文章目录
elasticsearch
初识elasticsearch
elasticseach是一款非常强大的开源搜索引擎,可以帮助我们从海量数据中快速找到需要的内容。
elasticsearch结合kibana、Logstash、Beats,也就是elastic stack(ELK)。被广泛应用在日志数据分析、实时监控等领域。
其中elasticsearch是elastic stack的核心,负责存储、搜索和分析数据。
正向索引和倒排索引
传统数据库(如MySQL)采用正向索引,例如给下表(tb_goods)中的id创建索引:
正向索引的搜索过程是逐条扫描:
正向索引基于文档id创建索引,查询词条时必须先找到文档,而后判断是否包含词条。
elasticsearch采用倒排索引:
- 文档(document):每条数据就是一个文档
- 词条(term):文档按照语义分成的词语
倒排索引会根据文档中词语的语义进行分词,对词条创建索引,并记录词条所在文档的信息。查询时先根据词条查询到文档id,然后获取到文档。
搜索时会根据词条进行查询,若匹配则返回其对应id:
倒排索引中包含两部分内容
- 词条词典(Term Dictionary):记录所有词条,以及词条与倒排列表(Posting List)之间的关系,会给词条创建索引,提高查询和插入效率。
- 倒排列表(Posting List):记录词条所在的文档id、词条出现频率、词条在文档中的位置等信息。
-
- 文档id:用于快速获取文档
-
- 词条频率(TF):文档在词条出现的次数,用于评分。
与MySQL概念对比
文档
elasticsearch是面向文档存储的,可以是数据库中的一条商品数据,一个订单信息。文档数据会被序列化为json格式后存储在elasticsearch中。
索引
索引是相同文档类型的集合。
概念对比:
架构:
- Mysql:擅长事务类型的操作,可以确保数据的安全性和一致性。
- Elastic search:擅长海量数据的搜索、分析、计算
分词器
es在创建倒排索引时需要对文档分词,在搜索时,需要对用户输入内容进行分词。但默认的分词规则对中文处理并不友好。
在kibana的DevTools中测试:
POST /_analyze
{
"analyzer": "standard",
"text": "黑马程序员学习Java太棒了!"
}
语法说明:
- POST:请求方式
- /_analyze:请求路径,这里省略了http://ip:port,有kibana帮我们补充
- 请求参数,json风格:
analyzer:分词器类型,这里默认的standard分词器。
text:要分词的内容。
处理中文分词,一般会使用IK分词器。
IK分词器包含两种模式:
- ik_smart:最少切分,粗粒度。
- ik_max_word:最细切分,细粒度。
ik分词器拓展词库
修改ik分词器目录中的config目录中的IkAnalyzer.cfg.xml文件:
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
<comment>IK Analyzer 扩展配置</comment>
<!--用户可以在这里配置自己的扩展字典 -->
<entry key="ext_dict">ext.dic</entry>
<!--用户可以在这里配置自己的扩展停止词字典-->
<entry key="ext_stopwords"></entry>
<!--用户可以在这里配置远程扩展字典 -->
<!-- <entry key="remote_ext_dict">words_location</entry> -->
<!--用户可以在这里配置远程扩展停止词字典-->
<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>
在ext.dic文件中,添加要拓展的词语即可。
Ik分词器停用词库
修改ik分词器目录中的config目录中的IkAnalyzer.cfg.xml文件:
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
<comment>IK Analyzer 扩展配置</comment>
<!--用户可以在这里配置自己的扩展字典 -->
<entry key="ext_dict">ext.dic</entry>
<!--用户可以在这里配置自己的扩展停止词字典-->
<entry key="ext_stopwords">stopword.dic</entry>
<!--用户可以在这里配置远程扩展字典 -->
<!-- <entry key="remote_ext_dict">words_location</entry> -->
<!--用户可以在这里配置远程扩展停止词字典-->
<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>
在stopword.dic文件中,添加要禁用的词语即可。
索引库操作
mapping属性
mapping是对索引库中文档的约束,常见的mapping属性包括:
- type:字段数据类型,常见的简单类型有:
字符串:text(可分词的文本)、keyword(精确值,例如品牌、国家)
数值:long、integer、short、byte、double、float
布尔:boolean
日期:date
对象:object - index:是否创建索引,默认为true。
- analyzer:使用哪种分词器。
- properties:该字段的子字段。
创建索引库
ES中通过Restful请求操作索引库、文档。请求内容用DSL语句来表示,创建索引库和mapping的DSL语法如下:
PUT /heima
{
"mappings": {
"properties": {
"info":{
"type": "text",
"analyzer": "ik_smart"
},
"email":{
"type": "keyword",
"index": false
},
"name":{
"type": "object",
"properties": {
"firstname": {
"type": "keyword"
},
"secondname": {
"type": "keyword"
}
}
}
}
}
}
查看索引库
语法:
GET /索引库名
删除索引库
