狂神说ES教程笔记

0、为什么要学习ElasticSearch?

1. 学习的版本：ElasticSearch7.6.1，6.X和7.X的区别很大。
2. 使用SQL数据量大的话，就十分慢，这时候就需要用到ES。项目中使用ES存储机构信息（大概有八千万条数据）
3. 扩宽自己的知识面，只要学不死，就往死里学！
4. 学习思路：
   1. 聊一下ES和Hadoop创始人：Doug Cutting
   2. 对比一下ES、Solr、Lucene，为了技术选型
   3. ES的安装
   4. ES的架构和生态圈
   5. ES插件
   6. RestFul操作ES
   7. ES的CRUD
   8. SpringBoot集成ES
   9. Demo学习
   10. 总结工作中使用的场景
   11. 常见ES面试题，思考面试官为什么会这样问

1、Lucene创始人

Lucene和Hadoop创始人：Doug Cutting，鲜枣课堂：深入浅出大数据：到底什么是Hadoop？

Lucene是一套信息检索工具包（jar包），不包含搜索引擎系统！Lucene包含：

• 索引结构
• 读写索引的工具
• 排序
• 搜索规则等工具类

Lucene和ES的关系：ES是基于Lucene做了一些封装和增强。

2、ES概述

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(GB<TB<PB<EB）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。

2.1 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，所以才接触到 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。Shay的妻子依旧等待着她的食谱搜索……

2.2 谁在使用：

1. 维基百科，类似百度百科，全文检索，高亮，搜索推荐(权重)；
2. The Guardian (国外新闻网站) ，类似搜狐新闻，用户行为日志(点击，浏览，收藏，评论) +社交网络数据(对某某新闻的相关看法) ，数据分析，给到每篇新闻文章的作者，让他知道他的文章的公众反馈(好，坏，热门，垃圾，鄙视，崇拜)
3. Stack Overflow (国外的程序异常讨论论坛) , IT问题，程序的报错，提交上去，有人会跟你讨论和回答，全文检索，搜索相关问题和答案，程序报错了，就会将报错信息粘贴到里面去，搜索有没有对应的答案
4. GitHub (开源代码管理)，搜索 上千亿行代码
5. 电商网站，检索商品，日志数据分析, logstash采集日志, ES进行复杂的数据分析, ELK技术, elasticsearch+logstash+kibana
6. 商品价格监控网站，用户设定某商品的价格阈值，当低于该阈值的时候,发送通知消息给用户，比如说订阅牙膏的监控，如果高露洁牙膏的家庭套装低于50块钱，就通知我，我就去买
7. BI系统，商业智能 Business Intelligence。比如说有个大型商场集团，BI ，分析一下某某区域最近3年的用户消费金额的趋势以及用户群体的组成构成，产出相关的数张报表，最近3年，每年消费金额呈现100%的增长，而且用户群体85%是高级白领。ES执行数据分析和挖掘, Kibana进行数据可视化
8. 国内：
   • 站内搜索(电商，招聘，门户，等等)；
   • IT系统搜索(OA，CRM，ERP等等)；
   • 数据分析(ES热门的一个使用场景)

2.3 ELK简介

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)

3、ES和Solr对比

3.1 ES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™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。

3.2 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 Jetty 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。

3.3 Lucene简介

Lucene是apache软件基金会4 jakarta项目组的一个子项目，是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎（英文与德文两种西方语言)。

Lucene的目的是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。

Lucene是一套用于全文检索和搜寻的开源程式库，由Apache软件基金会支持和提供。Lucene提供了一个简单却强大的应用程式接口，能够做全文索引和搜寻。

在Java开发环境里Lucene是一个成熟的免费开源工具。就其本身而言，Lucene是当前以及最近几年最受欢迎的免费]ava信息检索程序库。人们经常提到信息检索程序库，虽然与搜索引擎有关，但不应该将信息检索程序库与搜索引擎相混淆。

Lucene是一个全文检索引擎的架构，那什么是全文搜索引擎﹖

全文搜索引擎是名副其实的搜索引擎，国外具代表性的有Google、Fast/AlTheWeb、AltaVista、Inktomi、Teoma、WiseNut等，国内著名的有百度( Baidu )。它们都是通过从互联网上提取的各个网站的信息（以网页文字为主)而建立的数据库中，检索与用户查询条件匹配的相关记录，然后按一定的排列顺序将结果返回给用户，因此他们是真正的搜索引擎。

从搜索结果来源的角度，全文搜索引擎又可细分为两种，一种是拥有自己的检索程序( Indexer )，俗称"蜘蛛" ( Spider )程序或"机器人" ( Robot )程序，并自建网页数据库，搜索结果直接从自身的数据库中调用，如上面提到的7家引擎﹔另一种则是租用其他引擎的数据库，并按自定的格式排列搜索结果，如Lycos引擎。

