ELasticsearch搜索引擎

·ELasticsearch搜索引擎

ELasticsearch 是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容，可以用来实现搜索、日志统计、分析、系统监控等功能。

 

·倒排索引

首先，倒排索引的概念是基于 MySQL 这样的正向索引而言的。

那么我们先讲何为正向索引。例如给下表（tb_goods）中的 id 创建索引

 

如果是根据 id 查询，那么直接走索引，查询速度非常快。

但如果是基于 title 做模糊查询，只能是逐行扫描数据，流程如下：

1. 用户搜索数据，条件是 title 符合 "%手机%"
2. 逐行获取数据，比如 id 为 1 的数据
3. 判断数据中的 title 是否符合用户搜索条件
4. 如果符合则放入结果集，不符合则丢弃。然后回到步骤1

逐行扫描，也就是全表扫描，随着数据量增加，其查询效率也会越来越低。当数据量达到数百万时，就是。。。

而倒排索引中有两个非常重要的概念：

• 文档（Document）：用来搜索的数据，其中的每一条数据就是一个文档。例如一个网页、一个商品信息
• 词条（Term）：对文档数据或用户搜索数据，利用某种算法分词，得到的具备含义的词语就是词条。例如：我是中国人，就可以分为：我、是、中国人、中国、国人这样的几个词条

创建倒排索引是对正向索引的一种特殊处理，流程如下：

• 将每一个文档的数据利用算法分词，得到一个个词条
• 创建表，每行数据包括词条、词条所在文档 id、位置等信息
• 因为词条唯一性，可以给词条创建索引，例如 hash 表结构索引

如图：

 

倒排索引的搜索流程如下（以搜索"华为手机"为例）

1. 用户输入条件"华为手机"进行搜索
2. 对用户输入内容分词，得到词条：华为、手机
3. 拿着词条在倒排索引中查找，可以得到包含词条的文档 id 有 1、2、3
4. 拿着文档 id 到正向索引中查找具体文档

 

·Elasticsearch分别为每个field都建立了一个倒排索引，一个字段有一个自己的倒排索引。

Kate, John, 24, Female这些叫term，而[1,2]就是Posting List。Posting list就是一个int的数组，存储了所有符合某个term的文档id。

虽然要先查询倒排索引，再查询正向索引，但是词条和文档id 都建立了索引，查询速度非常快！无需全表扫描。

为什么一个叫做正向索引，一个叫做倒排索引呢？

正向索引是最传统的，根据 id 索引的方式。但根据词条查询时，必须先逐条获取每个文档，然后判断文档中是否包含所需要的词条，是根据文档找词条的过程

倒排索引则相反，是先找到用户要搜索的词条，根据得到的文档 id 获取该文档。是根据词条找文档的过程

·文档和字段

elasticsearch 是面向文档（Document）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

 

而 JSON 文档中往往包含很多的字段（Field），类似于数据库中的列。

索引和映射

索引（Index），就是相同类型的文档的集合。

例如：

• 所有用户文档，就可以组织在一起，称为用户的索引；
• 所有商品的文档，可以组织在一起，称为商品的索引；
• 所有订单的文档，可以组织在一起，称为订单的索引；

 

因此，我们可以把索引当做是数据的表。

数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。因此，索引库中就有映射（mapping），是索引中文档的字段约束信息，类似表的结构约束。

·mysql 与 elasticsearch

MySQL	Elasticsearch	说明
Table	Index	索引(index)，就是文档的集合，类似数据库的表(table)
Row	Document	文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式
Column	Field	字段（Field），就是JSON文档中的字段，类似数据库中的列（Column）
Schema	Mapping	Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema）
SQL	DSL	DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD

• Mysql：擅长事务类型操作，可以确保数据的安全和一致性
• Elasticsearch：擅长海量数据的搜索、分析、计算

· 因此在企业中，往往是两者结合使用：

• 对安全性要求较高的写操作，使用 MySQL 实现
• 对查询性能要求较高的搜索需求，使用 ELasticsearch 实现
• 两者再基于某种方式，实现数据的同步，保证一致性
• 

 

·安装Elasticsearch

因为我们还需要部署 kibana 容器，需要让 es 和 kibana 容器互联。这里先创建一个网络名为es-net：

docker network create es-net

安装

docker run -d \

--name es \

-e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \

-e "discovery.type=single-node" \

-v es-data:/usr/share/elasticsearch/data \

-v es-plugins:/usr/share/elasticsearch/plugins \

--privileged \

--network es-net \

-p 9200:9200 \

-p 9300:9300 \

elasticsearch:7.12.1

命令解释：

• -e "cluster.name=es-docker-cluster"：设置集群名称
• -e "http.host=0.0.0.0"：监听的地址，可以外网访问
• -e "ES_JAVA_OPTS=-Xms512m -Xmx512m"：内存大小
• -e "discovery.type=single-node"：非集群模式
• -v es-data:/usr/share/elasticsearch/data：挂载逻辑卷，绑定es的数据目录
• -v es-logs:/usr/share/elasticsearch/logs：挂载逻辑卷，绑定es的日志目录
• -v es-plugins:/usr/share/elasticsearch/plugins：挂载逻辑卷，绑定es的插件目录
• --privileged：授予逻辑卷访问权
• --network es-net ：加入一个名为 es-net 的网络中
• -p 9200:9200：端口映射配置

访问地址：http://192.168.211.128:9200 即可看到 elasticsearch 的响应结果

·安装kibana

kibana 可以给我们提供一个 elasticsearch 的可视化界面，便于我们学习命令。

docker run -d \

--name kibana \

-e ELASTICSEARCH_HOSTS=http://es:9200 \

--network=es-net \

-p 5601:5601  \

kibana:7.12.1

·  --network es-net ：加入一个名为 es-net 的网络中，与 elasticsearch 在同一个网络中

·  -e ELASTICSEARCH_HOSTS=http://es:9200"：设置 elasticsearch 的地址，因为 kibana 已经与 elasticsearch 在一个网络，因此可以用容器名直接访问 elasticsearch

·  -p 5601:5601：端口映射配置

访问地址：http://192.168.211.128:5601，即可看到结果

 

控制面板：http://192.168.211.128:5601/app/dev_tools#/console

·安装IK分词器

由于国内访问 GitHub 较慢，我们选择离线模式安装。

安装插件需要知道 elasticsearch 的 plugins 目录位置，而我们用了数据卷挂载，因此需要查看 elasticsearch 的数据卷目录，通过下面命令查看

docker volume inspect es-plugins

显示结果：

[

    {

        "CreatedAt": "2022-05-06T10:06:34+08:00",

        "Driver": "local",

        "Labels": null,

        "Mountpoint": "/var/lib/docker/volumes/es-plugins/_data",

        "Name": "es-plugins",

        "Options": null,

        "Scope": "local"

    }

]

说明 plugins 目录被挂载到了 /var/lib/docker/volumes/es-plugins/_data 这个目录中

 

重启容器

# 4、重启容器

docker restart es

# 查看es日志

docker logs -f es

·IK分词器包含两种模式：

• ik_smart：智能切分，粗粒度
• ik_max_word：最细切分，细粒度

我们在上面的 Kibana 控制台测试

GET /_analyze

{

  "analyzer": "ik_max_word",

  "text": "钟老师你好菜啊"

}

·扩展词词典

在上面的IK分词器我们可以随着热点词来扩展，可以自己添加，比如 ”钟老师应该是一个热点词“，另外你也可以配置一些停用掉的敏感词，让其不进行分词。

打开IK分词器 config 目录是 IKAnalyzer.cfg.xml，添加一个文件名，我们以 ext.dic 文件名为例。

我们去创建 ext.dic ，在其中添加热点词就好了，一个词一行。

 

重启 elasticsearch

docker restart es

重新测试

GET /_analyze

{

  "analyzer": "ik_max_word",

  "text": "钟老师你好菜啊"

}

 

·索引库操作

Mapping属性映射

索引库就类似数据库表，mapping 映射就类似表的结构

我们要向 es 中存储数据，必须先创建“库”和“表”

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、ip地址）

·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

·我们以需要存储下面的 JSON 为例来讲解

{

    "age": 21,

    "weight": 52.1,

    "isMarried": false,

    "info": "钟老师真菜",

    "email": "jialna@qq.com",

    "score": [99.1, 99.5, 98.9],

    "name": {

        "firstName": "湖",

        "lastName": "心"

