Springboot2（35）集成elasticSearch6.x

源码地址

springboot2教程系列

ElasticSearch6.x安装、ElasticSearch head插件

集成Springboot

添加依赖

    org.springframework.boot
    spring-boot-starter-data-elasticsearch

添加配置application.yml

spring:
     data:
            elasticsearch:
                # 集群名
                cluster-name: elasticsearch
                # 连接节点,注意在集群中通信都是9300端口，否则会报错无法连接上！
                # cluster-nodes: 10.10.2.139:9300
                cluster-nodes: 10.10.2.139:9300
                # 是否本地连接
                local: false
                repositories:
                 # 仓库中数据存储
                enabled: true

数据实体

@Document(indexName = "nias12",type = "receiver3",refreshInterval="120s",replicas=1)
@Data
public class BusReceiverEntity {
    //主键
    private Long id;
    //姓名
    private String name;
    //区域
    private String regionCode;
    //地址
    @Field(type = FieldType.Text, analyzer = "ik_smart",
    searchAnalyzer = "ik_smart", fielddata=true)
    private String address;
    //地址英文名字
    private String enName;
    //家庭成员
    @Field(type = FieldType.Integer)
    private int memberFamily;
    //创建时间
    private Date createDate;

    public BusReceiverEntity(){

    }

}

@Document注解里面的几个属性，类比mysql的话是这样： index –> DB type –> Table Document –> row

dao 接口

@Component
public interface ReceiverRepository extends ElasticsearchRepository<BusReceiverEntity,Long> {
}

serivce层

@Service
public class BusReceiverServiceImp implements  BusReceiverService{

    @Autowired
    ReceiverRepository receiverRepository;

    @Override
    public void save(BusReceiverEntity t) {
        receiverRepository.save(t);
    }
}

controller层

@RestController
public class ElasticSearchController {

    @Autowired
    BusReceiverService busReceiverService;

    @RequestMapping("/save")
    public String save(){
        busReceiverService.save(NameBuildUtils.buildReceiver());
        return "save";
    }
}

1. 认识分词器

内建Analyzer

standard Analyzer

标准分析器是默认分析器，如果没有指定，则使用标准分析器。它提供了基于语法的标记化(基于Unicode标准附件29中指定的Unicode文本分割算法)，对大多数语言都很有效。

simple Analyzer

只要遇到不是字母的字符，这个简单的分析器就会将文本分解成术语。所有项都是小写的。

更多的查看

POST _analyze
{
  "analyzer": "standard",
  "text": "The 2 QUICK Brown-Foxes jumped over the lazy dog's bone."
}

集成的中文分词器Ikanalyzer中提供的Analyzer：ik_smart 、 ik_max_word

内建的和集成的analyzer可以直接使用。如果它们不能满足我们的需要，则我们可自己组合字符过滤器、分词器、词项过滤器来定义自定义的analyzer

自定义 Analyzer

1.定义索引 index

PUT test_index1

{
	"settings": {
		"analysis": {
			"analyzer": {
				"my_ik_analyzer": {
					"type": "custom",
					"tokenizer": "ik_smart",
					"char_filter": [
						"html_strip"
					],
					"filter": [
						"synonym"
					]
				}
			},
			"filter": {
				"synonym": {
					"type": "synonym",
					"synonyms_path": "analysis/synonym.txt"
				}
			}
		}
	}
}

2 为字段指定分词器

PUT test_index1/_mapping/_doc

{
  "properties": {
    "title": {
        "type": "text",
        "analyzer": "my_ik_analyzer"
    }
  }
}

3.测试结果

PUT test_index1/_doc/1
{
  "title": "联想是全球最大的笔记本厂商"
}

//搜索
GET /test_index1/_search
{
  "query": {
    "term": {
      "title": "张三"
    }
  }
}

4.为索引定义个default分词器

{
  "settings": {
    "analysis": {
      "analyzer": {
        "default": {
          "tokenizer": "ik_smart",
          "filter": [
            "synonym"
          ]
        }
      },
      "filter": {
        "synonym": {
          "type": "synonym",
          "synonyms_path": "analysis/synonym.txt"
        }
      }
    }
  },
"mappings": {
    "_doc": {
      "properties": {
        "title": {
          "type": "text"
        }
      }
    }
  }
}

Analyzer的使用顺序

我们可以为每个查询、每个字段、每个索引指定分词器。

在索引阶段ES将按如下顺序来选用分词：

首先选用字段mapping定义中指定的analyzer
字段定义中没有指定analyzer，则选用 index settings中定义的名字为default 的analyzer。
如index setting中没有定义default分词器，则使用 standard analyzer.

