一、ElasticSearch概述

官网：https://www.elastic.co/cn/downloads/elasticsearch

Elaticsearch，简称为es，es是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别（大数据时代）的数据。es也使用 java 开发并使用 Lucene 作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的 RESTful API 来隐藏 Lucene 的复杂性，从而让全文搜索变得简单。

据国际权威的数据库产品评测机构 DB Engines 的统计，在2016年1月，ElasticSearch 已超过 Solr 等，成为排名第一的搜索引擎类应用。

1.1. 历史

多年前，一个叫做 Shay Banon 的刚结婚不久的失业开发者，由于妻子要去伦敦学习厨师，他便跟着也去了。在他找工作的过程中，为了给妻子构建一个食谱的搜索引擎，他开始构建一个早期版本的 Lucene。

直接基于 Lucene 工作会比较困难，所以 Shay 开始抽象 Lucene 代码以便 java 程序员可以在应用中添加搜索功能。他发布了他的第一个开源项目，叫做“Compass”。

后来 Shay 找到一份工作，这份工作处在高性能和内存数据网格的分布式环境中，因此高性能的、实时的、分布式的搜索引擎也是理所当然需要的。然后他决定重写 Compass 库使其成为一个独立的服务叫做 Elasticsearch。

第一个公开版本出现在2010年2月，在那之后 Elasticsearch 已经成为 Github 上最受欢迎的项目之一，代码贡献者超过300人。一家主营 Elasticsearch 的公司就此成立，他们一边提供商业支持一边开发新功能，不过 Elasticsearch 将永远开源且对所有人可用。

1.2. Elasticsearch 和 Solr

1.2.1. ElasticSearch简介

  • Elasticsearch 是一个实时分布式搜索和分析引擎。 它让你以前所未有的速度处理大数据成为可能。
  • 它用于全文搜索、结构化搜索、分析以及将这三者混合使用:
  • 维基百科 使用 Elasticsearch 提供全文搜索并高亮关键字，以及输入实时搜索（search-asyou-type）和搜索纠错（did-you-mean）等搜索建议功能。
  • 英国卫报 使用 Elasticsearch 结合用户日志和社交网络数据提供给他们的编辑以实时的反馈，以便及时了解公众对新发表的文章的回应。
  • StackOverflow 结合全文搜索与地理位置查询，以及 more-like-this 功能来找到相关的问题和答案。
  • Github 使用 Elasticsearch 检索1300亿行的代码。
  • 但是 Elasticsearch 不仅用于大型企业，它还让像 DataDog 以及 Klout 这样的创业公司将最初的想法变成可扩展的解决方案。
  • Elasticsearch 可以在你的笔记本上运行，也可以在数以百计的服务器上处理PB级别的数据。
  • Elasticsearch 是一个基于 Apache Lucene（TM）的开源搜索引擎。无论在开源还是专有领域， Lucene 可被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库。
  • 但是， Lucene 只是一个库。 想要使用它，你必须使用Java来作为开发语言并将其直接集成到你的应用中，更糟糕的是， Lucene 非常复杂，你需要深入了解检索的相关知识来理解它是如何工作的。
  • Elasticsearch 也使用 Java 开发并使用 Lucene 作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的 RESTful API 来隐藏 Lucene 的复杂性，从而让全文搜索变得简单。

1.2.2. Solr简介

  • Solr 是 Apache 下的一个顶级开源项目，采用 Java 开发，它是基于 Lucene 的全文搜索服务器。Solr 提供了比Lucene 更为丰富的查询语言，同时实现了可配置、可扩展，并对索引、搜索性能进行了优化
  • Solr 可以独立运行，运行在 letty. Tomcat 等这些 Selrvlet 容器中 ， Solr 索引的实现方法很简单，用POST方法向Solr 服务器发送一个描述 Field 及其内容的XML文档， Solr 根据 xml 文档添加、删除、更新索引。Solr 搜索只需要发送 HTTP GET 请求，然后对 Solr 返回 xml、json 等格式的查询结果进行解析，组织页面布局。
  • Solr 不提供构建UI的功能， Solr 提供了一个管理界面，通过管理界面可以查询Solr的配置和运行情况。
  • Solr 是基于 lucene 开发企业级搜索服务器，实际上就是封装了 lucene.

  • Solr 是一个独立的企业级搜索应用服务器，它对外提供类似于Web-service的API接口。用户可以通过 http 请求，向搜索引擎服务器提交-定格式的文件，生成索引；也可以通过提出查找请求，并得到返回结果。

    1.2.3. ElasticSearch与Solr比较

  • 当单纯的对已有数据进行搜索时，Solr更快

image.png

  • 当实时建立索引时，Solr 会产生 io 阻塞，查询性能较差，ElasticSearch 具有明显的优势

image.png

  • 随着数据量的增加，Solr 的搜索效率会变得更低，而 ElasticSearch 却没有明显的变化

image.png

  • 转变我们的搜索基础设施后从 Solr ElasticSearch，我们看见一个即时~50x提高搜索性能！

image.png
总结
1、es基本是开箱即用（解压就可以用!） ，非常简单。Solr 安装略微复杂一丢丢!
2、Solr 利用Zookeeper进行分布式管理，而 Elasticsearch 自身带有分布式协调管理功能。
3、Solr 支持更多格式的数据，比如 JSON、XML、 CSV ，而 Elasticsearch 仅支持 json 文件格式。
4、Solr 官方提供的功能更多，而 Elasticsearch 本身更注重于核心功能，高级功能多有第三方插件提供，例如图形化界面需要 kibana 友好支撑。
5、Solr 查询快，但更新索引时慢（即插入删除慢） ，用于电商等查询多的应用；

  • ES建立索引快（即查询慢） ，即实时性查询快，用于 facebook 新浪等搜索。
  • Solr是传统搜索应用的有力解决方案，但 Elasticsearch 更适用于新兴的实时搜索应用。

6、Solr 比较成熟，有一个更大，更成熟的用户、开发和贡献者社区，而 Elasticsearch 相对开发维护者较少，更新太快，学习使用成本较高。

二、ElasticSearch安装

这里在windows上安装

2.1. 下载安装

下载地址：https://www.elastic.co/cn/downloads/
历史版本下载：https://www.elastic.co/cn/downloads/past-releases/
解压即可（尽量将ElasticSearch相关工具放在统一目录下）

2.2. 熟悉目录

image.png

  1. bin 启动文件目录
  2. config 配置文件目录
  3.     log4j2 日志配置文件
  4.     jvm.options java 虚拟机相关的配置(默认启动占1g内存，内容不够需要自己调整)
  5.     elasticsearch.yml elasticsearch 的配置文件! 默认9200端口!跨域!
  6. jdk 内置的jdk
  7. lib 
  8.     相关jar包
  9. modules 功能模块目录
  10. plugins 插件目录
  11.     ik分词器

2.3. 启动

image.png

双击elasticsearch.bat

image.png
注意：9300端口位Elasticsearch 集群件组件的通讯端口，9200端口位浏览器访问的http协议restful端口
image.png

