h同学的学习空间

微服务框架springcloud（实用篇）【6】Elasticsearch 02

Elasticsearch最擅长的还是搜索和数据分析。分别使用DSL和RestClient实现搜索。

一、DSL查询文档

elasticsearch的查询依然是基于JSON风格的DSL来实现的。

1.DSL查询分类

Elasticsearch提供了基于JSON的DSL（Domain Specific Language）来定义查询。

常见的查询类型包括：

查询所有：查询出所有数据，一般测试用。例如：match_all

全文检索（full text）查询：利用分词器对用户输入内容分词，然后去倒排索引库中匹配。例如：match_query multi_match_query

精确查询：根据精确词条值查找数据，一般是查找keyword、数值、日期、boolean等类型字段。例如：ids range term （不需要做分词，但是也有倒排索引）

地理（geo）查询：根据经纬度查询。例如：geo_distance geo_bounding_box

复合（compound）查询：复合查询可以将上述各种查询条件组合起来，合并查询条件。例如：bool (运用布尔逻辑的运算来把上面的几个查询条件组合起来) function_score (控制相关度算分的)

查询的语法基本一致：

GET /indexName/_search
{
        "query": {
                "查询类型": {
                        "查询条件FIELD": "条件值TEXT"
                }
        }
}

我们以查询所有为例，其中：查询类型为match_all 没有查询条件

// 查询所有
GET /indexName/_search
{
        "query": {
                "match_all": {
                }
        }
}

其它查询无非就是查询类型、查询条件的变化。

（查询出来的结果默认十条，要是打算查询所有，学完分页查询就可以看到了）

2.全文检索查询

1）使用场景

全文检索查询的基本流程如下：

对用户搜索的内容做分词，得到词条

根据词条去倒排索引库中匹配，得到文档id

根据文档id找到文档，返回给用户

比较常用的场景包括：商城的输入框搜索百度输入框搜索

因为是拿着词条去匹配，因此参与搜索的字段也必须是可分词的text类型的字段。

2）基本语法

全文检索查询，会对用户输入内容分词，常用于搜索框搜索

常见的全文检索查询包括：

match查询：单字段查询,全文检索查询的一种，会对用户输入内容分词，然后去倒排索引库检索

multi_match查询：多字段查询，与match查询类似，只不过允许同时查询多个字段，任意一个字段符合条件就算符合查询条件，参与查询字段越多，查询性能越差

match查询语法如下：

GET /indexName/_search
{
        "query": {
                "match": {
                "FIELD": "TEXT"
                }
        }
}

mulit_match语法如下：

GET /indexName/_search
{
        "query": {
                "multi_match": {
                "query": "TEXT",
                "fields": ["FIELD1", " FIELD12"]
                }
        }
}

3）示例

match查询示例：（匹配度越高，排名越靠前）

multi_match查询示例：（三个字段brand，name和business里，只要满足一个就可以）

可以看到，两种查询结果是一样的，为什么？

因为我们将brand、name、business值都利用copy_to复制到了all字段中。因此你根据三个字段搜索，和根据all字段搜索效果当然一样了。

但是，搜索字段越多，对查询性能影响越大，因此建议采用copy_to，然后单字段查询的方式。

3.精准查询

精确查询一般是查找keyword、数值、日期、boolean等类型字段。所以不会对搜索条件分词。常见的有：

term：根据词条精确值查询，一般搜索keyword类型、数值类型、布尔类型、日期类型字段

range：根据值的范围查询，可以是数值、日期的范围

1）term查询

因为精确查询的字段搜是不分词的字段，因此查询的条件也必须是不分词的词条。查询时，用户输入的内容跟自动值完全匹配时才认为符合条件。如果用户输入的内容过多，反而搜索不到数据。

语法说明：

// term查询
GET /indexName/_search
{
        "query": {
                "term": {
                        "FIELD": {
"value": "VALUE"
                        }
                }
       }
}

