前言
ElasticSearch簡稱es，是一個開源的高擴充套件的分散式全文檢索引擎。
它可以近乎實時的儲存、檢索資料，其擴充套件性很好，ElasticSearch是企業級應用中較為常見的技術。
下面和大家分享 ElasticSearch 整合在Spring Boot 專案的一些學習心得。
一、ElasticSearch概述
1.1基本認識
ElasticSearch 是基於 Lucene 實現的開源、分散式、RESTful介面的全文搜尋引擎。
Elasticsearch 還是一個分散式文件資料庫，其中每個欄位均是被索引的資料且可被搜尋，它能夠擴充套件至數以百計的伺服器儲存以及處理PB級的資料。
Elasticsearch 可以通過簡單的 RESTful 風格 API 來隱藏 Lucene 的複雜性，讓搜尋變得更加簡單。
1.2核心概念
Elasticsearch 的核心概念是 Elasticsearch 搜尋的過程，在搜尋的過程中，Elasticsearch 的儲存過程、資料結構都會有所涉及。
-
對比關係型資料庫
表1 關係型資料庫 Elasticsearch 資料庫（DataBase） 索引（indices） 表（table） types（已棄用） 行（rows） documents 欄位（columns） fields
注：
- Elasticsearch （叢集）中可以包含多個indices（對應庫），每個索引中可以包含多個types（對應表），每個types下面又包含多個documents（對應行記錄），每個documents中又含有多個fields（對應欄位）。
- Elasticsearch 中一切資料的格式都是 JSON。
-
documents
-
fields
-
types（棄用）
-
indices
Elasticsearch 中的索引是一個非常大的文件集合，儲存了對映型別的欄位和其它設定，被儲存在各個分片上。
1.3倒排索引
Elasticsearch 使用一種名為倒排索引的結構進行搜尋，一個索引由文件中所有不重複的列表構成，對於每一個詞，都有一個包含它的文件列表。
傳統資料庫的搜尋結構一般以id為主，可以一一對應資料庫中的所有內容，即key-value的形式。
而倒排索引則與之相反，以內容為主，將所有不重複的內容記錄按照匹配的程度（閾值）進行展示，即value-key的形式。
以下舉兩個例子來進行說明。
-
例一：
在關係型資料庫中，資料是按照id的順序進行約定的，記錄的id具有唯一性，方便人們使用id去確定內容，如表2所示：
表2 id label 1 java 2 java 3 java,python 4 python -
例二：
在 ElasticSearch 中使用倒排索引：資料是按照不重複的內容進行約定的，不重複的內容具有唯一性，這樣可以快速地找出符合內容的記錄，再根據匹配的閾值去進行展示，如表3所示：
label id java 1,2,3 python 4,3
1.4瞭解ELK
ELK 是 ElasticSearch、Logstash、Kibana這三大開源框架首字母大寫簡稱。
其中 Logstash 是中央資料流引擎，用於從不同目標（檔案/資料儲存/MQ）中收集不同的資料格式，經過過濾後支援輸送到不同的目的地（檔案/MQ/Redis/elasticsearch/kafka等）。
而 Kibana 可以將 ElasticSearch 的資料通過友好的視覺化介面展示出來，且提供實時分析的功能。
ELK一般來說是一個日誌分析架構技術棧的總稱，但實際上 ELK 不僅僅適用於日誌分析，它還可以支援任何其它資料分析和收集的場景，日誌的分析和收集只是更具有代表性，並非 ELK 的唯一用途。
二、ElasticSearch（外掛）安裝
2.1安裝宣告
- 適用於JDK1.8及以上版本
- ElasticSearch客戶端
- 介面工具
- ElasticSearch版本與Maven依賴版本對應
2.2 ElasticSearch下載
下載地址（7.6.1版本）：https://www.elastic.co/downloads/past-releases/elasticsearch-7-6-1，推薦迅雷下載（速度較快）。
2.3安裝ElasticSearch
將下載好的壓縮包進行安裝即可，解壓後如下圖所示：
-
安裝目錄
-
bin 啟動檔案
-
config 配置檔案
- log4j2：日誌配置檔案
- jvm.options：Java 虛擬機器相關配置
- elasticsearch.yml：elasticsearch配置檔案，預設 9200 埠，解決跨域問題。
-
lib 相關jar包
-
modules 功能模組
-
plugins 外掛（如IK分詞器）
-
2.4啟動ElasticSearch
開啟bin資料夾下的elasticsearch.bat檔案，雙擊啟動後訪問預設地址：localhost:9200，即可得到以下json格式的資料：
{
"name" : "ZHUZQC",
"cluster_name" : "elasticsearch",
"cluster_uuid" : "AMdLpCANStmY8kvou9-OtQ",
"version" : {
"number" : "7.6.1",
"build_flavor" : "default",
"build_type" : "zip",
"build_hash" : "aa751e09be0a5072e8570670309b1f12348f023b",
"build_date" : "2020-02-29T00:15:25.529771Z",
"build_snapshot" : false,
"lucene_version" : "8.4.0",
"minimum_wire_compatibility_version" : "6.8.0",