3.4 技术选型—ES和Solr的差别

一、当单纯的对已有数据进行搜索时，Solr更快

二、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

三、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

四、从Solr到ES—提高搜索性能

五、总结

1、ES基本是开箱即用（解压就可以用） ,非常简单。Solr安装略微复杂一些。

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。

4、ES的安装

使用Java开发，最低要求JDK8，必须保证ElasticSearch的版本与Java的核心jar包版本对应。

4.1 安装ES—Windows

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 D:\hs-soft\elasticsearch 下）

// ES目录结构：
D:\hs-soft\elasticsearch\elasticsearch-7.6.1
	bin 启动文件目录
	config 配置文件目录
    	1og4j2 日志配置文件
    	jvm.options java 虚拟机相关的配置(默认启动占1g内存默认在20行左右，内容不够需要自己调整)
    	elasticsearch.ym1 elasticsearch 的配置文件! 默认9200端口!跨域!
	1ib	相关jar包
	modules 功能模块目录
	plugins 插件目录	
    	ik分词器

启动ES：运行elasticsearch.bat文件

访问：http://127.0.0.1:9200

即使是单机。ElasticSearch也是集群形式的，且集群名称默认是elasticsearch

4.2 ElasticSearch-Head插件安装

1. 采用Google浏览器插件安装
2. 采用本地web项目安装（我们选用）

安装步骤：
// 该目录下：D:\hs-soft\elasticsearch\elasticsearch-head-master>
    cnpm install
// 启动
    npm run start
// 访问
    http://127.0.0.1:9100/

// 连接ES会存在跨域问题
	需要配置ElasticSearch的跨域，不然不能访问。
    修改elasticsearch.yml文件
        http.cors.enabled: true
        http.cors.allow-origin: "*"
    重启ES即可

如何理解上图：

• 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）”

这个Head，我们只是把它当做可视化数据展示工具，之后所有的查询都在kibana中进行，因为不支持json格式化，不方便

4.3 ElasticSearch的可视化工具Kibana安装

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

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）

修改config/kibana.yml，进行kibana汉化

// 在kibana.yml的116行
il8n.locale: "zh-CN"
// 启动
kibana.bat
// 访问
http://127.0.0.1:5601/

5、ES核心概念

5.1 概述

1. 集群，节点，索引，类型，文档，映射
2. ElasticSearch是面向文档，关系型数据库和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）。

5.2 物理设计

Elasticsearch在后台把每个索引划分成多个分片，每个分片可以在集群中的不同服务器间迁移，一个ES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。

节点和分片是如何工作的？

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)

上图是一个有3个节点的集群，可以看到主分片P和对应的复制分片R都不会在同一个节点内，这样有利于某个节点挂掉了，数据也不至于丢失。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Eelasticsearch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

Elasticsearch使用的是一种称为倒排索引的结构，采用Lucene倒排索作为底层。这种结构适用于快速的全文搜索，一个索引由文档中所有不重复的列表构成，对于每一个词，都有一个包含它的文档列表。 例如，现在有两个文档，每个文档包含如下内容：

Study every day， good good up to forever  # 文 档1包含的内容
To forever, study every day，good good up  # 文档2包含的内容

为创建倒排索引，我们首先要将每个文档拆分成独立的词(或称为词条或者tokens) ，然后创建一个包含所有不重复的词条的排序列表，然后列出每个词条出现在哪个文档：

term	doc_1	doc_2
Study	√	x
To	x	x
every	√	√
forever	√	√
day	√	√
study	x	√
good	√	√
every	√	√
to	√	x
up	√	√

现在，我们试图搜索 to forever，只需要查看包含每个词条的文档

term	doc_1	doc_2
to	√	x
forever	√	√
total	2	1

两个文档都匹配，但是第一个文档比第二个匹配程度更高。如果没有别的条件，现在，这两个包含关键字的文档都将返回。再来看一个示例，比如我们通过博客标签来搜索博客文章。那么倒排索引列表就是这样的一个结构：

如果要搜索含有python标签的文章，那相对于查找所有原始数据而言，查找倒排索引后的数据将会快的多。只需要查看标签这一栏，然后获取相关的文章ID即可。完全过滤掉无关的所有数据，提高效率!

