使用ElasticSearch、elasticsearch-head-master、ik分词器根据中文分词后高亮搜索

安装
文件链接：https://pan.baidu.com/s/1Ee6y8fHgI5uqMewxvtQTsA?pwd=ka8w
提取码：ka8w
项目地址:https://gitee.com/li-zehui/jdHighLight
Windows
解压安装就行
mac
安装ES
安装ES
brew install elasticsearch

运行
elasticsearch

访问
http://localhost:9200/
安装可视化head插件
去github下载zip包
https://github.com/mobz/elasticsearch-head

进入elasticsearch-head-master目录
npm install

npm start


两个服务head和elastic search都停掉
通过brew info elasticsearch查看ES的config文件路径
由于head插件与ElasticSearch是两个独立的进程，它们之间的访问会有跨域问题，则需要对ElasticSearch的配置进行相应的修改，执行编辑命令
vim /usr/local/etc/elasticsearch/elasticsearch.yml
在文件末端输入：
http.cors.enabled: true
http.cors.allow-origin: "*" 
按ESC 输入 :wq
再次重启两个项目
安装kibana
安装
brew install kibanna

ElasticSearch
运行
使用前提：一定要检查自己的java环境是否配置好
 
 
访问环境
http://localhost:9200/
  
Elasticsearch-Head
数据展示插件
使用前提：需要安装nodejs
启动
cd elasticsearch-head# 安装依赖npm install# 启动npm run start# 访问http://localhost:9100/
安装依赖
 
运行
 
访问
存在跨域问题（只有当两个页面同源，才能交互）
同源（端口，主机，协议三者都相同）
https://blog.csdn.net/qq_38128179/article/details/84956552
 
开启跨域
在elasticsearch解压目录config下elasticsearch.yml中添加
# 开启跨域
http.cors.enabled: true# 所有人访问
http.cors.allow-origin: "*"
重启elasticsearch
再次连接
 
Kibana
版本要和Elastic Search一致
启动
 
 
访问
localhost:5601
 
ES核心概念
索引与文档
关系型数据库和ElasticSearch对比
Relational DB	ElasticSearch
数据库（database）	索引（indices）
行（rows）	documents
字段（columns）	fields
elasticsearch（集群）中可以包含多个索引（数据库） ,每个索引下又包含多个文档（行） ,每个文档中又包含多个字段（列）。
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，elasticsearch中，文档有几个重要属性:
•	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 !
•	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 !}
•	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。
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。
分片、副本与倒序索引
分片
一个索引可以存储超出单个节点硬件限制的大量数据。比如，一个具有 10 亿文档数据
的索引占据 1TB 的磁盘空间，而任一节点都可能没有这样大的磁盘空间。 或者单个节点处理搜索请求，响应太慢。为了解决这个问题，Elasticsearch 提供了将索引划分成多份的能力，每一份就称之为分片。
每个分片本身也是一个功能完善并且独立的“索引”，这个“索引”可以被放置到集群中的任何节点上。
分片很重要，主要有两方面的原因：
1.	允许你水平分割 / 扩展你的内容容量。
2.	允许你在分片之上进行分布式的、并行的操作，进而提高性能/吞吐量。
副本
在一个网络 / 云的环境里，失败随时都可能发生，在某个分片/节点不知怎么的就处于
离线状态，或者由于任何原因消失了，这种情况下，有一个故障转移机制是非常有用并且是强烈推荐的。为此目的， Elasticsearch 允许你创建分片的一份或多份拷贝，这些拷贝叫做复制分片(副本)。
复制分片之所以重要，有两个主要原因：
 1.在分片/节点失败的情况下，提供了高可用性。因为这个原因，注意到复制分片从不与原/主要（original/primary）分片置于同一节点 上是非常重要的。
 2.扩展你的搜索量/吞吐量，因为搜索可以在所有的副本上并行运行。
系统架构
下面图就是一个ES集群，里面有三个ES实例（也就是三个节点）
P0、P1、P2就是索引切片
R0、R1、R2就是索引切片副本
切片和副本不能放在同一个节点上
每一个分片就是底层Lucence的索引，所以每一个分片都能进行查询
 