"minimum_index_compatibility_version" : "6.0.0-beta1"
},
"tagline" : "You Know, for Search"
}
2.5視覺化介面-head安裝
下載地址：https://github.com/mobz/elasticsearch-head/
安裝要求：先檢查計算機是否安裝node.js、npm
-
步驟一：在解壓後的檔案目錄下進入cmd，使用 cnpm install 命令安裝映象檔案；
-
步驟二：使用 npm run start 命令啟動，得到 http://localhost:9100
-
步驟三：解決跨域問題，開啟 elasticsearch.yml 檔案，輸入以下程式碼後儲存：
http.cors.enabled: true http.cors.allow-origin: "*" -
再次重啟elasticsearch，進入http://localhost:9200 驗證是否啟動成功
-
最後進入 http://localhost:9100，得到以下介面，則head啟動成功：
2.6初步建立索引
可以把索引當作一個資料庫來使用，具體的建立如下步驟所示：
-
步驟一：點選Indices，在彈出的提示框中填寫索引名稱，點選確認；
-
步驟二：可以在head介面中看到該索引，如下圖所示：
注：head僅可以當作一個資料視覺化的展示工具，對於查詢語句推薦使用Kibana。
2.7安裝Kibana工具
Kibana是一個針對 ElasticSearch 的開源分析、視覺化平臺，用於搜尋、檢視互動儲存在ElasticSearch中的資料。
Kibana 操作簡單，基於瀏覽器的的使用者介面可以快速建立儀表板（dashboard）並實時顯示資料。
官網下載：https://www.elastic.co/downloads/past-releases/kibana-7-6-1
注意事項：Kibana 版本需要和 ElasticSearch 的版本保持一致。
安裝步驟如下：
- 步驟一：開啟解壓縮後的bin資料夾，雙擊.bat檔案；
- 步驟二：開啟 http://localhost:5601 進入 Kibana 介面
2.8使用Kibana工具
在開發的過程中，可供資料測試的工具有很多，比如postman、head、Chrome瀏覽器等，這裡推薦使用 Kibana 進行資料測試。
操作介面如下圖所示：
三、IK分詞器
3.1基本介紹
在使用中文進行搜尋時，我們會對要搜尋的資訊進行分詞：將一段中文分成一個個的詞語或者句子，然後將分出的詞進行搜尋。
預設的中文分詞是一個漢字一個詞，如：“你好世界”，會被分成：“你”，“好”，“世”，“界”。但這樣的分詞方式顯然並不全面，比如還可以分成：“你好”，“世界”。
ik分詞器就解決了預設分詞不全面的問題，可以將中文進行不重複的分詞。
ik分詞器提供了兩種2演算法：ik_smart（最少切分）以及ik_max_word（最細顆粒度劃分）。
github下載：https://github.com/medcl/elasticsearch-analysis-ik/releases/tag/v7.6.1
- 步驟一：將解壓後的所有檔案放置在 elasticsearch 下的plugins資料夾下；
- 步驟二：重啟 elasticsearch
3.2使用Kibana測試
-
首先測試 ik_smart（最少切分）演算法的分詞效果，具體如圖3-1所示：
圖3-1 -
再測試 ik_max_word（最細顆粒度劃分）演算法的分詞效果，具體如圖3-2所示：
3.3修改本地字典
ik分詞的預設字典並不能完全涵蓋所有的中文分詞，當我們想自定義分詞時，就需要修改ik分詞器的字典配置。
- 步驟一：開啟elasticsearch-7.6.1\plugins\ik\config資料夾，增加自定義dic檔案；
- 步驟二：在同一資料夾中的IKAnalyzer.cfg.xml裡，將上述步驟的dic檔案寫入自己的擴充套件字典；
具體效果如下圖3-3所示：
四、Rest風格操作
ElasticSearch 使用 Rest 風格來進行一系列操作，具體的命令如圖4-1所示：
4.1建立索引
PUT /test_1/type/1
{
"name": "zhuzqc",
"age": 35364
}
4.2修改索引內容
GET /test_1
{
"mappings": {
"properties": {
"name": {
"type": "text"
},
"age": {
"type": "long"
},
"birthdy": {
"type": "date"
}
}
}
}
4.3更新索引內容
POST /test_1/_doc/1/_update
{
"doc": {
"name": "noone"
}
}
4.4刪除索引
DELETE test_2
4.5關於documents的操作
4.5.1基本操作
documents 可以看作是資料庫中的行記錄;
- 首先先生產一些 documents 資料：
PUT zhuzqc/user/3
{
"name": "李四",
"age": 894,
"desc": "影流之主",
"tags": ["劫","刺客","中單"]
}
2.獲取資料：
GET zhuzqc/user/1
3.更新資料
// POST請求對指定內容進行更新
POST zhuzqc/user/1/_update
{
"doc": {
"name": "342rfd",
"age": 243234
}
}
4.簡單的條件查詢
// 查詢統一GET開頭，_search後接?，q代表query，屬性:內容
GET zhuzqc/user/_search?q=name:李
如：查詢zhuzqc索引中name為李四的資訊，其中李四遵循預設的分詞規則
