|
|
|
|
|
|
|
|
# ElasticSearch
|
|
|
|
|
|
# 一、ElasticSearch概述
|
|
|
|
|
|
## 1.ElasticSearch介绍
|
|
|
|
|
|
  ES 是一个开源的**高扩展的分布式全文搜索引擎**，是整个Elastic Stack技术栈的核心。它可以近乎实时的存储，检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。
|
|
|
|
|
|
  ElasticSearch的底层是开源库Lucene，但是你没办法直接用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。天然的跨平台。
|
|
|
|
|
|
  全文检索是我们在实际项目开发中最常见的需求了，而ElasticSearch是目前全文检索引擎的首选，它可以快速的存储，搜索和分析海量的数据，维基百科，GitHub，Stack Overflow都采用了ElasticSearch。
|
|
|
|
|
|
官方网站：https://www.elastic.co/cn/elasticsearch/
|
|
|
|
|
|
中文社区：https://elasticsearch.cn/explore/
|
|
|
|
|
|
## 2.ElasticSearch用途
|
|
|
|
|
|
1. 搜索的数据对象是大量的非结构化的文本数据。
|
|
|
2. 文件记录达到数十万或数百万个甚至更多。
|
|
|
3. 支持大量基于交互式文本的查询。
|
|
|
4. 需求非常灵活的全文搜索查询。
|
|
|
5. 对高度相关的搜索结果的有特殊需求，但是没有可用的关系数据库可以满足。
|
|
|
6. 对不同记录类型，非文本数据操作或安全事务处理的需求相对较少的情况。
|
|
|
|
|
|
## 3. ElasticSearch基本概念
|
|
|
|
|
|
|
|
|
|
|
|
### 3.1 索引
|
|
|
|
|
|
  索引（indices）在这儿很容易和MySQL数据库中的索引产生混淆，其实是和MySQL数据库中的Databases数据库的概念是一致的。
|
|
|
|
|
|
### 3.2 类型
|
|
|
|
|
|
  类型(Type),对应的其实就是数据库中的 Table(数据表)，类型是模拟mysql中的table概念，一个索引库下可以有不同类型的索引，比如商品索引，订单索引，其数据格式不同。
|
|
|
|
|
|
### 3.3 文档
|
|
|
|
|
|
  文档(Document),对应的就是具体数据行(Row)
|
|
|
|
|
|
### 3.4 字段
|
|
|
|
|
|
  字段(field)相对于数据表中的列，也就是文档中的属性。
|
|
|
|
|
|
## 4. 倒排索引
|
|
|
|
|
|
  Elasticsearch是通过Lucene的倒排索引技术实现比关系型数据库更快的过滤。特别是它对多条件的过滤支持非常好.
|
|
|
|
|
|
  倒排索引是搜索引擎的核心。搜索引擎的主要目标是在查找发生搜索条件的文档时提供快速搜索。ES中的倒排索引其实就是 lucene 的倒排索引，区别于传统的正向索引，倒排索引会再存储数据时将关键词和数据进行关联，保存到倒排表中，然后查询时，将查询内容进行分词后在倒排表中进行查询，最后匹配数据即可。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
具体拆解的案例
|
|
|
|
|
|
| 词 | 记录 |
|
|
|
| ------ | ------------- |
|
|
|
| 红海 | 1，2，3，4，5 |
|
|
|
| 行动 | 1，2，3 |
|
|
|
| 探索 | 2，5 |
|
|
|
| 特别 | 3，5 |
|
|
|
| 记录篇 | 4 |
|
|
|
| 特工 | 5 |
|
|
|
|
|
|
保存的对应的记录为
|
|
|
|
|
|
> 1-红海行动
|
|
|
>
|
|
|
> 2-探索红海行动
|
|
|
>
|
|
|
> 3-红海特别行动
|
|
|
>
|
|
|
> 4-红海记录篇
|
|
|
>
|
|
|
> 5-特工红海特别探索
|
|
|
|
|
|
分词：将整句分拆为单词
|
|
|
|
|
|
检索信息：
|
|
|
|
|
|
1. 红海特工行动?
|
|
|
2. 红海行动？
|
|
|
|
|
|
# 二、ElasticSearch相关安装
|
|
|
|
|
|
|
|
|
|
|
|
## 1.Elasticsearch安装
|
|
|
|
|
|
  ElasticSearch安装就相当于安装MySQL数据库。
|
|
|
|
|
|
下载对应的镜像文件
|
|
|
|
|
|
```shell
|
|
|
docker pull elasticsearch:7.4.2
|
|
|
```
|
|
|
|
|
|
创建需要挂载的目录
|
|
|
|
|
|
> mkdir -p /mydata/elasticsearch/config
|
|
|
>
|
|
|
> mkdir -p /mydata/elasticsearch/data
|
|
|
>
|
|
|
> echo "http.host : 0.0.0.0" >> /mydata/elasticsearch/config/elasticsearch.yml
|
|
|
|
|
|
安装ElasticSearch容器
|
|
|
|
|
|
> 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
|
|
|
|
|
|
启动异常：
|
|
|
|
|
|
elasticsearch.yml配置文件的 `:` 两边需要添加空格
|
|
|
|
|
|
还有就是访问的文件权限问题：
|
|
|
|
|
|
|
|
|
|
|
|
没有权限我们就添加权限就可以了
|
|
|
|
|
|
chmod -R 777 /mydata/elasticsearch/
|
|
|
|
|
|
然后我们就可以启动容器了
|
|
|
|
|
|
docker start 容器编号
|
|
|
|
|
|
|
|
|
|
|
|
然后测试访问：http://192.168.56.100:9200
|
|
|
|
|
|
|
|
|
|
|
|
看到这个效果表示安装成功！
|
|
|
|
|
|
## 2.Kibanan安装
|
|
|
|
|
|
  Kibanan的安装就相当于安装MySQL的客户端SQLYog。
|
|
|
|
|
|
下载镜像文件
|
|
|
|
|
|
```shell
|
|
|