什么是倒排索引？

Elasticsearch的索引和Lucene的索引对比

在Elasticsearch中，索引(库)这个词被频繁使用，这就是术语的使用。在Elasticsearch中 ,索引被分为多个分片，每份分片是一个Lucene的索引。所以一个Elasticsearch索引是由多 个Lucene索引组成的。别问为什么，谁让Elasticsearch使用Lucene作为底层呢！如无特指，说起索引都是指Elasticsearch的索引。

5.3 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。

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，在Elasticsearch中，文档有几个重要属性:

1. 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 （name:zhangsan）
2. 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 !}
3. 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。

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。

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。

6、IK分词器插件

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”我爱狂神”会被分为”我”，”爱”，”狂”，”神” ，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

• ik_smart为最少切分
• ik_max_word为最细粒度划分（穷尽词库的可能）

6.1 下载安装

版本要与ElasticSearch版本对应

重启ES即可

// 也可以通过命令查看插件
elasticsearch-plugin list

6.2 使用Kibana测试IK分词器

ik_smart

GET _analyze
{
  "analyzer":"ik_smart",
  "text":"中国共产党"
}

// 结果
{
  "tokens" : [
    {
      "token" : "中国共产党",
      "start_offset" : 0,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 0
    }
  ]
}

ik_max_word

GET _analyze
{
  "analyzer":"ik_max_word",
  "text":"中国共产党"
}

// 结果
{
  "tokens" : [
    {
      "token" : "中国共产党",
      "start_offset" : 0,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "中国",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 1
    },
    {
      "token" : "国共",
      "start_offset" : 1,
      "end_offset" : 3,
      "type" : "CN_WORD",
      "position" : 2
    },
    {
      "token" : "共产党",
      "start_offset" : 2,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 3
    },
    {
      "token" : "共产",
      "start_offset" : 2,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 4
    },
    {
      "token" : "党",
      "start_offset" : 4,
      "end_offset" : 5,
      "type" : "CN_CHAR",
      "position" : 5
    }
  ]
}

测试词库

GET _analyze
{
  "analyzer":"ik_smart",
  "text":"梦赵倩蔚"
}

GET _analyze
{
  "analyzer":"ik_max_word",
  "text":"梦赵倩蔚"
}

// 结果：
{
  "tokens" : [
    {
      "token" : "梦",
      "start_offset" : 0,
      "end_offset" : 1,
      "type" : "CN_CHAR",
      "position" : 0
    },
    {
      "token" : "赵",
      "start_offset" : 1,
      "end_offset" : 2,
      "type" : "CN_CHAR",
      "position" : 1
    },
    {
      "token" : "倩",
      "start_offset" : 2,
      "end_offset" : 3,
      "type" : "CN_CHAR",
      "position" : 2
    },
    {
      "token" : "蔚",
      "start_offset" : 3,
      "end_offset" : 4,
      "type" : "CN_CHAR",
      "position" : 3
    }
  ]
}

赵倩蔚被拆分开了，这是因为IK分词器的词典中并没有这个词，需要我们手动添加。

配置自己的词典

重启ES即可

以后的话，如果需要配置分词，就可以在自定义的dic文件中进行配置了。

7、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。

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

7.1 基础测试

创建索引

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

布尔类型

• boolean

二进制类型

• binary

指定字段类型PUT

1、创建规则
PUT /test2/
{
  "mappings":{
    "properties": {
      "name":{
        "type": "text"
      },
      "age": {
        "type": "long"
      }
    }
  }
}

2、获取具体信息
GET test2

// 查看默认类型
PUT /test3/_doc/3
{
  "name":"狂神说",
  "age":18
}
// 如果自己的文档字段没有指定，那么ES就会给我们默认配置字段类型
GET test3

虚心学习，这个世界大佬很多！

扩展：GET _cat/xxx

GET _cat/indices
GET _cat/aliases
GET _cat/allocation
GET _cat/count
GET _cat/fielddata
GET _cat/health
GET _cat/indices
GET _cat/master
GET _cat/nodeattrs
GET _cat/nodes
GET _cat/pending_tasks
GET _cat/plugins
GET _cat/recovery
GET _cat/repositories
GET _cat/segments
GET _cat/shards
GET _cat/snapshots
GET _cat/tasks
GET _cat/templates
GET _cat/thread_pool

7.2 修改

PUT进行覆盖修改

PUT /index/_doc/id

// 修改方式一：使用PUT进行覆盖修改,版本增加1 

PUT /test3/_doc/3
{
 "name":"狂神说123",
 "age":18
}

// 结果
{
  "_index" : "test3",
  "_type" : "_doc",
  "_id" : "3",
  "_version" : 2,
  "result" : "updated",
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 1,
  "_primary_term" : 1
}

POST(推荐使用)

