如何将主流技术ElasticSearch高效应用于Spring项目实践？

可以把索引当作一个数据库来使用，具体的创建如下步骤所示：

• 步骤一：点击Indices，在弹出的提示框中填写索引名称，点击确认；

• 步骤二：可以在head界面中看到该索引，如下图所示：
  

注：head仅可以当作一个数据可视化的展示工具，对于查询语句推荐使用Kibana。

Kibana是一个针对 ElasticSearch 的开源分析、可视化平台，用于搜索、查看交互存储在ElasticSearch中的数据。

Kibana 操作简单，基于浏览器的的用户界面可以快速创建仪表板（dashboard）并实时显示数据。

官网下载：www.elastic.co/downloads/past-releases/kibana-7-6-1

注意事项：Kibana 版本需要和 ElasticSearch 的版本保持一致。

安装步骤如下：

• 步骤一：打开解压缩后的bin文件夹，双击.bat文件；
• 步骤二：打开 localhost:5601 进入 Kibana 界面

在开发的过程中，可供数据测试的工具有很多，比如postman、head、Chrome浏览器等，这里推荐使用 Kibana 进行数据测试。

操作界面如下图所示：

在使用中文进行搜索时，我们会对要搜索的信息进行分词：将一段中文分成一个个的词语或者句子，然后将分出的词进行搜索。

默认的中文分词是一个汉字一个词，如：“你好世界”，会被分成：“你”，“好”，“世”，“界”。但这样的分词方式显然并不全面，比如还可以分成：“你好”，“世界”。

ik分词器就解决了默认分词不全面的问题，可以将中文进行不重复的分词。

ik分词器提供了两种2算法：ik_smart（最少切分）以及ik_max_word（最细颗粒度划分）。

github下载：github.com/medcl/elasticsearch-analysis-ik/releases/tag/v7.6.1

• 步骤一：将解压后的所有文件放置在 elasticsearch 下的plugins文件夹下；
• 步骤二：重启 elasticsearch

1. 首先测试 ik_smart（最少切分）算法的分词效果，具体如图3-1所示：
   

   图3-1

2. 再测试 ik_max_word（最细颗粒度划分）算法的分词效果，具体如图3-2所示：

   

ik分词的默认字典并不能完全涵盖所有的中文分词，当我们想自定义分词时，就需要修改ik分词器的字典配置。

• 步骤一：打开elasticsearch-7.6.1\plugins\ik\config文件夹，增加自定义dic文件；
• 步骤二：在同一文件夹中的IKAnalyzer.cfg.xml里，将上述步骤的dic文件写入自己的扩展字典；

具体效果如下图3-3所示：

ElasticSearch 使用 Rest 风格来进行一系列操作，具体的命令如图4-1所示：

PUT /test_1/type/1 { "name": "zhuzqc", "age": 35364 } 4.2修改索引内容

GET /test_1 { "mappings": { "properties": { "name": { "type": "text" }, "age": { "type": "long" }, "birthdy": { "type": "date" } } } } 4.3更新索引内容

POST /test_1/_doc/1/_update { "doc": { "name": "noone" } } 4.4删除索引

DELETE test_2 4.5关于documents的操作 4.5.1基本操作

documents 可以看作是数据库中的行记录;

1. 首先先生产一些 documents 数据：

PUT zhuzqc/user/3 { "name": "李四", "age": 894, "desc": "影流之主", "tags": ["劫","刺客","中单"] }

2.获取数据：

GET zhuzqc/user/1

3.更新数据

// POST请求对指定内容进行更新 POST zhuzqc/user/1/_update { "doc": { "name": "342rfd", "age": 243234 } }

4.简单的条件查询

// 查询统一GET开头，_search后接?，q代表query，属性:内容 GET zhuzqc/user/_search?q=name:李 如：查询zhuzqc索引中name为李四的信息，其中李四遵循默认的分词规则 GET zhuzqc/user/_search?q=name:李四 4.5.2复杂操作

