JavaEE 企业级分布式高级架构师（十七）ElasticSearch全文检索（3）-CSDN博客

本文链接：https://blog.csdn.net/yangwei234/article/details/108942582

实操篇

使用Restful接口访问ES

ES的接口语法

curl -X<VERB> '<PROTOCOL>://<HOST>:<PORT>/<PATH>?<QUERY_STRING>' -d '<BODY>'

其中：

参数	解释
VERB	适当的 HTTP 方法或谓词 : GET、 POST、 PUT、 HEAD 或者 DELETE。
PROTOCOL	http 或 https(如果你在 Elasticsearch 前面有一个 https 代理)
HOST	Elasticsearch 集群中任意节点的主机名，或者用 localhost 代表本地机器上的节点。
PORT	运行 Elasticsearch HTTP 服务的端口号，默认是 9200 。
PATH	API 的终端路径(例如 _count 将返回集群中文档数量)。Path 可能包含多个组件，例如: _cluster/stats 和 _nodes/stats/jvm
QUERY_STRING	任意可选的查询字符串参数 (例如 ?pretty 将格式化地输出 JSON 返回值，使其更容易阅读)
BODY	一个 JSON 格式的请求体 (如果请求需要的话)

下面我们通过使用 Kibana 的 DevTools 操作 ES

ES集群信息查看

查看cluster集群状态：

GET /_cat/health?v

在这里插入图片描述

查看node状态信息：

GET /_nodes/stats/process/?pretty

在这里插入图片描述

查看node的机器使用情况：

GET /_cat/nodes?v

在这里插入图片描述

查看集群索引信息：

GET /_cat/indices?v
# 只显示状态为黄色的
GET /_cat/indices?v&health=yellow
# 根据文档数量降序排列
GET /_cat/indices?v&s=docs.count:desc
# 显示每个索引占的内存
GET /_cat/indices?v&h=i,tm&s=tm:desc

在这里插入图片描述

node使用的磁盘情况：

GET /_cat/allocation?v

在这里插入图片描述

查看文档数：

GET /_cat/count?v

在这里插入图片描述

fieldData的大小：

GET /_cat/fielddata?v
# 查看指定的字段
GET /_cat/fielddata?v&fields=kkb

在这里插入图片描述

主节点信息：

GET /_cat/master?v

在这里插入图片描述

查看分片的恢复信息：里边包涵了很多信息，文件信息和translog信息等

GET /_cat/recovery?v

在这里插入图片描述

查看集群信息列表：返回所有的信息查询url

GET /_cat/

在这里插入图片描述

索引库维护

创建索引index和映射mapping

基本语法：

PUT /{index}
{
	# settings
	# mappings
}

例子：

PUT /blog1
{
  "settings": {
    "index": {
      # 分片数量
      "number_of_shards": "5",
      # 副本集数量
      "number_of_replicas": "1"
    }
  },
  "mappings": {
    "properties": {
      "id": {
        "type": "long",
        "store": true,
        "index": true
      },
      "title": {
        "type": "text",
        "store": true,
        "index": true,
        "analyzer": "standard"
      },
      "content": {
        "type": "text",
        "store": true,
        "index": true,
        "analyzer": "standard"
      }
    }
  }
}

在这里插入图片描述

Field的属性

type：数据类型。
- 数值类型：integer、long、float等
- 字符串类型：keyword、text
  - keyword：不分词，可以创建索引。例如身份证号、订单号等。不需要分词，可以创建索引。就会把field中的内容作为一个完整的关键词，创建索引。
  - text：分词的数据类型。可以指定分词器。（稍后会讲）
- 日期类型等
store：是否存储。
- 取决于是否展示给用户看，或者业务需要。
- 不存储不影响分词，不影响查询，可以节约存储空间。不存储的后果就是无法展示。
index：是否索引。
- 如果不分词也可以选择是否创建索引，不创建索引就无法查询此字段的内容。
analyzer：定义分词器。
- 默认是标准分词器（standardAnalyzer）