POST /test3/_doc/3/_update
{
  "doc":{
    "name":"法外狂徒张三"
  }
}

7.3 删除

DELETE /test3
DELETE /test3/_doc/3

GET /test3

7.4 查询

初始化数据

PUT /kuangshen/user/1
{
 "name":"狂神说",
 "age":18,
 "desc": "一顿操作猛如虎，一看工资两块五",
 "tags":["技术宅","暖"]
}

PUT /kuangshen/user/2
{
 "name":"张三",
 "age":18,
 "desc": "一顿操作猛如虎，一看工资两千五",
 "tags":["渣男","交朋友"]
}

PUT /kuangshen/user/3
{
 "name":"狂神说Java",
 "age":18,
 "desc": "一顿操作猛如虎，一看工资两块五",
 "tags":["技术宅","暖"]
}

PUT /kuangshen/user/4
{
 "name":"狂神说前端",
 "age":18,
 "desc": "一顿操作猛如虎，一看工资两块五",
 "tags":["技术宅","暖"]
}

基本操作

// 查询数据,通过文档id查询
GET /kuangshen/user/1
// 简单的条件查询
GET /kuangshen/user/_search?q=name:狂神

复杂操作

复杂操作搜索select（排序，分页，高亮，模糊查询，精准查询！）

注意这个hits，集成SpringBoot后会有这个对象。

• 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

结果的过滤：

// 结果的过滤： "_source": ["name"]
GET /kuangshen/user/_search
{
  "query":{
    "match":{
      "name":"狂神"
    }
  },
  "_source": ["name"]
}

排序

GET /kuangshen/user/_search
{
  "query":{
    "match":{
      "name":"狂神"
    }
  },
  "sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ]
}

分页

  GET /kuangshen/user/_search
  {
    "query":{
      "match":{
        "name":"狂神"
      }
    },
    "from":0,// pageNo
    "size": 1// pageSize
  }

布尔值查询

must类似于and

should类似于or

must_not

  GET /kuangshen/user/_search
  {
    "query":{
      "bool":{
        "must": [
          {
            "match": {
              "name": "狂"
            }
          },
          {
            "match": {
              "age": 3
            }
          }
        ]
      }
    }
  }


  GET /kuangshen/user/_search
  {
    "query":{
      "bool":{
        "should": [
          {
            "match": {
              "name": "狂"
            }
          },
          {
            "match": {
              "age": 3
            }
          }
        ]
      }
    }
  }

过滤filter

  GET /kuangshen/user/_search
  {
    "query":{
      "bool":{
        "must": [
          {
            "match": {
              "name": "狂"
            }
          }
        ],
        "filter": {
          "range": {
            "age": {
              "gte": 2,
              "lte": 17
            }
          }
        }
      }
    }
  }

精确查询term

term直接通过 倒排索引 指定词条查询

match 会使用分词器解析（先分析文档，然后进行查询）

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。

多条件精准查询

  GET /kuangshen/user/_search
  {
    "query":{
      "bool":{
        "must": [
          {
            "term": {
              "name": "狂"
            }
          },
          {
            "term": {
              "age":18
            }
          }
        ]
      }
    }
  }

高亮查询

  GET /kuangshen/user/_search
  {
    "query":{
      "bool":{
        "must": [
          {
            "term": {
              "name": "狂"
            }
          }
        ]
      }
    },
    "highlight": {
      "fields": {
        "name":{}
      }
    }
  }

还能自定义高亮的样式

  "pre_tags": "<span style='color:red'>",
  "post_tags": "</span>", 

8、集成SpringBoot

8.1 添加依赖

      <!-- jsoup解析页面 -->
        <!-- 解析网页 爬视频可 研究tiko -->
        <dependency>
            <groupId>org.jsoup</groupId>
            <artifactId>jsoup</artifactId>
            <version>1.10.2</version>
        </dependency>
        <!-- thymeleaf -->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-thymeleaf</artifactId>
        </dependency>
        <dependency>
            <groupId>com.alibaba</groupId>
            <artifactId>fastjson</artifactId>
            <version>1.2.70</version>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <optional>true</optional>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>

8.2 ES常用API

索引系列请求：XXXXIndexRequest

package cn.itbuild.esapi;

@SpringBootTest
class EsApiApplicationTests {
    
    /**
     * 索引名称
     */
    public static final String INDEX_NAME = "zqw_index";
    
    @Autowired
    public RestHighLevelClient restHighLevelClient;

}

创建索引

    /**
     * 测试索引的创建， Request PUT liuyou_index
     *
     * @throws IOException
     */
    @Test
    public void testCreateIndex() throws IOException {
        CreateIndexRequest request = new CreateIndexRequest(INDEX_NAME);
        // 发送请求
        CreateIndexResponse response = restHighLevelClient.indices().create(request, RequestOptions.DEFAULT);
        System.out.println(response.isAcknowledged());// 查看是否创建成功
        System.out.println(response);// 查看返回对象
        restHighLevelClient.close();
    }