Analyzer 的组成

• **tokenizer：**分词器，对文本进行分词。一个analyzer必需且只可包含一个tokenizer。

• **character filter ：**字符过滤器，对文本进行字符过滤处理，如处理文本中的html标签字符。处理完后再交给tokenizer进行分词。一个analyzer中可包含0个或多个字符过滤器，多个按配置顺序依次进行处理。

• **token filter：**词项过滤器，对tokenizer分出的词进行过滤处理。如转小写、停用词处理、同义词处理。一个analyzer可包含0个或多个词项过滤器，按配置顺序进行过滤。

tokenizer分词器

curl -XPOST http://10.10.2.139:9200/_analyze

{
  "tokenizer": "path_hierarchy", 
  "text": "联想是全球最大的笔记本厂商"
}

es内建的分词器

1.standard 分词器（单字分词）

英文的处理能力同于StopAnalyzer.支持中文采用的方法为单字切分。他会将词汇单元转换成小写形式，并去除停用词和标点符号。

2.whitespace 分词器 (按空格分词)

仅仅是去除空格，对字符没有lowcase化,不支持中文； 并且不对生成的词汇单元进行其他的规范化处理。

3.keyword 分词器（不分词）

KeywordAnalyzer把整个输入作为一个单独词汇单元，方便特殊类型的文本进行索引和检索。针对邮政编码，地址等文本信息使用关键词分词器进行索引项建立非常方便

4.letter 分词器（标点分词）

在遇到非字母的字符时将文本分成 ,支持中文

5.path_hierarchy(路径分词)

更多请查看官网

中文分词器

ik 带有两个分词器

ik_max_word

会将文本做最细粒度的拆分；尽可能多的拆分出词语

ik_smart

会做最粗粒度的拆分；已被分出的词语将不会再次分词

召回率：搜索的时候，增加能够搜索到的结果的数量

Token Filter

Stop Token Filter （ 停用词过滤器）

curl -XPUST http://10.10.2.139:9200/test_index3

{
    "settings": {
        "index" : {
            "analysis" : {
                "analyzer" : {
                    "standard_stop" : {
                        "tokenizer" : "standard",
                        "filter" : ["my_stop"]
                    }
                },
                "filter" : {
                    "my_stop" : {
                        "type" : "stop",
                        "stopwords": ["联", "is", "the"]
                    }
                }
            }
        }
    }
}

curl -XPOST http://10.10.2.139:9200/test_index3/_analyze
{
  "analyzer": "standard_stop",
  "text": "联想是全球最大的笔记本厂商"
}
##结果忽略联的分词

说明：中文分词器Ikanalyzer中自带有停用词过滤功能

Synonym Token Filter(同义词过滤器)

curl -XPUST http://10.10.2.139:9200/test_index4

{
    "settings": {
        "index" : {
            "analysis" : {
                "analyzer" : {
                    "my_ik_synonym" : {
                        "tokenizer" : "ik_smart",
                        "filter" : ["synonym"]
                    }
                },
                "filter" : {
                    "synonym" : {
                        "type" : "synonym",
                        "synonyms_path" : "analysis/synonym.txt"
                    }
                }
            }
        }
    }
}

注意：文件一定要UTF-8编码(synonyms_path的目录为elasticsearch.yml所在目录)