docker pull kibana:7.4.2
|
|
|
```
|
|
|
|
|
|
启动容器的命令
|
|
|
|
|
|
> docker run --name kibana -e ELASTICSEARCH_HOSTS=http://192.168.56.100:9200 -p 5601:5601 -d kibana:7.4.2
|
|
|
|
|
|
测试访问：http://192.168.56.100:5601
|
|
|
|
|
|
|
|
|
|
|
|
如果查看日志：docker logs 容器编号
|
|
|
|
|
|
|
|
|
|
|
|
那么我们就手动的进入容器中修改ElasticSearch的服务地址
|
|
|
|
|
|
> docker exec -it 容器编号 /bin/bash
|
|
|
>
|
|
|
> 进入config目录
|
|
|
>
|
|
|
> cd config
|
|
|
>
|
|
|
> 修改kibana.yml文件中的ElasticSearch的服务地址
|
|
|
|
|
|
|
|
|
|
|
|
然后我们重启Kibana服务
|
|
|
|
|
|
|
|
|
|
|
|
看到如下界面表示安装启动成功
|
|
|
|
|
|
|
|
|
|
|
|
# 三、ElasticSearch入门
|
|
|
|
|
|
## 1._cat
|
|
|
|
|
|
| _cat接口 | 说明 |
|
|
|
| ----------------- | ---------------- |
|
|
|
| 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 | 查看所有索引信息 |
|
|
|
|
|
|
/_cat/indices?v 查看所有的索引信息
|
|
|
|
|
|
|
|
|
|
|
|
es 中会默认提供上面的几个索引，表头的含义为：
|
|
|
|
|
|
| 字段名 | 含义说明 |
|
|
|
| -------------- | ------------------------------------------------------------ |
|
|
|
| health | green(集群完整) yellow(单点正常、集群不完整) red(单点不正常) |
|
|
|
| status | 是否能使用 |
|
|
|
| index | 索引名 |
|
|
|
| uuid | 索引统一编号 |
|
|
|
| pri | 主节点几个 |
|
|
|
| rep | 从节点几个 |
|
|
|
| docs.count | 文档数 |
|
|
|
| docs.deleted | 文档被删了多少 |
|
|
|
| store.size | 整体占空间大小 |
|
|
|
| pri.store.size | 主节点占 |
|
|
|
|
|
|
## 2.索引操作
|
|
|
|
|
|
索引就相当于我们讲的关系型数据库MySQL中的 database
|
|
|
|
|
|
### 2.1 创建索引
|
|
|
|
|
|
> PUT /索引名
|
|
|
|
|
|
参数可选：指定分片及副本，默认分片为3，副本为2。
|
|
|
|
|
|
```json
|
|
|
{
|
|
|
"settings": {
|
|
|
"number_of_shards": 3,
|
|
|
"number_of_replicas": 2
|
|
|
}
|
|
|
}
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
### 2.2 查看索引信息
|
|
|
|
|
|
> GET /索引名
|
|
|
|
|
|
|
|
|
|
|
|
或者，我们可以使用*来查询所有索引具体信息
|
|
|
|
|
|
|
|
|
|
|
|
### 2.3 删除索引
|
|
|
|
|
|
> DELETE /索引名称
|
|
|
|
|
|
|
|
|
|
|
|
## 3.文档操作
|
|
|
|
|
|
文档相当于数据库中的表结构中的Row记录
|
|
|
|
|
|
### 3.1 创建文档
|
|
|
|
|
|
> PUT /索引名称/类型名/编号
|
|
|
|
|
|
数据
|
|
|
|
|
|
```json
|
|
|
{
|
|
|
"name":"bobo"
|
|
|
}
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
| 提交方式 | 描述 |
|
|
|
| -------- | ----------------------------------------------------------------- |
|
|
|
| PUT | 提交的id如果不存在就是新增操作，如果存在就是更新操作，id不能为空 |
|
|
|
| POST | 如果不提供id会自动生成一个id,如果id存在就更新，如果id不存在就新增 |
|
|
|
|
|
|
> POST /索引名称/类型名/编号
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
### 3.2 查询文档
|
|
|
|
|
|
> GET /索引/类型/id
|
|
|
|
|
|
|
|
|
|
|
|
返回字段的含义
|
|
|
|
|
|
| 字段 | 含义 |
|
|
|
| ------------- | -------------------------------------------- |
|
|
|
| _index | 索引名称 |
|
|
|
| _type | 类型名称 |
|
|
|
| _id | 记录id |
|
|
|
| _version | 版本号 |
|
|
|
| _seq_no | 并发控制字段，每次更新都会+1，用来实现乐观锁 |
|
|
|
| _primary_term | 同上，主分片重新分配，如重启，就会发生变化 |
|
|
|
| found | 找到结果 |
|
|
|
| _source | 真正的数据内容 |
|
|
|
|
|
|
乐观锁： ?if_seq_no=0&if_primary_term=1
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
### 3.3 更新文档
|
|
|
|
|
|
  前面的POST和PUT添加数据的时候，如果id存在就会执行更新文档的操作，当然我们也可以通过POST方式提交，然后显示的跟上_update来实现更新
|
|
|
|
|
|
> POST /索引/类型/id/_update
|
|
|
|
|
|
```json
|
|