2.4. 安装可视化界面 head

elasticsearch-head

使用前提：需要安装 nodejs

下载地址：https://github.com/mobz/elasticsearch-head

安装

解压即可（尽量将ElasticSearch相关工具放在统一目录下）

启动

  1. cd elasticsearch-head
  2. # 安装依赖
  3. npm install
  4. # 启动
  5. npm run start
  6. # 访问
  7. http://localhost:9100/

image.png

访问

存在跨域问题（只有当两个页面同源，才能交互）
同源（端口，主机，协议三者都相同）
image.png

开启跨域（在elasticsearch解压目录config下elasticsearch.yml中添加）

  1. # 开启跨域
  2. http.cors.enabled: true
  3. # 所有人访问
  4. http.cors.allow-origin: "*"

重启elasticsearch，再次连接

image.png

  • 索引 可以看做 “数据库”
  • 类型 可以看做 “表”
  • 文档 可以看做 “库中的数据（表中的行）”

2.5. 安装 kibana

Kibana 是一个针对 ElasticSearch 的开源分析及可视化平台，用来搜索、查看交互存储在 Elasticsearch 索引中的数据。使用 Kibana ，可以通过各种图表进行高级数据分析及展示。Kibana 让海量数据更容易理解。它操作简单，基于浏览器的用户界面可以快速创建仪表板（ dashboard ）实时显示 Elasticsearch 查询动态。设置 Kibana 非常简单。无需编码或者额外的基础架构，几分钟内就可以完成Kibana安装并启动 Elasticsearch 索引监测。

下载的版本需要与ElasticSearch版本对应

下载地址:https://www.elastic.co/cn/downloads/
历史版本下载：https://www.elastic.co/cn/downloads/past-releases/

安装

解压即可（尽量将ElasticSearch相关工具放在统一目录下）
image.png

启动

image.png
image.png
image.png

开发工具

（Postman、curl、head、谷歌浏览器插件）
可以使用 Kibana进行测试
image.png

kibana汉化

编辑器打开kibana解压目录/config/kibana.yml，添加

  1. i18n.locale: "zh-CN"

重启kibana

image.png

2.6. 了解ELK

  • ELK是Elasticsearch、Logstash、 Kibana三大开源框架首字母大写简称。市面上也被成为Elastic Stack。
    • 其中Elasticsearch是一个基于Lucene、分布式、通过Restful方式进行交互的近实时搜索平台框架。
      • 像类似百度、谷歌这种大数据全文搜索引擎的场景都可以使用Elasticsearch作为底层支持框架，可见Elasticsearch提供的搜索能力确实强大，市面上很多时候我们简称Elasticsearch为es。
    • Logstash是ELK的中央数据流引擎，用于从不同目标（文件/数据存储/MQ ）收集的不同格式数据，经过过滤后支持输出到不同目的地（文件/MQ/redis/elasticsearch/kafka等）。
    • Kibana可以将elasticsearch的数据通过友好的页面展示出来 ，提供实时分析的功能。
  • 市面上很多开发只要提到ELK能够一致说出它是一个日志分析架构技术栈总称 ，但实际上ELK不仅仅适用于日志分析，它还可以支持其它任何数据分析和收集的场景，日志分析和收集只是更具有代表性。并非唯一性。

    收集清洗数据（Logstash） ==> 搜索、存储（ElasticSearch） ==> 展示（Kibana）

image.png

三、ElasticSearch核心概念

3.1. 概述

1、索引（ElasticSearch）

  • 包含多个分片

2、字段类型（映射）

  • 字段类型映射（字段是整型，还是字符型…）

3、文档
4、分片（Lucene索引，倒排索引）

ElasticSearch 是面向文档，关系行数据库和 ElasticSearch 客观对比！一切都是 JSON！

Relational DB ElasticSearch
数据库（database） 索引（indices）
表（tables） types <慢慢会被弃用!>
行（rows） documents
字段（columns） fields

elasticsearch（集群）中可以包含多个索引（数据库） ，每个索引中可以包含多个类型（表） ，每个类型下又包含多个文档（行） ，每个文档中又包含多个字段（列）。

3.2. 物理设计

elasticsearch 在后台把每个索引划分成多个分片，每分分片可以在集群中的不同服务器间迁移
一个人就是一个集群! ，即启动的 ElasticSearch 服务，默认就是一个集群，且默认集群名为 elasticsearch
image.png

3.3. 逻辑设计

一个索引类型中，包含多个文档，比如说文档1，文档2。当我们索引一篇文档时，可以通过这样的顺序找到它：索引 => 类型 => 文档ID ，通过这个组合我们就能索引到某个具体的文档。 注意：ID不必是整数，实际上它是个字符串。

3.3.1. 文档（”行“）

之前说 elasticsearch 是面向文档的，那么就意味着索引和搜索数据的最小单位是文档，elasticsearch 中，文档有几个重要属性:

  • 自我包含，一篇文档同时包含字段和对应的值，也就是同时包含 key:value !
  • 可以是层次型的，一个文档中包含自文档，复杂的逻辑实体就是这么来的! {就是一个json对象 ! fastjson进行自动转换 !}
  • 灵活的结构，文档不依赖预先定义的模式，我们知道关系型数据库中，要提前定义字段才能使用，在 elasticsearch中，对于字段是非常灵活的，有时候，我们可以忽略该字段，或者动态的添加一个新的字段。

尽管我们可以随意的新增或者忽略某个字段，但是，每个字段的类型非常重要，比如一个年龄字段类型，可以是字符串也可以是整形。因为 elasticsearch 会保存字段和类型之间的映射及其他的设置。这种映射具体到每个映射的每种类型，这也是为什么在 elasticsearch 中，类型有时候也称为映射类型。

3.3.2. 类型（“表”）

类型是文档的逻辑容器，就像关系型数据库一样，表格是行的容器。类型中对于字段的定义称为映射，比如name映射为字符串类型。我们说文档是无模式的，它们不需要拥有映射中所定义的所有字段，比如新增一个字段，那么elasticsearch是怎么做的呢?

  • elasticsearch 会自动的将新字段加入映射，但是这个字段的不确定它是什么类型，elasticsearch 就开始猜，如果这个值是18，那么 elasticsearch 会认为它是整形。但是 elasticsearch 也可能猜不对，所以最安全的方式就是提前定义好所需要的映射，这点跟关系型数据库殊途同归了，先定义好字段，然后再使用，别整什么幺蛾子。

3.3.3. 索引（“库”）

索引是映射类型的容器， elasticsearch 中的索引是一个非常大的文档集合。 索引存储了映射类型的字段和其他设置。然后它们被存储到了各个分片上了。我们来研究下分片是如何工作的。

物理设计：节点和分片 如何工作
创建新索引
image.png
一个集群至少有一个节点，而一个节点就是一个 elasricsearch 进程，节点可以有多个索引默认的，如果你创建索引，那么索引将会有个5个分片（primary shard ，又称主分片）构成的，每一个主分片会有一个副本（replica shard，又称复制分片）
image.png
上图是一个有3个节点的集群，可以看到主分片和对应的复制分片都不会在同一个节点内，这样有利于某个节点挂掉了，数据也不至于失。实际上，一个分片是一个 Lucene 索引（一个 ElasticSearch 索引包含多个 Lucene 索引） ，一个包含倒排索引的文件目录，倒排索引的结构使得 elasticsearch 在不扫描全部文档的情况下，就能告诉你哪些文档包含特定的关键字。