    }

}

首先对应的每个字段映射（mapping）情况如下：

• age：类型为 integer；参与搜索，index 为 true；无需分词器
• weight：类型为 float；参与搜索，index 为 true；无需分词器
• isMarried：类型为boolean；参与搜索，index 为 true；无需分词器
• info：类型为字符串，需要分词，因此是 text；参与搜索，index为true；分词器可以用 ik_smart
• email：类型为字符串，但是不需要分词，因此是 keyword；不参与搜索，index 为 false；无需分词器
• score：虽然是数组，但是我们只看元素的类型，类型为 float；参与搜索，index 为 true；无需分词器
• name：类型为 object，需要定义多个子属性

          name.firstName：类型为字符串，不需要分词，keyword；参与搜索，index 为 true；无需分词器

          name.lastName：类型为字符串，不需要分词，keyword；参与搜索，index 为 true；无需分词器

·创建索引库和映射put

上面我们了解了 Mapping 属性映射，接下来我们就去看看如何创建索引库及映射。

PUT /索引库名称

{

  "mappings": {

    "properties": {

      "字段名":{

        "type": "text",

        "analyzer": "ik_smart"

      },

      "字段名2":{

        "type": "keyword",

        "index": "false"

      },

      "字段名3":{

        "properties": {

          "子字段": {

            "type": "keyword"

          }

        }

      }

      // ...略

    }

  }

}

PUT /xn2001

{

  "mappings": {

    "properties": {

      "info":{

        "type": "text",

        "analyzer": "ik_smart"   ##指定分词器

      },

      "email":{

        "type": "keyword",

        "index": "false"

      },

      "name":{

        "properties": {

          "firstName": {

            "type": "keyword"

          },

          "lastName": {

            "type": "keyword"

          }

        }

      }

    }

  }

}

 

我们用真实的数据库表来创建一个索引库

 

• 字段名、字段数据类型，可以参考数据表结构的名称和类型
• 是否参与搜索要分析业务来判断，例如图片地址，就无需参与搜索
• 是否分词呢要看内容，内容如果是一个整体就无需分词
• 分词器，我们可以统一使用 ik_max_word

PUT /hotel

{

  "mappings": {

    "properties": {

      "id": {

        "type": "keyword"

      },

      "name":{

        "type": "text",

        "analyzer": "ik_max_word",

        "copy_to": "all"

      },

      "address":{

        "type": "keyword",

        "index": false

      },

      "price":{

        "type": "integer"

      },

      "score":{

        "type": "integer"

      },

      "brand":{

        "type": "keyword",

        "copy_to": "all"

      },

      "city":{

        "type": "keyword",

        "copy_to": "all"

      },

      "starName":{

        "type": "keyword"

      },

      "business":{

        "type": "keyword"

      },

      "location":{

        "type": "geo_point"

      },

      "pic":{

        "type": "keyword",

        "index": false

      },

      "all":{

        "type": "text",

        "analyzer": "ik_max_word"

      }

    }

  }

}

特殊字段说明：

• location：地理坐标，里面包含精度、纬度
• all：一个组合字段，其目的是将多字段的值利用 copy_to 合并，提供给用户搜索，这样一来就只需要搜索一个字段就可以得到结果，性能更好。

ES中支持两种地理坐标数据类型：

• geo_point：由纬度（latitude）和经度（longitude）确定的一个点。例如："32.8752345, 120.2981576"
• geo_shape：有多个 geo_point 组成的复杂几何图形。例如一条直线，"LINESTRING (-77.03653 38.897676, -77.009051 38.889939)"

·修改索引库（的字段，只能增，不能改） put

倒排索引结构虽然不复杂，但是一旦数据结构改变（比如改变了分词器），就需要重新创建倒排索引，这简直是灾难。因此索引库一旦创建，无法修改 mapping

虽然无法修改 mapping 中已有的字段，但是却允许添加新的字段到 mapping 中，不会对倒排索引产生影响。

PUT /索引库名/_mapping

{

  "properties": {

    "新字段名":{ //之前的库没有的字段

      "type": "integer"

    }

  }

}

//例子

PUT /heima/_mapping

{

  "properties": {

    "age":{ //age之前没有出现过

      "type": "integer"

    }

  }

}

删除索引库delete

DELETE /索引库名

查询索引库get

GET /数据库名

·DSL文档操作

_doc :表示文档。

新增文档

POST /索引库名/_doc/文档id

{

    "字段1": "值1",

    "字段2": "值2",

    "字段3": {

        "子属性1": "值3",

        "子属性2": "值4"

    }

    // ...

}

//例子

POST /xn2001/_doc/1

{

    "info": "我不会Java",

    "email": "jialna@qq.com",

    "name": {

        "firstName": "钟",

        "lastName": "弟弟"

    }

}

·修改文档

修改文档有两种方式：

• 全量修改：直接覆盖原来的文档
• 增量修改：修改文档中的部分字段（局部修改）

全量修改是覆盖原来的文档，其本质是：（步骤：先删除，后新增）

• 根据指定的 id 删除文档
• 新增一个相同 id 的文档

注意：如果根据 id 删除时，id 不存在，第二步的新增也会执行，也就是变成了新增操作

PUT /{索引库名}/_doc/id

{

    "字段1": "值1",

    "字段2": "值2",

    // ... 略

}

PUT /xn2001/_doc/1

{

    "info": "我也不会敲代码",

    "email": "3300123589@qq.com",

    "name": {

        "firstName": "弟弟",

        "lastName": "钟"

    }

}

增量修改是只修改指定 id 匹配的文档中的部分字段

POST /{索引库名}/_update/文档id

{

    "doc": {

         "字段名": "新的值",

    }

}

POST /heima/_update/1

{

  "doc": {

    "email": "update@qq.com"

  }

}

查询文档

GET /{索引库名称}/_doc/{id}

删除文档

DELETE /{索引库名}/_doc/{id}

RestClient文档操作

ES 官方提供了各种不同语言的客户端，用来操作 ES。这些客户端的本质就是组装 DSL 语句，通过 http 请求发送给 ES。官方文档地址：Elasticsearch Clients | Elastic

其中的Java Rest Client又包括两种：

• Java Low Level Rest Client
• Java High Level Rest Client
• 

 

我们下面学习的是 Java HighLevel Rest Client 客户端 API

初始化RestClient

在 elasticsearch 提供的 API 中，elasticsearch 一切交互都封装在一个名为 RestHighLevelClient 的类中，必须先完成这个对象的初始化，建立与 elasticsearch 的连接。

<dependency>

    <groupId>org.elasticsearch.client</groupId>

    <artifactId>elasticsearch-rest-high-level-client</artifactId>

</dependency>

SpringBoot 默认的 ES 版本是 7.6.2，我们需要覆盖默认的ES版本

<properties>

    <java.version>1.8</java.version>

    <elasticsearch.version>7.12.1</elasticsearch.version>

</properties>

初始化 RestHighLevelClient，初始化的代码如下：

RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(

        HttpHost.create("http://192.168.211.128:9200")

));

我们创建一个测试类 HotelIndexTest，然后将初始化的代码编写在 @BeforeEach 方法

public class HotelIndexTest {

    private RestHighLevelClient restHighLevelClient;

    @Test

    void testInit(){

        System.out.println(this.restHighLevelClient);

    }

    @BeforeEach

    void init(){

        this.restHighLevelClient = new RestHighLevelClient(RestClient.builder(

                HttpHost.create("http://192.168.211.128:9200")

        ));

    }

    @AfterEach

    void down() throws IOException {

        this.restHighLevelClient.close();

    }

}

·库操作

·创建索引库

 

@Test

void createHotelIndex() throws IOException {

    //指定索引库名

    CreateIndexRequest hotel = new CreateIndexRequest("hotel");

    //写入JSON数据，这里是Mapping映射

    hotel.source(HotelConstants.MAPPING_TEMPLATE, XContentType.JSON);

    //创建索引库

    restHighLevelClient.indices().create(hotel, RequestOptions.DEFAULT);

}

public class HotelConstants {

    //mapping映射

    public static 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\": \"keyword\",\n" +

            "        \"index\": false\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" +

            "        \"copy_to\": \"all\"\n" +

            "      },\n" +

            "      \"starName\":{\n" +

            "        \"type\": \"keyword\"\n" +

            "      },\n" +

            "      \"business\":{\n" +

            "        \"type\": \"keyword\"\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" +

            "}";

}

·删除索引库

@Test

void deleteHotelIndex() throws IOException {

    DeleteIndexRequest hotel = new DeleteIndexRequest("hotel");

    restHighLevelClient.indices().delete(hotel,RequestOptions.DEFAULT);

}

·判断索引库

@Test

void existHotelIndex() throws IOException {

    GetIndexRequest hotel = new GetIndexRequest("hotel");

    boolean exists = restHighLevelClient.indices().exists(hotel, RequestOptions.DEFAULT);

    System.out.println(exists);

}

·文档操作

·新增文档

/**

 

