SpringBoot整合Elasticsearch全文检索

参考谷粒商城

简介

https://www.elastic.co/cn/what-is/elasticsearch
全文搜索属于最常见的需求，开源的 Elasticsearch 是目前全文搜索引擎的首选。它可以快速地储存、搜索和分析海量数据。维基百科、Stack Overflow、Github 都采用它。
Elastic 的底层是开源库 Lucene。但是，你没法直接用 Lucene，必须自己写代码去调用它的接口。Elastic 是 Lucene 的封装，提供了 REST API 的操作接口，开箱即用。REST API：天然的跨平台。
官方文档
官方中文
社区中文：
https://es.xiaoleilu.com/index.html
http://doc.codingdict.com/elasticsearch/0/

1、基本概念

1.1、Index（索引）

动词，相当于 MySQL 中的 insert；
名词，相当于 MySQL 中的 Database

1.2、Type（类型）

在 Index（索引）中，可以定义一个或多个类型。
类似于 MySQL 中的 Table；每一种类型的数据放在一起

1.3、Document（文档）

保存在某个索引（Index）下，某种类型（Type）的一个数据（Document），文档是JSON格式的，Document 就像是 MySQL 中的某个 Table 里面的内容

1.4、倒排索引机制

2、Docker 安装ES

2.1、下载镜像文件

docker pull elasticsearch:7.4.2   #存储和检索数据
docker pull kibana:7.4.2          #可视化检索数据

2.2、创建实例

2.2.1、ElasticSearch

mkdir -p /mydata/elasticsearch/config
mkdir -p /mydata/elasticsearch/data
echo "http.host: 0.0.0.0" >> /mydata/elasticsearch/config/elasticsearch.yml
chmod -R 777 /mydata/elasticsearch/     #保证权限

docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \
-e "discovery.type=single-node" \
-e ES_JAVA_OPTS="-Xms64m -Xmx512m" \
-v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
-v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
-d elasticsearch:7.4.2

2.2.2、Kibana(可视化页面插件)

docker run --name kibana -e ELASTICSEARCH_HOSTS=http://192.168.200.139:9200 -p 5601:5601 \
-d kibana:7.4.2

http://192.168.200.139:9200一定要改为自己的地址

3、初步检索

3.1、_cat

• GET /_cat/nodes：查看所有节点
• GET /_cat/health：查看 es 健康状况
• GET /_cat/master：查看主节点
• GET /_cat/indices：查看所有索引 相等于mysql中的show databases;

3.2、索引一个文档（保存）

保存一个数据，保存在哪个索引的哪个类型下，指定用哪个唯一标识
PUT customer/external/1；在 customer 索引下的 external 类型下保存1 号数据为

PUT customer/external/1
{ 
	"name": "John Doe"
}

PUT 和 POST 都可以，
POST 新增。如果不指定 id，会自动生成 id。指定 id 就会修改这个数据，并新增版本号
PUT 可以新增可以修改。PUT 必须指定 id；由于 PUT 需要指定 id，我们一般都用来做修改操作，不指定 id 会报错。

3.3、查询文档

GET customer/external/1
结果：
{ 
	"_index": "customer", //在哪个索引
	"_type": "external", //在哪个类型
	"_id": "1", //记录 id
	"_version": 2, //版本号
	"_seq_no": 1, //并发控制字段，每次更新就会+1，用来做乐观锁"_primary_term": 1, //同上，主分片重新分配，如重启，就会变化
	"found": true, 
	"_source": { //真正的内容
		"name": "John Doe"
	}
}

3.4、更新文档

POST customer/external/1/_update
{ 
	"doc":{ 
		"name": "John Doew"
	}
}

或者：

POST customer/external/1
{ 
	"name": "John Doe2"
}

或者：

PUT customer/external/1
{ 
	"name": "John Doe"
}

• 不同：
  • POST 操作会对比源文档数据，如果相同不会有什么操作，文档version 不增加
  • PUT 操作总会将数据重新保存并增加 version 版本；
    带_update 对比元数据如果一样就不进行任何操作。
  • 看场景：
    • 对于大并发更新，不带 update；
    • 对于大并发查询偶尔更新，带 update；对比更新，重新计算分配规则。
• 更新同时增加属性