倒排索引（Lucene 索引底层）

简单说就是 按（文章关键字，对应的文档<0个或多个>）形式建立索引，根据关键字就可直接查询对应的文档（含关键字的），无需查询每一个文档，如下图

image.png

四、IK分词器（elasticsearch插件）

4.1. IK分词器：中文分词器

分词：即把一段中文或者别的划分成一个个的关键字，我们在搜索时候会把自己的信息进行分词，会把数据库中或者索引库中的数据进行分词，然后进行一一个匹配操作，默认的中文分词是将每个字看成一个词（不使用用IK分词器的情况下），比如“我爱杨幂”会被分为”我”，”爱”，”杨”，”幂” ，这显然是不符合要求的，所以我们需要安装中文分词器ik来解决这个问题。

IK提供了两个分词算法: ik_smart和ik_max_word ，其中ik_smart为最少切分， ik_max_word为最细粒度划分!

4.1.1. 下载

下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases

4.1.2. 安装

加压即可（但是我们需要解压到 ElasticSearch 的 plugins 目录 ik 文件夹下），ik 文件夹是自己创建的
image.png

4.1.3. 重启ElasticSearch

4.1.4. 使用 ElasticSearch安装补录 /bin/elasticsearch-plugin 可以查看插件

  1. elasticsearch-plugin list

image.png

4.1.5. 使用 kibana 测试

ik_smart：最少切分
image.png
ik_max_word：最细粒度划分（穷尽词库的可能）
image.png

从上面看，感觉分词都比较正常，但是大多数，分词都满足不了我们的想法，如下例

image.png
那么，我们需要手动将该词添加到分词器的词典当中

4.1.6. 添加自定义的词添加到扩展字典中

elasticsearch 目录 /plugins/ik/config/IKAnalyzer.cfg.xml
image.png
打开 IKAnalyzer.cfg.xml 文件，扩展字典
image.png
创建字典文件，添加字典内容
image.png
重启 ElasticSearch，再次使用 kibana 测试
image.png

五、Rest风格说明

一种软件架构风格，而不是标准，只是提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。基于这个风格设计的软件可以更简洁，更有层次，更易于实现缓存等机制。

5.1. 基本Rest命令说明：

method url地址 描述
PUT（创建，修改） localhost:9200/索引名称/类型名称/文档id 创建文档（指定文档id）
POST（创建） localhost:9200/索引名称/类型名称 创建文档（随机文档id）
POST（修改） localhost:9200/索引名称/类型名称/文档id/_update 修改文档
DELETE（删除） localhost:9200/索引名称/类型名称/文档id 删除文档
GET（查询） localhost:9200/索引名称/类型名称/文档id 查询文档通过文档ID
POST（查询） localhost:9200/索引名称/类型名称/文档id/_search 查询所有数据

5.2. 测试使用

5.2.1. 创建一个索引，添加

  1. PUT /test1/type1/1
  2. {
  3.   "name" : "流柚",
  4.   "age" : 18
  5. }

image.png
image.png

5.2.2. 字段数据类型

  • 字符串类型
    • text、keyword
      • text：支持分词，全文检索，支持模糊、精确查询，不支持聚合，排序操作；text类型的最大支持的字符长度无限制，适合大字段存储；
      • keyword：不进行分词，直接索引、支持模糊、支持精确匹配，支持聚合、排序操作。keyword类型的最大支持的长度为——32766个UTF-8类型的字符，可以通过设置ignore_above指定自持字符长度，超过给定长度后的数据将不被索引，无法通过term精确匹配检索返回结果。
  • 数值型
    • long、Integer、short、byte、double、float、half float、scaled float
  • 日期类型
    • date
  • te布尔类型
    • boolean
  • 二进制类型
    • binary
  • 等等…

5.2.3. 指定字段的类型（使用PUT）

类似于建库（建立索引和字段对应类型），也可看做规则的建立

  1. PUT /test2
  2. {
  3.   "mappings": {
  4.     "properties": {
  5.       "name": {
  6.         "type": "text"
  7.       },
  8.       "age":{
  9.         "type": "long"
  10.       },
  11.       "birthday":{
  12.         "type": "date"
  13.       }
  14.     }
  15.   }
  16. }

image.png

5.2.4. 获取 3 建立的规则

  1. GET test2

image.png

5.2.5. 获取默认信息

_doc 默认类型（default type），type 在未来的版本中会逐渐弃用，因此产生一个默认类型进行代替

  1. PUT /test3/_doc/1
  2. {
  3.   "name": "流柚",
  4.   "age": 18,
  5.   "birth": "1999-10-10"
  6. }
  7. GET test3

image.png
如果自己的文档字段没有被指定，那么 ElasticSearch 就会给我们默认配置字段类型
扩展：通过get _cat/ 可以获取ElasticSearch的当前的很多信息！

  1. GET _cat/indices
  2. GET _cat/aliases
  3. GET _cat/allocation
  4. GET _cat/count
  5. GET _cat/fielddata
  6. GET _cat/health
  7. GET _cat/indices
  8. GET _cat/master
  9. GET _cat/nodeattrs
  10. GET _cat/nodes
  11. GET _cat/pending_tasks
  12. GET _cat/plugins
  13. GET _cat/recovery
  14. GET _cat/repositories
  15. GET _cat/segments
  16. GET _cat/shards
  17. GET _cat/snapshots
  18. GET _cat/tasks
  19. GET _cat/templates
  20. GET _cat/thread_pool

5.2.6. 修改

两种方案

①旧的（使用put覆盖原来的值）

  • 版本+1（_version）

  • 但是如果漏掉某个字段没有写，那么更新时没有写的字段 ，会消失

    1. PUT /test3/_doc/1
    2. {
    3. "name" : "流柚是我的大哥",
    4. "age" : 18,
    5. "birth" : "1999-10-10"
    6. }
    7. GET /test3/_doc/1
    8. // 修改会有字段丢失
    9. PUT /test3/_doc/1
    10. {
    11. "name" : "流柚"
    12. }
    13. GET /test3/_doc/1

    image.png
    image.png
    ②新的（使用 post 的 update ）

  • version 不会改变

  • 需要注意 doc
  • 不会丢失字段
    1. POST /test3/_doc/1/_update
    2. {
    3. "doc":{
    4.   "name" : "post修改，version不会加一",
    5.   "age" : 2
    6. }
    7. }
    8. GET /test3/_doc/1
    image.png