判断索引是否存在

  /**
     * 测试获取索引，并判断其是否存在
     *
     * @throws IOException
     */
    @Test
    public void testIndexIsExists() throws IOException {
        // import org.elasticsearch.client.indices.GetIndexRequest;
        GetIndexRequest request = new GetIndexRequest(INDEX_NAME);
        boolean exists = restHighLevelClient.indices().exists(request, RequestOptions.DEFAULT);
        System.out.println(exists);// 索引是否存在
        restHighLevelClient.close();
    }

索引删除

   /**
     * 测试索引删除
     *
     * @throws IOException
     */
    @Test
    public void testDeleteIndex() throws IOException {
        DeleteIndexRequest request = new DeleteIndexRequest("bulk");
        AcknowledgedResponse response = restHighLevelClient.indices().delete(request, RequestOptions.DEFAULT);
        System.out.println(response.isAcknowledged());// 是否删除成功
        restHighLevelClient.close();
    }

创建文档

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

查看文档信息

    /**
     * 测试获得文档信息
     *
     * @throws IOException
     */
    @Test
    public void testGetDocument() throws IOException {
        GetRequest request = new GetRequest(INDEX_NAME, "1");
        GetResponse response = restHighLevelClient.get(request, RequestOptions.DEFAULT);
        // {"age":18,"name":"zqw"}
        System.out.println(response.getSourceAsString());// 打印文档内容
        System.out.println(request);// 返回的全部内容和命令是一样的
        restHighLevelClient.close();
    }

判断文档是否存在

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

更新文档

    /**
     * 测试更新文档内容
     *
     * @throws IOException
     */
    @Test
    public void testUpdateDocument() throws IOException {
        UpdateRequest request = new UpdateRequest(INDEX_NAME, "1");
        User user = new User("dcm", 16);
        request.doc(JSON.toJSONString(user), XContentType.JSON);
        
        UpdateResponse response = restHighLevelClient.update(request, RequestOptions.DEFAULT);
        System.out.println(response.status()); // OK
        restHighLevelClient.close();
    }

删除文档

    /**
     * 测试删除文档
     *
     * @throws IOException
     */
    @Test
    public void testDeleteDocument() throws IOException {
        DeleteRequest request = new DeleteRequest(INDEX_NAME, "1");
        request.timeout("1s");
        DeleteResponse response = restHighLevelClient.delete(request, RequestOptions.DEFAULT);
        System.out.println(response.status());// OK
    }

查询

   /**
     * 查询
     * SearchRequest 搜索请求
     * SearchSourceBuilder 条件构造
     * HighlightBuilder 高亮
     * TermQueryBuilder 精确查询
     * MatchAllQueryBuilder
     * xxxQueryBuilder ...
     *
     * @throws IOException
     */
    @Test
    public void testSearch() throws IOException {
        // 1.创建查询请求对象
        SearchRequest searchRequest = new SearchRequest();
        // 2.构建搜索条件
        SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
        // (1)查询条件 使用QueryBuilders工具类创建
        // 精确查询
        TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", "zqw");
        // 匹配查询
        //  MatchAllQueryBuilder matchAllQueryBuilder = QueryBuilders.matchAllQuery();
        // (2)其他<可有可无>：（可以参考 SearchSourceBuilder 的字段部分）
        // 设置高亮
        searchSourceBuilder.highlighter(new HighlightBuilder());
        // 分页
        searchSourceBuilder.from(0);
        searchSourceBuilder.size(10);
        
        searchSourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));
        // (3)条件投入
        searchSourceBuilder.query(termQueryBuilder);
        // 3.添加条件到请求
        searchRequest.source(searchSourceBuilder);
        // 4.客户端查询请求
        SearchResponse search = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
        // 5.查看返回结果
        SearchHits hits = search.getHits();
        System.out.println(JSON.toJSONString(hits));
        System.out.println("=======================");
        for (SearchHit documentFields : hits.getHits()) {
            System.out.println(documentFields.getSourceAsMap());
        }
    }

8.3 批量插入

创建索引

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

插入数据

我们实际项目中，使用多线程将八千万条数据通过这种方式将数据插入到ES中

    /**
     * 特殊的，真的项目一般会 批量插入数据
     *
     * @throws IOException
     */
    @Test
    public void testBulk() throws IOException {
        BulkRequest bulkRequest = new BulkRequest();
        bulkRequest.timeout("10s");
        List<User> users = new ArrayList<>();
        users.add(new User("zqw-1", 1));
        users.add(new User("zqw-2", 2));
        users.add(new User("zqw-3", 3));
        users.add(new User("zqw-4", 4));
        users.add(new User("zqw-5", 5));
        users.add(new User("zqw-6", 6));
        // 批量请求处理
        for (int i = 0; i < users.size(); i++) {
            bulkRequest.add(
                // 这里是数据信息
                new IndexRequest("bulk")
                    .id("" + (i + 1)) // 没有设置id 会自定生成一个随机id
                    .source(JSON.toJSONString(users.get(i)), XContentType.JSON)
            );
        }
        BulkResponse bulk = restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT);
        System.out.println(bulk.status());// ok
    }