语法:
DELETE /索引库名
修改索引库
索引库和mapping一旦创建就无法修改,但是可以添加新的字段
PUT /索引库名/_mapping
{
"properties": {
"新字段名": {
"type": "integer"
}
}
}
文档操作
添加文档
新增文档的DSL语法如下:
POST /heima/_doc/1
{
"info": "黑马程序员Java讲师!",
"email": "1272085519@qq.com",
"name": {
"firstname": "云",
"secondname": "赵"
}
}
查看文档
GET /索引库名/_doc/文档id
示例:
GET /heima/_doc/1
删除索引库的语法
DELETE /索引库名/_doc/文档id
示例:
DELETE /heima/_doc/1
修改文档
方式一:全量修改,会删除旧文档,添加新文档
PUT /heima/_doc/1
{
"info": "黑马程序员Java讲师!",
"email": "zhaoyun@qq.com",
"name": {
"firstname": "云",
"secondname": "赵"
}
}
方式二:增量修改,修改指定字段值
POST /heima/_update/1
{
"doc": {
"email": "zy@itcast.cn"
}
}
RestClient操作索引库
初始化JavaRestClient
步骤1:引入es的RestHighLevelClient依赖
<!-- elasticsearch -->
<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>elasticsearch-rest-high-level-client</artifactId>
<version>7.12.1</version>
</dependency>
步骤二:因为Spring Boot默认的ES版本是7.6.2,所以需要覆盖默认的ES版本:
<properties>
<java.version>1.8</java.version>
<elasticsearch.version>7.12.1</elasticsearch.version>
</properties>
步骤三:初始化RestHighLevelCilent:
@BeforeEach
void setUp(){
this.client = new RestHighLevelClient(RestClient.builder(
HttpHost.create("http://192.168.36.136:9200")
));
}
创建库索引
需要DSL语句,这里的DSL语句封装成了一个静态常量:
package cn.itcast.hotel.constants;
/**
* @version 1.0
* @Description
* @Author 月上叁竿
* @Date 2022-05-23 14:20
**/
public class HotelConstants {
public static final String MAPPING_TEMPLATE = "{\n" +
" \"mappings\": {\n" +
" \"properties\": {\n" +
" \"id\": {\n" +
" \"type\": \"keyword\"\n" +
" },\n" +
" \"name\": {\n" +
" \"type\": \"text\",\n" +
" \"analyzer\": \"ik_max_word\",\n" +
" \"copy_to\": \"all\"\n" +
" },\n" +
" \"address\": {\n" +
" \"type\": \"text\"\n" +
" },\n" +
" \"price\": {\n" +
" \"type\": \"integer\"\n" +
" },\n" +
" \"score\": {\n" +
" \"type\": \"integer\"\n" +
" },\n" +
" \"brand\": {\n" +
" \"type\": \"keyword\",\n" +
" \"copy_to\": \"all\"\n" +
" },\n" +
" \"city\": {\n" +
" \"type\": \"keyword\"\n" +
" },\n" +
" \"starName\": {\n" +
" \"type\": \"keyword\"\n" +
" },\n" +
" \"business\": {\n" +
" \"type\": \"keyword\",\n" +
" \"copy_to\": \"all\"\n" +
" },\n" +
" \"location\": {\n" +
" \"type\": \"geo_point\"\n" +
" },\n" +
" \"pic\": {\n" +
" \"type\": \"keyword\",\n" +
" \"index\": false\n" +
" },\n" +
" \"all\": {\n" +
" \"type\": \"text\",\n" +
" \"analyzer\": \"ik_max_word\"\n" +
" }\n" +
" }\n" +
" }\n" +
"}";
}
@Test
void createHotelIndex() throws IOException {
// 1.创建request对象
CreateIndexRequest request = new CreateIndexRequest("hotel");
// 2.准备请求的参数 DSL语句
request.source(MAPPING_TEMPLATE, XContentType.JSON);
// 3.发送请求
client.indices().create(request, RequestOptions.DEFAULT);
}
删除库索引
@Test
void deleteHotelIndex() throws IOException {
DeleteIndexRequest request = new DeleteIndexRequest("hotel");