    5.2.7. 删除

    1. GET /test1
    2. DELETE /test1
    image.png
    image.png

    5.2.8. 查询（简单条件）

    1. GET /test3/_doc/_search?q=name:流柚
    image.png

    5.2.9. 复杂查询

    test3索引中的内容

image.png

5.2.9.1. 查询匹配

  • match：匹配（会使用分词器解析（先分析文档，然后进行查询））
  • _source：过滤字段
  • sort：排序

  • form、size 分页

    1. // 查询匹配
    2. GET /blog/user/_search
    3. {
    4.   "query":{
    5.     "match":{
    6.       "name":"流"
    7.     }
    8.   }
    9.   ,
    10.   "_source": ["name","desc"]
    11.   ,
    12.   "sort": [
    13.     {
    14.       "age": {
    15.         "order": "asc"
    16.       }
    17.     }
    18.   ]
    19.   ,
    20.   "from": 0
    21.   ,
    22.   "size": 1
    23. }

    image.png

    5.2.9.2. 多条件查询（bool）

  • must 相当于 and

  • should 相当于 or
  • must_not 相当于 not （… and …）

  • filter 过滤

    1. /// bool 多条件查询
    2. //// must <==> and
    3. //// should <==> or
    4. //// must_not <==> not (... and ...)
    5. //// filter数据过滤
    6. //// boost
    7. //// minimum_should_match
    8. GET /blog/user/_search
    9. {
    10. "query":{
    11.   "bool": {
    12.     "must": [
    13.       {
    14.         "match":{
    15.           "age":3
    16.         }
    17.       },
    18.       {
    19.         "match": {
    20.           "name": "流"
    21.         }
    22.       }
    23.     ],
    24.     "filter": {
    25.       "range": {
    26.         "age": {
    27.           "gte": 1,
    28.           "lte": 3
    29.         }
    30.       }
    31.     }
    32.   }
    33. }
    34. }

    image.png

    5.2.9.3. 匹配数组

  • 貌似不能与其它字段一起使用

  • 可以多关键字查（空格隔开）— 匹配字段也是符合的
  • match 会使用分词器解析（先分析文档，然后进行查询）

  • 搜词

    1. // 匹配数组 貌似不能与其它字段一起使用
    2. // 可以多关键字查（空格隔开）
    3. // match 会使用分词器解析（先分析文档，然后进行查询）
    4. GET /blog/user/_search
    5. {
    6. "query":{
    7.   "match":{
    8.     "desc":"年龄 牛 大"
    9.   }
    10. }
    11. }

    image.png

    5.2.9.4. 精确查询

  • term 直接通过 倒排索引 指定词条查询

  • 适合查询 number、date、keyword ，不适合text

    1. // 精确查询（必须全部都有，而且不可分，即按一个完整的词查询）
    2. // term 直接通过 倒排索引 指定的词条 进行精确查找的
    3. GET /blog/user/_search
    4. {
    5. "query":{
    6.   "term":{
    7.     "desc":"年 "
    8.   }
    9. }
    10. }

    image.png

    5.2.9.5. text和keyword

  • text：

    • 支持分词，全文检索、支持模糊、精确查询，不支持聚合，排序操作；
    • text类型的最大支持的字符长度无限制，适合大字段存储；
  • keyword：
    • 不进行分词，直接索引、支持模糊、支持精确匹配，支持聚合、排序操作。
    • keyword类型的最大支持的长度为——32766个UTF-8类型的字符，可以通过设置ignore_above指定自持字符长度，超过给定长度后的数据将不被索引，无法通过term精确匹配检索返回结果。
      1. // 测试keyword和text是否支持分词
      2. // 设置索引类型
      3. PUT /test
      4. {
      5. "mappings": {
      6. "properties": {
      7.  "text":{
      8.    "type":"text"
      9.  },
      10.  "keyword":{
      11.    "type":"keyword"
      12.  }
      13. }
      14. }
      15. }
      16. // 设置字段数据
      17. PUT /test/_doc/1
      18. {
      19. "text":"测试keyword和text是否支持分词",
      20. "keyword":"测试keyword和text是否支持分词"
      21. }
      22. // text 支持分词
      23. // keyword 不支持分词
      24. GET /test/_doc/_search
      25. {
      26. "query":{
      27. "match":{
      28.  "text":"测试"
      29. }
      30. }
      31. }// 查的到
      32. GET /test/_doc/_search
      33. {
      34. "query":{
      35. "match":{
      36.  "keyword":"测试"
      37. }
      38. }
      39. }// 查不到，必须是 "测试keyword和text是否支持分词" 才能查到
      40. GET _analyze
      41. {
      42. "analyzer": "keyword",
      43. "text": ["测试liu"]
      44. }// 不会分词，即 测试liu
      45. GET _analyze
      46. {
      47. "analyzer": "standard",
      48. "text": ["测试liu"]
      49. }// 分为 测 试 liu
      50. GET _analyze
      51. {
      52. "analyzer":"ik_max_word",
      53. "text": ["测试liu"]
      54. }// 分为 测试 liu

      5.2.9.6. 高亮查询

      1. /// 高亮查询
      2. GET blog/user/_search
      3. {
      4. "query": {
      5. "match": {
      6.  "name":"流"
      7. }
      8. }
      9. ,
      10. "highlight": {
      11. "fields": {
      12.  "name": {}
      13. }
      14. }
      15. }
      16. // 自定义前缀和后缀
      17. GET blog/user/_search
      18. {
      19. "query": {
      20. "match": {
      21.  "name":"流"
      22. }
      23. }
      24. ,
      25. "highlight": {
      26. "pre_tags": "<p class='key' style='color:red'>",
      27. "post_tags": "</p>", 
      28. "fields": {
      29.  "name": {}
      30. }
      31. }
      32. }
      image.png

六、SpringBoot整合

6.1. 创建工程

目录结构
image.png

6.2. 导入依赖

注意依赖版本和安装的版本一致 

  1. <properties>
  2.     <java.version>1.8</java.version>
  3.     <!-- 统一版本 -->
  4.     <elasticsearch.version>7.6.1</elasticsearch.version>
  5. </properties>

导入elasticsearch

  1. <dependency>
  2.     <groupId>org.springframework.boot</groupId>
  3.     <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
  4. </dependency>

提前导入fastjson、lombok

  1. <dependency>
  2.     <groupId>com.alibaba</groupId>
  3.     <artifactId>fastjson</artifactId>
  4.     <version>1.2.70</version>
  5. </dependency>
  6. <!-- lombok需要安装插件 -->
  7. <dependency>
  8.     <groupId>org.projectlombok</groupId>
  9.     <artifactId>lombok</artifactId>
  10.     <optional>true</optional>
  11. </dependency>

6.3. 创建并编写配置类

  1. @Configuration
  2. public class ElasticSearchConfig {
  3.     // 注册 rest高级客户端 
  4.     @Bean
  5.     public RestHighLevelClient restHighLevelClient(){
  6.         RestHighLevelClient client = new RestHighLevelClient(
  7.                 RestClient.builder(
  8.                         new HttpHost("127.0.0.1",9200,"http")
  9.                 )
  10.         );
  11.         return client;
  12.     }
  13. }

6.4. 创建并编写实体类

  1. @Data
  2. @NoArgsConstructor
  3. @AllArgsConstructor
  4. public class User implements Serializable {
  5.     private static final long serialVersionUID = -3843548915035470817L;
  6.     private String name;
  7.     private Integer age;
  8. }