POST customer/external/1/_update
{ 
	"doc": { "name": "Jane Doe", "age": 20 }
}

PUT 和 POST 不带_update 也可以

3.5、删除文档&索引

DELETE customer/external/1
DELETE customer

3.6、bulk 批量 API

POST customer/external/_bulk
{"index":{"_id":"1"}}
{"name": "John Doe" }
{"index":{"_id":"2"}}
{"name": "Jane Doe" }

语法格式：
{ action: { metadata }}\n
{ request body }\n
{ action: { metadata }}\n
{ request body }\n

复杂实例：
POST /_bulk
{ "delete": { "_index": "website", "_type": "blog", "_id": "123" }}
{ "create": { "_index": "website", "_type": "blog", "_id": "123" }}
{ "title": "My first blog post" }
{ "index": { "_index": "website", "_type": "blog" }}
{ "title": "My second blog post" }
{ "update": { "_index": "website", "_type": "blog", "_id": "123", "_retry_on_conflict" : 3} }
{ "doc" : {"title" : "My updated blog post"} }

bulk API 以此按顺序执行所有的 action（动作）。如果一个单个的动作因任何原因而失败，它将继续处理它后面剩余的动作。当 bulk API 返回时，它将提供每个动作的状态（与发送的顺序相同），所以您可以检查是否一个指定的动作是不是失败了。

3.7、样本测试数据

测试数据
导入测试数据

POST bank/account/_bulk

4、进阶检索

4.1、SearchAPI

ES 支持两种基本方式检索 :

• 一个是通过使用 REST request URI 发送搜索参数（uri+检索参数）
• 另一个是通过使用 REST request body 来发送它们（uri+请求体）

4.1.1、检索信息

一切检索从_search 开始

GET bank/_search		#检索 bank 下所有信息，包括type 和docs
GET bank/_search?q=*&sort=account_number:asc  #请求参数方式检索

响应结果解释：

• took - Elasticsearch 执行搜索的时间（毫秒）
• time_out - 告诉我们搜索是否超时
• _shards - 告诉我们多少个分片被搜索了，以及统计了成功/失败的搜索分片
• hits - 搜索结果
• hits.total - 搜索结果总数
• hits.hits - 实际的搜索结果数组（默认为前 10 的文档）
• sort - 结果的排序 key（键）（没有则按 score 排序）
• score 和 max_score –相关性得分和最高得分（全文检索用）

uri+请求体进行检索

GET bank/_search
{
    "query": {
        "match_all": {}
    },
    "sort": [
        {
            "account_number": {
                "order": "desc"
            }
        }
    ]
}

HTTP 客户端工具（POSTMAN），get 请求不能携带请求体，我们变为post 也是一样的，我们 POST 一个 JSON 风格的查询请求体到 _search API。
需要了解，一旦搜索的结果被返回，Elasticsearch 就完成了这次请求，并且不会维护任何服务端的资源或者结果的 cursor（游标）

4.2、Query DSL

4.2.1、基本语法格式

Elasticsearch 提供了一个可以执行查询的 Json 风格的 DSL（domain-specific language 领域特定语言）。这个被称为 Query DSL。该查询语言非常全面，并且刚开始的时候感觉有点复杂，真正学好它的方法是从一些基础的示例开始的。

• 一个查询语句 的典型结构

{
	QUERY_NAME: {
		ARGUMENT: VALUE, 
		ARGUMENT: VALUE,
		... 
	}
}

• 如果是针对某个字段，那么它的结构如下：

{
	QUERY_NAME: {
		FIELD_NAME: {
			ARGUMENT: VALUE,
			 ARGUMENT: VALUE,
			 ...
		}
	}
}

例如：

GET bank/_search
{
    "query": {
        "match_all": {}
    },
    "from": 0,
    "size": 5,
    "sort": [
        {
            "account_number": {
                "order": "desc"
            }
        }
    ]
}