GET zhuzqc/user/_search?q=name:李四
4.5.2複雜操作
上述的一些簡單查詢操作在企業級應用開發中使用地較少，更多地還是使用查詢實現複雜的業務。
隨著業務的複雜程度增加，查詢的語句也隨之複雜起來，在使用複雜查詢的過程中必然會涉及一些 elasticsearch 的進階語法。
對於複雜查詢的操作在下一章會詳細介紹。
五、查詢詳解
ElasticSearch引擎首先分析需要查詢的字串，根據分詞器規則對其進行分詞。分詞之後，才會根據查詢條件進行結果返回。
5.1關鍵字介紹
- query 關鍵字：將需要查詢的 JSON 引數體進行包裹，宣告這是一條查詢語句。
- bool 關鍵字：表明返回結果型別為布林型別。
- keyword 關鍵字：keyword代表一種分詞型別，表明該欄位的值不會被分詞器分詞。
- must 關鍵字：在 must 中的內容表明都是必須執行的內容，在 must 中可以建立多條語句，多條語句需同時滿足條件才能執行，作用相當於 SQL 語句中的 AND 。
- should 關鍵字：在 should 關鍵字裡的內容只要滿足其中一項就可以執行，作用相當於 SQL 語句中的 OR 。
- must_not 關鍵字：類似於 Java 中的 != 作用，展示查詢內容之外的內容。
- match 關鍵字：match 的作用是匹配查詢，首先經過分詞器的分詞，後再執行 match 查詢，預設情況下：欄位內容必須完整地匹配到任意一個詞條（分詞後），才會有返回結果。
- 注：如果需要查詢的詞有多個，可以用空格隔開。
- match_all 關鍵字：待補充。
- match_phrase 關鍵字：待補充。
- term 關鍵字：精確查詢關鍵字，使用 term 時首先不會對需要查詢的詞條進行分詞，只有精確地匹配到一模一樣的內容才會返回結果。
- terms 關鍵字：待補充。
- filter 關鍵字：對查詢的內容進行篩選過濾，常使用 gt（大於）、gte（大於等於）、lt（小於）和 lte （小於等於）來進行篩選。
GET product_cloud/_search
{
"query": {
"bool": {
"must": [
{
"bool": {
"should": [
{"match": {"product_comment":"持續交付 工程師"}}
]
}
},
{
"bool": {
"should": [
{"terms": {"label_ids": [3]}}
]
}
}
],
"filter": {
"range": {
"label_ids": {
"gte": 0
}
}
}
}
}
-
score 關鍵字：欄位內容與詞條的匹配程度，分數越高，表明匹配度越高，就越符合查詢結果。
-
hits 關鍵字：對應 Java 程式碼中的 hit 物件，包含了索引和文件資訊，包括查詢結果總數，查詢出來的_doc內容（一串 JSON），分數（score）等。
-
source：需要展示的內容欄位，預設是展示索引的所有欄位，也可以自定義指定需要展示的欄位。
-
sort關鍵字：可以對欄位的展示進行排序；
"_source": ["product_comment","product_name","label_ids","product_solution","company_name"],
"sort": [
{
"label_ids": {
"order": "desc"
}
}
],
"from": 0,
"size": 3
5.2 highlight 高亮
使用 highlight 關鍵字可以在搜尋結果中對需要高亮的欄位進行高亮（可自定義樣式）展示，具體程式碼如下：
GET product_cloud/_search
{
"query": {
"term": {
"product_comment": "世界"
}
},
"highlight": {
"pre_tags": "<p class='key' style='color:red'>",
"post_tags": "</p>",
"fields": {
"product_comment": {}
}
}
}
六、Spring Boot整合ElasticSearch
在 Elasticsearch 的官方文件中有對 Elasticsearch 客戶端使用的詳細介紹： https://www.elastic.co/guide/en/elasticsearch/client/java-api-client/8.0/installation.html
6.1新增依賴
<properties>
<java.version>11</java.version>
<!-- 自定義 ElasticSearch 依賴版本與安裝的版本一致 -->
<elasticsearch.verson>7.6.1</elasticsearch.verson>
</properties>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>
6.2建立物件
定義一個客戶端物件：
@Configuration
public class EsConfig {
@Bean
public RestHighLevelClient restHighLevelClient(){
RestHighLevelClient restHighLevelClient = new RestHighLevelClient(
RestClient.builder(
new HttpHost("127.0.0.1",9200,"http")
)
);
return restHighLevelClient;
}
}
6.3分析類中的方法（索引相關API）
-
建立索引
