15.全文检索-ElasticSearch

1 简介

https://www.elastic.co/cn/what-is/elasticsearch

全文搜索属于最常见的需求，开源的 Elasticsearch是目前全文搜索引擎的首选。

它可以快速地储存、搜索和分析海量数据。维基百科、Stack Overflow、Github都采用它

Elastic 的底层是开源库Lucene。但是，你没法直接用Lucene，必须自己写代码去调用它的接口。Elastic是 Lucene的封装，提供了REST API的操作接口，开箱即用。

REST API:天然的跨平台。

官方文档:https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html

官方中文:https://www.elastic.co/guide/cn/elasticsearch/guide/current/foreword_id.html

社区中文：

https://es.xiaoleilu.com/index.html

http://doc.codingdict.com/elasticsearch/0/

2 基础概念

2.1 Index（索引）

动词：相当于MySQL中的 insert

名词：相当于MySQL中的 Database

2.2 Type（类型）

在Index（索引）中，可以定义一个或多个类型。

类似于MySQL中的 Table ;每一种类型的数据放在一起;

2.3 Document（文档）

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

2.4 倒排索引

3 Docker安装

3.1 下载镜像文件

docker pull elasticsearch:7.4.2 # 存储和检索数据

docker pull kibana:7.4.2 # 可视化检索数据

3.2 创建实例

3.2.1 elasticsearch

1、配置映射文件

mkdir -p /mydata/elasticsearch/config
mkdir -p /mydata/elasticsearch/data 
echo "http.host: 0.0.0.0" >/mydata/elasticsearch/config/elasticsearch.yml

2、设置权限

chmod -R 777 /mydata/elasticsearch/

3、启动elasticsearch

docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \
-e  "discovery.type=single-node" \
-e ES_JAVA_OPTS="-Xms64m -Xmx128m" \
-v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
-v  /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
-d elasticsearch:7.4.2 

4、查看9200端口，云服务器记得配置安全组

5、设置开机启动

docker update elasticsearch --restart=always

6、查看elasticsearch日志

docker logs elasticsearch

7、查看所有节点

https://192.168.56.10:9200/_cat/nodes

3.2.2 Kibana

启动Kibana

http://192.168.56.10:9200 改成自己Elasticsearch上的地址

docker run --name kibana -e ELASTICSEARCH_HOSTS=http://192.168.56.10:9200 -p 5601:5601 -d kibana:7.4.2

PS：启动很慢，要等几分钟

设置开机启动

docker update kibana --restart=always

4 初步检索

4.1 _cat

GET /_cat/nodes：查看所有节点

GET /_cat/health：查看es 健康状况

GET /_cat/master：查看主节点

GET /_cat/indices：查看所有索引 show databases;

4.2 索引一个文档（保存）

保存一个数据，保存在哪个索引的哪个类型下，指定用哪个唯一标识

PUT customer/external/1；

在customer索引下的 external类型下保存1号数据为

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

PUT和POST都可以

POST新增。如果不指定id，会自动生成id。指定id就会修改这个数据，并新增版本号

PUT可以新增可以修改。PUT必须指定 id；由于PUT需要指定id，我们一般都用来做修改操作，不指定id会报错。

4.3 查询文档

GET customer/external/1

结果：

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

更新携带：?if_seq_no=0&if_primary_term=1

4.4 更新文档

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

或者

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

或者

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

不同：

POST操作会对比源文档数据，如果相同不会有什么操作，文档version不增加PUT 操作总会将数据重新保存并增加version 版本;

带_update对比元数据如果一样就不进行任何操作。

看场景：

对于大并发更新，不带update；

对于大并发查询偶尔更新，带update对比更新，重新计算分配规则。

更新的同时增加属性

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

PUT 和 POST 不带 _update 也可以

4.5 删除文档&索引

DELETE customer/external/1

DELETE customer

4.6 bulk批量API

示例：

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

语法格式：

{action:{metadata}}
{request body}
{action:{metadata}}
{request body}

复杂实例：

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

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

4.7 样本测试数据

地址：https://raw.githubusercontent.com/elastic/elasticsearch/7.4/docs/src/test/resources/accounts.json

POST /bank/account/_bulk

5 进阶检索

5.1 SearchAPI

ES支持两种基本方式检索∶

• 一个是通过使用 REST request URI 发送搜索参数（ uri+检索参数)