|
{
|
|
|
"doc":{
|
|
|
"name":"bobo666"
|
|
|
}
|
|
|
}
|
|
|
```
|
|
|
|
|
|
这种方式来更新，只是这种方式的更新如果数据没有变化则不会操作。
|
|
|
|
|
|
|
|
|
|
|
|
如果更新的数据和文档中的数据是一样的，那么POST方式提交是不会有任何操作的
|
|
|
|
|
|
|
|
|
|
|
|
### 3.4 删除文档
|
|
|
|
|
|
> DELETE /索引/类型/id
|
|
|
>
|
|
|
> DELETE /索引
|
|
|
|
|
|
|
|
|
|
|
|
### 3.5 测试数据
|
|
|
|
|
|
_bulk批量操作，语法格式
|
|
|
|
|
|
```json
|
|
|
{action:{metadata}}\n
|
|
|
{request body }\n
|
|
|
{action:{metadata}}\n
|
|
|
{request body }\n
|
|
|
```
|
|
|
|
|
|
案例
|
|
|
|
|
|
```json
|
|
|
POST /bobo/system/_bulk
|
|
|
{"index":{"_id":"1"}}
|
|
|
{"name":"dpb"}
|
|
|
{"index":{"_id":"2"}}
|
|
|
{"name":"dpb2"}
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
复杂点的案例：
|
|
|
|
|
|
```json
|
|
|
POST /_bulk
|
|
|
{"delete":{"_index":"website","_type":"blog","_id":"123"}}
|
|
|
{"create":{"_index":"website","_type":"blog","_id":"123"}}
|
|
|
{"title":"My first bolg post ..."}
|
|
|
{"index":{"_index":"website","_type":"blog"}}
|
|
|
{"title":"My second blog post ..."}
|
|
|
{"update":{"_index":"website","_type":"blog","_id":"123"}}
|
|
|
{"doc":{"title":"My updated blog post ..."}}
|
|
|
|
|
|
```
|
|
|
|
|
|
官方测试数据：[https://github.com/elastic/elasticsearch/blob/master/docs/src/test/resources/accounts.json](https://github.com/elastic/elasticsearch/blob/master/docs/src/test/resources/accounts.json)
|
|
|
|
|
|
# 四、ElasticSearch进阶
|
|
|
|
|
|
https://www.elastic.co/guide/en/elasticsearch/reference/7.4/getting-started-search.html
|
|
|
|
|
|
## 1.ES中的检索方式
|
|
|
|
|
|
在ElasticSearch中支持两种检索方式
|
|
|
|
|
|
1. 通过使用REST request URL 发送检索参数(uri+检索参数)
|
|
|
2. 通过使用 REST request body 来发送检索参数 (uri+请求体)
|
|
|
|
|
|
### 第一种方式
|
|
|
|
|
|
> GET bank/_search # 检索bank下的所有信息，包括 type 和 docs
|
|
|
>
|
|
|
> GET bank/_search?q=*&sort=account_number:asc
|
|
|
|
|
|
响应结果信息
|
|
|
|
|
|
| 信息 | 描述 |
|
|
|
| ---------------- | --------------------------------------------- |
|
|
|
| took | ElasticSearch执行搜索的时间(毫秒) |
|
|
|
| time_out | 搜索是否超时 |
|
|
|
| _shards | 有多少个分片被搜索了，统计成功/失败的搜索分片 |
|
|
|
| hits | 搜索结果 |
|
|
|
| hits.total | 搜索结果统计 |
|
|
|
| hits.hits | 实际的搜索结果数组(默认为前10条文档) |
|
|
|
| sort | 结果的排序key，没有就按照score排序 |
|
|
|
| score和max_score | 相关性得分和最高分(全文检索使用) |
|
|
|
|
|
|
|
|
|
|
|
|
### 第二种方式
|
|
|
|
|
|
通过使用 REST request body 来反射检索参数 (uri+请求体)
|
|
|
|
|
|
> GET bank/_search
|
|
|
|
|
|
```json
|
|
|
{
|
|
|
"query":{
|
|
|
"match_all":{}
|
|
|
},
|
|
|
"sort":[
|
|
|
{
|
|
|
"account_number":"desc"
|
|
|
}
|
|
|
]
|
|
|
}
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
## 2.Query DSL
|
|
|
|
|
|
### 2.1 基本语法
|
|
|
|
|
|
  ElasticSearch提供了一个可以执行的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，真正学好它的方法就是从一些基础案例开始的。
|
|
|
|
|
|
完整的语法结构
|
|
|
|
|
|
```json
|
|
|
{
|
|
|
QUERY_NAME:{
|
|
|
ARGUMENT:VALUE,
|
|
|
ARGUMENT:VALUE,...
|
|
|
}
|
|
|
}
|
|
|
```
|
|
|
|
|
|
如果是针对某个字段，那么它的结构为
|
|
|
|
|
|
```json
|
|
|
{
|
|
|
QUERY_NAME:{
|
|
|
FIELD_NAME:{
|
|
|
ARGUMENT:VALUE,
|
|
|
ARGUMENT:VALUE,...