示例：当我搜索的是精确词条时，能正确查询出结果：

但是，当我搜索的内容不是词条，而是多个词语形成的短语时，反而搜索不到：

2）range查询

范围查询，一般应用在对数值类型做范围过滤的时候。比如做价格范围过滤。

基本语法：

// range查询
GET /indexName/_search
{
        "query": {
                "range": {
                        "FIELD": {
                                "gte": 10, // 这里的gte代表大于等于，gt则代表大于
                                "lte": 20 // lte代表小于等于，lt则代表小于
                        }
                }
        }
}

示例：

4.地理坐标查询

所谓的地理坐标查询，其实就是根据经纬度查询，

官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/geo-queries.html

常见的使用场景包括：

携程：搜索我附近的酒店滴滴：搜索我附近的出租车微信：搜索我附近的人

1）矩形范围查询（geo_bounding_box）

查询geo_point坐标落在某个矩形范围的所有文档

查询时，需要指定矩形的左上、右下两个点的坐标，然后画出一个矩形，落在该矩形内的都是符合条件的点。

语法如下：

// geo_bounding_box查询
GET /indexName/_search
{
        "query": {
                "geo_bounding_box": {
                        "FIELD": { 文档里面，类型为geo_point的那个字段
                                "top_left": { // 左上点
                                        "lat": 31.1,
                                        "lon": 121.5
                                },
                                "bottom_right": { // 右下点
                                        "lat": 30.9,
                                        "lon": 121.7
                                }
                        }
                }
        }
}

这种并不符合“附近的人”这样的需求，所以我们就不做了。

2）附近查询

附近查询，也叫做距离查询（geo_distance）：查询到指定中心点小于某个距离值的所有文档

换句话来说，在地图上找一个点作为圆心，以指定距离为半径，画一个圆，落在圆内的坐标都算符合条件

语法说明：

// geo_distance 查询
GET /indexName/_search
{
        "query": {
                "geo_distance": {
                        "distance": "15km", // 半径
                        "FIELD": "31.21,121.5" // 圆心
                }
        }
}

示例：我们先搜索陆家嘴附近15km的酒店：

发现共有47家酒店。

然后把半径缩短到3公里：

可以发现，搜索到的酒店数量减少到了5家。

5.复合查询

复合（compound）查询可以将其它简单查询组合起来，实现更复杂的搜索逻辑。常见的有两种：

fuction score：算分函数查询，可以控制文档相关性算分，控制文档排名

bool query：布尔查询，利用逻辑关系组合多个其它的查询，实现复杂搜索

1）相关性算分

当我们利用match查询时，文档结果会根据与搜索词条的关联度打分（_score），返回结果时按照分值降序排列。

例如，我们搜索 "虹桥如家"，结果如下：

[
  {
    "_score" : 17.850193,
    "_source" : {
      "name" : "虹桥如家酒店真不错",
    }
  },
  {
    "_score" : 12.259849,
    "_source" : {
      "name" : "外滩如家酒店真不错",
    }
  },
  {
    "_score" : 11.91091,
    "_source" : {
      "name" : "迪士尼如家酒店真不错",
    }
  }
]

在elasticsearch中，早期使用的打分算法是TF-IDF算法，公式如下：

在后来的5.1版本升级中，elasticsearch将算法改进为BM25算法，公式如下：

TF-IDF算法有一各缺陷，就是词条频率越高，文档得分也会越高，单个词条对文档影响较大。而BM25则会让单个词条的算分有一个上限，曲线更加平滑：

小结：elasticsearch会根据词条和文档的相关度做打分，算法由两种：

TF-IDF算法、BM25算法（elasticsearch5.1版本后采用的算法）

2）算分函数查询fuction score

根据相关度打分是比较合理的需求，但合理的不一定是产品经理需要的。

要想认为控制相关性算分，就需要利用elasticsearch中的function score 查询了。

1] 语法说明

①function score 查询中包含四部分内容：

原始查询条件：query部分，基于这个条件搜索文档，并且基于BM25算法给文档打分，原始算分（query score)