analysis/synonym.txt

张三,李四
电饭煲,电饭锅 => 电饭煲
电脑 => 计算机,compute

curl -XPOST http://10.10.2.139:9200/test_index4/_analyze

{
  "analyzer": "my_ik_synonym",
  "text": "我想买个电饭锅和一个电脑"
}

分词结果会把电脑改变为计算机和compute两个词，把电饭锅转换为电饭煲

更多的词项过滤器

character filter （字符过滤器 ）

HTML Strip Char Filter

​ **html_strip ：**过滤html标签，解码HTML entities like &. 例子

Mapping Char Filter

mapping ：用指定的字符串替换文本中的某字符串。 例子

Pattern Replace Char Filter

​ **pattern_replace ：**进行正则表达式替换。 例子

文档

ElasticSearch HTTP RESTful API

1.检查es版本信息

10.10.2.139:9200

3.索引中分段信息的方法

GET /test/_segments

索引操作

1.查看index的详情

curl -XPUT IP:9200/索引名称（小写）

2.创建index

curl -XPUT IP:9200/索引名称/

{
    "settings":{
           "number_of_shards":1,     
           "number_of_replicas":2,  
           "index":{
                  "analysis":{
                         "analyzer":{
                                "default":{
                                       "tokenizer":"standard",   
                                       "filter":[
                                              "asciifolding",
                                              "lowercase",
                                              "ourEnglishFilter"
                                       ]
                                }
                         },
                         "filter":{
                                "ourEnglishFilter":{
                                       "type":"kstem"
                                }
                         }
                  }
           }
    }
}

3.删除索引

DELETE /my_index

 //删除所有的索引
 curl -XDELETE http://localhost:9200/_all
 或 curl -XDELETE http://localhost:9200/*
//一次删除多个索引 
curl -XDELETE http://localhost:9200/twitter,my_index

action.destructive_requires_name = true

Elasticsearch 6.x Mapping设置

Elasticsearch 映射参数 fields

2. 搜索查找

单个精确值查找（term query）

term 查询会查找我们指定的精确值。term 查询是简单的，它接受一个字段名以及我们希望查找的数值。

POST nias12/_search

{
  "query" : {
      "term" : {
        "name.keyword" : "牧文景"
      }
  }
}

由于“牧文景”使用的是内置默认分词器，会分词为“牧”，“文”，“景”，而查询条件是不会分词查询，所以如果为"name" : "牧文景"查不到文档。

name.keyword不分词，所以能配精确匹配。

非评分模式

当进行精确值查找时， 我们会使用过滤器（filters）。过滤器很重要，因为它们执行速度非常快，不会计算相关度（直接跳过了整个评分阶段）而且很容易被缓存。如下： 使用 constant_score 查询以非评分模式来执行 term 查询并以一作为统一评分。

{
  "query" : {
      "constant_score" : {
          "filter" : {
              "term" : {
                "name.keyword" : "牧文景"
              }
          }
      }
  }
}

多个值精确查找（terms query）

{
  "query" : {
      "terms" : {
         "name.keyword" : ["卓巧兰","潘昆锐"]
        }
  }
}

terms是包含的意思，包含"卓巧兰"或者包含"潘昆锐"。

存在与否检索（exist query）

exist查询某个字段是否存在

{
  "query" : {
      "exists" : { "field" : "name" }
  }
}

前缀检索（ Prefix Query ）

{ "query": {
    "prefix" : { "name.keyword" : "牧" }
  }
}

如果是分词的字段，则搜索每个分词项的前缀。

通配符检索( wildcard query)

{
    "query": {
        "wildcard" : { "address" : "?徽" }
    }
}

如果是分词的字段，则搜索每个分词项的通配符检索。

匹配具有匹配通配符表达式（ (not analyzed ）的字段的文档。 支持的通配符：
1）*，它匹配任何字符序列（包括空字符序列）；
2）？，它匹配任何单个字符。
请注意，此查询可能很慢，因为它需要遍历多个术语。

为了防止非常慢的通配符查询，通配符不能以任何一个通配符*或？开头。

Fuzzy Queries（模糊查询）

模糊查询可以在Match和 Multi-Match查询中使用以便解决拼写的错误，模糊度是基于Levenshteindistance计算与原单词的距离。

{
    "query": {
        "multi_match" : {
            "query" : "牧本景",//不存在
            "fields": ["name.keyword"],
            "fuzziness": "AUTO"
        }
    },
    "_source": ["name"],
    "size": 1
}

上面我们将fuzziness的值指定为AUTO，其在term的长度大于5的时候相当于指定值为2，然而80%的人拼写错误的编辑距离(edit distance)为1，所有如果你将fuzziness设置为1可能会提高你的搜索性能

Multi-field Search

multi_match关键字通常在查询多个fields的时候作为match关键字的简写方式。

{
    "query": {
        "multi_match" : {
            "query" : "夔易文",
            "fields" : ["name.keyword","name"]
        }
    }
}

分页查询

GET /index/_search
{
  "from": 30,
  "size": 10
}

查询

为什么Elasticsearch查询变得这么慢了？