• 另一个是通过使用 REST request body来 发送它们(uri请求体)

检索信息

• 一切检索从 _search 开始

GET bank/_search：检索bank下所有信息，包括type和docs

GET bank/_search?q=*&sort=account_number:asc：请求参数方式检索

响应结果解释：

took：Elasticsearch执行搜索的时间（毫秒)

time_out：告诉我们搜索是否超时

_shards：告诉我们多少个分片被搜索了，以及统计了成功/失败的搜索分片

hits：搜索结果

hits.total：搜索结果

hits.hits：实际的搜索结果数组（默认为前10 的文档)

sort：结果的排序key(键)（没有则按score排序)

score和 max_score：相关性得分和最高得分（全文检索用)

URI + 请求体进行检索：

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

HTTP客户端工具(POSTMAN), get 请求不能携带请求体，我们变为post也是一样的我们POST一个JSON风格的查询请求体到_search APl。

需要了解，一旦搜索的结果被返回，Elasticsearch就完成了这次请求，并且不会维护任何服务端的资源或者结果的cursor（游标)

5.2 Query DSL

5.2.1 基本语法格式

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

• 一个查询语句的典型结构

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

• 如果是针对某个字段，那么它的结构如下

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

示例：

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

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

5.2.2 返回部分字段

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

5.2.3 match【匹配查询】

• 基本类型（非字符串），精确匹配

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

match 返回 account_number=20 的

• 字符串，全文检索

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

全文检索按照评分进行排序，会对检索条件进行分词匹配

精确匹配

GET bank/_search
{
    "query":{
        "match":{
            "address.keyword":"789 Madison"
        }
    }
}

5.2.4 match_phase【短语匹配】

将需要匹配的值当成一个整体单词（不分词）进行检索

GET bank/_search
{
    "query":{
        "match_phase":{
            "address":"mill_road"
        }
    }
}

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

5.2.5 multi_match【多字段匹配】

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

5.2.6 bool【复合查询】

bool 用来做复合查询

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

• must：必须达到的条件

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

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

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

• must_not 必须不是指定的情况

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

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

事件	描述
must	子句（查询）必须出现在匹配的文档中，并将有助于得分
filter	子句（查询）必须出现在匹配的文档中，然而不像must，此查询的分数将被忽略
should	子句（查询）应出现在匹配文档中，在bool查询中不包含must或filter子句，一个或多个should子句条件的最小数目可通过设置 minimum_should_match参数
must_not	子句（查询）不能出现在匹配的文档中

5.2.7 filter【结果过滤】

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

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

5.2.8 term

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

GET bank/_search
{
    "query":{
        "term":{
            "balance":"32838"
        }
    }
}

5.2.9 aggregations【执行聚合】

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

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

GET bank/_search
{
    "query":{
        "match":{
            "address":"mill"
        }
    },
    "aggs":{
        "ageAgg":{
            "terms":{
                "field":"age",
                "size":10
            }
        },
        "ageAvg":{
            "avg":{
                "field":"age"
            }
        },
        "balanceAvg":{
            "avg":{
                "field":"balance"
            }
        }
    },
    "size":0
}

size：0，不显示搜索数据

aggs：执行聚合，聚合语法如下

"aggs":{
    "aggs_name 聚合的名字":{
        "AGG_TYPE 聚合的类型(avg, term, terms)":{}
    }
}

复杂示例

• 按照年龄聚合，并且请求这些年龄段的这些人的平均薪资

GET bank/_search
{
  "query": {
    "match_all": {}
  },
  "aggs": {
    "ageAgg": {
      "terms": {
        "field": "age",
        "size": 100
      },
      "aggs": {
        "ageAvg": {
          "avg": {
            "field": "balance"
          }
        }
      }
    }
  }
}

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

GET bank/_search
{
  "query": {
    "match_all": {}
  },
  "aggs": {
    "ageAgg": {
      "terms": {
        "field": "age",
        "size": 100
      },
      "aggs": {
        "genderAgg": {
          "terms": {
            "field": "gender.keyword",
            "size": 10
          },
          "aggs": {
            "genderBalanceAvg": {
              "avg": {
                "field": "balance"
              }
            }
          }
        },
        "ageBalanceAvg":{
          "avg": {
            "field": "balance"
          }
        }
      }
    }
  },
  "size": 0
}