 * @author 乐心湖

 * @version 1.0

 * @date 2021/9/19 17:18

 */

@SpringBootTest

public class HotelDocumentTest {

    private RestHighLevelClient restHighLevelClient;

    @Autowired

    private IHotelService hotelService;

    @Test

    void testInit(){

        System.out.println(this.restHighLevelClient);

    }

    @Test

    void createHotelIndex() throws IOException {

        Hotel hotel = hotelService.getById(61083L);

        HotelDoc hotelDoc = new HotelDoc(hotel);

        // 1.准备Request对象

        IndexRequest hotelIndex = new IndexRequest("hotel").id(hotelDoc.getId().toString());

        // 2.准备Json文档

        hotelIndex.source(JSON.toJSONString(hotelDoc), XContentType.JSON);

        // 3.发送请求

        restHighLevelClient.index(hotelIndex, RequestOptions.DEFAULT);

    }

    @BeforeEach

    void init(){

        this.restHighLevelClient = new RestHighLevelClient(RestClient.builder(

                HttpHost.create("http://192.168.211.128:9200")

        ));

    }

    @AfterEach

    void down() throws IOException {

        this.restHighLevelClient.close();

    }

}

·查询文档

 

@Test

void testGetDocumentById() throws IOException {

    // 1.准备Request

    GetRequest hotel = new GetRequest("hotel", "61083");

    // 2.发送请求，得到响应

    GetResponse hotelResponse = restHighLevelClient.get(hotel, RequestOptions.DEFAULT);

    // 3.解析响应结果

    String hotelDocSourceAsString = hotelResponse.getSourceAsString();

    // 4.json转实体类

    HotelDoc hotelDoc = JSON.parseObject(hotelDocSourceAsString, HotelDoc.class);

    System.out.println(hotelDoc);

}

·删除文档

@Test

void testDeleteDocumentById() throws IOException {

    DeleteRequest hotel = new DeleteRequest("hotel", "61083");

    restHighLevelClient.delete(hotel,RequestOptions.DEFAULT);

}

修改文档

前面我们说过，修改文档有两种方式：

• 全量修改：直接覆盖原来的文档
• 增量修改：修改文档中的部分字段

在 RestClient 的 API 中，全量修改与新增的 API 完全一致，判断依据是 ID

• 如果新增时，ID已经存在，则修改
• 如果新增时，ID不存在，则新增

所以全量修改写法与新增文档一样，下面我们主要是介绍增量修改。

@Test

void testUpdateDocument() throws IOException {

    // 1.准备Request

    UpdateRequest request = new UpdateRequest("hotel", "61083");

    // 2.准备请求参数

    request.doc(

        "price", "952",

        "starName", "四钻"

    );

    // 3.发送请求

    restHighLevelClient.update(request, RequestOptions.DEFAULT);

}

批量导入文档

案例需求：利用 BulkRequest 批量将数据库数据导入到索引库中。

• 利用 mybatis-plus 查询酒店数据
• 将查询到的酒店数据（Hotel）转换为文档类型数据（HotelDoc）
• 利用 JavaRestClient 中的 BulkRequest 批处理，实现批量新增文档

批量处理 BulkRequest，其本质就是将多个普通的 CRUD 请求组合在一起发送。

因此Bulk中添加了多个IndexRequest，就是批量新增功能了。示例：

 

利用这一点，我们可以写出自己需要的代码，如下

@Test

void testBulk() throws IOException {

    //

BulkRequest bulkRequest = new BulkRequest();

//

List<Hotel> hotelList = hotelService.list();

//

    hotelList.forEach(item -> {

        HotelDoc hotelDoc = new HotelDoc(item);

        bulkRequest.add(new IndexRequest("hotel")

                .id(hotelDoc.getId().toString())

                .source(JSON.toJSONString(hotelDoc), XContentType.JSON));

    });

    restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT);

}

总之，在 Java 代码中，client 针对操作索引库还是文档，基本都是一样的代码

restHighLevelClient.indices().xxx，代表操作索引库

restHighLevelClient.xxx，代表操作文档

而其中所需要的参数，我们直接通过 ctrl+p 这样的快捷键去查看就可以，不需要单独记住。

·DSL文档查询

Elasticsearch 提供了基于 JSON 的 DSL(Domain Specific Language)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

---

// 查询所有

GET /索引库名/_search

{

  "query": {

    "match_all": {

    }

  }

}

·全文检索match，multi_match

使用场景：全文检索查询的基本流程如下：

• 对用户搜索的内容做分词，得到词条
• 根据词条去倒排索引库中匹配，得到文档id
• 根据文档id找到文档，返回给用户

比较常用的场景包括：

• 商城的输入框搜索
• 百度输入框搜索

例如京东：

因为是拿着词条去匹配，因此参与搜索的字段也必须是可分词的text类型的字段。

常见的全文检索查询包括：

• match 查询：单字段查询
• multi_match 查询：多字段查询，任意一个字段符合条件就算符合查询条件

match 查询语法如下：

GET /索引库名/_search

{

  "query": {

    "match": {

      "FIELD": "TEXT" //xx：xx 字段（自定义）

    }

  }

}

mulit_match 查询语法如下：

GET /索引库名/_search

{

  "query": {

    "multi_match": {

      "query": "TEXT",//xx：xx 字段（自定义）

      "fields": ["FIELD1", " FIELD12"]//xx：xx 数组（自定义）

    }

  }

}

因为我们将 brand、name、business 值都利用 copy_to 复制到了 all 字段中，你根据三个字段搜索，和根据 all字段搜索效果是一样的。

//所有字段，符合值为"7天酒店"分词的记录

GET /hotel/_search

{

  "query": {

    "match": {

      "all": "7天酒店"

    }

  }

}

//条件查询，在字段："brand"或者"name"中=="7天酒店"分词的记录

GET /hotel/_search

{

  "query": {

    "multi_match": {

      "query": "7天酒店",

      "fields": ["brand","name"]

    }

  }

}

搜索字段越多，对查询性能影响越大，因此建议采用 copy_to 将多个字段合并为一个，然后使用单字段查询的方式。

精准查询

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。

• term：根据词条精确值查询
• range：根据值的范围查询

term查询

因为精确查询的字段搜是不分词的字段，因此查询的条件也必须是不分词的词条。查询时，用户输入的内容跟自动值完全匹配时才认为符合条件。如果用户输入的内容过多，反而搜索不到数据。

语法说明：

// term查询

GET /索引库名/_search

{

  "query": {

    "term": {

      "字段名": {

        "value": "字段的值"

      }

    }

  }

}

示例：

//查询，索引库为hotel，brand==7天酒店（不分词） 的记录

GET /hotel/_search

{

  "query": {

    "term": {

      "brand": {

        "value": "7天酒店"

      }

    }

  }

}

range查询

范围查询，一般应用在对数值类型做范围过滤的时候。比如做价格范围过滤。

基本语法：

// range查询

GET /indexName/_search

{

  "query": {

    "range": {

      "FIELD": {

        "gte": 10, // 这里的gte代表大于等于，gt则代表大于

        "lte": 20 // lte代表小于等于，lt则代表小于

      }

    }

  }

}

示例：

 

精确查询常见的有哪些？

• term 查询：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
• range 查询：根据数值范围查询，可以是数值、日期的范围

地理坐标查询

地理坐标查询，其实就是根据经纬度查询，官方文档：Geo queries | Elasticsearch Guide [8.4] | Elastic

常见的使用场景包括：

• 携程：搜索我附近的酒店
• 滴滴：搜索我附近的出租车
• 微信：搜索我附近的人

附近的酒店：

 

附近的车：

 

矩形范围查询

矩形范围查询，也就是 geo_bounding_box 查询，查询坐标落在某个矩形范围的所有文档

 

查询时，需要指定矩形的左上、右下两个点的坐标，然后画出一个矩形，落在该矩形内的都是符合条件的点。

// geo_bounding_box查询

GET /indexName/_search

{

  "query": {

    "geo_bounding_box": {

      "FIELD": {

        "top_left": { // 左上点

          "lat": 31.1,

          "lon": 121.5

        },

        "bottom_right": { // 右下点

          "lat": 30.9,

          "lon": 121.7

        }

      }

    }

  }

}

附近查询

附近查询，也叫做距离查询（geo_distance）：查询到指定中心点小于某个距离值的所有文档

在地图上找一个点作为圆心，以指定距离为半径，画一个圆，落在圆内的坐标都算符合条件：

 

// geo_distance 查询

GET /indexName/_search

{

  "query": {

    "geo_distance": {

      "distance": "15km", // 半径

      "FIELD": "31.21,121.5" // 圆心

    }

  }

}

我们先搜索陆家嘴附近15km的酒店

 

发现共有47家酒店，然后把半径缩短到3公里

 

可以发现，搜索到的酒店数量减少到了5家。

GET /hotel/_search

{

  "query": {

    "match_all": {}

  },

  "sort": [

    {

      "_geo_distance" : {

          "location": "31.034661,121.612282", //圆心

          "order" : "asc", //排序

          "unit" : "km" //单位

      }

    }

  ]

}

结果为：

"hits" : [

    {

        "_index" : "hotel",

        "_type" : "_doc",

        "_id" : "2056298828",

        "_score" : null,

        "_source" : {

            ...