过滤条件：filter部分，符合该条件的文档才会重新算分

算分函数：符合filter条件的文档要根据这个函数做运算，得到的函数算分（function score），有四种函数

weight：函数结果是常量

field_value_factor：以文档中的某个字段值作为函数结果

random_score：以随机数作为函数结果

script_score：自定义算分函数算法

运算模式：算分函数的结果、原始查询的相关性算分，两者之间的运算方式，包括：

multiply：相乘

replace：用function score替换query score

其它，例如：sum、avg、max、min

②function score的运行流程如下：

1] 根据原始条件查询搜索文档，并且计算相关性算分，称为**原始算分**（query score）

2] 根据过滤条件，过滤文档

3] 符合过滤条件的文档，基于**算分函数**运算，得到**函数算分**（function score）

4] 将原始算分（query score）和**函数算分**（function score）基于**运算模式**做运算，得到最终结果，作为相关性算分。

因此，其中的关键点是：

过滤条件：决定哪些文档的算分被修改

算分函数：决定函数算分的算法

运算模式：决定最终算分结果

2] 示例

需求：给“如家”这个品牌的酒店排名靠前一些

function score query定义的三要素

过滤条件：哪些文档要加分

算分函数：如何计算function score

加权方式：function score 与 query score如何运算

翻译一下这个需求，转换为之前说的四个要点：

原始条件：不确定，可以任意变化

过滤条件：brand = "如家"

算分函数：可以简单粗暴，直接给固定的算分结果，weight

运算模式：比如求和

因此最终的DSL语句如下：

GET /hotel/_search
{
  "query": {
    "function_score": {
      "query": { .... }, // 原始查询，可以是任意条件
      "functions": [ // 算分函数
        {
          "filter": { // 满足的条件，品牌必须是如家
            "term": {
              "brand": "如家"
            }
          },
          "weight": 2 // 算分权重为2
        }
      ],
"boost_mode": "sum" // 加权模式，求和
    }
  }
}

测试，在未添加算分函数时，如家得分如下：

添加了算分函数后，如家得分就提升了：

3）布尔查询Boolean Query

布尔查询是一个或多个查询子句的组合，每一个子句就是一个**子查询**。子查询的组合方式有：

must：必须匹配每个子查询，类似“与”

should：选择性匹配子查询，类似“或”

must_not：必须不匹配，不参与算分，类似“非”

filter：必须匹配，不参与算分

每一个不同的字段，其查询的条件、方式都不一样，必须是多个不同的查询，而要组合这些查询，就必须用bool查询了。

需要注意的是，搜索时，参与打分的字段越多，查询的性能也越差。因此这种多条件查询时，建议这样做：

搜索框的关键字搜索，是全文检索查询，使用must查询，参与算分

其它过滤条件，采用filter查询。不参与算分（es在进行搜索的时候，不仅仅要看文档是否匹配，还要看文档和关键字的相关度来进行打分，分值越高排名越靠前，打分有复杂的算分函数BM25，每做一次算分，消耗一份资源，如果子查询比较多，而且每一项都要进行算分，查询的性能就会受到影响，如果不参与算分就会只会返回，满足或不满足，是或者否，性能就会有所提高，es把这种不参与算分的过滤性查询放到缓存中去，将来再一次查询的时候会进一步的提升性能）

1] 语法示例

GET /hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {"term": {"city": "上海" }}
      ],
      "should": [
        {"term": {"brand": "皇冠假日" }},
{"term": {"brand": "华美达" }}
      ],
      "must_not": [
        { "range": { "price": { "lte": 500 } }}
      ],
      "filter": [
        { "range": {"score": { "gte": 45 } }}
      ]
    }
  }
}

2] 示例

需求：搜索名字包含“如家”，价格不高于400，在坐标31.21,121.5周围10km范围内的酒店。

分析：

名称搜索，属于全文检索查询，应该参与算分。放到must中

价格不高于400，用range查询，属于过滤条件，不参与算分。放到must_not中

周围10km范围内，用geo_distance查询，属于过滤条件，不参与算分。放到filter中

GET /hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {"name": "如家"}
        }
      ],
      "must_not": [
        {
          "range": { "price": {"gt": 400}}
        }
      ],
      "filter": [
        {
          "geo_distance": {
            "distance": "10km", "location": {"lat": 31.21, "lon": 121.5}
          }
        }
      ]
    }
  }
}