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
### 2.2 match
|
|
|
|
|
|
  上面我们用到来的match_all是匹配所有的数据，而我们现在要讲的match是条件匹配
|
|
|
|
|
|
如果对应的字段是基本类型(非字符串类型)，则是精确匹配。
|
|
|
|
|
|
```json
|
|
|
GET bank/_search
|
|
|
{
|
|
|
"query":{
|
|
|
"match":{
|
|
|
"account_number":20
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
```
|
|
|
|
|
|
match返回的是 account_number:20的记录
|
|
|
|
|
|
|
|
|
|
|
|
如果对应的字段是字符串类型，则是全文检索
|
|
|
|
|
|
```json
|
|
|
GET bank/_search
|
|
|
{
|
|
|
"query":{
|
|
|
"match":{
|
|
|
"address":"mill"
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
```
|
|
|
|
|
|
match返回的就是address中包含mill字符串的记录
|
|
|
|
|
|
|
|
|
|
|
|
### 2.3 match_phrase
|
|
|
|
|
|
将需要匹配的值当成一个整体单词(不分词)进行检索，短语匹配
|
|
|
|
|
|
```json
|
|
|
GET bank/_search
|
|
|
{
|
|
|
"query":{
|
|
|
"match_phrase":{
|
|
|
"address":"mill road"
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
```
|
|
|
|
|
|
查询出address中包含 mill road的所有记录，并给出相关性得分
|
|
|
|
|
|
|
|
|
|
|
|
### 2.4 multi_match[多字段匹配]
|
|
|
|
|
|
```json
|
|
|
GET bank/_search
|
|
|
{
|
|
|
"query":{
|
|
|
"multi_match":{
|
|
|
"query":"mill road",
|
|
|
"fields":["address","state"]
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
```
|
|
|
|
|
|
查询出state或者address中包含 mill road的记录
|
|
|
|
|
|
|
|
|
|
|
|
### 2.5 bool[复合查询]
|
|
|
|
|
|
布尔查询又叫**组合查询**，bool用来实现复合查询，
|
|
|
|
|
|
`bool`把各种其它查询通过 `must`（与）、`must_not`（非）、`should`（或）的方式进行组合
|
|
|
|
|
|
复合语句可以合并任何其他查询语句，包括复合语句也可以合并，了解这一点很重要，这意味着，复合语句之间可以相互嵌套，可以表达非常复杂的逻辑。
|
|
|
|
|
|
```json
|
|
|
GET /bank/_search
|
|
|
{
|
|
|
"query": {
|
|
|
"bool": {
|
|
|
"must": [
|
|
|
{ "match": { "age": "40" } }
|
|
|
],
|
|
|
"must_not": [
|
|
|
{ "match": { "state": "ID" } }
|
|
|
]
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
### 2.6 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"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。
|
|
|
|
|
|
```json
|
|
|
GET /bank/_search
|
|
|
{
|
|
|
"query": {
|
|
|
"bool": {
|
|
|
"must": { "match_all": {} },
|
|
|
"filter": {
|
|
|
"range": {
|
|
|
"balance": {
|
|
|
"gte": 20000,
|
|
|
"lte": 30000
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
### 2.7 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
|
|
|
|
|
|
```json
|
|
|
GET bank/_search
|
|
|
{
|
|
|
"query":{
|
|
|
"term":{
|
|
|
"account_number":20
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
| 检索关键字 | 描述 |
|
|
|
| ------------- | ------------------------------------------ |
|
|
|
| term | 非text使用 |
|
|
|
| match | 在text中我们实现全文检索-分词 |
|
|
|
| match keyword | 在属性字段后加.keyword 实现精确查询-不分词 |
|
|
|
| match_phrase | 短语查询，不分词，模糊查询 |
|
|
|
|
|
|
## 3.聚合(aggregations)
|
|
|
|
|
|
聚合可以让我们极其方便的实现对数据的统计、分析。例如：
|
|
|
|
|
|
* 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？
|
|
|
|
|
|
实现这些统计功能的比数据库的sql要方便的多，而且查询速度非常快，可以实现实时搜索效果。
|
|
|
|
|
|
语法规则
|
|
|
|
|
|
```json
|
|
|
"aggregations" : {
|
|
|
"<aggregation_name>" : {
|
|
|
"<aggregation_type>" : {
|
|
|
<aggregation_body>
|
|
|
}
|
|
|
[,"meta" : { [<meta_data_body>] } ]?
|
|
|
[,"aggregations" : { [<sub_aggregation>]+ } ]?
|
|
|
}
|
|
|
[,"<aggregation_name_2>" : { ... } ]*
|
|
|
}
|
|
|
```
|
|
|
|
|
|
https://www.elastic.co/guide/en/elasticsearch/reference/7.4/search-aggregations.html
|
|
|
|
|
|
### 3.1 基本概念
|
|
|
|
|
|
Elasticsearch中的聚合，包含多种类型，最常用的两种，一个叫 `桶`，一个叫 `度量`：
|
|
|
|
|
|
> **桶（bucket）**
|
|
|
|
|
|
桶的作用，是按照某种方式对数据进行分组，每一组数据在ES中称为一个 `桶`，例如我们根据国籍对人划分，可以得到 `中国桶`、`英国桶`，`日本桶`……或者我们按照年龄段对人进行划分：0~10,10~20,20~30,30~40等。
|
|
|
|
|
|
Elasticsearch中提供的划分桶的方式有很多：
|
|
|
|
|
|
* Date Histogram Aggregation：根据日期阶梯分组，例如给定阶梯为周，会自动每周分为一组
|
|
|
* Histogram Aggregation：根据数值阶梯分组，与日期类似
|
|
|
* Terms Aggregation：根据词条内容分组，词条内容完全匹配的为一组
|
|
|
* Range Aggregation：数值和日期的范围分组，指定开始和结束，然后按段分组
|
|
|
* ……
|
|
|
|
|
|
bucket aggregations 只负责对数据进行分组，并不进行计算，因此往往bucket中往往会嵌套另一种聚合：metrics aggregations即度量
|
|
|
|
|
|
> **度量（metrics）**
|
|
|
|
|
|
分组完成以后，我们一般会对组中的数据进行聚合运算，例如求平均值、最大、最小、求和等，这些在ES中称为 `度量`
|
|
|
|
|
|
比较常用的一些度量聚合方式：
|
|
|
|
|
|
* Avg Aggregation：求平均值
|
|
|
* Max Aggregation：求最大值
|
|
|
* Min Aggregation：求最小值
