商城项目构建查询商品信息的ES语句实现商品信息查询搜索效果-----商城项目

于 2024-08-22 22:14:51 发布
阅读量541 收藏 5
点赞数 15
分类专栏： # Elastic Search 电商项目 # Spring-Cloud框架 文章标签： mybatis 缓存 redis spring cloud 分布式 elasticsearch 后端
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2201_75960169/article/details/141439291
版权
#程序员如何平衡日常编码工作与提升式学习？# 
package com.alatus.search.service.impl;

import com.alatus.search.config.MallElasticSearchConfig;
import com.alatus.search.constant.EsConstant;
import com.alatus.search.service.MallSearchService;
import com.alatus.search.vo.SearchParam;
import com.alatus.search.vo.SearchResult;
import org.apache.commons.lang.StringUtils;
import org.apache.lucene.search.join.ScoreMode;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.index.query.BoolQueryBuilder;
import org.elasticsearch.index.query.NestedQueryBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.index.query.RangeQueryBuilder;
import org.elasticsearch.search.builder.SearchSourceBuilder;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

import java.io.IOException;

@Service
public class MallSearchServiceImpl implements MallSearchService {
    @Autowired
    private RestHighLevelClient client;
    @Override
    public SearchResult search(SearchParam searchParam) {
//        动态构建出查询所需要的DSL语句
        SearchResult searchResult = null;
//        准备检索请求
        SearchRequest searchRequest = buildSearchRequest(searchParam);
        try {
//        执行查询检索请求
            SearchResponse response = client.search(searchRequest, MallElasticSearchConfig.COMMON_OPTIONS);
//            分析响应数据并封装成返回的数据
            searchResult = buildSearchResult();
        } catch (IOException e) {
            throw new RuntimeException(e);
        }
        return null;
    }

    private SearchResult buildSearchResult() {
        return null;
    }

    //准备检索请求
    private SearchRequest buildSearchRequest(SearchParam searchParam) {
//        构建DSL语句
        SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
//        查询条件,模糊查询,过滤,按照属性,分类品牌,价格区间,库存
//        构建了bool-query
        BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
//        must
        if(!StringUtils.isEmpty(searchParam.getKeyword())){
            boolQuery.must(QueryBuilders.matchQuery("skuTitle",searchParam.getKeyword()));
        }
//        filter按照三级分类ID查询
        if(searchParam.getCatalog3Id()!=null){
            boolQuery.filter(QueryBuilders.termQuery("catalogId",searchParam.getCatalog3Id()));
        }
//        filter按照品牌ID查询
        if(searchParam.getBrandId()!=null && !searchParam.getBrandId().isEmpty()){
            boolQuery.filter(QueryBuilders.termsQuery("brandId",searchParam.getBrandId()));
        }
//        filter按照属性ID查询
        if(searchParam.getAttrs()!=null && !searchParam.getAttrs().isEmpty()){
            for (String attrStr : searchParam.getAttrs()) {
                BoolQueryBuilder nestedBoolQuery = QueryBuilders.boolQuery();
                String[] attr = attrStr.split("_");
                String attrId = attr[0];//属性ID
                String[] attrValues = attr[1].split(":");//属性值
                nestedBoolQuery.must(QueryBuilders.termQuery("attrs.attrId",attrId));
                nestedBoolQuery.must(QueryBuilders.termsQuery("attrs.attrValue",attrValues));
//                每一个都必须有一个嵌入式的查询
                NestedQueryBuilder attrs = QueryBuilders.nestedQuery("attrs", nestedBoolQuery, ScoreMode.None);
                boolQuery.filter(attrs);
            }
        }
//        按照库存进行查询
        boolQuery.filter(QueryBuilders.termQuery("hasStock", searchParam.getHasStock()==1));
//        按照价格区间
        if(!StringUtils.isEmpty(searchParam.getSkuPrice())){
            RangeQueryBuilder rangeQuery = QueryBuilders.rangeQuery("skuPrice");
            String[] price = searchParam.getSkuPrice().split("_");
            if(price.length == 2){
                rangeQuery.gte(price[0]).lte(price[1]);
            }
            else if (price.length == 1) {
                if(searchParam.getSkuPrice().startsWith("_")){
                    rangeQuery.lte(price[0]);
                }
                else if(searchParam.getSkuPrice().endsWith("_")){
                    rangeQuery.gte(price[0]);
                }
            }
            boolQuery.filter(rangeQuery);
        }
//        把所有条件全部封装
        sourceBuilder.query(boolQuery);
        return new SearchRequest(new String[]{EsConstant.PRODUCT_INDEX},sourceBuilder);
    }
}