6.5. 测试

所有测试均在 SpringbootElasticsearchApplicationTests 中编写

6.5.1. 注入 RestHighLevelClient

  1. @Autowired
  2. public RestHighLevelClient restHighLevelClient;

6.5.2. 索引的操作

6.5.2.1. 索引的创建

  1. // 测试索引的创建， Request PUT liuyou_index
  2. @Test
  3. public void testCreateIndex() throws IOException {
  4.     CreateIndexRequest request = new CreateIndexRequest("liuyou_index");
  5.     CreateIndexResponse response = restHighLevelClient.indices().create(request, RequestOptions.DEFAULT);
  6.     System.out.println(response.isAcknowledged());// 查看是否创建成功
  7.     System.out.println(response);// 查看返回对象
  8.     restHighLevelClient.close();
  9. }

6.5.2.2. 索引的获取，并判断其是否存在

  1. // 测试获取索引，并判断其是否存在
  2. @Test
  3. public void testIndexIsExists() throws IOException {
  4.     GetIndexRequest request = new GetIndexRequest("index");
  5.     boolean exists = restHighLevelClient.indices().exists(request, RequestOptions.DEFAULT);
  6.     System.out.println(exists);// 索引是否存在
  7.     restHighLevelClient.close();
  8. }

6.5.2.3. 索引的删除

  1. // 测试索引删除
  2. @Test
  3. public void testDeleteIndex() throws IOException {
  4.     DeleteIndexRequest request = new DeleteIndexRequest("liuyou_index");
  5.     AcknowledgedResponse response = restHighLevelClient.indices().delete(request, RequestOptions.DEFAULT);
  6.     System.out.println(response.isAcknowledged());// 是否删除成功
  7.     restHighLevelClient.close();
  8. }

6.5.3. 文档的操作

6.5.3.1. 文档的添加

  1. // 测试添加文档(先创建一个User实体类，添加fastjson依赖)
  2. @Test
  3. public void testAddDocument() throws IOException {
  4.     // 创建一个User对象
  5.     User liuyou = new User("liuyou", 18);
  6.     // 创建请求
  7.     IndexRequest request = new IndexRequest("liuyou_index");
  8.     // 制定规则 PUT /liuyou_index/_doc/1
  9.     request.id("1");// 设置文档ID
  10.     request.timeout(TimeValue.timeValueMillis(1000));// request.timeout("1s")
  11.     // 将我们的数据放入请求中
  12.     request.source(JSON.toJSONString(liuyou), XContentType.JSON);
  13.     // 客户端发送请求，获取响应的结果
  14.     IndexResponse response = restHighLevelClient.index(request, RequestOptions.DEFAULT);
  15.     System.out.println(response.status());// 获取建立索引的状态信息 CREATED
  16.     System.out.println(response);// 查看返回内容 IndexResponse[index=liuyou_index,type=_doc,id=1,version=1,result=created,seqNo=0,primaryTerm=1,shards={"total":2,"successful":1,"failed":0}]
  17. }

6.5.3.2. 文档信息的获取

  1. // 测试获得文档信息
  2. @Test
  3. public void testGetDocument() throws IOException {
  4.     GetRequest request = new GetRequest("liuyou_index","1");
  5.     GetResponse response = restHighLevelClient.get(request, RequestOptions.DEFAULT);
  6.     System.out.println(response.getSourceAsString());// 打印文档内容
  7.     System.out.println(request);// 返回的全部内容和命令是一样的
  8.     restHighLevelClient.close();
  9. }

6.5.3.3. 文档的获取，并判断其是否存在

  1. // 获取文档，判断是否存在 get /liuyou_index/_doc/1
  2. @Test
  3. public void testDocumentIsExists() throws IOException {
  4.     GetRequest request = new GetRequest("liuyou_index", "1");
  5.     // 不获取返回的 _source的上下文了
  6.     request.fetchSourceContext(new FetchSourceContext(false));
  7.     request.storedFields("_none_");
  8.     boolean exists = restHighLevelClient.exists(request, RequestOptions.DEFAULT);
  9.     System.out.println(exists);
  10. }

6.5.3.4. 文档的更新

  1. // 测试更新文档内容
  2. @Test
  3. public void testUpdateDocument() throws IOException {
  4.     UpdateRequest request = new UpdateRequest("liuyou_index", "1");
  5.     User user = new User("lmk",11);
  6.     request.doc(JSON.toJSONString(user),XContentType.JSON);
  7.     UpdateResponse response = restHighLevelClient.update(request, RequestOptions.DEFAULT);
  8.     System.out.println(response.status()); // OK
  9.     restHighLevelClient.close();
  10. }

6.5.3.5. 文档的删除

  1. // 测试删除文档
  2. @Test
  3. public void testDeleteDocument() throws IOException {
  4.     DeleteRequest request = new DeleteRequest("liuyou_index", "1");
  5.     request.timeout("1s");
  6.     DeleteResponse response = restHighLevelClient.delete(request, RequestOptions.DEFAULT);
  7.     System.out.println(response.status());// OK
  8. }

6.5.3.6. 文档的查询

  1. // 查询
  2. // SearchRequest 搜索请求
  3. // SearchSourceBuilder 条件构造
  4. // HighlightBuilder 高亮
  5. // TermQueryBuilder 精确查询
  6. // MatchAllQueryBuilder
  7. // xxxQueryBuilder ...
  8. @Test
  9. public void testSearch() throws IOException {
  10.     // 1.创建查询请求对象
  11.     SearchRequest searchRequest = new SearchRequest();
  12.     // 2.构建搜索条件
  13.     SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
  14.     // (1)查询条件 使用QueryBuilders工具类创建
  15.     // 精确查询
  16.     TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", "liuyou");
  17.     //        // 匹配查询
  18.     //        MatchAllQueryBuilder matchAllQueryBuilder = QueryBuilders.matchAllQuery();
  19.     // (2)其他<可有可无>：（可以参考 SearchSourceBuilder 的字段部分）
  20.     // 设置高亮
  21.     searchSourceBuilder.highlighter(new HighlightBuilder());
  22.     //        // 分页
  23.     //        searchSourceBuilder.from();
  24.     //        searchSourceBuilder.size();
  25.     searchSourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));
  26.     // (3)条件投入
  27.     searchSourceBuilder.query(termQueryBuilder);
  28.     // 3.添加条件到请求
  29.     searchRequest.source(searchSourceBuilder);
  30.     // 4.客户端查询请求
  31.     SearchResponse search = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
  32.     // 5.查看返回结果
  33.     SearchHits hits = search.getHits();
  34.     System.out.println(JSON.toJSONString(hits));
  35.     System.out.println("=======================");
  36.     for (SearchHit documentFields : hits.getHits()) {
  37.         System.out.println(documentFields.getSourceAsMap());
  38.     }
  39. }

前面的操作都无法批量添加数据

  1. // 上面的这些api无法批量增加数据（只会保留最后一个source）
  2. @Test
  3. public void test() throws IOException {
  4.     IndexRequest request = new IndexRequest("bulk");// 没有id会自动生成一个随机ID
  5.     request.source(JSON.toJSONString(new User("liu",1)),XContentType.JSON);
  6.     request.source(JSON.toJSONString(new User("min",2)),XContentType.JSON);
  7.     request.source(JSON.toJSONString(new User("kai",3)),XContentType.JSON);
  8.     IndexResponse index = restHighLevelClient.index(request, RequestOptions.DEFAULT);
  9.     System.out.println(index.status());// created
  10. }