• query 定义如何查询。
• match_all 查询类型【代表查询所有的所有】，es 中可以在 query 中组合非常多的查询类型完成复杂查询。
• 除了 query 参数之外，我们也可以传递其它的参数以改变查询结果。如sort，size。
• from+size 限定，完成分页功能。
• sort 排序，多字段排序，会在前序字段相等时后续字段内部排序，否则以前序为准。

4.2.2、返回部分字段

GET bank/_search
{
    "query": {
        "match_all": {}
    },
    "from": 0,
    "size": 5,
    "_source": [
        "age",
        "balance"
    ]
}

4.2.3、match【匹配查询】

• 基本类型（非字符串），精确匹配

GET bank/_search
{
    "query": {
        "match": {
            "account_number": "20"
        }
    }
}

match 返回 account_number=20 的所有结果

• 字符串，全文检索

GET bank/_search
{
    "query": {
        "match": {
            "address": "mill"
        }
    }
}

最终查询出 address 中包含 mill 单词的所有记录.
match 当搜索字符串类型的时候，会进行全文检索，并且每条记录有相关性得分。

• 字符串，多个单词（分词+全文检索）

GET bank/_search
{
    "query": {
        "match": {
            "address": "mill road"
        }
    }
}

最终查询出 address 中包含 mill 或者 road 或者 mill road 的所有记录，并给出相关性得分

4.2.4、match_phrase【短语匹配】

将需要匹配的值当成一个整体单词（不分词）进行检索

GET bank/_search
{
    "query": {
        "match_phrase": {
            "address": "mill road"
        }
    }
}

查出 address 中包含 mill road 的所有记录，并给出相关性得分

4.2.5、multi_match【多字段匹配】

GET bank/_search
{
    "query": {
        "multi_match": {
            "query": "mill",
            "fields": [
                "state",
                "address"
            ]
        }
    }
}

state 或者 address 包含 mill

4.2.6、bool【复合查询】

bool 用来做复合查询：
复合语句可以合并任何其它查询语句，包括复合语句，了解这一点是很重要的。这就意味着，复合语句之间可以互相嵌套，可以表达非常复杂的逻辑。

• must：必须达到 must 列举的所有条件

GET bank/_search
{
    "query": {
        "bool": {
            "must": [
                {
                    "match": {
                        "address": "mill"
                    }
                },
                {
                    "match": {
                        "gender": "M"
                    }
                }
            ]
        }
    }
}

• should：应该达到 should 列举的条件，如果达到会增加相关文档的评分，并不会改变查询的结果。如果 query 中只有 should 且只有一种匹配规则，那么should 的条件就会被作为默认匹配条件而去改变查询结果

GET bank/_search
{
    "query": {
        "bool": {
            "must": [
                {
                    "match": {
                        "address": "mill"
                    }
                },
                {
                    "match": {
                        "gender": "M"
                    }
                }
            ],
            "should": [
                {
                    "match": {
                        "address": "lane"
                    }
                }
            ]
        }
    }
}

• must_not 必须不是指定的情况

GET bank/_search
{
    "query": {
        "bool": {
            "must": [
                {
                    "match": {
                        "address": "mill"
                    }
                },
                {
                    "match": {
                        "gender": "M"
                    }
                }
            ],
            "should": [
                {
                    "match": {
                        "address": "lane"
                    }
                }
            ],
            "must_not": [
                {
                    "match": {
                        "email": "baluba.com"
                    }
                }
            ]
        }
    }
}

address 包含 mill，并且 gender 是 M，如果 address 里面有 lane 最好不过，但是email 必须不包含 baluba.com。

4.2.7、filter【结果过滤】

并不是所有的查询都需要产生分数，特别是那些仅用于 “filtering”（过滤）的文档。为了不计算分数 Elasticsearch 会自动检查场景并且优化查询的执行。