5.3 Mapping

5.3.1 字段类型

核心类型

字符串（string）

• text
• keyword

数字类型（Numeric）

• long
• integer
• short
• byte
• double
• float
• half_float
• scaled_float

日期类型（Date）

• date

布尔类型（Boolean）

• boolean

二进制类型（binary）

• binary

复合类型

数组类型（Array）

• Array：支持不针对特定的类型

对象类型（Object）

• object：用于单JSON对象

嵌套类型（Nested）

• nested：用于JSON对象数组

地理类型（Geo）

地理坐标（Geo-points）

• geo_point：用于描述经纬度坐标

地理图形（Geo-Shape）

• geo_shape：用于描述复杂形状，如多边形

特定类型

IP类型

• ip：用于描述 ipv4 和 ipv6 地址

补全类型(Completion )

• completion：提供自动完成提示

令牌计数类型(Token count )

• token_count用于统计李符串中的词条数量

附件类型( attachment )

• 参考mapper-attachements插件，支持将附件如Microsof Оffice格式，Open Document格式，ePub，HTML等等索引为attachment数据类型.

抽取类型(Percolator )

• 接受特定领域查询语言(query-dsl)的查询

5.3.2 映射

Mapping（映射)

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

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

查看mapping信息：

GET bank/_mapping

修改 mapping 信息

https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping.html

自动猜测的映射类型

JSON type	域 type
布尔型：true 或者 false	boolean
整数：123	long
浮点数：123.45	double
字符串，有效日期：2014-09-15	date
字符串：foo bar	string

5.3.3 新版本变化

Es7及以上移除了type的概念。

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

Elasticsearch 7.x

• URL中的type参数为可选。比如，索引一个文档不再要求提供文档类型。

Elasticsearch 8.x

• 不再支持URL中的type参数。

解决:

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

创建映射

创建索引 my_index 并指定映射

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

添加新的字段映射

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

更新映射

对于已经存在的映射字段，我们不能更新。更新必须创建新的索引进行数据迁移

数据迁移

先创建出new_twitter的正确映射。然后使用如下方式进行数据迁移

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

将旧索引的type下的数据进行迁移

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

示例：

创建 newbank 索引

PUT /newbank
{
  "mappings": {
    "properties": {
      "account_number":{
        "type": "long"
      },
      "address":{
        "type": "text"
      },
      "age":{
        "type":"integer"
      },
      "balance": {
        "type":"long"
      },
      "city" :{
        "type": "keyword"
      },
      "email":{
        "type": "keyword"
      },
      "employer":{
        "type":"keyword"
      },
      "firstname":{
        "type": "text"
      },
      "gender":{
        "type": "keyword"
      },
      "lastname":{
        "type": "text",
        "fields":{
          "keyword":{
            "type":"keyword",
            "ignore_above":256
          }
        }
      },
      "state":{
        "type": "keyword"
      }
    }
  }
}

数据转移

POST _reindex
{
  "source":{
    "index":"bank",
    "type":"account"
  },
  "dest":{
    "index":"newbank"
  }
}

5.4 分词

一个tokenizer(分词器）接收一个字符流，将之分割为独立的tokens(词元，通常是独立的单词)，然后输出tokens流。

例如，whitespace tokenizer遇到空白字符时分割文本。它会将文本“Quick brown fox!"分割为**[Quick, brown, fox!]**。

该tokenizer(分词器)还负责记录各个term(词条)的顺序或position位置(用于phrase短语和word proximity词近邻查询），以及term(词条）所代表的原始word（单词）的start(起始）和end(结束）的character offsets(字符偏移量）(用于高亮显示搜索的内容）。Elasticsearch提供了很多内置的分词器，可以用来构建custom analyzers(自定义分词器）。

5.4.1 安装ik分词器

**注意：**不能用默认elasticsearch-plugin install xoox.zip进行自动安装

**下载地址：**https://github.com/medcl/elasticsearch-analysis-ik/releases/tag/v7.4.2

将压缩包解压后的文件放入==/mydata/elasticsearch/plugins==路径下

设置权限

chmod -R 777 ik/

确认插件是否安装完成

1. 进入es容器内部，docker exec -it 容器id /bin/bash
2. 进入bin目录，输入elasticsearch-plugin list

重启elasticsearch

docker restart elasticsearch

测试分词器

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

5.4.2 重新配置es

1. 修改虚拟机内存大小为3G

2. 停止es，docker stop elasticsearch

3. 移除es，docker rm elasticsearch

4. 创建新的es

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

5. 设置开机自启：docker update elasticsearch --restart=always

5.4.3 安装nginx

• 在 mydata 目录下新建一个 nginx 目录
  

• 随便启动一个 nginx 实例，只是为了复制出配置：docker run -p 80:80 --name nginx -d nginx:1.10

• 将容器内的配置文件拷贝到当前目录，注意在mydata目录下执行命令：docker container cp nginx:/etc/nginx .