package com.alatus.search.service.impl;

import com.alatus.search.config.MallElasticSearchConfig;
import com.alatus.search.constant.EsConstant;
import com.alatus.search.service.MallSearchService;
import com.alatus.search.vo.SearchParam;
import com.alatus.search.vo.SearchResult;
import org.apache.commons.lang.StringUtils;
import org.apache.lucene.search.join.ScoreMode;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.index.query.BoolQueryBuilder;
import org.elasticsearch.index.query.NestedQueryBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.index.query.RangeQueryBuilder;
import org.elasticsearch.search.builder.SearchSourceBuilder;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

import java.io.IOException;

@Service
public class MallSearchServiceImpl implements MallSearchService {
    @Autowired
    private RestHighLevelClient client;
    @Override
    public SearchResult search(SearchParam searchParam) {
//        动态构建出查询所需要的DSL语句
        SearchResult searchResult = null;
//        准备检索请求
        SearchRequest searchRequest = buildSearchRequest(searchParam);
        try {
//        执行查询检索请求
            SearchResponse response = client.search(searchRequest, MallElasticSearchConfig.COMMON_OPTIONS);
//            分析响应数据并封装成返回的数据
            searchResult = buildSearchResult();
        } catch (IOException e) {
            throw new RuntimeException(e);
        }
        return null;
    }