GET bank/_search
{
    "query": {
        "bool": {
            "must": [
                {
                    "match": {
                        "address": "mill"
                    }
                }
            ],
            "filter": {
                "range": {
                    "balance": {
                        "gte": 10000,
                        "lte": 20000
                    }
                }
            }
        }
    }
}

4.2.8、term

和 match 一样。匹配某个属性的值。全文检索字段用 match，其他非text 字段匹配用term。

GET bank/_search
{
    "query": {
        "bool": {
            "must": [
                {
                    "term": {
                        "age": {
                            "value": "28"
                        }
                    }
                },
                {
                    "match": {
                        "address": "990 Mill Road"
                    }
                }
            ]
        }
    }
}

4.2.9、aggregations（执行聚合）

聚合提供了从数据中分组和提取数据的能力。最简单的聚合方法大致等于SQL GROUP BY 和 SQL聚合函数。在 **Elasticsearch **中，您有执行搜索返回 hits（命中结果），并且同时返回聚合结果，把一个响应中的所有 **hits（命中结果）**分隔开的能力。这是非常强大且有效的，您可以执行查询和多个聚合，并且在一次使用中得到各自的（任何一个的）返回结果，使用一次简洁和简化的 API 来避免网络往返。

• 搜索 address 中包含 mill 的所有人的年龄分布以及平均年龄，但不显示这些人的详情。

GET bank/_search
{
    "query": {
        "match": {
            "address": "mill"
        }
    },
    "aggs": {
        "group_by_state": {
            "terms": {
                "field": "age"
            }
        },
        "avg_age": {
            "avg": {
                "field": "age"
            }
        }
    },
    "size": 0
}

###
size：0 不显示搜索数据
aggs：执行聚合。聚合语法如下
"aggs": { 
	"aggs_name 这次聚合的名字，方便展示在结果集中": { 
		"AGG_TYPE 聚合的类型（avg,term,terms）": {}
	}
},
###

复杂：
按照年龄聚合，并且请求这些年龄段的这些人的平均薪资

GET bank/account/_search
{
    "query": {
        "match_all": {}
    },
    "aggs": {
        "age_avg": {
            "terms": {
                "field": "age",
                "size": 1000
            },
            "aggs": {
                "banlances_avg": {
                    "avg": {
                        "field": "balance"
                    }
                }
            }
        }
    },
    "size": 1000
}

复杂：
查出所有年龄分布，并且这些年龄段中 M 的平均薪资和 F 的平均薪资以及这个年龄段的总体平均薪资

GET bank/account/_search
{
    "query": {
        "match_all": {}
    },
    "aggs": {
        "age_agg": {
            "terms": {
                "field": "age",
                "size": 100
            },
            "aggs": {
                "gender_agg": {
                    "terms": {
                        "field": "gender.keyword",
                        "size": 100
                    },
                    "aggs": {
                        "balance_avg": {
                            "avg": {
                                "field": "balance"
                            }
                        }
                    }
                },
                "balance_avg": {
                    "avg": {
                        "field": "balance"
                    }
                }
            }
        }
    },
    "size": 1000
}

4.3、Mapping

4.3.1、字段类型

4.3.2、映射

Mapping（映射）
Mapping 是用来定义一个文档（document），以及它所包含的属性（field）是如何存储和索引的。
比如，使用 mapping 来定义：

• 哪些字符串属性应该被看做全文本属性（full text fields）。
• 哪些属性包含数字，日期或者地理位置。
• 文档中的所有属性是否都能被索引（_all 配置）。
• 日期的格式。
• 自定义映射规则来执行动态添加属性。

查看 mapping 信息：

GET bank/_mapping

修改 mapping 信息：
https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping.html
自动猜测的映射类型

4.3.3、新版本改变

Es7 及以上移除了 type 的概念。

• 关系型数据库中两个数据表示是独立的，即使他们里面有相同名称的列也不影响使用，但 ES 中不是这样的。elasticsearch 是基于 Lucene 开发的搜索引擎，而ES 中不同type下名称相同的 filed 最终在 Lucene 中的处理方式是一样的。
  • 两个不同 type 下的两个 user_name，在 ES 同一个索引下其实被认为是同一个filed，你必须在两个不同的 type 中定义相同的 filed 映射。否则，不同type 中的相同字段名称就会在处理中出现冲突的情况，导致 Lucene 处理效率下降。
  • 去掉 type 就是为了提高 ES 处理数据的效率。