• 将nginx目录下的所有文件放入conf目录下

• 停止 nginx 容器：docker stop nginx

• 删除 nginx 容器：docker rm nginx

• 创建新的 nginx 容器：

  docker run -p 80:80 --name nginx \
  -v /mydata/nginx/html:/usr/share/nginx/html \
  -v /mydata/nginx/logs:/var/log/nginx \
  -v /mydata/nginx/conf:/etc/nginx \
  -d nginx:1.10
  

• 进入 /mydata/nginx/html 创建 index.html，写入

  gulimall

  ，到地址http://192.168.56.10/查看

• 设置开机自启：docker update nginx --restart=always

5.4.2 自定义词库

• 创建es分词表

  # 在html目录下
  mkdir es
  
  cd es
  
  vim fenci.txt # 写入一些词语
  

• 修改/mydata/elasticsearch/plugins/ik/config 中的 IKAnalyzer.cfg.xml

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
        <comment>IK Analyzer 扩展配置</comment>
        <!--用户可以在这里配置自己的扩展字典 -->
        <entry key="ext_dict"></entry>
         <!--用户可以在这里配置自己的扩展停止词字典-->
        <entry key="ext_stopwords"></entry>
        <!--用户可以在这里配置远程扩展字典 -->
         <entry key="remote_ext_dict">http://192.168.56.10/es/fenci.txt</entry>
        <!--用户可以在这里配置远程扩展停止词字典-->
        <!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

• 重启elasticsearch：docker restart elasticsearch

• 测试分词

  POST _analyze
  {
    "analyzer": "ik_smart",
    "text": "尚硅谷教育"
  }
  

  

6 Elasticsearch-Rest-Client

6.1 简介

9300：TCP

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

9200：HTTP

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

最终选择Elasticsearch-Rest-Client (elasticsearch-rest-high-level-client)

https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/java-rest-high.html

6.2 整合springboot

1、新建模块

2、依赖选择Spring Web

3、导入依赖，修改版本

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

<dependency>
    <groupId>com.atguigu.gulimall</groupId>
    <artifactId>gulimall-common</artifactId>
    <version>0.0.1-SNAPSHOT</version>
</dependency>

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

4、编写配置类config.GulimallElasticSearchConfig，给容器注入一个RestHighLevelClient

@Configuration
public class GulimallElasticSearchConfig {

    @Bean
    public RestHighLevelClient restHighLevelClient() {

        RestHighLevelClient client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("192.168.56.10", 9200, "http")));

        return client;
    }
}

5、注册进nacos，地址，名字，注解

application.properties

spring.cloud.nacos.discovery.server-addr=127.0.0.1:8848

spring.application.name=gulimall-search

GulimallSearchApplication.java

这里排除DataSourceAutoConfiguration，因为在common里导入了mybatis依赖，而在search模块里我们没有配置数据库，运行时会报错

@EnableDiscoveryClient
@SpringBootApplication(exclude = DataSourceAutoConfiguration.class)
public class GulimallSearchApplication {

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

}

6、测试

坑：报错Failed to process import candidates for configuration class [com.atguigu.gulimall.search.GulimallSearchApplication]; nested exception is java.lang.IllegalArgumentException: Could not find class [org.springframework.cloud.client.loadbalancer.reactive.OnNoRibbonDefaultCondition]

**问题原因：**可能是spring cloud的版本又对不上了

**解决方法：**修改spring cloud的版本，完整pom.xml：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>2.6.6</version>
        <relativePath/> <!-- lookup parent from repository -->
    </parent>
    <groupId>com.atguigu.gulimall</groupId>
    <artifactId>gulimall-search</artifactId>
    <version>0.0.1-SNAPSHOT</version>
    <name>gulimall-search</name>
    <description>Demo project for Spring Boot</description>
    <properties>
        <java.version>1.8</java.version>
        <elasticsearch.version>7.4.2</elasticsearch.version>
        <spring-cloud.version>2021.0.1</spring-cloud.version>
    </properties>
    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>