        },

        "sort" : [

            4.8541199685347785 //这里的结果为离圆心的距离

        ]

    },

注意：输出结果中的 sort 为距离，比较常用。

排序完成后，页面还要获取我附近每个酒店的具体距离值，这个值在响应结果中是独立的：

 

复合查询

复合（compound）查询：复合查询可以将其它简单查询组合起来，实现更复杂的搜索逻辑。

• 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
• bool query：布尔查询，利用逻辑关系组合多个其它的查询，实现复杂搜索

·相关性算分

这部分内容作为了解即可。

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打分（_score），返回结果时按照分值降序排列。例如，我们搜索 "虹桥如家"，结果如下：

[

  {

    "_score" : 17.850193,

    "_source" : {

      "name" : "虹桥如家酒店真不错",

    }

  },

  {

    "_score" : 12.259849,

    "_source" : {

      "name" : "外滩如家酒店真不错",

    }

  },

  {

    "_score" : 11.91091,

    "_source" : {

      "name" : "迪士尼如家酒店真不错",

    }

  }

]

elasticsearch 早期使用的打分算法是 TF-IDF 算法，公式如下：

 

在后来的5.1版本升级中，elasticsearch 将算法改进为 BM25 算法，公式如下：

 

TF-IDF 算法有一各缺陷，就是词条频率越高，文档得分也会越高，单个词条对文档影响较大。而 BM25 则会让单个词条的算分有一个上限，曲线更加平滑：

 

·算分函数查询

根据相关度打分是比较合理的需求，但有时候也不能够满足我们的需求。

以百度为例，你搜索的结果中，并不是相关度越高排名越靠前，而是谁给的钱多排名就越靠前。

要想认为控制相关性算分，就需要利用 elasticsearch 中的 function score 查询了。

 

function score 查询中包含四部分内容：

·原始查询条件：query 部分，基于这个条件搜索文档，并且基于BM25算法给文档打分，原始算分（query score)

·过滤条件：filter 部分，符合该条件的文档才会重新算分

·算分函数：符合 filter 条件的文档要根据这个函数做运算，得到的函数算分（function score），有四种函数

·weight：函数结果是常量

·field_value_factor：以文档中的某个字段值作为函数结果

·random_score：以随机数作为函数结果

·script_score：自定义算分函数算法

·运算模式：算分函数的结果、原始查询的相关性算分，两者之间的运算方式，包括：

·multiply：相乘

·replace：用 function score 替换 query score

·sum、avg、max、min

·function score 的运行流程如下：

1. 根据原始条件查询搜索文档，并且计算相关性算分，称为原始算分（query score）
2. 根据过滤条件，过滤文档
3. 符合过滤条件的文档，基于算分函数运算，得到函数算分（function score）
4. 将原始算分（query score）和函数算分（function score）基于运算模式做运算，得到最终结果，作为相关性算分。

因此，其中的关键点是

• 过滤条件：决定哪些文档的算分被修改
• 算分函数：决定函数算分的算法
• 运算模式：决定最终算分结果

例如：我们给“如家”这个品牌的酒店排名靠前一些 

GET /hotel/_search

{

  "query": {

    "function_score": {

      "query": {  .... }, // 原始查询，可以是任意条件

      "functions": [ // 算分函数

        {

          "filter": { // 满足的条件，品牌必须是如家

            "term": { //精确查询

              "brand": "如家"

            }

          },

          "weight": 10 // 算分权重为10

        }

      ],

      "boost_mode": "sum" // 加权模式，求和

    }

  }

}

测试，在未添加算分函数时，如家得分如下

 

添加了算分函数后，如家得分就提升了

 

·布尔查询

布尔查询是一个或多个查询子句的组合，每一个子句就是一个子查询。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

比如在搜索酒店时，除了关键字搜索外，我们还可能根据品牌、价格、城市等字段做过滤

每一个不同的字段，其查询的条件、方式都不一样，必须是多个不同的查询，而要组合这些查询，就必须用 bool查询了。

需要注意的是，搜索时，参与打分的字段越多，查询的性能也越差。因此这种多条件查询时，建议这样做：

• 搜索框的关键字搜索，是全文检索查询，使用 must 查询，参与算分
• 其它过滤条件，采用 filter 查询，不参与算分

GET /hotel/_search

{

  "query": {

    "bool": {

      "must": [

        {"term": {"city": "上海" }}

      ],

      "should": [

        {"term": {"brand": "皇冠假日" }},

        {"term": {"brand": "华美达" }}

      ],

      "must_not": [

        { "range": { "price": { "lte": 500 } }}

      ],

      "filter": [

        { "range": {"score": { "gte": 45 } }}

      ]

    }

  }

}

需求：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。

• 名称搜索，属于全文检索查询，应该参与算分，放到 must 中
• 价格不高于 400，用 range 查询，属于过滤条件，不参与算分，放到 must_not 中
• 周围 10km 范围内，用 geo_distance 查询，属于过滤条件，不参与算分，放到 filter 中
• 

 

bool 查询的几种逻辑关系

• must：必须匹配的条件，可以理解为“与”
• should：选择性匹配的条件，可以理解为“或”
• must_not：必须不匹配的条件，不参与打分
• filter：必须匹配的条件，不参与打分

·搜索结果处理

·排序sort

elasticsearch 默认是根据相关度算分（_score）来排序，但是也支持自定义方式对搜索结果排序。可以排序字段类型有：keyword 类型、数值类型、地理坐标类型、日期类型等

keyword、数值、日期类型排序的语法基本一致。

使用sort排序后，_score就会失效变为null（查询效率提高）

GET /indexName/_search

{

  "query": {

    "match_all": {}

  },

  "sort": [//sort排序关键字

    {

      "FIELD": "desc"  // 排序字段、排序方式ASC、DESC

    }

  ]

}

注意：排序条件是一个数组，也就是可以写多个排序条件。按照声明的顺序，当第一个条件相等时，再按照第二个条件排序。

· 需求描述：酒店数据先按照用户评价（score)降序排序，评价相同的按照价格(price)升序排序

 

地理坐标排序略有不同

GET /indexName/_search

{

  "query": {

    "match_all": {}

  },

  "sort": [

    {

      "_geo_distance" : {

          "FIELD" : "纬度，经度", // 文档中geo_point类型的字段名、目标坐标点

          "order" : "asc", // 排序方式

          "unit" : "km" // 排序的距离单位

      }

    }

  ]

}

//例子

GET /hotel/_search

{

  "query": {

    "match_all": {}

  },

  "sort": [

    {

      "_geo_distance" : {

          "location": "31.034661,121.612282",

          "order" : "asc", //order为关键字，asc关键字为升序

          "unit" : "km"

      }

    }

  ]

}

获取你的位置的经纬度的方式：获取鼠标点击经纬度-地图属性-示例中心-JS API 2.0 示例 | 高德地图API

假设我的位置是：31.034661，121.612282，寻找我周围距离最近的酒店。

 

·分页

elasticsearch 默认情况下只返回 top10 的数据。而如果要查询更多数据就需要修改分页参数了。

elasticsearch 通过修改 from、size 参数来控制要返回的分页结果：

• from：从第几个文档开始
• size：总共查询几个文档

类似于mysql中的limit ?, ?