Elasticsearch 7.x

• URL 中的 type 参数为可选。比如，索引一个文档不再要求提供文档类型。Elasticsearch 8.x
• 不再支持 URL 中的 type 参数。

解决：

• 1）、将索引从多类型迁移到单类型，每种类型文档一个独立索引
• 2）、将已存在的索引下的类型数据，全部迁移到指定位置即可。详见数据迁移

4.3.3.1、创建映射

创建索引并指定映射

PUT /my-index
{
    "mappings": {
        "properties": {
            "age": {
                "type": "integer"
            },
            "email": {
                "type": "keyword"
            },
            "name": {
                "type": "text"
            }
        }
    }
}

4.3.3.2、添加新的字段映射

PUT /my-index/_mapping
{
    "properties": {
        "employee-id": {
            "type": "keyword",
            "index": false
        }
    }
}

4.3.3.3、更新映射

对于已经存在的映射字段，我们不能更新。更新必须创建新的索引进行数据迁移

4.3.3.4、数据迁移

先创建出 new_twitter 的正确映射。然后使用如下方式进行数据迁移

POST _reindex [固定写法]
{
    "source": {
        "index": "twitter"
    },
    "dest": {
        "index": "new_twitter"
    }
}

将旧索引的 type 下的数据进行迁移

POST _reindex
{
    "source": {
        "index": "twitter",
        "type": "tweet"
    },
    "dest": {
        "index": "tweets"
    }
}

4.4、分词

一个 tokenizer（分词器） 接收一个字符流，将之分割为独立的 tokens（词元，通常是独立的单词），然后输出 tokens 流。
例如，whitespace tokenizer 遇到空白字符时分割文本。它会将文本**“Quick brown fox!”** 分割为** [Quick, brown, fox!] 。
该 tokenizer（分词器**）还负责记录各个 term（词条） 的顺序或 position 位置（用于phrase 短语和 word proximity 词近邻查询），以及 term（词条）所代表的原始word（单词） 的 start（起始） 和 end（结束） 的 character offsets（字符偏移量）（用于高亮显示搜索的内容）。Elasticsearch 提供了很多内置的分词器，可以用来构建 custom analyzers（自定义分词器）。

4.4.1、安装 ik 分词器

注意：不能用默认 elasticsearch-plugin install xxx.zip 进行自动安装
https://github.com/medcl/elasticsearch-analysis-ik/releases 对应es 版本安装

#进入 es 容器内部 plugins 目录
docker exec -it 容器 id /bin/bash
wget https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.4.2/elasticsearch-anal
ysis-ik-7.4.2.zip

unzip 下载的文件
rm –rf *.zip
mv elasticsearch/ ik

#可以确认是否安装好了分词器
cd ../bin
elasticsearch plugin list：#即可列出系统的分词器

4.4.2、测试分词器

使用默认

POST _analyze
{ 
	"text": "我是中国人"
}

结果：

使用分词器 ik_smart

POST _analyze
{ 
	"analyzer": "ik_smart", 
	"text": "我是中国人"
}

结果：

另外一个分词器 ik_max_word

POST _analyze
{
  "analyzer": "ik_max_word",
  "text": "我是中国人"
}

能够看出不同的分词器，分词有明显的区别，所以以后定义一个索引不能再使用默认的 mapping 了，要手工建立 mapping, 因为要选择分词器。

4.4.3、自定义词库

修改/usr/share/elasticsearch/plugins/ik/config/中的 IKAnalyzer.cfg.xml
/usr/share/elasticsearch/plugins/ik/config

<?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"></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">http://192.168.200.139/fenci/myword.txt</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>