9、ES京东实战小DEMO

9.1 搭建环境

pom.xml

  <dependencies>
        <!-- jsoup解析页面 -->
        <!-- 解析网页 爬视频可 研究tiko -->
        <dependency>
            <groupId>org.jsoup</groupId>
            <artifactId>jsoup</artifactId>
            <version>1.10.2</version>
        </dependency>
        <!-- thymeleaf -->
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-thymeleaf</artifactId>
        </dependency>
        <dependency>
            <groupId>com.alibaba</groupId>
            <artifactId>fastjson</artifactId>
            <version>1.2.70</version>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <optional>true</optional>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>
    </dependencies>

application.properties

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

EsApiApplication

@SpringBootApplication
public class EsApiApplication {
    
    public static void main(String[] args) {
        SpringApplication.run(EsApiApplication.class, args);
    }
    
}

ElasticSearchConfig

@Configuration
public class ElasticSearchConfig {
    /**
     * 注册 rest高级客户端
     *
     * @return
     */
    @Bean
    public RestHighLevelClient restHighLevelClient() {
        RestHighLevelClient client = new RestHighLevelClient(
            RestClient.builder(
                new HttpHost("127.0.0.1", 9200, "http")
            )
        );
        return client;
    }
}

目录结构

9.2 开发步骤

创建实体类

User

@Data
@NoArgsConstructor
@AllArgsConstructor
public class User implements Serializable {
    private static final long serialVersionUID = -3843548915035470817L;
    private String name;
    private Integer age;
}

Content

@Data
@AllArgsConstructor
@NoArgsConstructor
public class Content implements Serializable {
    private static final long serialVersionUID = -8049497962627482693L;
    private String name;
    private String img;
    private String price;
}

使用Jsoup爬取数据

可以通过WebMagic来进行扩展

package cn.itbuild.esapi.util;

import cn.itbuild.esapi.entity.Content;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import java.io.IOException;
import java.net.URL;
import java.util.ArrayList;
import java.util.List;

/**
 * JSOUP解析HTML
 **/
public class HtmlParseUtil {
    
    public static List<Content> parseJD(String keyword) throws IOException {
        /// 使用前需要联网
        // 请求url
        String url = "http://search.jd.com/search?keyword=" + keyword;
        // 1.解析网页(jsoup 解析返回的对象是浏览器Document对象)
        Document document = Jsoup.parse(new URL(url), 30000);
        // 使用document可以使用在js对document的所有操作
        // 2.获取元素（通过id）
        Element j_goodsList = document.getElementById("J_goodsList");
        // 3.获取J_goodsList ul 每一个 li
        Elements lis = j_goodsList.getElementsByTag("li");
        // 4.获取li下的 img、price、name
        // list存储所有li下的内容
        List<Content> contents = new ArrayList<Content>();
        for (Element li : lis) {
            // 由于网站图片使用懒加载，将src属性替换为data-lazy-img
            String img = li.getElementsByTag("img").eq(0).attr("data-lazy-img");// 获取li下 第一张图片
            String name = li.getElementsByClass("p-name").eq(0).text();
            String price = li.getElementsByClass("p-price").eq(0).text();
            // 封装为对象
            Content content = new Content(name, img, price);
            // 添加到list中
            contents.add(content);
        }
        System.out.println(contents);
        // 5.返回 list
        return contents;
    }
}

编写业务

1、将爬取的数据存入到ES

@Service
public class ContentService {
    
    @Autowired
    private RestHighLevelClient restHighLevelClient;
    
    /**
     * 1、解析数据放入 es 索引中
     *
     * @param keyword
     * @return
     * @throws IOException
     */
    public Boolean parseContent(String keyword) throws IOException {
        // 获取内容
        List<Content> contents = HtmlParseUtil.parseJD(keyword);
        // 内容放入 es 中
        BulkRequest bulkRequest = new BulkRequest();
        bulkRequest.timeout("2m"); // 可更具实际业务是指
        
        for (int i = 0; i < contents.size(); i++) {
            bulkRequest.add(
                    new IndexRequest("jd_goods")
//                            .id(""+(i+1))
                            .source(JSON.toJSONString(contents.get(i)), XContentType.JSON)
            );
        }
        