GET /hotel/_search

{

  "query": {

    "match_all": {}

  },

  "from": 0, // 分页开始的位置，默认为0

  "size": 10, // 期望获取的文档总数

  "sort": [

    {"price": "asc"}//价格升序

  ]

}

深度分页问题

现在，我要查询990~1000的数据，查询逻辑要这么写

GET /hotel/_search

{

  "query": {

    "match_all": {}

  },

  "from": 990, // 分页开始的位置，默认为0

  "size": 10, // 期望获取的文档总数

  "sort": [

    {"price": "asc"}

  ]

}

这里是查询990开始的数据，也就是 第990~第1000条 数据。

注意：elasticsearch 内部分页时，必须先查询 0~1000条排序，然后截取其中的 990 ~ 1000 的这10条

 

查询TOP1000，如果 es 是单点模式，这并无太大影响。

但是 elasticsearch 将来一定是集群，例如我集群有5个节点，我要查询 TOP1000 的数据，并不是每个节点查询200条就可以了。节点A的 TOP200，在另一个节点可能排到10000名以外了。

（集群之后，每个主节点（索引库）的数据是不一样的，要找前1000，必须拿到所有主节点的前1000进行排序）

因此要想获取整个集群的 TOP1000，必须先查询出每个节点的 TOP1000，汇总结果后，重新排名，重新截取 TOP1000。

 

当查询分页深度较大时，汇总数据过多，对内存和CPU会产生非常大的压力，因此 elasticsearch 会禁止from+ size 超过10000的请求。

针对深度分页，ES提供了两种解决方案，官方文档：

• 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。官方推荐使用的方式。
• scroll：原理将排序后的文档id形成快照，保存在内存。官方已经不推荐使用。

·分页查询的常见实现方案以及优缺点

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，例如手机向下滚动翻页

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

我们在百度，京东搜索时，关键字会变成红色，比较醒目，这叫高亮显示：

 

高亮显示的实现分为两步：

• 1）给文档中的所有关键字都添加一个标签，例如<em>标签
• 2）页面给<em>标签编写CSS样式

GET /hotel/_search

{

  "query": {

    "match": {

      "FIELD": "TEXT" // 查询条件，高亮一定要使用全文检索查询

    }

  },

  "highlight": {

    "fields": { // 指定要高亮的字段

      "FIELD": {

        "pre_tags": "<em>",  // 用来标记高亮字段的前置标签

        "post_tags": "</em>" // 用来标记高亮字段的后置标签

      }

    }

  }

}

注意：

• 高亮是对关键字高亮，因此搜索条件必须带有关键字，而不能是范围这样的查询。

默认情况下，高亮的字段，必须与搜索指定的字段一致，否则无法高亮

• 如果要对非搜索字段高亮，则需要添加一个属性：required_field_match=false

 

·DSL 总体结构如下：

 

·关键字大全

query	查询

·RestClient文档查询

发起查询请求

 

/**

 */

@SpringBootTest

public class HotelSearchTest {

    private RestHighLevelClient restHighLevelClient;

    @Autowired

    private IHotelService hotelService;

    @Test

    public void match_All() throws IOException {

        SearchRequest request = new SearchRequest("hotel");

        request.source()

                .query(QueryBuilders.matchAllQuery());

        SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);

    }

    @BeforeEach

    void init() {

        this.restHighLevelClient = new RestHighLevelClient(RestClient.builder(

                HttpHost.create("http://192.168.211.128:9200")

        ));

    }

    @AfterEach

    void down() throws IOException {

        this.restHighLevelClient.close();

    }

}

· 第一步，创建SearchRequest对象，指定索引库名

· 第二步，利用request.source()构建 DSL，DSL 中可以包含查询、分页、排序、高亮等

query()：代表查询条件，利用 QueryBuilders.matchAllQuery() 构建一个 match_all 查询的 DSL

· 第三步，利用 client.search() 发送请求，得到响应

·关键的 API 有两个，一个是 request.source()，其中包含了查询、排序、分页、高亮等所有功能

 

另一个是 QueryBuilders，其中包含 match、term、function_score、bool 等各种查询

 

解析查询响应

 

Elasticsearch 返回的结果是一个 JSON 字符串，结构包含

· hits：命中的结果。

·total：总条数，其中的value是具体的总条数值。

·max_score：所有结果中得分最高的文档的相关性算分。

·hits：搜索结果的文档数组，其中的每个文档都是一个 json 对象。

·_source：文档中的原始数据，也是 json 对象。

因此，我们解析响应结果，就是逐层解析 JSON 字符串，流程如下

· SearchHits：通过 response.getHits() 获取，就是 json 中的最外层的 hits，代表命中的结果

·SearchHits.getTotalHits().value：获取总条数信息

·SearchHits.getHits()：获取 SearchHit 数组，也就是文档数组

·SearchHit.getSourceAsString()：获取文档结果中的 _source，也就是原始的 json 文档数据

/**

 */

@SpringBootTest

public class HotelSearchTest {

    private RestHighLevelClient restHighLevelClient;

    @Autowired

    private IHotelService hotelService;

    @Test

    public void match_All() throws IOException {

        SearchRequest request = new SearchRequest("hotel");

        request.source()

                .query(QueryBuilders.matchAllQuery());

        SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);

        SearchHits searchHits = response.getHits();

        System.out.println("hits.getTotalHits().条数 = " + searchHits.getTotalHits().value);

        SearchHit[] hits = searchHits.getHits();

        for (SearchHit hit : hits) {

            String sourceAsString = hit.getSourceAsString();

            HotelDoc hotelDoc = JSON.parseObject(sourceAsString, HotelDoc.class);

            System.out.println(hotelDoc);

        }

    }

    @BeforeEach

    void init() {

        this.restHighLevelClient = new RestHighLevelClient(RestClient.builder(

                HttpHost.create("http://192.168.211.128:9200")

        ));

    }

    @AfterEach

    void down() throws IOException {

        this.restHighLevelClient.close();

    }

}

match查询

 

@Test

public void matchQuery() throws IOException {

    SearchRequest request = new SearchRequest("hotel");

    request.source()

            .query(QueryBuilders.matchQuery("all","如家"));

    SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);

    SearchHits searchHits = response.getHits();

    System.out.println("hits.getTotalHits().条数 = " + searchHits.getTotalHits().value);

    SearchHit[] hits = searchHits.getHits();

    for (SearchHit hit : hits) {

        String sourceAsString = hit.getSourceAsString();

        HotelDoc hotelDoc = JSON.parseObject(sourceAsString, HotelDoc.class);

        System.out.println(hotelDoc);

    }

}

@Test

public void multiMatchQuery() throws IOException {

    SearchRequest request = new SearchRequest("hotel");

    request.source()

            .query(QueryBuilders.multiMatchQuery("如家","name","brand"));

    SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);

    SearchHits searchHits = response.getHits();

    System.out.println("hits.getTotalHits().条数 = " + searchHits.getTotalHits().value);

    SearchHit[] hits = searchHits.getHits();

    for (SearchHit hit : hits) {

        String sourceAsString = hit.getSourceAsString();

        HotelDoc hotelDoc = JSON.parseObject(sourceAsString, HotelDoc.class);

        System.out.println(hotelDoc);

    }

}

精确查询

精确查询主要是两者

• term：词条精确匹配
• range：范围查询

 

布尔查询

布尔查询是用 must、must_not、filter等方式组合其它查询，代码示例如下

 

@Test

void testBool() throws IOException {

    // 1.准备Request

    SearchRequest request = new SearchRequest("hotel");

    // 2.准备DSL

    request.source()

            .query(

                    QueryBuilders.boolQuery()

                            .must(QueryBuilders.termQuery("city", "上海"))

                            .filter(QueryBuilders.rangeQuery("price").lte(300))

            );

    // 3.发送请求

    SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);

    // 4.解析响应

    SearchHits searchHits = response.getHits();

    System.out.println("hits.getTotalHits().条数 = " + searchHits.getTotalHits().value);

    SearchHit[] hits = searchHits.getHits();

    for (SearchHit hit : hits) {

        String sourceAsString = hit.getSourceAsString();

        HotelDoc hotelDoc = JSON.parseObject(sourceAsString, HotelDoc.class);

        System.out.println(hotelDoc);

    }

}

排序、分页

搜索结果的排序和分页是与 query 同级的参数，因此同样是使用 request.source() 来设置。

对应的API如下

 

@Test

void testPageAndSort() throws IOException {

    // 页码，每页大小

    int page = 1, size = 5;

    // 1.准备Request

    SearchRequest request = new SearchRequest("hotel");

    // 2.准备DSL

    // 2.1.query

    request.source().query(QueryBuilders.matchAllQuery());

    // 2.2.排序 sort

    request.source().sort("price", SortOrder.ASC);

    // 2.3.分页 from、size

    request.source().from((page - 1) * size).size(5);

    // 3.发送请求

    SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);

    // 4.解析响应

    SearchHits searchHits = response.getHits();

    System.out.println("hits.getTotalHits().条数 = " + searchHits.getTotalHits().value);

    SearchHit[] hits = searchHits.getHits();

    for (SearchHit hit : hits) {

        String sourceAsString = hit.getSourceAsString();

        HotelDoc hotelDoc = JSON.parseObject(sourceAsString, HotelDoc.class);

        System.out.println(hotelDoc);

    }

}

高亮

• 查询的 DSL：其中除了查询条件，还需要添加高亮条件，同样是与 query 同级。
• 结果解析：结果除了要解析 _source 文档数据，还要解析高亮结果

高亮请求的构建 API

 

上述代码省略了查询条件部分，但是高亮查询必须使用全文检索查询，并且要有搜索关键字，将来才可以对关键字高亮.