client.indices().delete(request,RequestOptions.DEFAULT);
}
库索引是否存在
@Test
void ifExistsHotelIndex() throws IOException {
GetIndexRequest request = new GetIndexRequest("hotel");
boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);
System.err.println(exists ? "索引库存在" : "索引库不存在!");
}
关闭客户端连接
@AfterEach
void tearDown() throws IOException {
this.client.close();
}
RestClient操作文档
初始化JavaRestClient
@SpringBootTest
public class HotelDocumentTest {
private RestHighLevelClient client;
@Autowired
private HotelService hotelService;
@BeforeEach
void setUp(){
this.client = new RestHighLevelClient(RestClient.builder(
HttpHost.create("http://192.168.36.136:9200")
));
}
@AfterEach
void tearDown() throws IOException {
this.client.close();
}
添加文档
@Test
void testAddDocument() throws IOException {
// 根据id查询酒店信息
Hotel hotel = hotelService.getById(61083);
// 转换为文档类型 得到索引库类型
HotelDoc hotelDoc = new HotelDoc(hotel);
// 1.准备Request对象
IndexRequest request = new IndexRequest("hotel").id(hotelDoc.getId().toString());
//2.准备Json文档
request.source(JSON.toJSONString(hotelDoc), XContentType.JSON);
// 3.发送请求
client.index(request, RequestOptions.DEFAULT);
}
查询文档
@Test
void testGetDocumentById() throws IOException {
// 1.准备Request
GetRequest request = new GetRequest("hotel", "61083");
// 2.发送请求,得到响应
GetResponse response = client.get(request, RequestOptions.DEFAULT);
// 3.解析响应结果
String json = response.getSourceAsString();
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
System.out.println(hotelDoc);
}
修改文档
@Test
void testUpdateDocument() throws IOException {
// 1.创建request对象
UpdateRequest request = new UpdateRequest("hotel", "61083");
// 2.准备参数,每2个参数为一对key value
request.doc(
"price","952",
"starName","四钻"
);
// 3.更新文档
client.update(request, RequestOptions.DEFAULT);
}
删除文档
@Test
void deleteDocument() throws IOException {
// 1.创建request对象
DeleteRequest request = new DeleteRequest("hotel", "61083");
// 2.删除文档
client.delete(request, RequestOptions.DEFAULT);
}
批量导入数据
@Test
void testBulkRequest() throws IOException {
// 批量查询酒店数据
List<Hotel> hotels = hotelService.list();
// 1.创建request
BulkRequest request = new BulkRequest();
// 2,准备参数,添加多个新增的request
for (Hotel hotel : hotels) {
// 转换为文档类型
HotelDoc hotelDoc = new HotelDoc(hotel);
// 创建新增文档的request对象
request.add(new IndexRequest("hotel")
.id(hotel.getId().toString())
.source(JSON.toJSONString(hotelDoc),XContentType.JSON));
}
// 3.发送请求
client.bulk(request, RequestOptions.DEFAULT);
}
DSL查询文档
DSL Query的分类
Elasticsearch提供了基于JSON的DSL来定义查询。常见的查询类型包括:
- 查询所有:查询出所有数据,一般测试用。例如:match_all
- 全文检索(full text)查询:利用分词器对用户输入内容分词,然后去倒排索引库中匹配。例如:match_query,multi_match_query
- 精确查询:根据精确词条值查找数据,一般是查找keyword、数值、日期、boolean等类型字段。例如:ids、range、term。
- 地理(geo)查询:根据经纬度查询。例如:geo_distance、geo_bounding_box
- 复合(compound)查询:复合查询可以将上述各种查询条件组合起来,合并查询条件。例如:bool、function_score