@Autowired private RestHighLevelClient restHighLevelClient; // 測試索引的建立 @Test void testCreateIndex() throws IOException { //1、建立索引請求 CreateIndexRequest request = new CreateIndexRequest("zhu_index"); //2、執行建立請求，並獲得響應 CreateIndexResponse createIndexResponse = restHighLevelClient.indices().create(request, RequestOptions.DEFAULT); System.out.println(createIndexResponse); } -
獲取索引
// 測試獲取索引 @Test void testExistIndex() throws IOException { GetIndexRequest getIndexRequest = new GetIndexRequest("zhu_index"); boolean exists = restHighLevelClient.indices().exists(getIndexRequest, RequestOptions.DEFAULT); System.out.println(exists); } -
刪除索引
// 測試刪除索引 @Test void testDeleteIndex() throws IOException { DeleteIndexRequest deleteIndexRequest = new DeleteIndexRequest(); AcknowledgedResponse delete = restHighLevelClient.indices().delete(deleteIndexRequest, RequestOptions.DEFAULT); System.out.println(delete); }
七、相關API操作
API 的操作主要是將Spring Boot專案與 Elasticsearch 的 indices 與 docs 相關聯起來，這樣可以做到在 Elasticsearch 中對專案資料進行一系列的操作。
7.1文件API
-
新增資料
// 測試新增文件
@Test
void testAddDocument() throws IOException {
// 建立物件
User user = new User("zzz",3);
// 建立請求
IndexRequest zhu_index_request = new IndexRequest("zhu_index");
// 規則：put /zhu_index/_doc/1
zhu_index_request.id("1");
zhu_index_request.timeout(TimeValue.timeValueSeconds(1));
// 將資料放入 ElasticSearch 請求（JSON格式）
zhu_index_request.source(JSON.toJSONString(user), XContentType.JSON);
// 客戶端傳送請求
IndexResponse indexResponse = restHighLevelClient.index(zhu_index_request,
RequestOptions.DEFAULT);
}
// 新增大批量的資料
@Test
void testBulkRequest() throws IOException {
BulkRequest bulkRequest = new BulkRequest();
bulkRequest.timeout("10s");
//建立資料集合
ArrayList<User> userList = new ArrayList<>();
userList.add(new User("zzz2",22));
userList.add(new User("zzz3",23));
userList.add(new User("zzz4",24));
userList.add(new User("zzz5",25));
userList.add(new User("zzz6",26));
//遍歷資料：批量處理
for (int i = 0; i < userList.size(); i++) {
// 批量新增（或更新、或刪除）
bulkRequest.add(
new IndexRequest("zhu_index")
//.id(""+(i+1))
.source(JSON.toJSONString(userList.get(i)), XContentType.JSON));
}
BulkResponse bulkResponse = restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT);
}
-
獲取_doc資訊
@Test
void testGetDocument() throws IOException {
GetRequest getRequest = new GetRequest("zhu_index","1");
GetResponse getResponse = restHighLevelClient.get(getRequest, RequestOptions.DEFAULT);
// 返回_source的上下文
getRequest.fetchSourceContext(new FetchSourceContext(true));
}
-
更新資料
// 更新文件資訊
@Test
void testUpdateDocument() throws IOException {