创建索引后设置Mapping

不设置mapping也可以向索引库中添加文档，es会根据文档的数据自动识别field的类型。
推荐先设置好mapping然后再添加数据。因为es识别的数据类型未必是我们想要的数据类型。
mapping一旦设置无法修改，只能新增。
设置mapping语法：

POST /{index}/{type}/_mapping
{
	"{type}": {
		"properties": {
			"{field}": {
				# key-value
			}
		}
	}
}

例子：

POST /blog1/_mapping
{
  "properties": {
    "id": {
      "type": "long",
      "store": true,
      "index": true
    },
    "title": {
      "type": "text",
      "store": true,
      "index": true,
      "analyzer": "standard"
    },
    "content": {
      "type": "text",
      "store": true,
      "index": true,
      "analyzer": "standard"
    }
  }
}

在这里插入图片描述

删除索引库

语法：

DELETE /{index}

文档维护

创建文档

基本语法：

PUT /{index}/{type}/{_id}
{
	# 文档内容 key-value
}

例子：

POST /blog1/_doc/1
{
  "id":1,
  "title":"ElasticSearch是一个基于Lucene的搜索服务器",
  "content":"它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。 Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是当前流行的企业级搜索引 擎。设计用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。"
}

在这里插入图片描述

es7中type固定为“_doc”
_id:文档的唯一编号和文档中id属性没有任何关系。通常让二者保持一致。

修改文档

在es中所谓的修改其实就是先删除后添加。
例子：

POST /blog1/_doc/1
{
  "id":1,
  "title":"【修改】ElasticSearch是一个基于Lucene的搜索服务器",
  "content":"【修改】它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。 Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是当前流行的企业级搜索引 擎。设计用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。"
}

在这里插入图片描述

删除文档

语法：

DELETE /{index}/{type}/{_id}

例子：

DELETE /blog1/_doc/1

根据id查询文档

语法：

GET /{index}/{type}/{_id}

例子：

GET /blog1/_doc/1

使用查询表达式(Query DSL)

官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl.html
查询语法：

GET /{index}/{type}/_search
{
	"query": {
		"查询方法": "查询条件"
	}
}

查询全部文档：

GET /{index}/{type}/_search
{
	"query": {
		"match_all": {}
	}
}

根据关键词(term)查询

需要指定在哪个field上查询，查询哪个关键词。
例子：

GET /blog1/_search
{
  "query": {
    "term": {
      "title": "搜索"
    }
  }
}

使用query_string查询，或者match查询

带分词的查询，先对查询内容进行分词处理，然后基于分词的结果查询。
例子：

GET /blog1/_search
{
  "query": {
    "query_string": {
      "default_field": "title", 
      "query": "搜索服务器"
    }
  }
}

在这里插入图片描述

相关度排序：
TF：关键词出现的频率，TF 越高相关度越高，越重要。
DF：关键词在多个文档中出现的频率，DF越高越不重要，相关度越低。

可以设置boots值调节field权重。
在查询时，根据关键词计算每个文档的相关度，给每个文档打分，然后按得分降序排列。

multi_match查询

GET /blog1/_search
{
  "query": {
    "multi_match": {
      "query": "李四",
      "fields": ["name", "address"]
    }
  }
}

bool查询

bool (布尔)过滤器：这是个复合过滤器(compound filter) ，它可以接受多个其他过滤器作为参数，并将这些过滤器结合成各式各样的布尔(逻辑)组合。

GET /{index}/_search
{
  "query": {
    "bool": {
      "must": [
        {}
      ],
      "should": [
        {}
      ],
      "must_not": [
        {}
      ],
      "filter": {}
    }
  }
}

should：对于一个文档，查询列表中，只要有一个查询匹配，那么这个文档就被看成是匹配的。
must_not：对于一个文档，查询列表中的的所有查询都必须都不为真，这个文档才被认为是匹配的。
filter：从ES5.0开始过滤条件需要在添加在bool查询中，filter条件中支持查询条件中的所有查询方法。filter可以配置多个，从而实现多个过滤条件同时生效。
在不需要相关度排序的情况下，推荐使用filter查询，提高查询速度。filter不对文档打分。