|
|
|
* Percentiles Aggregation：求百分比
|
|
|
* Stats Aggregation：同时返回avg、max、min、sum、count等
|
|
|
* Sum Aggregation：求和
|
|
|
* Top hits Aggregation：求前几
|
|
|
* Value Count Aggregation：求总数
|
|
|
* ……
|
|
|
|
|
|
### 3.2 案例讲解
|
|
|
|
|
|
案例1:搜索address中包含mill的所有人的年龄分布以及平均年龄
|
|
|
|
|
|
```json
|
|
|
GET /bank/_search
|
|
|
{
|
|
|
"query": {
|
|
|
"match": {
|
|
|
"address": "mill"
|
|
|
}
|
|
|
},
|
|
|
"aggs": {
|
|
|
"ageAgg": {
|
|
|
"terms": {
|
|
|
"field": "age",
|
|
|
"size": 10
|
|
|
}
|
|
|
},
|
|
|
"ageAvg":{
|
|
|
"avg": {
|
|
|
"field": "age"
|
|
|
}
|
|
|
}
|
|
|
},"size": 0
|
|
|
}
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
案例2：按照年龄聚合，并且请求这些年龄段的这些人的平均薪资
|
|
|
|
|
|
```json
|
|
|
GET /bank/_search
|
|
|
{
|
|
|
"query": {"match_all": {}},
|
|
|
"aggs": {
|
|
|
"ageAgg": {
|
|
|
"terms": {
|
|
|
"field": "age",
|
|
|
"size": 50
|
|
|
},"aggs": {
|
|
|
"balanceAvg": {
|
|
|
"avg": {
|
|
|
"field": "balance"
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
},"size": 0
|
|
|
}
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
案例3：查出所有年龄分布，并且这些年龄段中M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。
|
|
|
|
|
|
```json
|
|
|
GET /bank/_search
|
|
|
{
|
|
|
"query": {"match_all": {}}
|
|
|
,"aggs": {
|
|
|
"ageAgg": {
|
|
|
"terms": {
|
|
|
"field": "age",
|
|
|
"size": 50
|
|
|
},
|
|
|
"aggs": {
|
|
|
"genderAgg": {
|
|
|
"terms": {
|
|
|
"field": "gender.keyword",
|
|
|
"size": 10
|
|
|
},"aggs": {
|
|
|
"balanceAvg": {
|
|
|
"avg": {
|
|
|
"field": "balance"
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
,"ageBalanceAvg":{
|
|
|
"avg": {
|
|
|
"field": "balance"
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
,"size": 0
|
|
|
}
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
## 4.映射配置(_mapping)
|
|
|
|
|
|
查看索引库中所有的属性的_mapping
|
|
|
|
|
|
|
|
|
|
|
|
### 4.1 ElasticSearch7-去掉type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：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
|
|
|
|
|
|
### 4.2 什么是映射？
|
|
|
|
|
|
  映射是定义文档的过程，文档包含哪些字段，这些字段是否保存，是否索引，是否分词等
|
|
|
|
|
|
### 4.3 创建映射字段
|
|
|
|
|
|
```json
|
|
|
PUT /索引库名/_mapping/类型名称
|
|
|
{
|
|
|
"properties": {
|
|
|
"字段名": {
|
|
|
"type": "类型",
|
|
|
"index": true，
|
|
|
"store": true，
|
|
|
"analyzer": "分词器"
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
```
|
|
|
|
|
|
类型名称：就是前面将的type的概念，类似于数据库中的不同表
|
|
|
|
|
|
字段名：类似于列名，properties下可以指定许多字段。
|
|
|
|
|
|
每个字段可以有很多属性。例如：
|
|
|
|
|
|
* type：类型，可以是text、long、short、date、integer、object等
|
|
|
* index：是否索引，默认为true
|
|
|
* store：是否存储，默认为false
|
|
|
* analyzer：分词器，这里使用ik分词器：`ik_max_word`或者 `ik_smart`
|
|
|
|
|
|
|
|
|
|
|
|
### 4.4 新增映射字段
|
|
|
|
|
|
  如果我们创建完成索引的映射关系后，又要添加新的字段的映射，这时怎么办？第一个就是先删除索引，然后调整后再新建索引映射，还有一个方式就在已有的基础上新增。
|
|
|
|
|
|
```json
|
|
|
PUT /my_index/_mapping
|
|
|
{
|
|
|
"properties":{
|
|
|
"employee-id":{
|
|
|
"type":"keyword"
|
|
|
,"index":false
|
|
|
}
|
|
|
}
|
|
|
}
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
### 4.5 更新映射
|
|
|
|
|
|
  对于存在的映射字段，我们不能更新，更新必须创建新的索引进行数据迁移
|
|
|
|
|
|
### 4.6 数据迁移
|
|
|
|
|
|
先创建出正确的索引，然后使用如下的方式来进行数据的迁移
|
|
|
|
|
|
| POST_reindex [固定写法]<br />{<br /> "source":{<br /> "index":"twitter"<br /> },<br /> "dest":{<br /> "index":"new_twitter"<br /> }<br />} |
|
|
|
| :--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
|
|
|
|
|
|
老的数据有type的情况
|
|
|
|
|
|
| POST_reindex [固定写法]<br />{<br /> "source":{<br /> "index":"twitter"，<br /> "type":"account"<br /> },<br /> "dest":{<br /> "index":"new_twitter"<br /> }<br />} |
|
|
|
| :----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
|
|
|
|
|
|
案例：新创建了索引，并指定了映射属性
|
|
|
|
|
|
|
|
|
|
|
|
## 5.分词
|
|
|
|
|
|
  所谓的分词就是通过tokenizer(分词器)将一个字符串拆分为多个独立的tokens(词元-独立的单词)，然后输出为tokens流的过程。
|
|
|
|
|
|
例如"my name is HanMeiMei"这样一个字符串就会被默认的分词器拆分为[my,name,is HanMeiMei].ElasticSearch中提供了很多默认的分词器，我们可以来演示看看效果
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
但是在ElasticSearch中提供的分词器对中文的分词效果都不好。
|
|
|
|
|
|
|
|
|
|
|
|
所以这时我们就需要安装特定的分词器 IK
|
|
|
|
|
|
### 1) 安装ik分词器
|
|
|
|
|
|