6.5.3.7. 批量添加数据
  1. // 特殊的，真的项目一般会 批量插入数据
  2. @Test
  3. public void testBulk() throws IOException {
  4.     BulkRequest bulkRequest = new BulkRequest();
  5.     bulkRequest.timeout("10s");
  6.     ArrayList<User> users = new ArrayList<>();
  7.     users.add(new User("liuyou-1",1));
  8.     users.add(new User("liuyou-2",2));
  9.     users.add(new User("liuyou-3",3));
  10.     users.add(new User("liuyou-4",4));
  11.     users.add(new User("liuyou-5",5));
  12.     users.add(new User("liuyou-6",6));
  13.     // 批量请求处理
  14.     for (int i = 0; i < users.size(); i++) {
  15.         bulkRequest.add(
  16.             // 这里是数据信息
  17.             new IndexRequest("bulk")
  18.             .id(""+(i + 1)) // 没有设置id 会自定生成一个随机id
  19.             .source(JSON.toJSONString(users.get(i)),XContentType.JSON)
  20.         );
  21.     }
  22.     BulkResponse bulk = restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT);
  23.     System.out.println(bulk.status());// ok
  24. }

七、ElasticSearch实战

防京东商城搜索（高亮）

7.1. 工程创建（springboot）

目录结构
image.png

7.2. 基本编码

7.2.1. 导入依赖

  1. <properties>
  2.     <java.version>1.8</java.version>
  3.     <elasticsearch.version>7.6.1</elasticsearch.version>
  4. </properties>
  5. <dependencies>
  6.     <!-- jsoup解析页面 -->
  7.     <!-- 解析网页 爬视频可 研究tiko -->
  8.     <dependency>
  9.         <groupId>org.jsoup</groupId>
  10.         <artifactId>jsoup</artifactId>
  11.         <version>1.10.2</version>
  12.     </dependency>
  13.     <!-- fastjson -->
  14.     <dependency>
  15.         <groupId>com.alibaba</groupId>
  16.         <artifactId>fastjson</artifactId>
  17.         <version>1.2.70</version>
  18.     </dependency>
  19.     <!-- ElasticSearch -->
  20.     <dependency>
  21.         <groupId>org.springframework.boot</groupId>
  22.         <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
  23.     </dependency>
  24.     <!-- thymeleaf -->
  25.     <dependency>
  26.         <groupId>org.springframework.boot</groupId>
  27.         <artifactId>spring-boot-starter-thymeleaf</artifactId>
  28.     </dependency>
  29.     <!-- web -->
  30.     <dependency>
  31.         <groupId>org.springframework.boot</groupId>
  32.         <artifactId>spring-boot-starter-web</artifactId>
  33.     </dependency>
  34.     <!-- devtools热部署 -->
  35.     <dependency>
  36.         <groupId>org.springframework.boot</groupId>
  37.         <artifactId>spring-boot-devtools</artifactId>
  38.         <scope>runtime</scope>
  39.         <optional>true</optional>
  40.     </dependency>
  41.     <!--  -->
  42.     <dependency>
  43.         <groupId>org.springframework.boot</groupId>
  44.         <artifactId>spring-boot-configuration-processor</artifactId>
  45.         <optional>true</optional>
  46.     </dependency>
  47.     <!-- lombok 需要安装插件 -->
  48.     <dependency>
  49.         <groupId>org.projectlombok</groupId>
  50.         <artifactId>lombok</artifactId>
  51.         <optional>true</optional>
  52.     </dependency>
  53.     <!-- test -->
  54.     <dependency>
  55.         <groupId>org.springframework.boot</groupId>
  56.         <artifactId>spring-boot-starter-test</artifactId>
  57.         <scope>test</scope>
  58.     </dependency>
  59. </dependencies>

7.2.2. 导入前端素材

略

7.2.3. 编写 application.preperties配置文件

  1. # 更改端口，防止冲突
  2. server.port=9999
  3. # 关闭thymeleaf缓存
  4. spring.thymeleaf.cache=false

7.2.4. 测试controller和view

  1. @Controller
  2. public class IndexController {
  3.     @GetMapping({"/","index"})
  4.     public String index(){
  5.         return "index";
  6.     }
  7. }

访问 localhost:9999
image.png
到这里可以先去编写爬虫，编写之后，回到这里

7.2.5. 编写Config

  1. @Configuration
  2. public class ElasticSearchConfig {
  3.     @Bean
  4.     public RestHighLevelClient restHighLevelClient(){
  5.         RestHighLevelClient client = new RestHighLevelClient(
  6.                 RestClient.builder(
  7.                         new HttpHost("127.0.0.1",9200,"http")
  8.                 )
  9.         );
  10.         return client;
  11.     }
  12. }

7.2.6. 编写 service

因为是爬取的数据，那么就不走Dao，以下编写都不会编写接口，开发中必须严格要求编写
ContentService

  1. @Service
  2. public class ContentService {
  3.     @Autowired
  4.     private RestHighLevelClient restHighLevelClient;
  5.     // 1、解析数据放入 es 索引中
  6.     public Boolean parseContent(String keyword) throws IOException {
  7.         // 获取内容
  8.         List<Content> contents = HtmlParseUtil.parseJD(keyword);
  9.         // 内容放入 es 中
  10.         BulkRequest bulkRequest = new BulkRequest();
  11.         bulkRequest.timeout("2m"); // 可更具实际业务是指
  12.         for (int i = 0; i < contents.size(); i++) {
  13.             bulkRequest.add(
  14.                     new IndexRequest("jd_goods")
  15.                             .id(""+(i+1))
  16.                             .source(JSON.toJSONString(contents.get(i)), XContentType.JSON)
  17.             );
  18.         }
  19.         BulkResponse bulk = restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT);
  20.         restHighLevelClient.close();
  21.         return !bulk.hasFailures();
  22.     }
  23.         // 2、根据keyword分页查询结果
  24.     public List<Map<String, Object>> search(String keyword, Integer pageIndex, Integer pageSize) throws IOException {
  25.         if (pageIndex < 0){
  26.             pageIndex = 0;
  27.         }
  28.         SearchRequest jd_goods = new SearchRequest("jd_goods");
  29.         // 创建搜索源建造者对象
  30.         SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
  31.         // 条件采用：精确查询 通过keyword查字段name
  32.         TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", keyword);
  33.         searchSourceBuilder.query(termQueryBuilder);
  34.         searchSourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));// 60s
  35.         // 分页
  36.         searchSourceBuilder.from(pageIndex);
  37.         searchSourceBuilder.size(pageSize);
  38.         // 高亮
  39.         // ....
  40.         // 搜索源放入搜索请求中
  41.         jd_goods.source(searchSourceBuilder);
  42.         // 执行查询，返回结果
  43.         SearchResponse searchResponse = restHighLevelClient.search(jd_goods, RequestOptions.DEFAULT);
  44.         restHighLevelClient.close();
  45.         // 解析结果
  46.         SearchHits hits = searchResponse.getHits();
  47.         List<Map<String,Object>> results = new ArrayList<>();
  48.         for (SearchHit documentFields : hits.getHits()) {
  49.             Map<String, Object> sourceAsMap = documentFields.getSourceAsMap();
  50.             results.add(sourceAsMap);
  51.         }
  52.         // 返回查询的结果
  53.         return results;
  54.     }
  55. }