其它查询

terms：跟term有点类似，但可以同时指定多个条件，相当于union all的作用，汇聚所有查询的值

{
   "query": {
       "term": {"date": ["2018-09-01","2018-10-03"]}
   }
}

range：范围查询，指定一个范围查询

{
   "query": {
       "range":{
           "age":{   //查询age字段
               "gte":60, //大于等于60
               "lt":70 //小于70
           }
       }
   }
}

exists：所有值不为空，相当于 is not null
missing：所有值为空，相当于 is null

{
   "query": {
       "missing":{
           "field":"age"  // age字段为空的所有数据
       }
   }
}

prefix：前缀搜索

{
   "query": {
       "prefix":{
           "_id":1  // _id 以1开头的数据,不适合值为中文
       }
   }
}

phrase_match：篇幅匹配，不拆词匹配，寻找邻近的几个单词，我理解为精确短语匹配，即查找的短语不会被分词查找

{
   "query": {
       "match_phrase":{
           "content":"china reference"  // content中包含china reference而不是chian 或 reference
       }
   }
}

其他方法：

search_type,match_phrase,fuzzy,and,or,not,limit,size,from,to,gt,gte,lt,lte,field,fields,aggs,count,sum,min,max,avg

高级使用

Mapping映射

如果不添加，生成时系统会默认指定mapping(映射)结构，检索时系统会猜测你想要的类型，如果对系统反馈的不满意，我们就可以手动设置

添加：

PUT /kkb1
{
  "mappings": {
    "properties": {
      "age": {"type": "long"}
    }
  }
}
// 注意——在ES 7.0.0之前，mappings定义需要一个类型名，如：
{
  "mappings": {
    "java": {
      "properties": {
        "age": {"type": "long"}
      }
    }
  }
}

获取：

GET /kkb1/_mapping

在这里插入图片描述

配置 mapping 是对索引字段的映射配置，可以直接对索引文档字段设置。

{
	// 数据类型：一般文本使用text，表示可分词进行模糊查询；keyword表示无法被分词(不需要执行分词器)，用于精确查找
	"type": "text",
	// 分词器：一般使用最大分词 ik_max_word
	"analyzer": "ik_max_word",
	// 字段标准化规则：如把所有字符转为小写
	"normalizer": "normalizer_name",
	// 字段权重：用于查询时评分，关键字段的权重就会高一些，默认都是1；另外查询时可临时指定权重
	"boost": 1.5,
	// 清理脏数据：字符串会被强制转换为整数，浮点数被强制转换为整数，默认为true
	"coerce": true,
	// 自定_all字段：指定某几个字段拼接成自定义
	"copy_to": "field_name",
	// 加快排序、聚合操作，但需要额外存储空间，默认true，对于确定不需要排序和聚合的字段可false
	"doc_values": true,
	// 新字段动态添加 true-无限制 false-数据可写入但该字段不保留，strict-无法写入抛异常
	"dynamic": true,
	// 是否会被索引，但都会存储;可以针对一整个_doc
	"enabled": true,
	// 针对text字段加快排序和聚合(doc_values对text无效)；此项官网建议不开启，非常消耗内存
	"fielddata": false,
	// 是否开启全局预加载，加快查询；此参数只支持text和keyword，keyword默认可用，而text需要设置fielddata属性
	"eager_global_ordinals": true,
	// 格式化 此参数代表可接受的时间格式 3种都接受
	"format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis",
	// 指定字段索引和存储的长度最大值，超过最大值的会被忽略
	"ignore_above": 100,
	// 插入文档时是否忽略类型，默认是false，类型不一致无法插入
	"ignore_malformed": false,
	// 4个可选参数：分词字段默认是positions，其他的默认是docs
	// docs: 索引文档号
	// freqs: 文档号+词频
	// positions: 文档号+词频+位置，通常用来做距离查询
	// offsets: 文档号+词频+位置+偏移量，通常被使用在高亮字段
	"index_options": "docs",
	// 该字段是否会被索引和可查询，默认 true
	"index": true,
	// 可以对一个字段提供多种索引模式，使用text类型做全文检索，也可使用keyword类型做聚合和排序
	"fields": {"raw": {"type": "keyword"}},
	// 用于标准化文档，以便查询时计算文档的相关性，建议不开启
	"norms": true,
	// 可以让值为null的字段显式得可索引、可搜索
	"null_value": "NULL",
	// 词组查询时可以跨词查询，既可变为分词查询，默认100
	"position_increment_gap": 0,
	// 嵌套属性，例如该字段是音乐，音乐还有歌词，类型，歌手等属性
	"properties": {},
	// 查询分词器，一般情况和analyzer对应
	"search_analyzer": "ik_max_word",
	// 用于指定文档评分模型，参数有三个
	// BM25：ES和Lucene默认的评分模型
	// classic：TF/IDF评分
	// boolean：布尔模型评分
	"similarity": "BM25",
	// 默认情况false，其实并不是真没有存储，_source字段里会保存一份原始文档
	// 在某些情况下，store参数有意义，比如一个文档里面有title、date和超大的content字段，如果只想获取title和date
	"store": true,
	// 默认不存储向量信息
	// 支持参数yES(term存储)，with_positions(term + 位置)，with_offsets(term + 偏移量)，with_positions_offsets(term + 位置 + 偏移量)
	// 对快速高亮fast vector highlighter能提升性能，但开启又会加大索引体积，不适合大数据量用
	"term_vector": "no"
}