利用 nginx 发布静态资源,按照请求路径，创建对应的文件夹以及文件，放在nginx 的 html 下
然后重启 es 服务器，重启 nginx。
在 kibana 中测试分词效果
更新完成后，es 只会对新增的数据用新词分词。历史数据是不会重新分词的。如果想要历史数据重新分词。需要执行：

POST my_index/_update_by_query?conflicts=proceed

5、Elasticsearch-Rest-Client

1、9300：TCP

• spring-data-elasticsearch:transport-api.jar；
  • springboot 版本不同， transport-api.jar 不同，不能适配 es 版本
  • 7.x 已经不建议使用，8 以后就要废弃

2、9200：HTTP

• JestClient：非官方，更新慢
• RestTemplate：模拟发 HTTP 请求，ES 很多操作需要自己封装，麻烦
• HttpClient：同上
• Elasticsearch-Rest-Client：官方 RestClient，封装了 ES 操作，API 层次分明，上手简单

最终选择 Elasticsearch-Rest-Client（elasticsearch-rest-high-level-client）
https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/java-rest-high.html

5.1、SpringBoot 整合

<dependency>
	<groupId>org.elasticsearch.client</groupId>
	<artifactId>elasticsearch-rest-high-level-client</artifactId>
	<version>7.4.2</version>
</dependency>

查看maven中依赖

发现有一个包的版本不对，一定要注意使用相同版本
在yml的properties标签中指定版本

    <properties>
        <java.version>1.8</java.version>
        <elasticsearch.version>7.4.2</elasticsearch.version>
    </properties>

5.2、配置

创建一个config类如下：

package com.qinjian.gulimall.search.config;

import jdk.nashorn.internal.parser.Token;
import org.apache.http.HttpHost;
import org.elasticsearch.client.*;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

/**
 * @version V1.0
 * @Package com.qinjian.gulimall.search.config
 * @Description: elasticsearch配置 给容器注入RestHighLevelClient
 * @author: 
 * @date: 2023/2/9 11:22
 */
@Configuration
public class GulimallElasticSearchConfig {

    public static final RequestOptions COMMON_OPTIONS;

    static {
        RequestOptions.Builder builder = RequestOptions.DEFAULT.toBuilder();
        // builder.addHeader("Authorization", "Bearer " + Token);
        // builder.setHttpAsyncResponseConsumerFactory(
        //         new HttpAsyncResponseConsumerFactory
        //                 .HeapBufferedResponseConsumerFactory(30 * 1024 * 102 * 1024));
        COMMON_OPTIONS = builder.build();
    }

    @Bean
    public RestHighLevelClient esRestClient() {
        RestClientBuilder builder = RestClient.builder(new HttpHost("192.168.200.139", 9200, "http"));
        return new RestHighLevelClient(builder);
    }
}

5.3、测试使用

package com.qinjian.gulimall.search;

import com.alibaba.fastjson.JSON;
import com.qinjian.gulimall.search.config.GulimallElasticSearchConfig;
import lombok.Data;
import lombok.ToString;
import org.elasticsearch.action.index.IndexRequest;
import org.elasticsearch.action.index.IndexResponse;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.common.xcontent.XContentType;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.SearchHits;
import org.elasticsearch.search.aggregations.AggregationBuilders;
import org.elasticsearch.search.aggregations.Aggregations;
import org.elasticsearch.search.aggregations.bucket.terms.Terms;
import org.elasticsearch.search.aggregations.bucket.terms.TermsAggregationBuilder;
import org.elasticsearch.search.aggregations.metrics.Avg;
import org.elasticsearch.search.aggregations.metrics.AvgAggregationBuilder;
import org.elasticsearch.search.builder.SearchSourceBuilder;
import org.junit.Test;
import org.junit.runner.RunWith;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.test.context.junit4.SpringRunner;

import java.io.IOException;

@SpringBootTest
@RunWith(SpringRunner.class)
public class GulimallSearchApplicationTests {

    @Autowired
    private RestHighLevelClient client;