@Test

void testHighlight() throws IOException {

    // 1.准备Request

    SearchRequest request = new SearchRequest("hotel");

    // 2.准备DSL

    // 2.1.query

    request.source().query(QueryBuilders.matchQuery("all", "如家"));

    // 2.2.高亮

    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

    handleResponse(response); //代码在下文

}

·高亮结果解析

高亮的结果与查询的文档结果默认是分离的，并不在一起。

因此解析高亮的代码需要额外处理：

 

• 第一步：从结果中获取 source。hit.getSourceAsString()，这部分是非高亮结果，json 字符串，需要反序列为 HotelDoc 对象。
• 第二步：获取高亮结果。hit.getHighlightFields()，返回值是一个 Map，key 是高亮字段名称，值是HighlightField 对象，代表高亮值
• 第三步：从 map 中根据高亮字段名称，获取高亮字段值对象 HighlightField
• 第四步：从 HighlightField 中获取 Fragments，并且转为字符串。这部分是真正的高亮字符串
• 第五步：用高亮的结果替换 HotelDoc 中的非高亮结果

完整代码如下：

private void handleResponse(SearchResponse response) {

    // 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();

                // 覆盖非高亮结果

                hotelDoc.setName(name);

            }

        }

        System.out.println("hotelDoc = " + hotelDoc);

    }

}

·地理坐标查询

 

相关性得分

function_score 查询结构如下

 

对应的 JavaAPI 如下

 

·DSL数据聚合

聚合（aggregations）可以让我们极其方便的实现对数据的统计、分析、运算。

• 什么品牌的手机最受欢迎？
• 这些手机的平均价格、最高价格、最低价格？
• 这些手机每月的销售情况如何？

在 Elasticsearch 实现这些统计功能比数据库的 sql 要方便的多，而且查询速度非常快，可以实现近实时搜索效果。

聚合常见的有三类

·桶（Bucket）聚合：用来对文档做分组

• • TermAggregation：按照文档字段值分组，例如按照品牌值分组、按照国家分组
  • Date Histogram：按照日期阶梯分组，例如一周为一组，或者一月为一组

·度量（Metric）聚合：用以计算一些值，比如：最大值、最小值、平均值等

• • Avg：求平均值
  • Max：求最大值
  • Min：求最小值
  • Stats：同时求 max、min、avg、sum 等

·管道（pipeline）聚合：其它聚合的结果为基础做聚合

注意：参加聚合的字段必须是keyword、日期、数值、布尔类型

·Bucket聚合语法

例如：我们要统计所有数据中的酒店品牌有几种，其实就是按照品牌对数据分组。此时可以根据酒店品牌的名称做聚合，也就是 Bucket 聚合。

GET /hotel/_search

{

  "size": 0,  // 设置size为0，结果中不包含文档，只包含聚合结果

  "aggs": { // 定义聚合

    "brandAgg": { //给聚合起个名字，如自定义brandAgg

      "terms": { // 聚合的类型，按照品牌值聚合，（terms不分词的字段）所以选择term

        "field": "brand", // 参与聚合的字段，如brand

        "size": 20 // 希望获取的聚合结果数量

      }

    }

  }

}

结果：

 

这个是对整个索引库搜索的结果，对内存消耗特别大的。

默认情况下，Bucket 聚合会统计 Bucket 内的文档数量，记为 _count，并且按照 _count 降序排序。

我们可以指定 order 属性，自定义聚合的排序方式

GET /hotel/_search

{

  "size": 0,

  "aggs": {

    "brandAgg": {

      "terms": {//terms关键字

        "field": "brand",

        "order": {

          "_count": "asc" // 按照_count升序排列

        },

        "size": 20

      }

    }

  }

}

默认情况下，Bucket 聚合是对索引库的所有文档做聚合，但真实场景下，用户会输入搜索条件，因此聚合必须是对搜索结果聚合。

那么聚合必须添加限定条件。

我们可以限定要聚合的文档范围，只要添加 query 条件即可；

GET /hotel/_search

{

  //条件限定

  "query": {

    "range": {

      "price": {

        "lte": 200 // 只对200元以下的文档聚合

      }

    }

  }, 

  "size": 0,

  "aggs": {

    "brandAgg": {

      "terms": {

        "field": "brand",

        "size": 20

      }

    }

  }

}

这次，聚合得到的品牌明显变少了

 

Metric聚合语法（对bucket的嵌套）

上面，我们对酒店按照品牌分组，形成了一个个桶。现在我们需要对桶内的酒店做运算，获取每个品牌的用户评分的 min、max、avg 等值。

这就要用到 Metric 聚合了，例如 stats 聚合：就可以获取 min、max、avg 等结果

GET /hotel/_search

{

  "size": 0,

  "aggs": {//关键字aggs，

    "brandAgg": {

      "terms": {

        "field": "brand", //field关键字

        "size": 20

        //可以添加桶内排序

        "order": {

"scoreAgg.avg":"desc"

}

      },

       //再次嵌套aggs

      "aggs": { //关键字aggs， 是brands聚合的子聚合，也就是分组后对每组分别计算

        "score_stats": { // 聚合名称，自定义

          "stats": { // 关键字stats，聚合类型，这里stats可以计算min、max、avg等

            "field": "score" // 聚合字段，这里是score

          }

        }

      }

    }

  }

}

这次的 score_stats 聚合是在 brandAgg 的聚合内部嵌套的子聚合。因为我们需要在每个桶分别计算。

另外，我们还可以给聚合结果做个排序，例如按照每个桶的酒店平均分做排序

 

RestAPI数据聚合

聚合条件与 query 条件同级别，因此需要使用 request.source() 来指定聚合条件

 

聚合的结果也与查询结果不同，API 也比较特殊。不过同样是 JSON 逐层解析

 

@Test

public void testAggregation() throws IOException {

    SearchRequest request = new SearchRequest("hotel");

    request.source().aggregation(AggregationBuilders.terms("brandAgg").field("brand").size(20));

    SearchResponse response = client.search(request, RequestOptions.DEFAULT);

    Terms brandAgg = response.getAggregations().get("brandAgg");

    List<? extends Terms.Bucket> buckets = brandAgg.getBuckets();

    for (Terms.Bucket bucket : buckets) {

        String key = bucket.getKeyAsString();

        System.out.println("key = " + key);

    }

}

自动补全

当用户在搜索框输入字符时，我们应该提示出与该字符有关的搜索项，提示完整词条的功能，就是自动补全了。

拼音分词器

如果我们需要根据拼音字母来推断，因此要用到拼音分词功能。

要实现根据字母做补全，就必须对文档按照拼音分词。插件地址：GitHub - medcl/elasticsearch-analysis-pinyin: This Pinyin Analysis plugin is used to do conversion between Chinese characters and Pinyin.

 

使用 docker volume inspect es-plugins 查看插件目录，将下载的文件解压上传，重启 Elasticsearch

测试用法如下：

POST /_analyze

{

  "text": "如家酒店还不错",

  "analyzer": "pinyin"

}

结果：

 

自定义分词器

默认的拼音分词器会将每个汉字单独分为拼音，而我们希望的是每个词条形成一组拼音，需要对拼音分词器做个性化定制，形成自定义分词器。

elasticsearch 中分词器（analyzer）的组成包含三部分：

• character filters：在 tokenizer 之前对文本进行处理。例如删除字符、替换字符
• tokenizer：将文本按照一定的规则切割成词条（term）。例如 keyword，就是不分词；还有 ik_smart
• tokenizer filter：将 tokenizer 输出的词条做进一步处理。例如大小写转换、同义词处理、拼音处理等

文档分词时会依次由这三部分来处理文档：

 

·创建索引库。

PUT /test

{

  "settings": {

    "analysis": {

      "analyzer": { // 自定义分词器

        "my_analyzer": {  // 分词器名称

          "tokenizer": "ik_max_word",//先ik_max_word分词

          "filter": "pingyin"  //后pingyin分词

        }

      }

}

}

}

因此：搜索的时候，也进行了ik_max_word与pingyin分词。（这样是不好的）

 

注意：为了避免搜索到同音字，搜索时不要使用拼音分词器

声明自定义分词器的语法如下：

PUT /test

{

  "settings": {

    "analysis": {

      "analyzer": { // 自定义分词器

        "my_analyzer": {  // 分词器名称

          "tokenizer": "ik_max_word",

          "filter": "py"

        }

      },

      "filter": { // 自定义tokenizer filter

        "py": { // 过滤器名称

          "type": "pinyin", // 过滤器类型，这里是pinyin

          "keep_full_pinyin": false,

          "keep_joined_full_pinyin": true,

          "keep_original": true,

          "limit_first_letter_length": 16,

          "remove_duplicated_term": true,

          "none_chinese_pinyin_tokenize": false

        }

      }

    }

  },

//倒排索引建立

  "mappings": {

    "properties": {

      "name": {//字段为name

        "type": "text",

        "analyzer": "my_analyzer",//创建时使用的分词器

        "search_analyzer": "ik_smart"//搜索时使用的分词器

      }

    }

  }

}

测试

 