二、搜索结果处理

搜索的结果可以按照用户指定的方式去处理或展示。

1.排序

elasticsearch默认是根据相关度算分（_score）来排序，但是也支持自定义方式对搜索[结果排序]。可以排序字段类型有：keyword类型、数值类型、地理坐标类型、日期类型等。

一旦做了排序，打分就没有意义了 _score的值为null

1）普通字段排序

keyword、数值、日期类型排序的语法基本一致。

语法：

GET /indexName/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "FIELD": "desc"  // 排序字段、排序方式ASC、DESC
    }
  ]
}

排序条件是一个数组，也就是可以写多个排序条件。按照声明的顺序，当第一个条件相等时，再按照第二个条件排序，以此类推

示例：

需求描述：酒店数据按照用户评价（score)降序排序，评价相同的按照价格(price)升序排序

2）地理坐标排序

地理坐标排序略有不同。

语法说明：

GET /indexName/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "_geo_distance" : {
          "FIELD" : "纬度，经度", // 文档中geo_point类型的字段名、目标坐标点
          "order" : "asc", // 排序方式
          "unit" : "km" // 排序的距离单位
      }
    }
  ]
}

这个查询的含义是：

指定一个坐标，作为目标点

计算每一个文档中，指定字段（必须是geo_point类型）的坐标到目标点的距离是多少

根据距离排序

示例:

需求描述：实现对酒店数据按照到你的位置坐标的距离升序排序

提示：获取你的位置的经纬度的方式：

https://lbs.amap.com/demo/jsapi-v2/example/map/click-to-get-lnglat/

假设我的位置是：31.034661，121.612282，寻找我周围距离最近的酒店。

"location":{ "31.0234661,121.612282"} 这么写也可以

2.分页

elasticsearch 默认情况下只返回top10的数据。而如果要查询更多数据就需要修改分页参数了。

elasticsearch中通过修改from、size参数来控制要返回的分页结果：

from：从第几个文档开始 size：总共查询几个文档类似于mysql中的`limit ?, ?`

1）基本的分页

分页的基本语法如下：

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "from": 0, // 分页开始的位置，默认为0
  "size": 10, // 期望获取的文档总数
  "sort": [
    {"price": "asc"}
  ]
}

2）深度分页问题

要查询990~1000的数据，查询逻辑要这么写：

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "from": 990, // 分页开始的位置，默认为0
  "size": 10, // 期望获取的文档总数
  "sort": [
    {"price": "asc"}
  ]
}

这里是查询990开始的数据，也就是第990~第1000条数据

不过，elasticsearch内部分页时，必须先查询 0~1000条，然后截取其中的990 ~ 1000的这10条：

查询TOP1000，如果es是单点模式，这并无太大影响。

ES是分布式的，所以会面临深度分页问题。按price排序后，获取from = 990，size =10的数据：

首先在每个数据分片上都排序并查询前1000条文档。

然后将所有节点的结果聚合，在内存中重新排序选出前1000条文档

最后从这1000条中，选取从990开始的10条文档

但是elasticsearch将来一定是集群，例如我集群有5个节点，我要查询TOP1000的数据，并不是每个节点查询200条就可以了。因为节点A的TOP200，在另一个节点可能排到10000名以外了。