UpdateRequest updateRequest = new UpdateRequest("zhu_index","1");
updateRequest.timeout("1s");
User user = new User("ZhuZhuQC",18);
updateRequest.doc(JSON.toJSONString(user), XContentType.JSON);
UpdateResponse updateResponse = restHighLevelClient.update(updateRequest,
RequestOptions.DEFAULT);
}
-
刪除資料
與新增資料、更新資料類似，建立 DeleteRequest 物件即可。
-
查詢資料（重點）
// 查詢資料
@Test
void testSearch() throws IOException {
// 建立查詢物件
SearchRequest searchRequest = new SearchRequest(EsConst.ES_INDEX);
// 構建搜尋條件（精確查詢、全匹配查詢）
TermQueryBuilder termQuery = QueryBuilders.termQuery("name","zzz2");
MatchAllQueryBuilder matchAllQuery = QueryBuilders.matchAllQuery();
// 執行構造器
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
sourceBuilder.query(termQuery);
sourceBuilder.query(matchAllQuery);
// 設定查詢時間，3秒內
sourceBuilder.timeout(new TimeValue(3, TimeUnit.SECONDS));
// 設定分頁
sourceBuilder.from(0);
sourceBuilder.size(3);
// 最後執行搜尋，並返回搜尋結果
searchRequest.source(sourceBuilder);
SearchResponse searchResponse = restHighLevelClient.search(searchRequest,
RequestOptions.DEFAULT);
searchResponse.getHits();
// 列印結果
System.out.println(JSON.toJSONString(searchResponse.getHits()));
for (SearchHit documentFields : searchResponse.getHits().getHits()) {
System.out.println(documentFields.getSourceAsMap());
}
}
八、實戰分析
實戰部分會模擬一個真實的 ElasticSearch 搜尋過程：從建立專案開始，到使用爬蟲爬取資料、編寫業務，再到前後端分離互動，最後搜尋結果高亮展示。
8.1建立專案
建立專案的步驟可如以下幾步：
-
步驟一：匯入相關依賴
<properties> <java.version>11</java.version> <!-- 自定義 ElasticSearch 依賴版本與安裝的版本一致 --> <elasticsearch.version>7.6.1</elasticsearch.version> </properties> <dependency> <groupId>com.alibaba</groupId> <artifactId>fastjson</artifactId> <version>1.2.83</version> </dependency> -
步驟二：編寫 properties 檔案
server.port=9090 # 關閉 thymeleaf 快取 spring.thymeleaf.cache=false #mysql連線配置 spring.datasource.username=root spring.datasource.password=password123 spring.datasource.url=jdbc:mysql://localhost:3306/elasticsearch-test?useSSL=false&useUnicode=true&characterEncoding=utf-8 spring.datasource.driver-class-name=com.mysql.cj.jdbc.Driver #mybatis-plus日誌配置 mybatis-plus.configuration.log-impl=org.apache.ibatis.logging.stdout.StdOutImpl #mybatis-plus邏輯刪除配置，刪除為1，未刪除為0 mybatis-plus.global-config.db-config.logic-delete-value = 1 mybatis-plus.global-config.db-config.logic-not-delete-value = 0 -
步驟三：匯入前端樣式
這個步驟可以在網盤
地址：https://pan.baidu.com/s/1yk_yekYoGXCuO0dc5B-Ftg
密碼： rwpq
獲取對應的 zip 包，裡面包括了一些前端的靜態資源和樣式，直接放入 resources 資料夾中即可。
-
步驟四：編寫controller
@Controller public class IndexController { @GetMapping({"/","/index"}) public String index(){ return "index"; } }
8.2爬取資料