https://github.com/medcl/elasticsearch-analysis-ik 下载对应的版本，然后解压缩到plugins目录中
|
|
|
|
|
|
|
|
|
|
|
|
然后检查是否安装成功：进入容器 通过如下命令来检测
|
|
|
|
|
|
|
|
|
|
|
|
检查下载的文件是否完整，如果不完整就重新下载。
|
|
|
|
|
|
|
|
|
|
|
|
插件安装OK后我们重新启动ElasticSearch服务
|
|
|
|
|
|
### 2) ik分词演示
|
|
|
|
|
|
ik_smart分词
|
|
|
|
|
|
```json
|
|
|
# 通过ik分词器来分词
|
|
|
POST /_analyze
|
|
|
{
|
|
|
"analyzer": "ik_smart"
|
|
|
,"text": "我是中国人，我热爱我的祖国"
|
|
|
}
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
ik_max_word
|
|
|
|
|
|
```json
|
|
|
POST /_analyze
|
|
|
{
|
|
|
"analyzer": "ik_max_word"
|
|
|
,"text": "我是中国人，我热爱我的祖国"
|
|
|
}
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
通过ik分词器的使用我们发现：如果使用ElasticSearch中默认提供的分词器是不支持中文分词的，也就是我们在定义一个索引的使用不能使用默认的mapping，而是要手动的来建立对应的mapping，在mapping我们需要选择对应的分词器。
|
|
|
|
|
|
### 3) 自定义词库
|
|
|
|
|
|
#### 虚拟机扩容
|
|
|
|
|
|
安装的软件越来越多，虚拟机的空间有限，这时我们可以关闭虚拟机后扩容
|
|
|
|
|
|
|
|
|
|
|
|
ElasticSearch中原来分配的空间比较小，虚拟机空间增大后我们可以调整ElasticSearch的空间。
|
|
|
|
|
|
调整ElasticSearch的虚拟机内存，我们没办法直接修改，需要先删除原来的容器，然后创建新的容器。
|
|
|
|
|
|
|
|
|
|
|
|
调整JVM参数后重新启动容器：
|
|
|
|
|
|
```xshell
|
|
|
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
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
#### Nginx安装
|
|
|
|
|
|
先安装一个简单的Nginx实例，来获取对应的配置信息
|
|
|
|
|
|
拉取Nginx的镜像
|
|
|
|
|
|
|
|
|
|
|
|
启动Nginx服务
|
|
|
|
|
|
> docker run -d -p 80:80 --name nginx nginx:1.10
|
|
|
|
|
|
|
|
|
|
|
|
把容器中的配置文件拷贝到/mydata/nginx目录中
|
|
|
|
|
|
> docker container cp nginx:/etc/nginx .
|
|
|
|
|
|
|
|
|
|
|
|
有了这个对应的配置文件夹后我们就可以删除掉之前的Nginx服务了
|
|
|
|
|
|
|
|
|
|
|
|
然后创建新的Nginx服务
|
|
|
|
|
|
```docker
|
|
|
docker run -d -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 \
|
|
|
nginx:1.10
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
测试访问：
|
|
|
|
|
|
|
|
|
|
|
|
#### 实现自定义词库
|
|
|
|
|
|
我们需要在Nginx中创建对应的词库文件
|
|
|
|
|
|
|
|
|
|
|
|
然后我们在ik分词器的插件的配置文件中修改远程词库的地址
|
|
|
|
|
|
/mydata/elasticsearch/plugins/ik/config
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
然后保存文件重启ElasticSearch服务即可
|
|
|
|
|
|
|
|
|
|
|
|
然后在Kibana中检索测试即可
|
|
|
|
|
|
|
|
|
|
|
|
# 五、ElasticSearch应用
|
|
|
|
|
|
## 1.ES 的Java API两种方式
|
|
|
|
|
|
  Elasticsearch 的API 分为 REST Client API（http请求形式）以及 transportClient
|
|
|
API两种。相比来说transportClient API效率更高，transportClient
|
|
|
是通过Elasticsearch内部RPC的形式进行请求的，连接可以是一个长连接，相当于是把客户端的请求当成
|
|
|
|
|
|
  Elasticsearch 集群的一个节点，当然 REST Client API 也支持http
|
|
|
keepAlive形式的长连接，只是非内部RPC形式。但是从Elasticsearch 7 后就会移除transportClient
|
|
|
。主要原因是transportClient 难以向下兼容版本。
|
|
|
|
|
|
### 1.1 9300[TCP]
|
|
|
|
|
|
  利用9300端口的是spring-data-elasticsearch:transport-api.jar,但是这种方式因为对应的SpringBoot版本不一致，造成对应的transport-api.jar也不同，不能适配es的版本，而且ElasticSearch7.x中已经不推荐使用了，ElasticSearch 8之后更是废弃了，所以我们不做过多的介绍
|
|
|
|
|
|
### 1.2 9200[HTTP]
|
|
|
|
|
|
  基于9200端口的方式也有多种
|
|
|
|
|
|
* JsetClient:非官方，更新缓慢
|
|
|
* RestTemplate:模拟发送Http请求，ES很多的操作需要我们自己来封装，效率低
|
|
|
* HttpClient：和上面的情况一样
|
|
|
* ElasticSearch-Rest-Client:官方的RestClient，封装了ES的操作，API层次分明，易于上手。
|
|
|
* JavaAPIClient 7.15版本后推荐
|
|
|
|
|
|
## 2.ElasticSearch-Rest-Client整合
|
|
|
|
|
|
### 2.1 创建检索的服务
|
|
|
|
|
|
  我们在商城服务中创建一个检索的SpringBoot服务
|
|
|
|
|
|
|
|
|
|
|
|
添加对应的依赖：官方地址：https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/java-rest-high-getting-started-maven.html#java-rest-high-getting-started-maven-maven
|
|
|
|
|
|
|
|
|
|
|
|
公共依赖不要忘了，同时我们在公共依赖中依赖了MyBatisPlus所以我们需要在search服务中排除数据源，不然启动报错
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
然后我们需要把这个服务注册到Nacos注册中心中，这块操作了很多遍，不重复
|
|
|
|
|
|
添加对应的ElasticSearch的配置类
|
|
|
|
|
|
```java
|
|
|
/**
|
|
|
* ElasticSearch的配置类
|
|
|
*/
|
|
|
@Configuration
|
|
|
public class MallElasticSearchConfiguration {
|
|
|
|
|
|
@Bean
|
|
|
public RestHighLevelClient restHighLevelClient(){
|
|
|
RestClientBuilder builder = RestClient.builder(new HttpHost("192.168.56.100", 9200, "http"));
|
|
|
RestHighLevelClient client = new RestHighLevelClient(builder);
|
|
|
return client;
|
|
|
}
|
|
|
}
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
测试：
|
|
|
|
|
|
|
|
|
|
|
|
### 2.2 测试保存文档
|
|
|
|
|
|
#### 设置RequestOptions
|