    private SearchResult buildSearchResult() {
        return null;
    }

    //准备检索请求
    private SearchRequest buildSearchRequest(SearchParam searchParam) {
//        构建DSL语句
        SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
//        查询条件,模糊查询,过滤,按照属性,分类品牌,价格区间,库存
//        构建了bool-query
        BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
//        must
        if(!StringUtils.isEmpty(searchParam.getKeyword())){
            boolQuery.must(QueryBuilders.matchQuery("skuTitle",searchParam.getKeyword()));
        }
//        filter按照三级分类ID查询
        if(searchParam.getCatalog3Id()!=null){
            boolQuery.filter(QueryBuilders.termQuery("catalogId",searchParam.getCatalog3Id()));
        }
//        filter按照品牌ID查询
        if(searchParam.getBrandId()!=null && !searchParam.getBrandId().isEmpty()){
            boolQuery.filter(QueryBuilders.termsQuery("brandId",searchParam.getBrandId()));
        }
//        filter按照属性ID查询
        if(searchParam.getAttrs()!=null && !searchParam.getAttrs().isEmpty()){
            for (String attrStr : searchParam.getAttrs()) {
                BoolQueryBuilder nestedBoolQuery = QueryBuilders.boolQuery();
                String[] attr = attrStr.split("_");
                String attrId = attr[0];//属性ID
                String[] attrValues = attr[1].split(":");//属性值
                nestedBoolQuery.must(QueryBuilders.termQuery("attrs.attrId",attrId));
                nestedBoolQuery.must(QueryBuilders.termsQuery("attrs.attrValue",attrValues));
//                每一个都必须有一个嵌入式的查询
                NestedQueryBuilder attrs = QueryBuilders.nestedQuery("attrs", nestedBoolQuery, ScoreMode.None);
                boolQuery.filter(attrs);
            }
        }
//        按照库存进行查询
        boolQuery.filter(QueryBuilders.termQuery("hasStock", searchParam.getHasStock()==1));
//        按照价格区间
        if(!StringUtils.isEmpty(searchParam.getSkuPrice())){
            RangeQueryBuilder rangeQuery = QueryBuilders.rangeQuery("skuPrice");
            String[] price = searchParam.getSkuPrice().split("_");
            if(price.length == 2){
                rangeQuery.gte(price[0]).lte(price[1]);
            }
            else if (price.length == 1) {
                if(searchParam.getSkuPrice().startsWith("_")){
                    rangeQuery.lte(price[0]);
                }
                else if(searchParam.getSkuPrice().endsWith("_")){
                    rangeQuery.gte(price[0]);
                }
            }
            boolQuery.filter(rangeQuery);
        }
//        把所有条件全部封装
        sourceBuilder.query(boolQuery);
        return new SearchRequest(new String[]{EsConstant.PRODUCT_INDEX},sourceBuilder);
    }
}
旧约Alatus
关注
  • 15
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
谷粒商城项目总结--Elasticsearch
AgoniL的博客
08-09 844
Elasticsearch一、基本概念二、安装三、初步检索1、_cat2、索引一个文档（保存）3、查询文档4、更新文档5、删除文档&索引6、bulk 批量 API7、样本测试数据四、进阶检索1、检索信息2、Query DSL1、基本语法格式2、返回部分字段3、match【匹配查询】4、match_phrase【短语匹配】5、multi_match【多字段匹配】6、bool【复合查询】7、filter【结果过滤】8、term9、aggregations（执行聚合）3、Mapping4、数据迁移5、分词
黑马畅购商城---5.商品搜索-Elasticsearch-DSL
IT大神帅杰的博客
02-22 1783
学习目标 Elasticsearch安装 1 2 3 docker安装Elasticsearch 系统参数问题 跨域操作 IK分词器配置 Kibana的使用->==DSL语句== Kibana->DSL语句操作->Elasticsearch ==ES导入商品搜索数据== 1 2 Sku数据导入到Elasticsea...