全文检索查询
全文检索查询,会对用户输入的内容分词,常用于搜索框搜索。
- match查询:全文检索查询的一种,会对用户输入内容分词,然后去倒排索引库检索,语法如下:
GET /indexName/_search
{
"query": {
"match": {
"FIELD": "TEXT"
}
}
}
# match查询
GET /hotel1/_search
{
"query": {
"match": {
"all": "外滩如家"
}
}
}
- multi_match:与match查询类似,只不过允许同时查询多个字段,语法:
GET /indexName/_search
{
"query": {
"multi_match": {
"query": "TEXT",
"fields": ["FIELD1", "FIELD2"]
}
}
}
# multi_match查询
GET /hotel1/_search
{
"query": {
"multi_match": {
"query": "如家外滩",
"fields": ["brand","name","business"]
}
}
}
match和multi_match的区别:
- match:根据一个字段查询。
- multi_match:根据多个字段查询,参与查询字段越多,查询性能越差。
精确查询
精确查询一般是查找keyword、数值、日期、boolean等类型字段。所以不会对搜索条件分词。常见的有:
- term:根据词条精确值查询
- range:根据值的范围查询
term
根据词条精确匹配,一般搜索keyword类型、数值类型、布尔类型、日期类型字段
GET /indexName/_search
{
"query": {
"term": {
"FIELD": {
"value": "VALUE"
}
}
}
}
# 精确查询-term查询
GET /hotel1/_search
{
"query": {
"term": {
"city": {
"value": "北京"
}
}
}
}
range
根据数值范围查询,可以是数值、日期的范围
GET /indexName/_search
{
"query": {
"range": {
"FIELD": {
"gte": 10,
"lte": 20
}
}
}
}
# 精确查询-range查询
GET /hotel1/_search
{
"query": {
"range": {
"price": {
"gte": 500,
"lte": 700
}
}
}
}
地理查询
根据经纬度查询,例如:
- geo_bounding_box:查询geo_point值落在某个矩形范围的所有文档。
GET /hotel1/_search
{
"query": {
"geo_bounding_box": {
"location":{
"top_left": {
"lat": 31.1,
"lon": 121.5
},
"bottom_right": {
"lat": 30.9,
"lon": 121.7
}
}
}
}
}
- geo_distance:查询到指定中心点小于某个距离值的所有文档
# distance查询
GET /hotel1/_search
{
"query": {
"geo_distance": {
"distance": "2km",
"location": "31.21, 121.5"
}
}
}
复合查询
复合(compound)查询可以将其他的简单查询组合起来,实现更复杂的搜索逻辑。
例如:
- fuction score:算分函数查询,可以控制文档相关性算分,控制文档排名,例如百度竞价。
相关性算分
当我们利用match查询时,文档结果会根据与搜索词条的关联度进行打分(即查询后的_score),返回结果时按照分值降序排列。
计算分数的算法如下:
elasticsearch中的相关性打分算法
:
- TF-IDF:在elasticsearch5.0之前,会随着词频增加而越来越大。
- BM25:在elasticsearch5.0之后,会随着词频增加而增大,但增长曲线会趋于水平。
Function Score Query
使用function score query,可以修改文档的相关性算分,根据新得到的算分进行排序。
GET /hotel1/_search
{
"query": {
"function_score": {
"query": {
"match": {
"all": "外滩"
}
},
"functions": [
{
"filter": {
"term": {
"brand": "如家"
}
},
"weight": 2
}
],
"boost_mode": "multiply"
}
}
}
function score query定义的三要素
:
- 过滤条件:哪些文档要加分。
- 算分函数:如何计算function score。
- 加权方式:function score与query score如何计算
Boolean Query
布尔查询是一个或多个查询子句的组合,子查询的组合方式有:
- must:必须匹配每个子查询,类似"与"。
- should:选择性匹配每个子查询,类似"或"。
- must_not:必须不匹配,不参与算分,类似"非"。
- filter:必须匹配,不参与算分。
案例:搜索名字包含如家,价格不高于400,在坐标31.21,121.5周围10km范围内的酒店
GET /hotel1/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"name": "如家"
}
}
],
"must_not": [
{
"range": {
"price": {
"gt": 400
}
}
}
],
"filter": [
{
"geo_distance": {
"distance": "10km",
"location": {
"lat": 31.21,
"lon": 121.5
}
}
}
]
}
}
}
搜索结果处理
排序
elasticsearch支持对搜索结果排序,默认是根据相关度算分(_score)来排序。可以排序的字段类型有:keywork类型
、数值类型
、地理坐标类型
、日期类型
。
语法规则如下:
GET /indexName/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"FIELD": "desc" // 排序字段和排序方式ASC、DESC
}
]
}
案例:对酒店数据按照用户评价降序排序,评价相同的按照价格升序进行排序
GET /hotel1/_search
{
"query": {
"match_all": {
}
},
"sort": [
{
"score": "desc",
"price": "asc"
}
]
}
案例:实现对酒店数据按照到你的位置坐标的距离升序排序
GET /hotel1/_search
{
"query": {
"match_all": {
}
},
"sort": [
{
"_geo_distance": {
"location": {
"lat": 31.034661,
"lon": 121.612282
},
"order": "asc",
"unit": "km"
}
}
]
}
分页
elasticsearch默认情况下只返回top10的数据,如果要查询更多数据就需要修改分页参数了。通过修改from、size参数来控制要返回的分页结果:
GET /hotel/_search
{
"query": {
"match_all": {}
},
"from": 990, // 分页开始的数据
"size": 10, // 期望获取的文档总数
"sort": [
{ "price": "asc" }
]
}
这种from + size的分页查询存在一定问题,在查第990-1000条数据时,需要查前1000条数据,然后将990-1000的数据截取出来。单机情况下我们不觉得这对效率有多大的损耗,但ES是分布式的,所以会面临深度分页问题:
- 首先在每个数据分片上都排序并查询前1000条文档。
- 然后将所有节点的结果聚合,在内存中重新排序选出前1000条文档。
- 最后从这1000条中,选取从990开始的10条文档。
如果搜索页数过深,或者结果集越大,对内存和CPU的消耗也就越高。因此ES设定结果集查询的上限是10000。
针对深度分页,ES提供了两种解决方案:
- search after:分页时需要排序,原理是从上一次的排序值开始,查询下一页数据。官方推荐√。
- scroll:原理将排序数据形成快照,保存在内存。官方已经不推荐使用。
三种分页方式的总结
from + size:
- 优点:支持随机翻页
- 缺点:深度分页问题,默认查询上限(from + size)是10000。
- 场景:百度、京东、谷歌、淘宝这样的随机翻页搜索。
after search:
- 优点:没有查询上限(单次查询的size不超过10000)
- 缺点:只能向后逐页查询,不支持随机翻页。
- 场景:没有随机翻页需求的搜索,例如手机向下翻滚翻页。
scroll:
- 优点:没有查询上限(单次查询的size不超过10000)
- 缺点:会有额外内存消耗,并且搜索结果是非实时的。
- 场景:海量数据的获取和迁移,从ES7.1开始不推荐,建议用after search方案。
高亮
即在搜索结果中把搜索关键字突出显示。
原理如下:
- 将搜索结果中的关键字用标签标记出来。
- 在页面中给标签添加css样式。
语法:
# 高亮查询,默认情况下搜索字段必须和高亮字段一致
GET /hotel1/_search
{
"query": {
"match": {
"FIELD": "TEXT"
}
},
"highlight": {
"fields": { // 指定要高亮的字段
"name": {
"pre_tags": "<em>", // 用来标记高亮字段的前置标
"post_tags": "</em>", // 用来标记高亮字段的后置标
"require_field_match": "false"
}
}
}
}
RestClient查询文档
快速入门
查询的基本步骤:
- 创建SearchRequest对象。
- 准备Request.source(),也就是DSL。
①QueryBuilder来构建查询条件。 ②传入Request.source()的query()方法。 - 发送请求,得到结果。
- 解析结果。(参考JSON结果,从外到内,逐层解析)
@Test
void testMatchAll() throws IOException {
// 1. 准备request
SearchRequest request = new SearchRequest("hotel1");
// 2.准备DSL
request.source().query(QueryBuilders.matchAllQuery());
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
SearchHits searchHits = response.getHits();
// 总条数
long value = searchHits.getTotalHits().value;
System.out.println("文档总条数为:" + value);
// 文档数组
SearchHit[] hits = searchHits.getHits();
for (SearchHit hit : hits) {
// 获取文档source
String json = hit.getSourceAsString();
// 反序列化
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
System.out.println(hotelDoc);
}
}
全文检索查询、精确查询、复合查询
全文检索的match和multi_match查询与match_all的API基本一致,差别是查询条件,也就是"query"的部分。
@Test
void testMatch() throws IOException {
// 1. 准备request
SearchRequest request = new SearchRequest("hotel1");
// 2.准备DSL
request.source().query(QueryBuilders.matchQuery("all", "如家"));
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
SearchHits searchHits = response.getHits();