7.2.7. 编写controller

  1. @Controller
  2. public class ContentController {
  3.     @Autowired
  4.     private ContentService contentService;
  5.     @ResponseBody
  6.     @GetMapping("/parse/{keyword}")
  7.     public Boolean parse(@PathVariable("keyword") String keyword) throws IOException {
  8.         return contentService.parseContent(keyword);
  9.     }
  10.     @ResponseBody
  11.     @GetMapping("/search/{keyword}/{pageIndex}/{pageSize}")
  12.     public List<Map<String, Object>> parse(@PathVariable("keyword") String keyword,
  13.                                            @PathVariable("pageIndex") Integer pageIndex,
  14.                                            @PathVariable("pageSize") Integer pageSize) throws IOException {
  15.         return contentService.search(keyword,pageIndex,pageSize);
  16.     }
  17. }

7.2.8. 测试结果

1、解析数据放入 es 索引中
image.png
image.png
2、根据keyword分页查询结果

7.3. 爬虫（jsoup）

数据获取：数据库、消息队列、爬虫、…

7.3.1. 搜索京东搜索页面，并分析页面

  1. http://search.jd.com/search?keyword=java

页面如下

image.png

审查页面元素

页面列表id：J_goodsList
image.png
目标元素：img、price、name
image.png

7.3.2. 爬取数据（获取请求返回的页面信息，筛选出可用的）

创建HtmlParseUtil，并简单编写

  1. public class HtmlParseUtil {
  2.     public static void main(String[] args) throws IOException {
  3.         /// 使用前需要联网
  4.         // 请求url
  5.         String url = "http://search.jd.com/search?keyword=java";
  6.         // 1.解析网页(jsoup 解析返回的对象是浏览器Document对象)
  7.         Document document = Jsoup.parse(new URL(url), 30000);
  8.         // 使用document可以使用在js对document的所有操作
  9.         // 2.获取元素（通过id）
  10.         Element j_goodsList = document.getElementById("J_goodsList");
  11.         // 3.获取J_goodsList ul 每一个 li
  12.         Elements lis = j_goodsList.getElementsByTag("li");
  13.         // 4.获取li下的 img、price、name
  14.         for (Element li : lis) {
  15.             String img = li.getElementsByTag("img").eq(0).attr("src");// 获取li下 第一张图片
  16.             String name = li.getElementsByClass("p-name").eq(0).text();
  17.             String price = li.getElementsByClass("p-price").eq(0).text();
  18.             System.out.println("=======================");
  19.             System.out.println("img : " + img);
  20.             System.out.println("name : " + name);
  21.             System.out.println("price : " + price);
  22.         }
  23.     }
  24. }

运行结果

image.png

一般图片特别多的网站，所有的图片都是通过延迟加载的

  1. // 打印标签内容
  2. Elements lis = j_goodsList.getElementsByTag("li");
  3. System.out.println(lis);

打印所有li标签，发现img标签中并没有属性src的设置，只是data-lazy-ing设置图片加载的地址

image.png

创建HtmlParseUtil、改写

  • 更改图片获取属性为 data-lazy-img

  • 与实体类结合，实体类如下

    1. @Data
    2. @AllArgsConstructor
    3. @NoArgsConstructor
    4. public class Content implements Serializable {
    5.   private static final long serialVersionUID = -8049497962627482693L;
    6.   private String name;
    7.   private String img;
    8.   private String price;
    9. }

  • 封装为方法

    1. public class HtmlParseUtil {
    2.   public static void main(String[] args) throws IOException {
    3.       System.out.println(parseJD("java"));
    4.   }
    5.   public static List<Content> parseJD(String keyword) throws IOException {
    6.       /// 使用前需要联网
    7.       // 请求url
    8.       String url = "http://search.jd.com/search?keyword=" + keyword;
    9.       // 1.解析网页(jsoup 解析返回的对象是浏览器Document对象)
    10.       Document document = Jsoup.parse(new URL(url), 30000);
    11.       // 使用document可以使用在js对document的所有操作
    12.       // 2.获取元素（通过id）
    13.       Element j_goodsList = document.getElementById("J_goodsList");
    14.       // 3.获取J_goodsList ul 每一个 li
    15.       Elements lis = j_goodsList.getElementsByTag("li");
    16. //        System.out.println(lis);
    17.       // 4.获取li下的 img、price、name
    18.       // list存储所有li下的内容
    19.       List<Content> contents = new ArrayList<Content>();
    20.       for (Element li : lis) {
    21.           // 由于网站图片使用懒加载，将src属性替换为data-lazy-img
    22.           String img = li.getElementsByTag("img").eq(0).attr("data-lazy-img");// 获取li下 第一张图片
    23.           String name = li.getElementsByClass("p-name").eq(0).text();
    24.           String price = li.getElementsByClass("p-price").eq(0).text();
    25.           // 封装为对象
    26.           Content content = new Content(name,img,price);
    27.           // 添加到list中
    28.           contents.add(content);
    29.       }
    30. //        System.out.println(contents);
    31.       // 5.返回 list
    32.       return contents;
    33.   }
    34. }

    结果展示

image.png

7.4. 搜索高亮

在3、的基础上添加内容

①ContentService

  1. // 3、 在2的基础上进行高亮查询
  2. public List<Map<String, Object>> highlightSearch(String keyword, Integer pageIndex, Integer pageSize) throws IOException {
  3.     SearchRequest searchRequest = new SearchRequest("jd_goods");
  4.     SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
  5.     // 精确查询，添加查询条件
  6.     TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", keyword);
  7.     searchSourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));
  8.     searchSourceBuilder.query(termQueryBuilder);
  9.     // 分页
  10.     searchSourceBuilder.from(pageIndex);
  11.     searchSourceBuilder.size(pageSize);
  12.     // 高亮 =========
  13.     HighlightBuilder highlightBuilder = new HighlightBuilder();
  14.     highlightBuilder.field("name");
  15.     highlightBuilder.preTags("<span style='color:red'>");
  16.     highlightBuilder.postTags("</span>");
  17.     searchSourceBuilder.highlighter(highlightBuilder);
  18.     // 执行查询
  19.     searchRequest.source(searchSourceBuilder);
  20.     SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
  21.     // 解析结果 ==========
  22.     SearchHits hits = searchResponse.getHits();
  23.     List<Map<String, Object>> results = new ArrayList<>();
  24.     for (SearchHit documentFields : hits.getHits()) {
  25.         // 使用新的字段值（高亮），覆盖旧的字段值
  26.         Map<String, Object> sourceAsMap = documentFields.getSourceAsMap();
  27.         // 高亮字段
  28.         Map<String, HighlightField> highlightFields = documentFields.getHighlightFields();
  29.         HighlightField name = highlightFields.get("name");
  30.         // 替换
  31.         if (name != null){
  32.             Text[] fragments = name.fragments();
  33.             StringBuilder new_name = new StringBuilder();
  34.             for (Text text : fragments) {
  35.                 new_name.append(text);
  36.             }
  37.             sourceAsMap.put("name",new_name.toString());
  38.         }
  39.         results.add(sourceAsMap);
  40.     }
  41.     return results;
  42. }

