query" : "**?**", "analyze_wildcard" : true}}}}}
In
findByNameIn(Collection<String>names)
{"bool" : {"must" : {"bool" : {"should" : [ {"field" : {"name" : "?"}}, {"field" : {"name" : "?"}} ]}}}}
NotIn
findByNameNotIn(Collection<String>names)
{"bool" : {"must_not" : {"bool" : {"should" : {"field" : {"name" : "?"}}}}}}
Near
findByStoreNear
Not Supported Yet !
True
findByAvailableTrue
{"bool" : {"must" : {"field" : {"available" : true}}}}
False
findByAvailableFalse
{"bool" : {"must" : {"field" : {"available" : false}}}}
OrderBy
findByAvailableTrueOrderByNameDesc
{"sort" : [{ "name" : {"order" : "desc"} }],"bool" : {"must" : {"field" : {"available" : true}}}}
原生查询
如果上述接口依然不符合需求，SDE 也支持原生查询，这个时候还是使用 ElasticsearchTemplate。
而查询条件的构建是通过一个名为 NativeSearchQueryBuilder 的类来完成的，不过这个类的底层还是使用 ES 的原生 API 中的 QueryBuilders 、 AggregationBuilders 、 HighlightBuilders 等工具。
需求：查询 title 中包含小米手机的商品，以价格升序排序，分页查询：每页展示 2 条，查询第 1 页；对查询结果进行聚合分析：获取品牌及个数。
示例：
代码语言：javascript复制@Test
public void nativeQuery() {
// 1.构架一个原生查询器
NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder();
// 2.source 过滤
// 2.1 参数：final String[] includes, final String[] excludes
// 如果不想执行 source 过滤可以将该行注释
queryBuilder.withSourceFilter(new FetchSourceFilter(new String[], new String[]));
// 3.查询条件
queryBuilder.withQuery(QueryBuilders.matchQuery("title", "小米手机"));
// 4.设置分页和排序规则
queryBuilder.withPageable(PageRequest.of(, , Sort.by(Sort.Direction.ASC, "price")));
// 5.高亮
// ...
// 6.聚合
queryBuilder.addAggregation(AggregationBuilders.terms("brandAgg").field("brand"));
// 7.查询
AggregatedPage<Product> result = template.queryForPage(queryBuilder.build(), Product.class);
// 8. 解析结果
// 获取分页结果
long total = result.getTotalElements();
int totalPages = result.getTotalPages();
List<Product> content = result.getContent();
System.out.println(total " " totalPages);
content.forEach(System.out::println);
// 获取聚合结果
Aggregations resultAggregations = result.getAggregations();
Terms terms = resultAggregations.get("brandAgg");
terms.getBuckets().forEach(bucket -> {
System.out.println("品牌：" bucket.getKeyAsString());
System.out.println("数量：" bucket.getDocCount());
});
}
上述查询没有实现高亮结果，以下实现高亮展示。
1、首先，自定义搜索结果映射：
com.renda.resultMapper.ESSearchResultMapper
package com.renda.resultMapper;
import com.google.gson.Gson;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.SearchHits;
import org.elasticsearch.search.fetch.subphase.highlight.HighlightField;
import org.springframework.data.domain.Pageable;
import org.springframework.data.elasticsearch.core.SearchResultMapper;
import org.springframework.data.elasticsearch.core.aggregation.AggregatedPage;
import org.springframework.data.elasticsearch.core.aggregation.impl.AggregatedPageImpl;
import java.util.ArrayList;
import java.util.Map;
/**
* 自定义结果映射，处理高亮
*
* @author Renda Zhang
* @since 2020-11-10 23:50
*/
public class ESSearchResultMapper implements SearchResultMapper {
/**
* 完成结果映射
* 操作的重点应该是将原有的结果：_source 取出来，放入高亮的数据
*
* @return AggregatedPage 需要三个参数进行构建：pageable, List<Product>, 总记录数
*/
@Override
public <T> AggregatedPage<T> mapResults(SearchResponse searchResponse, Class<T> aClass, Pageable pageable) {
// 获得总记录数
SearchHits searchHits = searchResponse.getHits();
if (searchHits.getHits().length <= ) {
return null;
}
// 记录列表
ArrayList<T> list = new ArrayList<>();
// 获取原始的搜索结果
for (SearchHit hit : searchHits) {
// 获取 _source 属性中的所有数据
Map<String, Object> map = hit.getSourceAsMap();
// 获得高亮的字段
Map<String, HighlightField> highlightFields = hit.getHighlightFields();
// 每个高亮字段都需要进行设置
for (Map.Entry<String, HighlightField> highlightField : highlightFields.entrySet()) {
// 获得高亮的 key：高亮字段
String key = highlightField.getKey();
// 获得 value：高亮之后的效果
HighlightField value = highlightField.getValue();
// 将高亮字段和文本效果放入到 map 中，覆盖对应数据
map.put(key, value.getFragments()[].toString());
}
// 将 map 转换为对象
// map --> jsonString --> 对象
Gson gson = new Gson();
T t = gson.fromJson(gson.toJson(map), aClass);
list.add(t);
}
// 返回
return new AggregatedPageImpl<>(list, pageable, searchHits.getTotalHits());
}
}
2、高亮实现：
代码语言：javascript复制@Test
public void nativeQuery() {
// 1.构架一个原生查询器
NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder();
// 2.source 过滤
// 2.1 参数：final String[] includes, final String[] excludes
// 如果不想执行 source 过滤可以将该行注释
queryBuilder.withSourceFilter(new FetchSourceFilter(new String[], new String[]));
// 3.查询条件
queryBuilder.withQuery(QueryBuilders.matchQuery("title", "小米手机"));
// 4.设置分页和排序规则
queryBuilder.withPageable(PageRequest.of(, , Sort.by(Sort.Direction.DESC, "price")));
// 5.高亮
HighlightBuilder.Field field = new HighlightBuilder.Field("title");
field.preTags("<font style='color:red'>");
field.postTags("</font>");
queryBuilder.withHighlightFields(field);
// 6.聚合
queryBuilder.addAggregation(AggregationBuilders.terms("brandAgg").field("brand"));
// 7.查询
AggregatedPage<Product> result = template.queryForPage(queryBuilder.build(), Product.class, new ESSearchResultMapper());
// 8. 解析结果
// 获取分页结果
long total = result.getTotalElements();
int totalPages = result.getTotalPages();
List<Product> content = result.getContent();
System.out.println(total " " totalPages);
content.forEach(System.out::println);
}