// 总条数
long value = searchHits.getTotalHits().value;
System.out.println("文档总条数为:" + value);
// 文档数组
SearchHit[] hits = searchHits.getHits();
for (SearchHit hit : hits) {
// 获取文档source
String json = hit.getSourceAsString();
// 反序列化
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
System.out.println(hotelDoc);
}
}
精确查询常见的有term查询和range查询,同样利用QueryBuilders实现
@Test
void testBoolQuery() throws IOException {
// 1. 准备request
SearchRequest request = new SearchRequest("hotel1");
// 2.准备DSL
BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
boolQuery.must(QueryBuilders.termQuery("city","上海"));
boolQuery.filter(QueryBuilders.rangeQuery("price").lte(250));
request.source().query(boolQuery);
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
dealResponse(response);
}
注:对解析进行了抽取,抽取后的代码如下:
void dealResponse(SearchResponse response) {
// 4.解析响应
SearchHits searchHits = response.getHits();
// 总条数
long value = searchHits.getTotalHits().value;
System.out.println("文档总条数为:" + value);
// 文档数组
SearchHit[] hits = searchHits.getHits();
for (SearchHit hit : hits) {
// 获取文档source
String json = hit.getSourceAsString();
// 反序列化
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
System.out.println(hotelDoc);
}
}
排序、分页、高亮
排序、分页
搜索结果的排序和分页是与query同级的参数
@Test
void testPageAndSort() throws IOException {
// 页码,每页的大小
int page = 2, size = 5;
// 1. 准备request
SearchRequest request = new SearchRequest("hotel1");
// 2.准备DSL
// 2.1 query
request.source().query(QueryBuilders.matchAllQuery());
// 2.2 排序
request.source().sort("price", SortOrder.ASC);
// 2.3 分页
request.source().from((page - 1) * size).size(5);
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
dealResponse(response);
}
高亮
@Test
void testHighLight() throws IOException {
// 1. 准备request
SearchRequest request = new SearchRequest("hotel1");
// 2.准备DSL
request.source().query(QueryBuilders.matchQuery("all","如家"));
request.source().highlighter(new HighlightBuilder().field("name").requireFieldMatch(false));
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
SearchHits searchHits = response.getHits();
// 4.1 获取总条数
long total = searchHits.getTotalHits().value;
System.out.println("共搜索到" + total + "条数据");
// 4.2 文档数组
SearchHit[] hits = searchHits.getHits();
// 4.3 遍历
for (SearchHit hit : hits) {
// 获取文档source
String json = hit.getSourceAsString();
// 反序列化
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
// 获取高亮结果
Map<String, HighlightField> highlightFields = hit.getHighlightFields();
if (!CollectionUtils.isEmpty(highlightFields)){
// 根据字段名获取高亮结果
HighlightField highlightField = highlightFields.get("name");
if (highlightField != null){
// 获取高亮值
String name = highlightField.getFragments()[0].string();
// 覆盖非高亮的结果
hotelDoc.setName(name);
}
}
System.out.println("hotelDoc = " + hotelDoc);
}
}