②ContentController

  1. @ResponseBody
  2. @GetMapping("/h_search/{keyword}/{pageIndex}/{pageSize}")
  3. public List<Map<String, Object>> highlightParse(@PathVariable("keyword") String keyword,
  4.                                        @PathVariable("pageIndex") Integer pageIndex,
  5.                                        @PathVariable("pageSize") Integer pageSize) throws IOException {
  6.     return contentService.highlightSearch(keyword,pageIndex,pageSize);
  7. }

③结果展示
image.png

7.5. 前后端分离（简单使用Vue）

删除Controller 方法上的 @ResponseBody注解
image.png
①下载并引入Vue.min.js和axios.js
如果安装了nodejs，可以按如下步骤，没有可以到后面素材处下载

  1. npm install vue
  2. npm install axios

image.png
image.png
image.png
②修改静态页面
引入js

  1. <script th:src="@{/js/vue.min.js}"></script>
  2. <script th:src="@{/js/axios.min.js}"></script>

修改后的index.html

  1. <!DOCTYPE html>
  2. <html xmlns:th="http://www.thymeleaf.org">
  3. <head>
  4.     <meta charset="utf-8"/>
  5.     <title>狂神说Java-ES仿京东实战</title>
  6.     <link rel="stylesheet" th:href="@{/css/style.css}"/>
  7.     <script th:src="@{/js/jquery.min.js}"></script>
  8. </head>
  9. <body class="pg">
  10. <div class="page">
  11.     <div id="app" class=" mallist tmall- page-not-market ">
  12.         <!-- 头部搜索 -->
  13.         <div id="header" class=" header-list-app">
  14.             <div class="headerLayout">
  15.                 <div class="headerCon ">
  16.                     <!-- Logo-->
  17.                     <h1 id="mallLogo">
  18.                         <img th:src="@{/images/jdlogo.png}" alt="">
  19.                     </h1>
  20.                     <div class="header-extra">
  21.                         <!--搜索-->
  22.                         <div id="mallSearch" class="mall-search">
  23.                             <form name="searchTop" class="mallSearch-form clearfix">
  24.                                 <fieldset>
  25.                                     <legend>天猫搜索</legend>
  26.                                     <div class="mallSearch-input clearfix">
  27.                                         <div class="s-combobox" id="s-combobox-685">
  28.                                             <div class="s-combobox-input-wrap">
  29.                                                 <input v-model="keyword"  type="text" autocomplete="off" id="mq"
  30.                                                        class="s-combobox-input"  aria-haspopup="true">
  31.                                             </div>
  32.                                         </div>
  33.                                         <button type="submit" @click.prevent="searchKey" id="searchbtn">搜索</button>
  34.                                     </div>
  35.                                 </fieldset>
  36.                             </form>
  37.                             <ul class="relKeyTop">
  38.                                 <li><a>狂神说Java</a></li>
  39.                                 <li><a>狂神说前端</a></li>
  40.                                 <li><a>狂神说Linux</a></li>
  41.                                 <li><a>狂神说大数据</a></li>
  42.                                 <li><a>狂神聊理财</a></li>
  43.                             </ul>
  44.                         </div>
  45.                     </div>
  46.                 </div>
  47.             </div>
  48.         </div>
  49.         <!-- 商品详情页面 -->
  50.         <div id="content">
  51.             <div class="main">
  52.                 <!-- 品牌分类 -->
  53.                 <form class="navAttrsForm">
  54.                     <div class="attrs j_NavAttrs" style="display:block">
  55.                         <div class="brandAttr j_nav_brand">
  56.                             <div class="j_Brand attr">
  57.                                 <div class="attrKey">
  58.                                     品牌
  59.                                 </div>
  60.                                 <div class="attrValues">
  61.                                     <ul class="av-collapse row-2">
  62.                                         <li><a href="#"> 狂神说 </a></li>
  63.                                         <li><a href="#"> Java </a></li>
  64.                                     </ul>
  65.                                 </div>
  66.                             </div>
  67.                         </div>
  68.                     </div>
  69.                 </form>
  70.                 <!-- 排序规则 -->
  71.                 <div class="filter clearfix">
  72.                     <a class="fSort fSort-cur">综合<i class="f-ico-arrow-d"></i></a>
  73.                     <a class="fSort">人气<i class="f-ico-arrow-d"></i></a>
  74.                     <a class="fSort">新品<i class="f-ico-arrow-d"></i></a>
  75.                     <a class="fSort">销量<i class="f-ico-arrow-d"></i></a>
  76.                     <a class="fSort">价格<i class="f-ico-triangle-mt"></i><i class="f-ico-triangle-mb"></i></a>
  77.                 </div>
  78.                 <!-- 商品详情 -->
  79.                 <div class="view grid-nosku" >
  80.                     <div class="product" v-for="result in results">
  81.                         <div class="product-iWrap">
  82.                             <!--商品封面-->
  83.                             <div class="productImg-wrap">
  84.                                 <a class="productImg">
  85.                                     <img :src="result.img">
  86.                                 </a>
  87.                             </div>
  88.                             <!--价格-->
  89.                             <p class="productPrice">
  90.                                 <em v-text="result.price"></em>
  91.                             </p>
  92.                             <!--标题-->
  93.                             <p class="productTitle">
  94.                                 <a v-html="result.name"></a>
  95.                             </p>
  96.                             <!-- 店铺名 -->
  97.                             <div class="productShop">
  98.                                 <span>店铺： 狂神说Java </span>
  99.                             </div>
  100.                             <!-- 成交信息 -->
  101.                             <p class="productStatus">
  102.                                 <span>月成交<em>999笔</em></span>
  103.                                 <span>评价 <a>3</a></span>
  104.                             </p>
  105.                         </div>
  106.                     </div>
  107.                 </div>
  108.             </div>
  109.         </div>
  110.     </div>
  111. </div>
  112. <script th:src="@{/js/vue.min.js}"></script>
  113. <script th:src="@{/js/axios.min.js}"></script>
  114. <script>
  115.     new Vue({
  116.         el:"#app",
  117.         data:{
  118.             "keyword": '', // 搜索的关键字
  119.             "results":[] // 后端返回的结果
  120.         },
  121.         methods:{
  122.             searchKey(){
  123.                 var keyword = this.keyword;
  124.                 console.log(keyword);
  125.                 axios.get('h_search/'+keyword+'/0/20').then(response=>{
  126.                     console.log(response.data);
  127.                     this.results=response.data;
  128.                 })
  129.             }
  130.         }
  131.     });
  132. </script>
  133. </body>
  134. </html>

7.6. 测试

image.png