上述的一些简单查询操作在企业级应用开发中使用地较少，更多地还是使用查询实现复杂的业务。

随着业务的复杂程度增加，查询的语句也随之复杂起来，在使用复杂查询的过程中必然会涉及一些 elasticsearch 的进阶语法。

对于复杂查询的操作在下一章会详细介绍。

ElasticSearch引擎首先分析需要查询的字符串，根据分词器规则对其进行分词。分词之后，才会根据查询条件进行结果返回。

• query 关键字：将需要查询的 JSON 参数体进行包裹，声明这是一条查询语句。
• bool 关键字：表明返回结果类型为布尔类型。
• keyword 关键字：keyword代表一种分词类型，表明该字段的值不会被分词器分词。
• must 关键字：在 must 中的内容表明都是必须执行的内容，在 must 中可以创建多条语句，多条语句需同时满足条件才能执行，作用相当于 SQL 语句中的 AND 。
• should 关键字：在 should 关键字里的内容只要满足其中一项就可以执行，作用相当于 SQL 语句中的 OR 。
• must_not 关键字：类似于 Java 中的 != 作用，展示查询内容之外的内容。
• match 关键字：match 的作用是匹配查询，首先经过分词器的分词，后再执行 match 查询，默认情况下：字段内容必须完整地匹配到任意一个词条（分词后），才会有返回结果。
• 注：如果需要查询的词有多个，可以用空格隔开。
• match_all 关键字：待补充。
• match_phrase 关键字：待补充。
• term 关键字：精确查询关键字，使用 term 时首先不会对需要查询的词条进行分词，只有精确地匹配到一模一样的内容才会返回结果。
• terms 关键字：待补充。
• filter 关键字：对查询的内容进行筛选过滤，常使用 gt（大于）、gte（大于等于）、lt（小于）和 lte （小于等于）来进行筛选。

GET product_cloud/_search { "query": { "bool": { "must": [ { "bool": { "should": [ {"match": {"product_comment":"持续交付 工程师"}} ] } }, { "bool": { "should": [ {"terms": {"label_ids": [3]}} ] } } ], "filter": { "range": { "label_ids": { "gte": 0 } } } } }

• score 关键字：字段内容与词条的匹配程度，分数越高，表明匹配度越高，就越符合查询结果。

• hits 关键字：对应 Java 代码中的 hit 对象，包含了索引和文档信息，包括查询结果总数，查询出来的_doc内容（一串 JSON），分数（score）等。

• source：需要展示的内容字段，默认是展示索引的所有字段，也可以自定义指定需要展示的字段。

• sort关键字：可以对字段的展示进行排序；

"_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 关键字可以在搜索结果中对需要高亮的字段进行高亮（可自定义样式）展示，具体代码如下：

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集成ElasticSearch

在 Elasticsearch 的官方文档中有对 Elasticsearch 客户端使用的详细介绍： www.elastic.co/guide/en/elasticsearch/client/java-api-client/8.0/installation.html

<properties> <java.version>11</java.version> <!-- 自定义 ElasticSearch 依赖版本与安装的版本一致 --> <elasticsearch.verson>7.6.1</elasticsearch.verson> </properties> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-elasticsearch</artifactId> </dependency> 6.2创建对象

定义一个客户端对象：

@Configuration public class EsConfig { @Bean public RestHighLevelClient restHighLevelClient(){ RestHighLevelClient restHighLevelClient = new RestHighLevelClient( RestClient.builder( new HttpHost("127.0.0.1",9200,"localhost:3306/elasticsearch-test?useSSL=false&useUnicode=true&characterEncoding=utf-8 spring.datasource.driver-class-name=com.mysql.cj.jdbc.Driver #mybatis-plus日志配置 mybatis-plus.configuration.log-impl=org.apache.ibatis.logging.stdout.StdOutImpl #mybatis-plus逻辑删除配置，删除为1，未删除为0 mybatis-plus.global-config.db-config.logic-delete-value = 1 mybatis-plus.global-config.db-config.logic-not-delete-value = 0

在真实的项目中，数据可以从数据库获得，也可以从MQ（消息队列）中获得，也可以通过爬取数据（爬虫）获得，在这里介绍一下使用爬虫获取项目所需数据的过程。

<!--网页解析依赖--> <dependency> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.11.2</version> </dependency> 2.编写网页解析工具类（返回爬取到的数据）：

@Component public class HtmlParseUtil { public static List<Content> parseJD(String keyword) throws IOException { // 1、获取请求：search.jd.com/Search?keyword=java String reqUrl = "search.jd.com/Search?keyword=" + keyword; // 2、解析网页，返回的document对象就是页面的 js 对象 Document document = Jsoup.parse(new URL(reqUrl), 30000); // 3、js 中使用的方法获取页面信息 Element j_goodList = document.getElementById("J_goodsList"); // 4、获取所有的 li 元素 Elements liElements = j_goodList.getElementsByTag("li"); //5、返回List封装对象 ArrayList<Content> goodsList = new ArrayList<>(); //5、获取元素中的内容，遍历的 li 对象就是每一个 li 标签 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"); // 将爬取的信息放入 List 对象中 Content content = new Content(); content.setTitle(title); content.setImg(img); content.setPrice(price); goodsList.add(content); } return goodsList; } } 8.3编写业务