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

        <dependency>
            <groupId>com.atguigu.gulimall</groupId>
            <artifactId>gulimall-common</artifactId>
            <version>0.0.1-SNAPSHOT</version>
        </dependency>
    </dependencies>

    <dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>org.springframework.cloud</groupId>
                <artifactId>spring-cloud-dependencies</artifactId>
                <version>${spring-cloud.version}</version>
                <type>pom</type>
                <scope>import</scope>
            </dependency>
        </dependencies>
    </dependencyManagement>

    <build>
        <plugins>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
            </plugin>
        </plugins>
    </build>

</project>

测试方法

@SpringBootTest
class GulimallSearchApplicationTests {

    @Autowired
    RestHighLevelClient client;

    @Test
    void test1() {
        System.out.println(client);
    }
}

6.3 测试保存数据

1、修改GulimallElasticSearchConfig

@Configuration
public class GulimallElasticSearchConfig {

    public static final RequestOptions COMMON_OPTIONS;

    static {
        RequestOptions.Builder builder = RequestOptions.DEFAULT.toBuilder();

        COMMON_OPTIONS = builder.build();
    }

    @Bean
    public RestHighLevelClient restHighLevelClient() {

        RestHighLevelClient client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("192.168.56.10", 9200, "http")));

        return client;
    }
}

2、测试

导入依赖fastjson

<dependency>
    <groupId>com.alibaba</groupId>
    <artifactId>fastjson</artifactId>
    <version>1.2.28</version>
</dependency>

测试代码

@Test
void test2() throws IOException {
    // 创建索引
    IndexRequest indexRequest = new IndexRequest("users");
    indexRequest.id("1"); // 数据的id
    User user = new User("张三", "男", 18);
    String jsonString = JSON.toJSONString(user);
    indexRequest.source(jsonString, XContentType.JSON);

    // 执行操作
    IndexResponse index = client.index(indexRequest, GulimallElasticSearchConfig.COMMON_OPTIONS);

    // 提取有用的响应数据
    System.out.println(index);
}

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

6.4 测试复杂检索

1、创建Account类

@Data
@AllArgsConstructor
@NoArgsConstructor
public class Account {

    private int account_number;
    private int balance;
    private String firstname;
    private String lastname;
    private int age;
    private String gender;
    private String address;
    private String employer;
    private String email;
    private String city;
    private String state;

}

2、测试代码

@Test
void test3() throws IOException {
    // 1. 创建检索请求
    SearchRequest searchRequest = new SearchRequest();
    // 2. 指定索引
    searchRequest.indices("bank");
    // 3. 指定DSL，检索条件
    SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
    // 4. 构造检索条件
    sourceBuilder.query(QueryBuilders.matchQuery("address", "mill"));

    // 4.1. 按照年龄的值分布进行聚合
    TermsAggregationBuilder ageAgg = AggregationBuilders.terms("ageAgg").field("age").size(10);
    sourceBuilder.aggregation(ageAgg);

    // 4.2. 计算平均薪资
    AvgAggregationBuilder balanceAvg = AggregationBuilders.avg("balanceAvg").field("balance");
    sourceBuilder.aggregation(balanceAvg);

    System.out.println(sourceBuilder);
    searchRequest.source(sourceBuilder);

    // 5. 执行检索
    SearchResponse searchResponse = client.search(searchRequest, GulimallElasticSearchConfig.COMMON_OPTIONS);

    // 6. 分析结果
    System.out.println(searchResponse.toString());

    // 6.1. 获取所有查到的数据
    SearchHits hits = searchResponse.getHits();
    SearchHit[] searchHits = hits.getHits();
    for (SearchHit hit : searchHits) {
        String sourceAsString = hit.getSourceAsString();
        Account account = JSON.parseObject(sourceAsString, Account.class);
        System.out.println("Account：" + account);
    }

    // 6.2 获取这次所检索到的聚合信息
    Aggregations aggregations = searchResponse.getAggregations();
    Terms ageAgg1 = aggregations.get("ageAgg");
    for (Terms.Bucket bucket : ageAgg1.getBuckets()) {
        String keyAsString = bucket.getKeyAsString();
        System.out.println("年龄：" + keyAsString);
    }

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