倒排索引
elasticsearch使用的是一种称为倒排索引的结构，采用Lucence作为底层，这种结构适用于快速的全文搜索
例如我们有两个文档，每个文档包含如下内容
Study every day, good good up to forever
To forever, study every day，good good up 
为了创建倒排索引，我们首先要将每个文档拆成独立的词(或称词条、tokens)，然后创建一个包含所有不重复的词条排序列表，然后列出每个词条出现在哪个文档
term	doc_1	doc_2
Study	√	×
To	×	√
every	√	√
forever	√	√
day	√	√
study	×	√
good	√	√
to	√	×
up	√	√
现在我们尝试去搜索to forever，只需要查看每个词条的文档
term	doc_1	doc_2
to	√	×
forever	√	√
total	2	1
两个文档都匹配，这两个包括关键字的文档，都将返回。但是第一个文档匹配程度比第二个文档高，权重会高
举例
通过博客标签来搜索博客文章，那么倒排索引就是这样的结构
从这里就能看到为什么叫倒排索引，正排索引是根据id，匹配内容，这个是内容去匹配id
博客文章（原始数据）	 	索引列表（倒排索引）	 
博客文章id	标签	标签	博客文章id
1	python	python	1，2，3
2	python	linux	3，4
3	linux,python	 	 
4	linux	 	 
ik分词器
就是一个中文分词器
IK提供了两个分词算法: ik_smart和ik_max_word ,其中ik_smart为最少切分, ik_max_word为最细粒度划分
下载
版本要与ElasticSearch版本对应
安装
加压即可（但是我们需要解压到ElasticSearch的plugins目录ik文件夹下）
  
3、重启ElasticSearch
加载了IK分词器
 
4、查看插件
E:\ElasticSearch\elasticsearch-7.6.1\bin>elasticsearch-plugin list
 
5、使用kibana测试
GET _analyze
{
  "analyzer": "ik_smart",
  "text": "年轻人不讲武德"
  
}

GET _analyze
{
  "analyzer": "ik_max_word",
  "text": "年轻人不讲武德"
  
}
ik_smart：最少切分
 
ik_max_word：最细粒度划分（穷尽词库的可能）
 
从上面看，感觉分词都比较正常，但是大多数，分词都满足不了我们的想法，如下例
 
那么，我们需要手动将该词添加到分词器的词典当中
6、添加自定义的词添加到扩展字典中
elasticsearch目录/plugins/ik/config/IKAnalyzer.cfg.xml
 
打开 IKAnalyzer.cfg.xml 文件，扩展字典
 
创建字典文件，添加字典内容
 
重启ElasticSearch，再次使用kibana测试
 
京东高亮搜索
效果
 
源码地址
https://gitee.com/li-zehui/jdHighLight
运行
启动项目，访问http://localhost:9999/是主界面
访问http://localhost:9999/parse/java ：是在京东上搜索java，然后创建索引注入到ES中
访问http://localhost:9999/search/java/1/5：是在es中搜索java字段，第一页，每页五个数据
访问http://localhost:9999/highlightSearch/java/1/5：是在es中搜索java字段（java会高亮显示），第一页，每页五个数据
项目结构
  
依次介绍文件：
ContentController文件：上面介绍了三个接口对应了三个方法
IndexController文件：访问http://localhost:9999/显示主界面
Content文件：实体类，从京东搜到的数据塞到这里面了
ContentService文件：具体的代码逻辑
ElasticSearchConfig文件：ES的必要配置文件，用于访问ES以及一些文档操作
HtmlParseUtil文件：从京东上搜索字段，拿到数据的爬虫文件测试
resources文件夹：放着静态资源，从百度云下载就行
application.properties
# 更改端口，防止冲突server.port=9999# 关闭thymeleaf缓存spring.thymeleaf.cache=false
pom


	4.0.0
	
		org.springframework.boot
		spring-boot-starter-parent
		2.2.5.RELEASE
		 
	
	com.example
	jdHighLight
	0.0.1-SNAPSHOT
	jdHighLight
	Demo project for Spring Boot

	
		1.8
		7.6.1
	

	
		
		
		
			org.jsoup
			jsoup
			1.10.2
		
		
		
			com.alibaba
			fastjson
			1.2.70
		
		
		
			org.springframework.boot
			spring-boot-starter-data-elasticsearch
		
		
		
			org.springframework.boot
			spring-boot-starter-thymeleaf
		
		
		
			org.springframework.boot
			spring-boot-starter-web
		
		
		
			org.springframework.boot
			spring-boot-devtools
			runtime
			true
		
		
		
			org.springframework.boot
			spring-boot-configuration-processor
			true
		
		
		
			org.projectlombok
			lombok
			true
		
		
		
			org.springframework.boot
			spring-boot-starter-test
			test