        BulkResponse bulk = restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT);
        restHighLevelClient.close();
        return !bulk.hasFailures();
    }
}

2、编写查询逻辑

    /**
     * 2、根据keyword分页查询结果
     *
     * @param keyword
     * @param pageIndex
     * @param pageSize
     * @return
     * @throws IOException
     */
    public List<Map<String, Object>> search(String keyword, Integer pageIndex, Integer pageSize) throws IOException {
        if (pageIndex < 0){
            pageIndex = 0;
        }
        SearchRequest jd_goods = new SearchRequest("jd_goods");
        // 创建搜索源建造者对象
        SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
        // 条件采用：精确查询 通过keyword查字段name
        TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", keyword);
        searchSourceBuilder.query(termQueryBuilder);
        searchSourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));// 60s
        // 分页
        searchSourceBuilder.from(pageIndex);
        searchSourceBuilder.size(pageSize);
        // 高亮
        // ....
        // 搜索源放入搜索请求中
        jd_goods.source(searchSourceBuilder);
        // 执行查询，返回结果
        SearchResponse searchResponse = restHighLevelClient.search(jd_goods, RequestOptions.DEFAULT);
        
        // 解析结果
        SearchHits hits = searchResponse.getHits();
        List<Map<String,Object>> results = new ArrayList<>();
        for (SearchHit documentFields : hits.getHits()) {
            Map<String, Object> sourceAsMap = documentFields.getSourceAsMap();
            results.add(sourceAsMap);
        }
        System.out.println("results = " + results);
        // 返回查询的结果
        return results;
    }

3、高亮查询

 // 3、 在2的基础上进行高亮查询
    public List<Map<String, Object>> highlightSearch(String keyword, Integer pageIndex, Integer pageSize) throws IOException {
        SearchRequest searchRequest = new SearchRequest("jd_goods");
        SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
        // 精确查询，添加查询条件
        TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", keyword);
        searchSourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));
        searchSourceBuilder.query(termQueryBuilder);
        // 分页
        searchSourceBuilder.from(pageIndex);
        searchSourceBuilder.size(pageSize);
        // 高亮 =========
        HighlightBuilder highlightBuilder = new HighlightBuilder();
        highlightBuilder.field("name");
        highlightBuilder.preTags("<span style='color:red'>");
        highlightBuilder.postTags("</span>");
        searchSourceBuilder.highlighter(highlightBuilder);
        // 执行查询
        searchRequest.source(searchSourceBuilder);
        SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
        // 解析结果 ==========
        SearchHits hits = searchResponse.getHits();
        List<Map<String, Object>> results = new ArrayList<>();
        for (SearchHit documentFields : hits.getHits()) {
            // 使用新的字段值（高亮），覆盖旧的字段值
            Map<String, Object> sourceAsMap = documentFields.getSourceAsMap();
            // 高亮字段
            Map<String, HighlightField> highlightFields = documentFields.getHighlightFields();
            HighlightField name = highlightFields.get("name");
            // 替换
            if (name != null){
                org.elasticsearch.common.text.Text[] fragments = name.fragments();
                StringBuilder new_name = new StringBuilder();
                for (Text text : fragments) {
                    new_name.append(text);
                }
                sourceAsMap.put("name",new_name.toString());
            }
            results.add(sourceAsMap);
        }
        return results;
    }

编写Controller代码

@Controller
public class IndexController {
    
    @Autowired
    private ContentService contentService;
    
    @GetMapping({"/","/es"})
    public String jdIndex() {
        return "index";
    }
    
    @ResponseBody
    @GetMapping("/parse/{keyword}")
    public Boolean parse(@PathVariable("keyword") String keyword) throws IOException {
        return contentService.parseContent(keyword);
    }
    
    @ResponseBody
    @GetMapping("/search/{keyword}/{pageIndex}/{pageSize}")
    public List<Map<String, Object>> highlightParse(@PathVariable("keyword") String keyword,
                                                    @PathVariable("pageIndex") Integer pageIndex,
                                                    @PathVariable("pageSize") Integer pageSize) throws IOException {
        return contentService.highlightSearch(keyword,pageIndex,pageSize);
    }
}