索引模板

介绍

当索引和文档变多后，我们不能每一个都是手动的设置，这就用到了模板。
模板包涵了settings和mappings信息，通过模式匹配的方式使得多个索引重用一个模板。
- settings：索引的相关配置信息，例如分片数、副本数、tranlog、refresh等，一般使用 elasticsearch.yml 中配置。
- mappings：说明信息，索引是否需要检索，字段类型等等，就是映射的内容设置。

使用

创建模板：

POST /_template/tkkb1?include_type_name=true
{
  "index_patterns": ["kkbt*"],
  "settings": {
    "index.number_of_shards": 2,
    "number_of_replicas": 1
  },
  "mappings": {
    "java": {
      "properties": {
        "age": {
          "type": "long"
        },
        "info": {
          "search_analyzer": "ik_max_word",
          "analyzer": "ik_max_word",
          "type": "text"
        }
      }
    }
  }
}

创建索引：

PUT /kkbt1/java/1
{
  "age": "18",
  "info": "我是程序员"
}

查看索引信息：

GET /kkbt1/_settings
GET /kkbt1/_mapping

删除模板：

DELETE /_template/tkkb1

别名

介绍

类似于数据库的视图，单索引视图可以直接操作，多索引的只能查。

单索引

POST /_aliases
{
  "actions": [
    {
      "add": {
        "index": "kkb1",
        "alias": "kkb"
      }
    }
  ]
}

别名查询：

GET /kkb1/_alias

多索引

POST /_aliases
{
  "actions": [
    {
      "add": {
        "index": "kkb1",
        "alias": "kkb"
      }
    },
    {
      "add": {
        "index": "kkbt1",
        "alias": "kkbt"
      }
    }
  ]
}

别名查询：

GET /kkb1/_alias
GET /kkbt1/_alias

删除别名：

POST /_aliases
{
  "actions": [
    {
      "remove": {
        "index": "kkb1",
        "alias": "kkb"
      }
    }
  ]
}

需要一个一个删除，更新的话先删除后添加。

缓存管理

ES是先写入缓存然后再到磁盘，使用过程中会用到一些缓存类的操作。
强制刷新：虽然ES设置是1秒写一次内存segment，但是可能出现延时。

// 单个
POST /kkb1/_refresh
// 全量
POST /_refresh

清理缓存：缓存过大会引起效率低等情况。

// 单个
POST /kkb1/_cache/clear
// 全量
POST /_cache/clear

分词

使用：在创建mapping的时候对指定的字段添加分词器。

自带分词器

ES 有自带的分词器，但是对中文的支持很不友好，下面简单说下自带的几个分词器，可以通过analyzer 字段来选择分词器。
standard：默认的分词器，对词汇转换成小写切割，去掉标点和助词(a/an/the)，支持中文但是是根据文字单个切分。结果是中文直接按照每个字拆分。