|
|
|
|
|
|
|
|
|
|
|
我们就在ElasticSearch的配置文件中设置
|
|
|
|
|
|
|
|
|
|
|
|
#### 保存数据
|
|
|
|
|
|
然后就可以结合官方文档来实现文档数据的存储
|
|
|
|
|
|
```java
|
|
|
package com.msb.mall.mallsearch;
|
|
|
|
|
|
import com.fasterxml.jackson.core.JsonProcessingException;
|
|
|
import com.fasterxml.jackson.databind.ObjectMapper;
|
|
|
import com.fasterxml.jackson.databind.util.JSONPObject;
|
|
|
import com.msb.mall.mallsearch.config.MallElasticSearchConfiguration;
|
|
|
import lombok.Data;
|
|
|
import org.elasticsearch.action.index.IndexRequest;
|
|
|
import org.elasticsearch.action.index.IndexResponse;
|
|
|
import org.elasticsearch.client.RestHighLevelClient;
|
|
|
import org.elasticsearch.common.xcontent.XContentType;
|
|
|
import org.json.JSONObject;
|
|
|
import org.junit.jupiter.api.Test;
|
|
|
import org.springframework.beans.factory.annotation.Autowired;
|
|
|
import org.springframework.boot.test.context.SpringBootTest;
|
|
|
|
|
|
@SpringBootTest
|
|
|
class MallSearchApplicationTests {
|
|
|
|
|
|
@Autowired
|
|
|
private RestHighLevelClient client;
|
|
|
|
|
|
@Test
|
|
|
void contextLoads() {
|
|
|
System.out.println("--->"+client);
|
|
|
}
|
|
|
|
|
|
/**
|
|
|
* 测试保存文档
|
|
|
*/
|
|
|
@Test
|
|
|
void saveIndex() throws Exception {
|
|
|
IndexRequest indexRequest = new IndexRequest("system");
|
|
|
indexRequest.id("1");
|
|
|
// indexRequest.source("name","bobokaoya","age",18,"gender","男");
|
|
|
User user = new User();
|
|
|
user.setName("bobo");
|
|
|
user.setAge(22);
|
|
|
user.setGender("男");
|
|
|
// 用Jackson中的对象转json数据
|
|
|
ObjectMapper objectMapper = new ObjectMapper();
|
|
|
String json = objectMapper.writeValueAsString(user);
|
|
|
indexRequest.source(json, XContentType.JSON);
|
|
|
// 执行操作
|
|
|
IndexResponse index = client.index(indexRequest, MallElasticSearchConfiguration.COMMON_OPTIONS);
|
|
|
// 提取有用的返回信息
|
|
|
System.out.println(index);
|
|
|
}
|
|
|
@Data
|
|
|
class User{
|
|
|
private String name;
|
|
|
private Integer age;
|
|
|
private String gender;
|
|
|
}
|
|
|
|
|
|
}
|
|
|
|
|
|
```
|
|
|
|
|
|
之后成功
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
### 2.3 检索操作
|
|
|
|
|
|
参考官方文档可以获取到处理各种检索情况的API
|
|
|
|
|
|
案例1：检索出所有的bank索引的所有文档
|
|
|
|
|
|
```java
|
|
|
@Test
|
|
|
void searchIndexAll() throws IOException {
|
|
|
// 1.创建一个 SearchRequest 对象
|
|
|
SearchRequest searchRequest = new SearchRequest();
|
|
|
searchRequest.indices("bank"); // 设置我们要检索的数据对应的索引库
|
|
|
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
|
|
|
/*sourceBuilder.query();
|
|
|
sourceBuilder.from();
|
|
|
sourceBuilder.size();
|
|
|
sourceBuilder.aggregation();*/
|
|
|
searchRequest.source(sourceBuilder);
|
|
|
|
|
|
// 2.如何执行检索操作
|
|
|
SearchResponse response = client.search(searchRequest, MallElasticSearchConfiguration.COMMON_OPTIONS);
|
|
|
// 3.获取检索后的响应对象，我们需要解析出我们关心的数据
|
|
|
System.out.println("ElasticSearch检索的信息："+response);
|
|
|
}
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
案例2：根据address全文检索
|
|
|
|
|
|
```java
|
|
|
@Test
|
|
|
void searchIndexByAddress() throws IOException {
|
|
|
// 1.创建一个 SearchRequest 对象
|
|
|
SearchRequest searchRequest = new SearchRequest();
|
|
|
searchRequest.indices("bank"); // 设置我们要检索的数据对应的索引库
|
|
|
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
|
|
|
// 查询出bank下 address 中包含 mill的记录
|
|
|
sourceBuilder.query(QueryBuilders.matchQuery("address","mill"));
|
|
|
searchRequest.source(sourceBuilder);
|
|
|
// System.out.println(searchRequest);
|
|
|
|
|
|
// 2.如何执行检索操作
|
|
|
SearchResponse response = client.search(searchRequest, MallElasticSearchConfiguration.COMMON_OPTIONS);
|
|
|
// 3.获取检索后的响应对象，我们需要解析出我们关心的数据
|
|
|
System.out.println("ElasticSearch检索的信息："+response);
|
|
|
}
|
|
|
```
|
|
|
|
|
|
案例3：嵌套的聚合操作：检索出bank下的年龄分布和每个年龄段的平均薪资
|
|
|
|
|
|
```java
|
|
|
/**
|
|
|
* 聚合：嵌套聚合
|
|
|
* @throws IOException
|
|
|
*/
|
|
|
@Test
|
|
|
void searchIndexAggregation() throws IOException {
|
|
|
// 1.创建一个 SearchRequest 对象
|
|
|
SearchRequest searchRequest = new SearchRequest();
|
|
|
searchRequest.indices("bank"); // 设置我们要检索的数据对应的索引库