因此要想获取整个集群的TOP1000，必须先查询出每个节点的TOP1000，汇总结果后，重新排名，重新截取TOP1000。

如果搜索页数过深，或者结果集（from + size）越大，对内存和CPU的消耗也越高。因此ES设定结果集查询的上限是10000

针对深度分页，ES提供了两种解决方案，官方文档

search after：分页时需要排序，原理是从上一次的排序值开始，查询下一页数据。官方推荐使用的方式。（只能向后翻页）

scroll：原理将排序后的文档id形成快照，保存在内存。官方已经不推荐使用。

3）小结

分页查询的常见实现方案以及优缺点：

from + size：

优点：支持随机翻页

缺点：深度分页问题，默认查询上限（from + size）是10000

场景：百度、京东、谷歌、淘宝这样的随机翻页搜索

after search：

优点：没有查询上限（单次查询的size不超过10000）

缺点：只能向后逐页查询，不支持随机翻页

场景：没有随机翻页需求的搜索，例如手机向下滚动翻页

scroll：

优点：没有查询上限（单次查询的size不超过10000）

缺点：会有额外内存消耗，并且搜索结果是非实时的

场景：海量数据的获取和迁移。从ES7.1开始不推荐，建议用 after search方案。

3.高亮

1）高亮原理

我们在百度，京东搜索时，关键字会变成红色，比较醒目，这叫高亮显示：

原理：将搜索结果中的关键字用标签标记出来、在页面中给标签添加css样式

高亮显示的实现分为两步：

1] 给文档中的所有关键字都添加一个标签，例如``标签

        2] 页面给``标签编写CSS样式

2）实现高亮

高亮的语法：

GET /hotel/_search
{
  "query": {
    "match": {
      "FIELD": "TEXT" // 查询条件，高亮一定要使用全文检索查询，搜索的字段+关键字

        //高亮显示，搜索不能用match_all或者是其他的查询，这里一定要用带关键字的查询
    }
  },
  "highlight": {
    "fields": { // 指定要高亮的字段
      "FIELD": {
        "pre_tags": "",  // 用来标记高亮字段的前置标签
        "post_tags": "" // 用来标记高亮字段的后置标签
      }
    }
  }
}