商城-商品搜索（Elasticsearch、IK分词器、Kibana使用）
兴趣是最好的老师
06-24 691
1. Elasticsearch安装 本章节将采用Docker安装，不过在市面上还有很多采用linxu安装，关于linux安装，已经提供了安装手册，这里就不讲了。 (1)docker镜像下载 docker pull elasticsearch:5.6.8 查看已经安装好了，所以在此我不安装了 (2)安装es容器 docker run -di --name=changgou_elasticsearch -p 9200:9200 -p 9300:9300 elasticsearch:5.6.
商城-商品搜索（搜索微服务搭建、商品搜索数据导入ES、关键词搜索）
兴趣是最好的老师
06-27 426
SpringData Elasticsearch介绍 SpringData介绍 Spring Data是一个用于简化数据库访问，并支持云服务的开源框架。其主要目标是使得对数据的 访问变得方便快捷，并支持map-reduce框架和云计算数据服务。 Spring Data可以极大的简化JPA 的写法，可以在几乎不用写实现的情况下，实现对数据的访问和操作。除了CRUD外，还包括如分 页、排序等一些常用的功能。 Spring Data的官网：http://projects.spring.io/sprin
大型分布式购物网站-B2C项目
12-27
11. **搜索引擎**：如Elasticsearch，用于商品搜索、推荐等场景，提供快速、精准的全文检索能力。 12. **性能监控**：如使用Prometheus和Grafana进行系统性能监控，及时发现并解决性能瓶颈。 在mytmall-master这个...
java毕业设计&课设-网上商城项目（视频+源码）.doc
06-03
### Java毕业设计&课设-网上商城项目的关键知识点 #### 一、项目概述 本项目为一个基于Java语言实现的网上商城系统，旨在为学生提供一个综合性的实践平台，通过该项目的学习与开发，帮助学生掌握Java Web开发的核心...
基于Java的网上体育商城系统的设计与实现--源代码(全)
04-12
13. **商品分类和搜索**：商品按类别展示，并支持关键词搜索功能，可能涉及Elasticsearch等搜索引擎。 14. **用户管理**：包括注册、登录、密码找回、权限控制等，确保用户信息安全。 15. **性能优化**：缓存技术...
JavaEE求职简历-姓名-JAVA开发工程师-3年经验.docx
06-03
在其他技术方面，他有使用Solar和ElasticSearch进行全文搜索的经验，以及Quartz进行定时任务调度。对于消息传输，他熟悉ActiveMQ。在服务器管理上，他能熟练操作Apache、Nginx、Tomcat等Web服务器，处理服务器整合、...
webzp-java_商城_网页_
10-03
这需要实现商品分类系统和搜索引擎，如Elasticsearch。 11. **用户注册与登录**： - 用户需要注册账号才能进行购物，系统应提供注册、登录功能，并考虑密码加密存储、验证码验证等安全措施。 12. **前端技术**： ...
WPF 怎么样使用缓存
m0_58717895的博客
08-22 223
缓存是提升WPF应用性能的有效手段，合理使用缓存可以显著减少内存使用、提高响应速度和减少资源的重复加载。在实际应用中，应该根据具体的业务需求选择合适的缓存策略，并考虑缓存的过期和清理机制，以确保应用的高效运行。
缓存学习
hycccccch的博客
08-18 1027
缓存大小决定了可以存储的数据量。缓存太小会导致频繁的缓存失效和加载，降低系统性能；缓存太大会占用过多内存资源。可用内存: 需要确保缓存占用的内存不会影响系统的其他重要功能。数据访问模式: 如果某些数据被频繁访问，可以优先缓存这些数据，即采用热点数据缓存的策略。性能要求: 需要平衡缓存命中率和内存消耗，以满足系统的性能要求。
缓存预热：提升系统性能的有效策略
最新发布
heromps的博客
08-22 543
缓存预热是一项强有力的技术，可以显著提升系统在高并发环境下的性能和稳定性。通过预热热点数据，可以有效减少对数据库的直接访问，防止缓存击穿和缓存雪崩等问题。实施缓存预热时，需要综合考虑资源管理、策略调整和性能监控等因素，确保缓存预热能够最大程度地提高系统性能。通过本文的详细实施方案和伪代码示例，希望能够帮助读者更好地理解和应用缓存预热技术，为系统优化提供有力支持。
【手写数据库内核组件】0302 数据缓存池(一)，数据块缓存池的三层架构与两级映射，缓存块与物理数据的对应关系
一个追逐梦想的码农
08-19 318
在数据库中有多种缓存使用场景，其中最大的缓存是表数据的缓存，一般作为多个并发的共享缓存池来使用。 表数据从磁盘先加载到缓存池中，数据库对数据的所有操作都在缓存中进行，这避免了频繁对磁盘的读写操作； 同一块数据在缓存池中只加载一次，所以会存在并发访问。 这就要求缓存池支持并发访问，同时在大并发时有一定的扩展性，加大并发时缓存不能成为性能瓶颈；同时缓存有上限，支持淘汰替换机制。 本节分享基于时钟算法的共享缓存池的实现机制。
19.缓存的认识和基本使用
卷土的博客
08-20 223
缓存是数据交换的缓冲区Cache，是临时存储数据的地方，一般读写性能较高。数据库的缓存就是建立索引。
Mybatis的分页，延迟加载和缓存
2301_78494721的博客
08-18 1283
不管信息用不用，只要调用，马上发起查询并进行加载比如：当我们查询学生信息时，就需要知道学生在哪个班级中，所以就需要立马去查询班级的信息通常：当 一对一或者 多对一的时候需要立即加载什么是延迟加载在真正使用数据时才发起查询，不用的时候不查询比如：在查询班级信息，每个班级都会有很多的学生（假如每个班有100个学生），如果我们只是查看班级信息，但是学生对象也会加载到内存中，会造成浪费。所以我门需要进行懒加载，当确实需要查看班级中的学生信息，我门在进行加载班级中的学生信息。
数据库和缓存不一致的问题及解决方案
许你安然的博客
08-22 583
数据库和缓存不一致的问题是在实际应用中常见的挑战之一。为了解决这个问题，可以采用更新数据时同步更新缓存、使用缓存失效策略以及读取数据时先从缓存获取等策略。此外，延迟双删也是一种常见的解决方案，用于增加数据删除的可靠性和缓解缓存雪崩效应。在实际应用中，根据系统的需求和性能要求，选择合适的解决方案，可以保证数据库和缓存之间的一致性，提高系统的可靠性和性能。
Redis的缓存淘汰策略
qq_38217393的博客
08-17 911
​​​​​​​定期删除策略的难点是确定删除操作执行的时长和频率：如果删除操作执行得太频繁或者执行的时间太长，定期删除策略就会退化成立即删除策略，以至于将CPU时间过多地消耗在删除过期键上面。如果删除操作执行得太少，或者执行的时间太短，定期删除策略又会和惰性删除束略一样，出现浪费内存的情况。定期删除策略的难点是确定删除操作执行的时长和频率：如果删除操作执行得太频繁或者执行的时间太长，定期删除策略就会退化成立即删除策略，以至于将CPU时间过多地消耗在删除过期键上面。
加速网络体验，Squid缓存代理：让浏览如飞，畅享无限网络速度！
xyyy060908的博客
08-21 423
在当今这个信息爆炸的时代，随着网络攻击和数据泄露事件的频发，无论是企业还是普通用户，都越来越关注网络安全问题。特别是对于网站和应用的数据保护措施，成为了大家讨论的热点。那么，如何提升网站的安全性和性能呢？缓存代理或许能给你答案。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值