在真實的專案中，資料可以從資料庫獲得，也可以從MQ（訊息佇列）中獲得，也可以通過爬取資料（爬蟲）獲得，在這裡介紹一下使用爬蟲獲取專案所需資料的過程。
1.首先匯入網頁解析依賴：
<!--網頁解析依賴-->
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.11.2</version>
</dependency>
2.編寫網頁解析工具類（返回爬取到的資料）：
@Component
public class HtmlParseUtil {
public static List<Content> parseJD(String keyword) throws IOException {
// 1、獲取請求：https://search.jd.com/Search?keyword=java
String reqUrl = "https://search.jd.com/Search?keyword=" + keyword;
// 2、解析網頁，返回的document物件就是頁面的 js 物件
Document document = Jsoup.parse(new URL(reqUrl), 30000);
// 3、js 中使用的方法獲取頁面資訊
Element j_goodList = document.getElementById("J_goodsList");
// 4、獲取所有的 li 元素
Elements liElements = j_goodList.getElementsByTag("li");
//5、返回List封裝物件
ArrayList<Content> goodsList = new ArrayList<>();
//5、獲取元素中的內容，遍歷的 li 物件就是每一個 li 標籤
for (Element el : liElements) {
String price = el.getElementsByClass("p-price").eq(0).text();
String title = el.getElementsByClass("p-name").eq(0).text();
String img = el.getElementsByTag("img").eq(0).attr("data-lazy-img");
// 將爬取的資訊放入 List 物件中
Content content = new Content();
content.setTitle(title);
content.setImg(img);
content.setPrice(price);
goodsList.add(content);
}
return goodsList;
}
}
8.3編寫業務
要編寫的業務只有兩部分：1、將上述獲取的資料放入 ElasticSearch 的索引中；2、實現 ElasticSearch 的搜尋功能；
步驟一：
1.controller層：
@Autowired
private ContentService contentService;
@GetMapping("/parse/{keyword}")
public Boolean parse(@PathVariable("keyword") String keyword) throws IOException {
return contentService.parseContent(keyword);
}
2.service層：
@Autowired
private RestHighLevelClient restHighLevelClient;
/**
* 1、將解析後的資料放入 ElasticSearch 的索引中
* */
public Boolean parseContent(String keyword) throws IOException {
List<Content> contents = new HtmlParseUtil().parseJD(keyword);
//批量插入 es
BulkRequest bulkRequest = new BulkRequest();
bulkRequest.timeout("2m");
for (int i = 0; i < contents.size(); i++) {
bulkRequest.add(
new IndexRequest("jd_goods")
.source(JSON.toJSONString(contents.get(i)), XContentType.JSON)
);
}
BulkResponse bulk = restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT);
return bulk.hasFailures();
}
步驟二：
1.controller層：
@GetMapping("/search/{keyword}/{pageNo}/{pageSize}")
public List<Map<String, Object>> search(@PathVariable("keyword") String keyword,
@PathVariable("pageNo") Integer pageNo,
@PathVariable("pageSize") Integer pageSize) throws IOException {
return contentService.searchPage(keyword, pageNo, pageSize);
}
2.service層：
/**
* 2、獲取資料後實現搜尋功能
* */
public List<Map<String,Object>> searchPage(String keyword, Integer pageNo, Integer pageSize) throws IOException {