注意：

        高亮是对关键字高亮，因此搜索条件必须带有关键字，而不能是范围这样的查询。

        默认情况下，高亮的字段，必须与搜索指定的字段一致，否则无法高亮

        如果要对非搜索字段高亮，则需要添加一个属性：required_field_match=false

source是原始内容不能修改，高亮结果在其下方返回

示例：

4.总结

查询的DSL是一个大的JSON对象，包含下列属性：

        query：查询条件 from和size：分页条件

        sort：排序条件                        highlight：高亮条件

示例：

三、RestClient查询文档

文档的查询同样适用昨天学习的 RestHighLevelClient对象，基本步骤包括：

        1] 准备Request对象        2] 准备请求参数        3] 发起请求        4] 解析响应

1.快速入门

我们以match_all查询为例

1）发起查询请求

代码解读：

        第一步，创建`SearchRequest`对象，指定索引库名

        第二步，利用`request.source()`构建DSL，DSL中可以包含查询、分页、排序、高亮等

        `query()`：代表查询条件，利用`QueryBuilders.matchAllQuery()`构建一个match_all查询的DSL

        第三步，利用client.search()发送请求，得到响应

这里关键的API有两个，一个是`request.source()`，其中包含了查询、排序、分页、高亮等所有功能：

另一个是QueryBuilders(是一个工具)，其中包含match、term、function_score、bool等各种查询：

（不要用QueryBuilder这个接口，虽然里面有很多种实现，查询的类型不同，实现不同）

2）解析响应

响应结果的解析：

elasticsearch返回的结果是一个JSON字符串，结构包含：

hits：命中的结果

        total：总条数，其中的value是具体的总条数值

        max_score：所有结果中得分最高的文档的相关性算分

        hits：搜索结果的文档数组，其中的每个文档都是一个json对象

                _source：文档中的原始数据，也是json对象

因此，我们解析响应结果，就是逐层解析JSON字符串，流程如下：

SearchHits：通过response.getHits()获取，就是JSON中的最外层的hits，代表命中的结果

        SearchHits#getTotalHits().value：获取总条数信息

        SearchHits#getHits()：获取SearchHit数组，也就是文档数组

                SearchHit#getSourceAsString()：获取文档结果中的_source，也就是原始的json文档数据

3）完整代码

完整代码如下：

@Test void testMatchAll() throws IOException { // 1.准备Request SearchRequest request = new SearchRequest("hotel"); // 2.准备DSL request.source() .query(QueryBuilders.matchAllQuery()); // 3.发送请求 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.解析响应 handleResponse(response); } private void handleResponse(SearchResponse response) { // 4.解析响应 SearchHits searchHits = response.getHits(); // 4.1.获取总条数 long total = searchHits.getTotalHits().value; System.out.println("共搜索到" + total + "条数据"); // 4.2.文档数组 SearchHit[] hits = searchHits.getHits(); // 4.3.遍历 for (SearchHit hit : hits) { // 获取文档source String json = hit.getSourceAsString(); // 反序列化 HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class); System.out.println("hotelDoc = " + hotelDoc); } }

4）小结

查询的基本步骤是：

1] 创建SearchRequest对象

2] 准备Request.source()，也就是DSL。

        ① QueryBuilders来构建查询条件

        ② 传入Request.source() 的 query() 方法

3] 发送请求，得到结果

4] 解析结果（参考JSON结果，从外到内，逐层解析）

2.match查询

全文检索的match和multi_match查询与match_all的API基本一致。

差别是查询条件，也就是query的部分。

因此，Java代码上的差异主要是request.source().query()中的参数了。同样是利用QueryBuilders提供的方法：

而结果解析代码则完全一致，可以抽取并共享。(ctrl + alt + m)

完整代码如下：

@Test void testMatch() throws IOException { // 1.准备Request SearchRequest request = new SearchRequest("hotel"); // 2.准备DSL request.source() .query(QueryBuilders.matchQuery("all", "如家")); // 3.发送请求 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.解析响应 handleResponse(response); }

3.精确查询

精确查询主要是两者：term：词条精确匹配        range：范围查询

与之前的查询相比，差异同样在查询条件，其它都一样。

查询条件构造的API如下：

4.布尔查询

布尔查询是用must、must_not、filter等方式组合其它查询，代码示例如下：

可以看到，API与其它查询的差别同样是在查询条件的构建，QueryBuilders，结果解析等其他代码完全不变。

完整代码如下：

@Test void testBool() throws IOException { // 1.准备Request SearchRequest request = new SearchRequest("hotel"); // 2.准备DSL // 2.1.准备BooleanQuery BoolQueryBuilder boolQuery = QueryBuilders.boolQuery(); // 2.2.添加term boolQuery.must(QueryBuilders.termQuery("city", "杭州")); // 2.3.添加range boolQuery.filter(QueryBuilders.rangeQuery("price").lte(250)); request.source().query(boolQuery); // 3.发送请求 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.解析响应 handleResponse(response); }

5.排序、分页

搜索结果的排序和分页是与query同级的参数，因此同样是使用request.source()来设置。

对应的API如下：

完整代码示例：

@Test void testPageAndSort() throws IOException { // 页码，每页大小 int page = 1, size = 5; // 1.准备Request SearchRequest request = new SearchRequest("hotel"); // 2.准备DSL // 2.1.query request.source().query(QueryBuilders.matchAllQuery()); // 2.2.排序 sort request.source().sort("price", SortOrder.ASC); // 2.3.分页 from、size request.source().from((page - 1) * size).size(5); // 3.发送请求 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.解析响应 handleResponse(response); }

6.高亮

高亮的代码与之前代码差异较大，有两点：

        查询的DSL：其中除了查询条件，还需要添加高亮条件，同样是与query同级。

        结果解析：结果除了要解析_source文档数据，还要解析高亮结果

1）高亮请求构建

高亮请求的构建API如下：

上述代码省略了查询条件部分，但是大家不要忘了：高亮查询必须使用全文检索查询，并且要有搜索关键字，将来才可以对关键字高亮。

完整代码如下：

@Test void testHighlight() throws IOException { // 1.准备Request SearchRequest request = new SearchRequest("hotel"); // 2.准备DSL // 2.1.query request.source().query(QueryBuilders.matchQuery("all", "如家")); // 2.2.高亮 //requireFieldMatch需不需要匹配，这里是false不匹配 //还有一些功能preTags前置标签，postTags后置标签，如果没有写，就使用默认标签 request.source().highlighter(new HighlightBuilder().field("name").requireFieldMatch(false)); // 3.发送请求 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.解析响应 handleResponse(response); }