要编写的业务只有两部分：1、将上述获取的数据放入 ElasticSearch 的索引中；2、实现 ElasticSearch 的搜索功能；

1.controller层：

@Autowired private ContentService contentService; @GetMapping("/parse/{keyword}") public Boolean parse(@PathVariable("keyword") String keyword) throws IOException { return contentService.parseContent(keyword); }

2.service层：

@Autowired private RestHighLevelClient restHighLevelClient; /** * 1、将解析后的数据放入 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(); } 步骤二：

1.controller层：

@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层：

/** * 2、获取数据后实现搜索功能 * */ public List<Map<String,Object>> searchPage(String keyword, Integer pageNo, Integer pageSize) throws IOException { if (pageNo <= 1){ pageNo = 1; } //条件搜索 SearchRequest searchRequest = new SearchRequest("jd_goods"); SearchSourceBuilder sourceBuilder = new SearchSourceBuilder(); //精准匹配 TermQueryBuilder titleTermQuery = QueryBuilders.termQuery("title", keyword); sourceBuilder.query(titleTermQuery); sourceBuilder.timeout(new TimeValue(3, TimeUnit.SECONDS)); //分页 sourceBuilder.from(pageNo); sourceBuilder.size(10); //执行搜索 searchRequest.source(sourceBuilder); SearchResponse searchResponse = restHighLevelClient.search(searchRequest,RequestOptions.DEFAULT); //解析结果 ArrayList<Map<String, Object>> list = new ArrayList<>(); for (SearchHit documentFields : searchResponse.getHits().getHits()) { list.add(documentFields.getSourceAsMap()); } return list; } 8.4前后端交互

前后端交互主要是通过接口查询数据并返回：前端有请求参数（关键字、分页参数）后，后端通过关键字去 elasticsearch 索引中进行筛选，最终将结果返回给前端现实的一个过程。

在这里主要分析一下前端是怎么获得后端接口参数的，后端的接口在上述业务编写中已经包含了。

• 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中绑定

<script> new Vue({ el: '#app', data:{ // 搜索关键字 keyword: '', //返回结果 results: [] } }) </script>

• 对接后端接口并返回

<script> methods: { searchKey(){ let keyword = this.keyword; console.log(keyword); //对接后端接口：关键字、分页参数 axios.get('search/' + keyword + '/1/20').then(response=>{ console.log(response); //绑定数据 this.results = response.data; }) } } </script> 8.4搜索高亮

关键字高亮总结来说，就是将原来搜索内容中的关键字置换为加了样式的关键字，进而展示出高亮效果。

主要逻辑在于，获取到 Hits 对象后，遍历关键字字段，将高亮的关键字重新放入 Hits 集合中。

具体代码如下：

//解析结果 ArrayList<Map<String, Object>> list = new ArrayList<>(); for (SearchHit documentFields : searchResponse.getHits().getHits()) { //解析高亮字段，遍历整个 Hits 对象 Map<String, HighlightField> highlightFields = documentFields.getHighlightFields(); //获取到关键字的字段 HighlightField title = highlightFields.get("title"); Map<String, Object> sourceAsMap = documentFields.getSourceAsMap(); //置换为高亮字段：将原来的字段替换为高亮的字段 if(title != null){ Text[] fragments = title.fragments(); //定义新的高亮字段 String new_title = ""; for (Text text : fragments) { new_title += text; } //将高亮的字段放入 Map 集合 sourceAsMap.put("title",new_title); } list.add(sourceAsMap); } 九、总结

ElasticSearch 作为一个分布式全文检索引擎，也可以应用在集群当中（K8S、Docker）。

ElasticSearch 实现全文检索的过程并不复杂，只要在业务需要的地方创建 ElasticSearch 索引，将数据放入索引中，就可以使用 ElasticSearch 集成在各个语言中的搜索对象进行查询操作了。

而在集成了 ElasticSearch 的 Spring Boot 项目中，无论是创建索引、精准匹配、还是字段高亮等，都是使用 ElasticSearch 对象在操作，本质上还是一个面向对象的过程。

和 Java 中的其它“对象”一样，只要灵活运用这些“对象”的使用规则和特性，就可以满足业务上的需求，对这个过程的把控也是工程师能力 的一种体现。

在 Spring Boot 项目中集成 ElasticSearch 就和大家分享到这里，如有不足，还望大家不吝赐教！