POST /_analyze
{
  "analyzer": "standard",
  "text": "我是一个程序员，咿呀咿呀哟！"
}

simple：通过非字母字符来切割，会过滤掉数字。这个分词粒度比较大，如果不需要太细的搜索，力度大了效率会高，具体看实际场景来使用

POST /_analyze
{
  "analyzer": "simple",
  "text": "我是一个程序员，咿呀咿呀哟！"
}

更多内置的分词器，详见官方地址：https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-analyzers.html

在这里插入图片描述

analysis-ik

官方地址：https://github.com/medcl/elasticsearch-analysis-ik
使用：ik_smart，ik_max_word是ik 的两种分词器
- ik_max_word：会将文本做最细粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,中华人民,中华,华人,人民共和国,人民,人,民,共和国,共和,和,国国,国歌”，会穷尽各种可能的组合。
- ik_smart：会做最粗粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,国歌”。

POST /_analyze
{
  "analyzer": "ik_smart",
  "text": "我是一个程序员，咿呀咿呀哟！"
}

创建ik的mapping 对kkb索引下的text字段设置分词器

POST /kkb/java/_mapping?include_type_name=true
{
  "properties": {
    "info": {
      "type": "text",
      "analyzer": "ik_max_word",
      "search_analyzer": "ik_max_word"
    }
  }
}

存放多个文档值：

POST /kkb/java/1
{
  "info": "我是一个程序员，咿呀咿呀呀!"
}
POST /kkb/java/2
{
  "info": "我是一个产品，咿呀咿呀呀!"
}
POST /kkb/java/3
{
  "info": "程序员要揍产品!"
}

查询：

POST /kkb/fulltext/_search
{
  "query": {
    "match": {
      "info": "程序"
    }
  }
}

结果会根据词库去匹配去匹配，词库配置在IKAnalyzer.cfg.xml 位置

{conf}/analysis-ik/config/IKAnalyzer.cfg.xml 
或者jar里 {plugins}/elasticsearch-analysis-ik- */config/IKAnalyzer.cfg.xml

文件内容：

<?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">custom/mydict.dic;custom/single_word_low_freq.dic</entry>
	<!-- 用户可以在这里配置自己的扩展停止词字典 --> 
	<entry key="ext_stopwords">custom/ext_stopword.dic</entry> 
	<!-- 用户可以在这里配置远程扩展字典  -->
	<entry key="remote_ext_dict">location</entry> 
	<!-- 用户可以在这里配置远程扩展停止词字典 -->
	<entry key="remote_ext_stopwords">http://xxx.com/xxx.dic</entry>
</properties>

可能遇到的错误：java.net.SocketPermission 网络访问权限问题修改jdk/lib/java.policy文件

permission java.net.SocketPermission "*", "connect,resolve";
# 重启

高亮查询highlight

ES有三种高亮：
- plain highlight(默认)
- posting highlight(性能) 对磁盘消耗少，切割的片大
- fast vector highlight(文件) 对大文件检索快

POST /kkb/fulltext/_search
{
  "query": {
    "match": {
      "info": "程序"
    }
  },
  "highlight": {
    "pre_tags": ["<tag1>", "<tag2>"],
    "post_tags": ["</tag1>", "</tag2>"],
    "fields": {
      "info": {}
    }
  }
}

SpringBoot中使用ES

利用ES搜索商品信息

创建项目

定义一个SpringBoot工程 elasticsearch-demo。
引入依赖：

<dependencies>
  <dependency>
    <groupId>org.apache.commons</groupId>
    <artifactId>commons-lang3</artifactId>
  </dependency>
  <dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
  </dependency>