if (pageNo <= 1){
pageNo = 1;
}
//條件搜尋
SearchRequest searchRequest = new SearchRequest("jd_goods");
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
//精準匹配
TermQueryBuilder titleTermQuery = QueryBuilders.termQuery("title", keyword);
sourceBuilder.query(titleTermQuery);
sourceBuilder.timeout(new TimeValue(3, TimeUnit.SECONDS));
//分頁
sourceBuilder.from(pageNo);
sourceBuilder.size(10);
//執行搜尋
searchRequest.source(sourceBuilder);
SearchResponse searchResponse = restHighLevelClient.search(searchRequest,RequestOptions.DEFAULT);
//解析結果
ArrayList<Map<String, Object>> list = new ArrayList<>();
for (SearchHit documentFields : searchResponse.getHits().getHits()) {
list.add(documentFields.getSourceAsMap());
}
return list;
}
8.4前後端互動
前後端互動主要是通過介面查詢資料並返回：前端有請求引數（關鍵字、分頁引數）後，後端通過關鍵字去 elasticsearch 索引中進行篩選，最終將結果返回給前端現實的一個過程。
在這裡主要分析一下前端是怎麼獲得後端介面引數的，後端的介面在上述業務編寫中已經包含了。
-
引入Vue、axios
<!--前端使用Vue-->
<script th:src="@{/js/axios.min.js}"></script>
<script th:src="@{/js/vue.min.js}"></script>
-
在Vue中繫結
<script>
new Vue({
el: '#app',
data:{
// 搜尋關鍵字
keyword: '',
//返回結果
results: []
}
})
</script>
-
對接後端介面並返回
<script>
methods: {
searchKey(){
let keyword = this.keyword;
console.log(keyword);
//對接後端介面：關鍵字、分頁引數
axios.get('search/' + keyword + '/1/20').then(response=>{
console.log(response);
//繫結資料
this.results = response.data;
})
}
}
</script>
8.4搜尋高亮
關鍵字高亮總結來說，就是將原來搜尋內容中的關鍵字置換為加了樣式的關鍵字，進而展示出高亮效果。
主要邏輯在於，獲取到 Hits 物件後，遍歷關鍵字欄位，將高亮的關鍵字重新放入 Hits 集合中。
具體程式碼如下：
//解析結果
ArrayList<Map<String, Object>> list = new ArrayList<>();
for (SearchHit documentFields : searchResponse.getHits().getHits()) {
//解析高亮欄位，遍歷整個 Hits 物件
Map<String, HighlightField> highlightFields = documentFields.getHighlightFields();
//獲取到關鍵字的欄位
HighlightField title = highlightFields.get("title");
Map<String, Object> sourceAsMap = documentFields.getSourceAsMap();
//置換為高亮欄位：將原來的欄位替換為高亮的欄位
if(title != null){
Text[] fragments = title.fragments();
//定義新的高亮欄位
String new_title = "";
for (Text text : fragments) {
new_title += text;
}
//將高亮的欄位放入 Map 集合
sourceAsMap.put("title",new_title);
}
list.add(sourceAsMap);
}
九、總結
ElasticSearch 作為一個分散式全文檢索引擎，也可以應用在叢集當中（K8S、Docker）。
ElasticSearch 實現全文檢索的過程並不複雜，只要在業務需要的地方建立 ElasticSearch 索引，將資料放入索引中，就可以使用 ElasticSearch 整合在各個語言中的搜尋物件進行查詢操作了。
而在整合了 ElasticSearch 的 Spring Boot 專案中，無論是建立索引、精準匹配、還是欄位高亮等，都是使用 ElasticSearch 物件在操作，本質上還是一個物件導向的過程。
和 Java 中的其它“物件”一樣，只要靈活運用這些“物件”的使用規則和特性，就可以滿足業務上的需求，對這個過程的把控也是工程師能力 的一種體現。
在 Spring Boot 專案中整合 ElasticSearch 就和大家分享到這裡，如有不足，還望大家不吝賜教！