 

自动补全查询

elasticsearch 提供了 Completion Suggester 查询来实现自动补全功能。这个查询会匹配以用户输入内容开头的词条并返回；为了提高补全查询的效率，对于文档中字段的类型有一些约束。

• 参与补全查询的字段必须是 completion 类型。
• 字段的内容一般是用来补全的多个词条形成的数组。

// 创建索引库

PUT test

{

  "mappings": {

    "properties": {

      "title":{

        "type": "completion"

      }

    }

  }

}

然后插入下面的数据

// 示例数据

POST test/_doc

{

  "title": ["Sony", "WH-1000XM3"]

}

POST test/_doc

{

  "title": ["SK-II", "PITERA"]

}

POST test/_doc

{

  "title": ["Nintendo", "switch"]

}

查询的 DSL 语句如下

// 自动补全查询

GET /test/_search

{

  "suggest": {

    "title_suggest": {

      "text": "s", // 关键字

      "completion": {

        "field": "title", // 补全查询的字段

        "skip_duplicates": true, // 跳过重复的

        "size": 10 // 获取前10条结果

      }

    }

  }

}

例如一个酒店的索引库完整案例

实现思路如下︰

1. 修改hotel索引库结构，设置自定义拼音分词器

2．修改索引库的name、all字段，使用自定义分词器会

3．索引库添加一个新字段suggestion，类型为completion类型，使用自定义的分词器

4．给HotelDoc类添加suggestion字段，内容包含brand、business

5.重新导入数据到hotel库

符合 filter 条件的文档要根据这个函数做运算

// 酒店数据索引库

PUT /hotel

{

  "settings": {

    "analysis": {

      "analyzer": {

        "text_anlyzer": {

          "tokenizer": "ik_max_word",

          "filter": "py" //符合filter条件的文档要通过这个分词器

        },

        "completion_analyzer": {

          "tokenizer": "keyword",

          "filter": "py"

        }

      },

      "filter": {

        "py": {

          "type": "pinyin",

          "keep_full_pinyin": false,

          "keep_joined_full_pinyin": true,

          "keep_original": true,

          "limit_first_letter_length": 16,

          "remove_duplicated_term": true,

          "none_chinese_pinyin_tokenize": false

        }

      }

    }

  },

  "mappings": {

    "properties": {

      "id":{

        "type": "keyword"

      },

      "name":{

        "type": "text",

        "analyzer": "text_anlyzer",       //使用"text_anlyzer"分词器创建索引

        "search_analyzer": "ik_smart",    //搜索使用"ik_smart"分词器

        "copy_to": "all"

      },

      "address":{

        "type": "keyword",

        "index": false

      },

      "price":{

        "type": "integer"

      },

      "score":{

        "type": "integer"

      },

      "brand":{

        "type": "keyword",

        "copy_to": "all"

      },

      "city":{

        "type": "keyword"

      },

      "starName":{

        "type": "keyword"

      },

      "business":{

        "type": "keyword",

        "copy_to": "all"

      },

      "location":{

        "type": "geo_point"

      },

      "pic":{

        "type": "keyword",

        "index": false

      },

      "all":{

        "type": "text",

        "analyzer": "text_anlyzer",

        "search_analyzer": "ik_smart"

      },

      "suggestion":{

          "type": "completion",//该属性会自动补全

          "analyzer": "completion_analyzer"

      }

    }

  }

}

JavaAPI

 

解析响应的代码如下

 

数据同步

elasticsearch 中的数据来自于 mysq l数据库，因此 mysql 数据发生改变时，elasticsearch 也必须跟着改变，这个就是 elasticsearch 与 mysql 之间的数据同步

 

常见的数据同步方案有三种

• 同步调用
• 异步通知
• 监听 binlog

同步调用

方案一：同步调用

 

• hotel-demo对外提供接口，用来修改 elasticsearch 中的数据
• 酒店管理服务在完成数据库操作后，直接调用 hotel-demo 提供的接口

异步通知

方案二：异步通知

 

• hotel-admin 对 mysql 数据库数据完成增、删、改后，发送 MQ 消息
• hotel-demo监听 MQ，接收到消息后完成 elasticsearch 数据修改

监听binlog

方案三：监听binlog

 

• mysql 开启 binlog 功能
• mysql 完成增、删、改操作都会记录在 binlog 中
• hotel-demo 基于canal 监听 binlog 变化，实时更新 elasticsearch 中的内容

优缺点

方式一：同步调用

• 优点：实现简单，粗暴
• 缺点：业务耦合度高

方式二：异步通知

• 优点：低耦合，实现难度一般
• 缺点：依赖 mq 的可靠性

方式三：监听binlog

• 优点：完全解除服务间耦合
• 缺点：开启 binlog 增加数据库负担、实现复杂度高

实现方式

我们以异步通知为例，使用 MQ 消息中间件

MQ结构如图：

 

引入依赖，在 hotel-admin、hotel-demo 中引入 rabbitmq 的依赖：

<!--amqp-->

<dependency>

    <groupId>org.springframework.boot</groupId>

    <artifactId>spring-boot-starter-amqp</artifactId>

</dependency>

·消费者端（消息接收方）

·普通类声明队列交换机

public class MQConstants {

    /**

     * 交换机

     */

    public final static String HOTEL_EXCHANGE = "hotel.topic";

    /**

     * 监听新增和修改的队列

     */

    public final static String HOTEL_INSERT_QUEUE = "hotel.insert.queue";

    /**

     * 监听删除的队列

     */

    public final static String HOTEL_DELETE_QUEUE = "hotel.delete.queue";

    /**

     * 新增或修改的RoutingKey

     */

    public final static String HOTEL_INSERT_KEY = "hotel.insert";

    /**

     * 删除的RoutingKey

     */

    public final static String HOTEL_DELETE_KEY = "hotel.delete";

}

·配置类

@Configuration

public class MqConfig {

    @Bean

    public TopicExchange topicExchange() {

        return new TopicExchange(MqConstants.HOTEL_EXCHANGE, true, false);

    }

    @Bean

    public Queue insertQueue() {

        return new Queue(MqConstants.HOTEL_INSERT_QUEUE, true);

    }

    @Bean

    public Queue deleteQueue() {

        return new Queue(MqConstants.HOTEL_DELETE_QUEUE, true);

    }

    @Bean

    public Binding insertQueueBinding() {

        return BindingBuilder.bind(insertQueue()).to(topicExchange()).with(MqConstants.HOTEL_INSERT_KEY);

    }

    @Bean

    public Binding deleteQueueBinding() {

        return BindingBuilder.bind(deleteQueue()).to(topicExchange()).with(MqConstants.HOTEL_DELETE_KEY);

    }

}

·服务层

@Override

public void insertById(Long id) {//消费者端使用id作为接受参数

    try {

        // 根据id查询酒店数据

        Hotel hotel = getById(id);

        // 转换为文档类型

        HotelDoc hotelDoc = new HotelDoc(hotel);

        //准备DSL

        IndexRequest request = new IndexRequest("hotel").id(hotel.getId().toString());

        request.source(JSON.toJSONString(hotelDoc), XContentType.JSON);

        //发送请求

        client.index(request, RequestOptions.DEFAULT);

    } catch (IOException e) {

        throw new RuntimeException(e);

    }

}

@Override

public void deleteById(Long id) {

    try {

        DeleteRequest request = new DeleteRequest("hotel", id.toString());

        client.delete(request, RequestOptions.DEFAULT);

    } catch (IOException e) {

        throw new RuntimeException(e);

    }

}

·监听层

@Component

public class HotelListener {

    @Autowired

    private HotelService hotelService;

    /**

     * 监听酒店新增或修改的业务

     *

     * @param id 酒店id

     */

    @RabbitListener(queues = MqConstants.HOTEL_INSERT_QUEUE)

    public void listenHotelInsertOrUpdate(Long id) {//消费者端使用id作为接受参数

        hotelService.insertById(id);

    }

    /**

     * 监听酒店删除的业务

     *

     * @param id 酒店id

     */

    @RabbitListener(queues = MqConstants.HOTEL_DELETE_QUEUE)

    public void listenHotelDelete(Long id) {

        hotelService.deleteById(id);

    }

}

·生产者（消息发送方）

rabbitTemplate.convertAndSend(MQConstants.HOTEL_EXCHANGE, MQConstants.HOTEL_INSERT_KEY, hotel.getId());