准备前端内容

将下载好的vue.js和axios.js放在js目录下

index.html

<!DOCTYPE html>
<html xmlns:th="http://www.thymeleaf.org">
<head>
    <meta charset="utf-8"/>
    <title>狂神说Java-ES仿京东实战</title>
    <link rel="stylesheet" th:href="@{/css/style.css}"/>
    <script th:src="@{/js/jquery.min.js}"></script>
</head>
<body class="pg">
<div class="page">
    <div id="app" class=" mallist tmall- page-not-market ">
        <!-- 头部搜索 -->
        <div id="header" class=" header-list-app">
            <div class="headerLayout">
                <div class="headerCon ">
                    <!-- Logo-->
                    <h1 id="mallLogo">
                        <img th:src="@{/images/jdlogo.png}" alt="">
                    </h1>
                    <div class="header-extra">
                        <!--搜索-->
                        <div id="mallSearch" class="mall-search">
                            <form name="searchTop" class="mallSearch-form clearfix">
                                <fieldset>
                                    <legend>天猫搜索</legend>
                                    <div class="mallSearch-input clearfix">
                                        <div class="s-combobox" id="s-combobox-685">
                                            <div class="s-combobox-input-wrap">
                                                <input v-model="keyword"  type="text" autocomplete="off" id="mq"
                                                       class="s-combobox-input"  aria-haspopup="true">
                                            </div>
                                        </div>
                                        <button type="submit" @click.prevent="searchKey" id="searchbtn">搜索</button>
                                    </div>
                                </fieldset>
                            </form>
                            <ul class="relKeyTop">
                                <li><a>狂神说Java</a></li>
                                <li><a>狂神说前端</a></li>
                                <li><a>狂神说Linux</a></li>
                                <li><a>狂神说大数据</a></li>
                                <li><a>狂神聊理财</a></li>
                            </ul>
                        </div>
                    </div>
                </div>
            </div>
        </div>
        <!-- 商品详情页面 -->
        <div id="content">
            <div class="main">
                <!-- 品牌分类 -->
                <form class="navAttrsForm">
                    <div class="attrs j_NavAttrs" style="display:block">
                        <div class="brandAttr j_nav_brand">
                            <div class="j_Brand attr">
                                <div class="attrKey">
                                    品牌
                                </div>
                                <div class="attrValues">
                                    <ul class="av-collapse row-2">
                                        <li><a href="#"> 狂神说 </a></li>
                                        <li><a href="#"> Java </a></li>
                                    </ul>
                                </div>
                            </div>
                        </div>
                    </div>
                </form>
                <!-- 排序规则 -->
                <div class="filter clearfix">
                    <a class="fSort fSort-cur">综合<i class="f-ico-arrow-d"></i></a>
                    <a class="fSort">人气<i class="f-ico-arrow-d"></i></a>
                    <a class="fSort">新品<i class="f-ico-arrow-d"></i></a>
                    <a class="fSort">销量<i class="f-ico-arrow-d"></i></a>
                    <a class="fSort">价格<i class="f-ico-triangle-mt"></i><i class="f-ico-triangle-mb"></i></a>
                </div>
                <!-- 商品详情 -->
                <div class="view grid-nosku" >
                    <div class="product" v-for="result in results">
                        <div class="product-iWrap">
                            <!--商品封面-->
                            <div class="productImg-wrap">
                                <a class="productImg">
                                    <img :src="result.img">
                                </a>
                            </div>
                            <!--价格-->
                            <p class="productPrice">
                                <em v-text="result.price"></em>
                            </p>
                            <!--标题-->
                            <p class="productTitle">
                                <a v-html="result.name"></a>
                            </p>
                            <!-- 店铺名 -->
                            <div class="productShop">
                                <span>店铺： 狂神说Java </span>
                            </div>
                            <!-- 成交信息 -->
                            <p class="productStatus">
                                <span>月成交<em>999笔</em></span>
                                <span>评价 <a>3</a></span>
                            </p>
                        </div>
                    </div>
                </div>
            </div>
        </div>
    </div>
</div>
<script th:src="@{/js/vue.min.js}"></script>
<script th:src="@{/js/axios.min.js}"></script>
<script>
    new Vue({
        el:"#app",
        data:{
            "keyword": '', // 搜索的关键字
            "results":[] // 后端返回的结果
        },
        methods:{
            searchKey(){
                var keyword = this.keyword;
                console.log(keyword);
                axios.get('search/'+keyword+'/1/20').then(response=>{
                    console.log(response.data);
                    this.results=response.data;
                })
            }
        }
    });
</script>
</body>
</html>

9.3 最终效果

10、工作中使用的场景

工作中有一些机构数据（大概八千万条数据），需要使用ES进行存储和查询。

使用流程：

1. 部署ES7.xx
2. 配置ESConfiguration配置类（读取配置文件的中ES的IP和Port，初始化RestHighLevelClient类）
3. 新建EsUtil工具类，包括：创建索引、精准查询、模糊查询、批量插入、单条插入、封装成VO
4. 基于业务需求，结合EsUtil工具类完成开发。

11、常见ES面试题

待续…