    /**
     * 测试存储数据到es
     */
    @Test
    public void indexData() throws IOException {
        IndexRequest indexRequest = new IndexRequest("users");
        indexRequest.id("1");
        // 使用source的键值对方式构造数据
        // indexRequest.source("userName","zhangsan","age",18,"gender","男");

        // 使用source的json字符串方式保存数据
        User user = new User();
        user.setUserName("张三");
        user.setAge(18);
        user.setGender("男");
        String jsonString = JSON.toJSONString(user);
        indexRequest.source(jsonString, XContentType.JSON);

        // 执行保存操作
        IndexResponse index = client.index(indexRequest, GulimallElasticSearchConfig.COMMON_OPTIONS);
        // 提取有用的响应数据
        System.out.println(index);
    }

    /**
     * 检索数据
     *
     * @throws IOException
     */
    @Test
    public void searchData() throws IOException {
        // 1、创建检索请求
        SearchRequest searchRequest = new SearchRequest();
        // 2、指定查询的索引（数据库）
        searchRequest.indices("bank");
        // 3、指定DSL，检索条件
        SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
        // 3.1、构造检索条件
        // searchSourceBuilder.query();
        // searchSourceBuilder.from();
        // searchSourceBuilder.size();
        // searchSourceBuilder.aggregations();
        searchSourceBuilder.query(QueryBuilders.matchQuery("address", "mill"));

        // 3.2、按照年龄的值分布进行聚合
        TermsAggregationBuilder ageAgg = AggregationBuilders.terms("ageAgg").field("age").size(10);
        searchSourceBuilder.aggregation(ageAgg);

        // 3.3、计算平均薪资
        AvgAggregationBuilder balanceAvg = AggregationBuilders.avg("balanceAvg").field("balance");
        searchSourceBuilder.aggregation(balanceAvg);

        System.out.println(searchSourceBuilder.toString());
        searchRequest.source(searchSourceBuilder);
        // 4、执行检索
        SearchResponse searchResponse = client.search(searchRequest, GulimallElasticSearchConfig.COMMON_OPTIONS);

        // 5、分析结果
        System.out.println(searchResponse.toString());
        // Map map = JSON.parseObject(searchResponse.toString(), Map.class);
        // 5.1、获取所有查到的数据
        SearchHits hits = searchResponse.getHits();
        SearchHit[] searchHits = hits.getHits();
        System.out.println("================================================================");
        for (SearchHit searchHit : searchHits) {
            String index = searchHit.getIndex();
            String type = searchHit.getType();
            String id = searchHit.getId();
            String sourceAsString = searchHit.getSourceAsString();
            Accout accout = JSON.parseObject(sourceAsString, Accout.class);
            System.out.println("数据记录："+accout);
        }
        // 5.1、获取检索到的聚合分析信息
        Aggregations aggregations = searchResponse.getAggregations();
        // List<Aggregation> aggregationList = aggregations.asList();
        // for (Aggregation aggregation : aggregationList) {
        //     String name = aggregation.getName();
        //     System.out.println("当前聚合的名字：" + name);
        // }
        Terms ageAgg1 = aggregations.get("ageAgg");
        for (Terms.Bucket bucket : ageAgg1.getBuckets()) {
            String keyAsString = bucket.getKeyAsString();
            System.out.println("年龄：" + keyAsString);
            long docCount = bucket.getDocCount();
            System.out.println("数量：" + docCount);
        }

        Avg balanceAvg1 = aggregations.get("balanceAvg");
        double value = balanceAvg1.getValue();
        System.out.println("平均薪资：" + value);
    }

    /**
     * Copyright 2023 bejson.com
     */
    @Data
    @ToString
    public static class Accout {
        private int account_number;
        private int balance;
        private String firstname;
        private String lastname;
        private int age;
        private String gender;
        private String address;
        private String employer;
        private String email;
        private String city;
        private String state;
    }

    @Data
    class User {
        private String userName;
        private String gender;
        private Integer age;
    }

    @Test
    public void contextLoads() {
        System.out.println(client);
    }
}