可以发现是发送给id作为信息，因此消费者端使用id作为接受参数。

rabbitTemplate.convertAndSend(MQConstants.HOTEL_EXCHANGE, MQConstants.HOTEL_DELETE_KEY, id);

·Elasticsearch集群

单机的 Elasticsearch 做数据存储，必然面临两个问题：海量数据存储问题、单点故障问题。

解决方案：

• 海量数据存储问题：将索引库从逻辑上拆分为N个分片（shard），存储到多个节点
• 单点故障问题：将分片数据在不同节点备份（replica ）

ES集群相关概念：

• 集群（cluster）：一组拥有共同的 cluster name 的 节点。
• 节点（node) ：集群中的一个 Elasticearch 实例
• 分片（shard）：索引可以被拆分为不同的部分进行存储，称为分片。在集群环境下，一个索引的不同分片可以拆分到不同的节点中，解决数据量太大，单点存储量有限的问题。
• 

 

此处，我们把数据分成3片：shard0、shard1、shard2

主分片（Primary shard）：相对于副本分片的定义。

副本分片（Replica shard）每个主分片可以有一个或者多个副本，数据和主分片一样。

数据备份可以保证高可用，但是每个分片备份一份在节点上，所需要的节点数量就会翻倍，成本太高。为了在高可用和成本间寻求平衡

• 首先对数据分片，存储到不同节点
• 然后对每个分片进行备份，放到对方节点，完成互相备份

这样可以大大减少所需要的服务节点数量，如图，我们以3分片，每个分片备份一份为例：

 

现在，每个分片都有1个备份，存储在3个节点：

• node0：保存了分片0和1
• node1：保存了分片0和2
• node2：保存了分片1和2

部署集群

搭建Elasticsearch

我们会在单机上利用 Docker 容器运行多个 Elasticsearch 实例来模拟集群。

可以直接使用 docker-compose 来完成，这要求你的Linux虚拟机至少有4G以上的内存空间。

步骤如下：

1，创建配置文件：docker-compose.yml

version: '2.2'

services:

  es01:

    image: elasticsearch:7.12.1

    container_name: es01 //容器名字

    environment:

      - node.name=es01  //节点名字

      - cluster.name=es-docker-cluster //集群名字

      - discovery.seed_hosts=es02,es03 //集群节点的IP地址，可以使用容器名互联

      - cluster.initial_master_nodes=es01,es02,es03 //候选主节点名单

      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"

    volumes: //数据卷

      - data01:/usr/share/elasticsearch/data

    ports:

      - 9200:9200  //端口，容器内端口：容器外端口

    networks:

      - elastic

  es02:

    image: elasticsearch:7.12.1

    container_name: es02

    environment:

      - node.name=es02

      - cluster.name=es-docker-cluster

      - discovery.seed_hosts=es01,es03

      - cluster.initial_master_nodes=es01,es02,es03

      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"

    volumes:

      - data02:/usr/share/elasticsearch/data

    ports:

      - 9201:9200

    networks:

      - elastic

  es03:

    image: elasticsearch:7.12.1

    container_name: es03

    environment:

      - node.name=es03

      - cluster.name=es-docker-cluster

      - discovery.seed_hosts=es01,es02

      - cluster.initial_master_nodes=es01,es02,es03

      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"

    volumes:

      - data03:/usr/share/elasticsearch/data

    networks:

      - elastic

    ports:

      - 9202:9200

volumes:

  data01:

    driver: local

  data02:

    driver: local

  data03:

    driver: local

networks:

  elastic:

    driver: bridge

 

把该文件上传Linux系统即可

2，修改 Linux 系统权限，修改 /etc/sysctl.conf 文件，输入命令：

vi /etc/sysctl.conf

添加下面的内容

vm.max_map_count=262144

3，让配置生效：

sysctl -p

4，通过docker-compose启动集群

docker-compose up -d

集群状态监控

kibana 可以监控 Elasticsearch 集群，但是更推荐使用 cerebro

下载解压打开 /bin/cerebro.bat

访问 http://localhost:9000 即可进入管理界面

 

输入任意节点的地址和端口，点击 connect

 

绿色的线条代表集群处于绿色（健康状态）

创建索引库

·方式一：

 

方式二：

我们还可以通过 cerebro 创建索引库，当然你需要使用 kibana 也可以。

 

填写索引库信息

 

回到首页，即可查看索引库分片效果

 

所以，集群节点挂了，还是可以有完整数据0，1，2

集群职责划分

Elasticsearch 中集群节点有不同的职责划分

 

默认情况下，集群中的任何一个节点都同时兼职上述四种角色。

真实的集群一定要将集群职责分离

• master 节点：对 CPU 要求高，但是内存要求低
• data 节点：对 CPU 和内存要求都高
• coordinating 节点：对网络带宽、CPU 要求高

职责分离可以让我们根据不同节点的需求分配不同的硬件去部署。而且避免业务之间的互相干扰。

 

集群脑裂问题

脑裂是因为集群中的节点失联导致的。

例如一个集群中，主节点 node1 与其它节点失联。

 

此时，node2 和 node3 认为 node1 宕机，就会重新选主。

 

当 node3 当选后，集群继续对外提供服务，node2 和 node3 自成集群，node1 自成集群，两个集群数据不同步，出现数据差异。

如副片数据不来得即使更新：（主片数据是和其他节点的备份数据放到一起的（副片））因为主片更新了，负片因为网络阻塞没有更新，这时就会出现数据不一致。

当网络恢复后，因为集群中有两个 master 节点，集群状态的不一致，出现脑裂的情况。

 

解决脑裂的方案是，要求选票超过 (eligible节点数量+1)/2 才能当选为 master，因此 eligible 节点数量最好是奇数。对应配置项是discovery.zen.minimum_master_nodes，在版本 7.0 以后，已经成为默认配置，因此一般不会发生脑裂问题。

例如：3个节点形成的集群，选票必须超过 (3+1)/2 ，也就是 2 票。node3 得到 node2 和 node3 的选票，当选为 master。node1 只有自己 1 票，没有当选。集群中依然只有1个主节点，没有出现脑裂。

集群分布式存储

当新增文档时，应该保存到不同分片，保证数据均衡，那么 coordinating node 如何确定数据该存储到哪个分片呢？

Elasticsearch 会通过 hash 算法来计算文档应该存储到哪个分片

 

• _routing 默认是文档的 id
• 算法与分片数量有关，因此索引库一旦创建，分片数量不能修改！

新增文档的流程如下图，

1. 新增一个 id=1 的文档
2. 对 id 做 hash 运算，假如得到的是 2，则应该存储到 shard-2
3. shard-2 的主分片在 node3 节点，将数据路由到 node3，node3 保存文档
4. 同步给 shard-2 的副本分片2(R-2)，在 node2 节点
5. 返回结果给 coordinating-node 节点(node1)

 

集群分布式查询

Elasticsearch 查询分成两个阶段

• scatter phase：分散阶段，coordinating node 会把请求分发到每一个分片。
• gather phase：聚集阶段，coordinating node 汇总 data node 的搜索结果，并处理为最终结果集返回给用户。
• 

 

·集群故障转移

集群的 master 节点会监控集群中的节点状态，如果发现有节点宕机，会立即将宕机节点的分片数据迁移到其它节点，确保数据安全，这个叫做故障转移。

例如一个集群结构如图，三个都是健康的。

 

现在，node1 是主节点，其它两个节点是从节点。突然，node1 发生了故障

 

宕机后的第一件事，需要重新选主，例如选中了 node2

 

node2 成为主节点后，会检测集群监控状态，将 node1 上的数据迁移到 node2、node3，确保数据依旧正常访问。

 

·JMeter压力测试

安装启动

JMeter 依赖于JDK，所以必须确保当前计算机上已经安装了 JDK，并且配置了环境变量。

Apache Jmeter官网下载，地址：Apache JMeter - Download Apache JMeter

 

解压缩即可使用，目录结构如下

 

其中的 bin 目录就是执行的脚本，其中包含启动脚本

 

双击即可运行，但是有两点注意

• 启动时速度比较慢，要耐心等待。
• 启动后终端（黑窗口）不能关闭，否则 JMeter 也跟着关闭。

 

修改中文

默认 JMeter 的语言是英文，需要设置

 

 

上面的配置只能保证本次运行是中文，如果要永久中文，需要修改 JMeter 的配置文件。

打开 JMeter 文件夹，在 bin 目录中找到 jmeter.properties，添加下面配置：

language=zh_CN

 

·基本使用

在测试计划上点鼠标右键，选择「添加 > 线程（用户） > 线程组」

 

在新增的线程组中，填写线程信息

 

在线程组这里点鼠标右键，添加 http 请求

 

编写取样器内容

添加监听报告

 

汇总报告结果

 

添加监听结果树

 

察看结果树