  <!--spring-es-->
  <dependency>
    <groupId>org.springframework.data</groupId>
    <artifactId>spring-data-elasticsearch</artifactId>
  </dependency>

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

代码实现

启动类：

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

yml配置文件：

server:
  port: 8000
spring:
  application:
    name: es-demo
  data:
    # 配置ES集群地址
    elasticsearch:
      cluster-name: yw-es
      cluster-nodes: 192.168.254.120:9300,192.168.254.102:9300,192.168.254.104:9300

repository和pojo：

// 商品信息
@Data
@Accessors(chain = true)
@Document(indexName = "supergo", type = "goods")
public class Goods {
    @Id
    @Field(type = FieldType.Long, store = true)
    private long id;
    @JsonProperty(value = "goods_name")
    @Field(type = FieldType.Text, store = true, analyzer = "ik_max_word")
    private String goodsName;
    @JsonProperty(value = "seller_id")
    @Field(type = FieldType.Keyword, store = true)
    private String sellerId;
    @JsonProperty(value = "nick_name")
    @Field(type = FieldType.Keyword, store = true)
    private String nickName;
    @JsonProperty(value = "brand_id")
    @Field(type = FieldType.Long, store = true)
    private long brandId;
    @JsonProperty(value = "brand_name")
    @Field(type = FieldType.Keyword, store = true)
    private String brandName;
    @JsonProperty(value = "goods_name")
    @Field(type = FieldType.Long, store = true)
    private long category1Id;
    @JsonProperty(value = "goods_name")
    @Field(type = FieldType.Keyword, store = true)
    private String cname1;
    @JsonProperty(value = "category2_id")
    @Field(type = FieldType.Long, store = true)
    private long category2Id;
    @Field(type = FieldType.Keyword, store = true)
    private String cname2;
    @JsonProperty(value = "category3_id")
    @Field(type = FieldType.Long, store = true)
    private long category3Id;
    @Field(type = FieldType.Keyword, store = true)
    private String cname3;
    @JsonProperty(value = "small_pic")
    @Field(type = FieldType.Keyword, store = true, index = false)
    private String smallPic;
    @Field(type = FieldType.Float, store = true)
    private double price;
}
// GoodsRepository
public interface GoodsRepository extends ElasticsearchCrudRepository<Goods, Long>{

}

控制器：

// 搜索结果
@Data
@Accessors(chain = true)
public class SearchResult {
    private List<Goods> goodsList;
    private List<?> aggs;
    private Integer page;
    private Integer totalPage;
}
// api接口
@RestController
public class SearchController {
    @Resource
    private SearchService searchService;

    @GetMapping("/search")
    public SearchResult search(@RequestParam(required = true) String keyword,
                               @RequestParam(required = false) String ev,
                               @RequestParam(defaultValue = "1") int page,
                               @RequestParam(defaultValue = "50") int rows) {
        // 将ev转换成List类型
        List<Map> filters = null;
        if (StringUtils.isNotBlank(ev)) {
            String[] strings = ev.split("\\|");
            filters = Stream.of(strings).map(e -> {
                Map<String, String> fs = new HashMap<>(2);
                fs.put("key", e.split("-")[0]);
                fs.put("value", e.split("-")[1]);
                return fs;
            }).collect(Collectors.toList());
        }
        return searchService.search(keyword, filters, page, rows);
    }
}

service层：

@Service
public class SearchService {
    @Resource
    private ElasticsearchTemplate elasticsearchTemplate;