|
|
|
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
|
|
|
// 查询出bank下 所有的文档
|
|
|
sourceBuilder.query(QueryBuilders.matchAllQuery());
|
|
|
// 聚合 aggregation
|
|
|
// 聚合bank下年龄的分布和每个年龄段的平均薪资
|
|
|
AggregationBuilder aggregationBuiler = AggregationBuilders.terms("ageAgg")
|
|
|
.field("age")
|
|
|
.size(10);
|
|
|
// 嵌套聚合
|
|
|
aggregationBuiler.subAggregation(AggregationBuilders.avg("balanceAvg").field("balance"));
|
|
|
|
|
|
sourceBuilder.aggregation(aggregationBuiler);
|
|
|
sourceBuilder.size(0); // 聚合的时候就不用显示满足条件的文档内容了
|
|
|
searchRequest.source(sourceBuilder);
|
|
|
System.out.println(sourceBuilder);
|
|
|
|
|
|
// 2.如何执行检索操作
|
|
|
SearchResponse response = client.search(searchRequest, MallElasticSearchConfiguration.COMMON_OPTIONS);
|
|
|
// 3.获取检索后的响应对象，我们需要解析出我们关心的数据
|
|
|
System.out.println(response);
|
|
|
}
|
|
|
```
|
|
|
|
|
|
案例4：并行的聚合操作：查询出bank下年龄段的分布和总的平均薪资
|
|
|
|
|
|
```java
|
|
|
/**
|
|
|
* 聚合
|
|
|
* @throws IOException
|
|
|
*/
|
|
|
@Test
|
|
|
void searchIndexAggregation1() throws IOException {
|
|
|
// 1.创建一个 SearchRequest 对象
|
|
|
SearchRequest searchRequest = new SearchRequest();
|
|
|
searchRequest.indices("bank"); // 设置我们要检索的数据对应的索引库
|
|
|
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
|
|
|
// 查询出bank下 所有的文档
|
|
|
sourceBuilder.query(QueryBuilders.matchAllQuery());
|
|
|
// 聚合 aggregation
|
|
|
// 聚合bank下年龄的分布和平均薪资
|
|
|
AggregationBuilder aggregationBuiler = AggregationBuilders.terms("ageAgg")
|
|
|
.field("age")
|
|
|
.size(10);
|
|
|
|
|
|
sourceBuilder.aggregation(aggregationBuiler);
|
|
|
// 聚合平均年龄
|
|
|
AvgAggregationBuilder balanceAggBuilder = AggregationBuilders.avg("balanceAgg").field("age");
|
|
|
sourceBuilder.aggregation(balanceAggBuilder);
|
|
|
|
|
|
sourceBuilder.size(0); // 聚合的时候就不用显示满足条件的文档内容了
|
|
|
searchRequest.source(sourceBuilder);
|
|
|
System.out.println(sourceBuilder);
|
|
|
|
|
|
// 2.如何执行检索操作
|
|
|
SearchResponse response = client.search(searchRequest, MallElasticSearchConfiguration.COMMON_OPTIONS);
|
|
|
// 3.获取检索后的响应对象，我们需要解析出我们关心的数据
|
|
|
System.out.println(response);
|
|
|
}
|
|
|
```
|
|
|
|
|
|
案例5：处理检索后的结果
|
|
|
|
|
|
```java
|
|
|
@Test
|
|
|
void searchIndexResponse() throws IOException {
|
|
|
// 1.创建一个 SearchRequest 对象
|
|
|
SearchRequest searchRequest = new SearchRequest();
|
|
|
searchRequest.indices("bank"); // 设置我们要检索的数据对应的索引库
|
|
|
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
|
|
|
// 查询出bank下 address 中包含 mill的记录
|
|
|
sourceBuilder.query(QueryBuilders.matchQuery("address","mill"));
|
|
|
searchRequest.source(sourceBuilder);
|
|
|
// System.out.println(searchRequest);
|
|
|
|
|
|
// 2.如何执行检索操作
|
|
|
SearchResponse response = client.search(searchRequest, MallElasticSearchConfiguration.COMMON_OPTIONS);
|
|
|
// 3.获取检索后的响应对象，我们需要解析出我们关心的数据
|
|
|
// System.out.println("ElasticSearch检索的信息："+response);
|
|
|
RestStatus status = response.status();
|
|
|
TimeValue took = response.getTook();
|
|
|
SearchHits hits = response.getHits();
|
|
|
TotalHits totalHits = hits.getTotalHits();
|
|
|
TotalHits.Relation relation = totalHits.relation;
|
|
|
long value = totalHits.value;
|
|
|
float maxScore = hits.getMaxScore(); // 相关性的最高分
|
|
|
SearchHit[] hits1 = hits.getHits();
|
|
|
for (SearchHit documentFields : hits1) {
|
|
|
/*"_index" : "bank",
|
|
|
"_type" : "account",
|
|
|
"_id" : "970",
|
|
|
"_score" : 5.4032025*/
|
|
|
//documentFields.getIndex(),documentFields.getType(),documentFields.getId(),documentFields.getScore();
|
|
|
String json = documentFields.getSourceAsString();
|
|
|
//System.out.println(json);
|
|
|
// JSON字符串转换为 Object对象
|
|
|
ObjectMapper mapper = new ObjectMapper();
|
|
|
Account account = mapper.readValue(json, Account.class);
|
|
|
System.out.println("account = " + account);
|
|
|
}
|
|
|
//System.out.println(relation.toString()+"--->" + value + "--->" + status);
|
|
|
}
|
|
|
|
|
|
@ToString
|
|
|
@Data
|
|
|
static 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;
|
|
|
|
|
|
}
|
|
|
```
|
|
|
|
|
|
数据的结果：
|
|
|
|
|
|
|