    public SearchResult search(String queryString, List<Map> filters, int page, int rows) {
        //创建一个查询条件
        NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder()
                .withQuery(QueryBuilders.queryStringQuery(queryString).defaultField("goods_name"))
                //设置分页条件
                .withPageable(PageRequest.of(page, rows))
                //设置聚合条件
                .addAggregation(AggregationBuilders.terms("brand_aggs").field("brand_name"))
                .addAggregation(AggregationBuilders.terms("category_aggs").field("cname3"))
                //设置高亮显示
                .withHighlightFields(new HighlightBuilder.Field("goods_name").preTags("<em>").postTags("</em>"));
        //设置过滤条件
        if (filters != null && !filters.isEmpty()) {
            for (Map filer : filters) {
                queryBuilder.withFilter(QueryBuilders.termQuery((String) filer.get("key"), filer.get("value")));
            }
        }
        //创建查询对象
        NativeSearchQuery query = queryBuilder.build();
        //-----------------
        //执行查询
        AggregatedPage<Goods> aggregatedPage = elasticsearchTemplate.queryForPage(query, Goods.class, new SearchResultMapper() {
            @Override
            public <T> AggregatedPage<T> mapResults(SearchResponse searchResponse, Class<T> clazz, Pageable pageable) {
                List<Goods> goodsList = new ArrayList<>();
                SearchHits searchHits = searchResponse.getHits();
                searchHits.forEach(hits -> {
                    Goods goodsEntity = new Goods();
                    goodsEntity.setId((Long) hits.getSourceAsMap().get("id"))
                            .setGoodsName((String) hits.getSourceAsMap().get("goods_name"))
                            .setSellerId((String) hits.getSourceAsMap().get("seller_id"))
                            .setNickName((String) hits.getSourceAsMap().get("nick_name"))
                            .setBrandId((Integer) hits.getSourceAsMap().get("brand_id"))
                            .setBrandName((String) hits.getSourceAsMap().get("brand_name"))
                            .setCategory1Id((Integer) hits.getSourceAsMap().get("category1_id"))
                            .setCname1((String) hits.getSourceAsMap().get("cname1"))
                            .setCategory2Id((Integer) hits.getSourceAsMap().get("category2_id"))
                            .setCname2((String) hits.getSourceAsMap().get("cname2"))
                            .setCategory3Id((Integer) hits.getSourceAsMap().get("category3_id"))
                            .setCname3((String) hits.getSourceAsMap().get("cname3"))
                            .setSmallPic((String) hits.getSourceAsMap().get("small_pic"))
                            .setPrice((Double) hits.getSourceAsMap().get("price"));
                    //取高亮结果
                    HighlightField highlightField = hits.getHighlightFields().get("goods_name");
                    if (highlightField != null) {
                        String hl = highlightField.getFragments()[0].string();
                        goodsEntity.setGoodsName(hl);
                    }
                    goodsList.add(goodsEntity);
                });
                return new AggregatedPageImpl<>((List<T>) goodsList, pageable, searchHits.totalHits, searchResponse.getAggregations());
            }
        });
        //取商品列表
        List<Goods> content = aggregatedPage.getContent();
        //取聚合结果
        Terms termBrand = (Terms) aggregatedPage.getAggregation("brand_aggs");
        List<String> brandAggsList = termBrand.getBuckets().stream().map(MultiBucketsAggregation.Bucket::getKeyAsString).collect(Collectors.toList());
        Map brandMap = new HashMap(4);
        brandMap.put("name", "品牌");
        brandMap.put("content", brandAggsList);
        brandMap.put("filed", "brand_name");
        Terms termCategory = (Terms) aggregatedPage.getAggregation("category_aggs");
        List<String> categoryAggsList = termCategory.getBuckets().stream().map(MultiBucketsAggregation.Bucket::getKeyAsString).collect(Collectors.toList());
        Map catMap = new HashMap(4);
        catMap.put("name", "分类");
        catMap.put("content", categoryAggsList);
        catMap.put("filed", "cname3");
        List<Map> aggsList = new ArrayList<>();
        aggsList.add(brandMap);
        aggsList.add(catMap);
        //取总记录数
        int totalPages = aggregatedPage.getTotalPages();
        //封装成一个SearchResult对象
        SearchResult searchResult = new SearchResult();
        searchResult.setGoodsList(content);
        searchResult.setAggs(aggsList);
        searchResult.setPage(page);
        searchResult.setTotalPage(totalPages);
        //返回结果
        return searchResult;
    }
}