2）高亮结果解析

高亮的结果与查询的文档结果默认是分离的，并不在一起。

因此解析高亮的代码需要额外处理：

代码解读：

第一步：从结果中获取source。hit.getSourceAsString()，这部分是非高亮结果，json字符串。还需要反序列为HotelDoc对象

第二步：获取高亮结果。hit.getHighlightFields()，返回值是一个Map，key是高亮字段名称，值是HighlightField对象，代表高亮值

第三步：从map中根据高亮字段名称，获取高亮字段值对象HighlightField

第四步：从HighlightField中获取Fragments，并且转为字符串。这部分就是真正的高亮字符串了

第五步：用高亮的结果替换HotelDoc中的非高亮结果

完整代码如下：

private void handleResponse(SearchResponse response) { // 4.解析响应 SearchHits searchHits = response.getHits(); // 4.1.获取总条数 long total = searchHits.getTotalHits().value; System.out.println("共搜索到" + total + "条数据"); // 4.2.文档数组 SearchHit[] hits = searchHits.getHits(); // 4.3.遍历 for (SearchHit hit : hits) { // 获取文档source String json = hit.getSourceAsString(); // 反序列化 HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class); // 获取高亮结果 Map highlightFields = hit.getHighlightFields(); if (!CollectionUtils.isEmpty(highlightFields)) { // 根据字段名获取高亮结果 HighlightField highlightField = highlightFields.get("name"); if (highlightField != null) { // 获取高亮值 String name = highlightField.getFragments()[0].string(); // 覆盖非高亮结果 hotelDoc.setName(name); } } System.out.println("hotelDoc = " + hotelDoc); } }

四、黑马旅游案例

下面，我们通过黑马旅游的案例来实战演练下之前学习的知识。

我们实现四部分功能：酒店搜索和分页        酒店结果过滤        我周边的酒店        酒店竞价排名

启动我们提供的hotel-demo项目，其默认端口是8089，访问http://localhost:8090，就能看到项目页面了：

1.酒店搜索和分页

案例需求：实现黑马旅游的酒店搜索功能，完成关键字搜索和分页

1）需求分析

在项目的首页，有一个大大的搜索框，还有分页按钮：

点击搜索按钮，可以看到浏览器控制台发出了请求：

请求参数如下：

由此可以知道，我们这个请求的信息如下：

        请求方式：POST

        请求路径：/hotel/list

        请求参数：JSON对象，包含4个字段：

                key：搜索关键字

                page：页码

                size：每页大小

                sortBy：排序，目前暂不实现

        返回值：分页查询，需要返回分页结果PageResult，包含两个属性：

                total：总条数

                List：当前页的数据

因此，我们实现业务的流程如下：

        步骤一：定义实体类，接收请求参数的JSON对象

        步骤二：编写controller，接收页面的请求，调用IHotelService的search方法

        步骤三：编写业务实现，定义IHotelService中的search方法，利用match查询实现根据关键字搜索酒店信息，利用RestHighLevelClient实现搜索、分页

2）定义实体类

实体类有两个，一个是前端的请求参数实体，一个是服务端应该返回的响应结果实体。

1] 请求参数

前端请求的json结构如下：

{
"key": "搜索关键字",
"page": 1,
"size": 3,
"sortBy": "default"
}

因此，我们在`cn.itcast.hotel.pojo`包下定义一个实体类：

package cn.itcast.hotel.pojo; import lombok.Data; @Data public class RequestParams { private String key; private Integer page; private Integer size; private String sortBy; }

2] 返回值

分页查询，需要返回分页结果PageResult，包含两个属性：

        total：总条数

        List：当前页的数据

因此，我们在`cn.itcast.hotel.pojo`中定义返回结果：

package cn.itcast.hotel.pojo; import lombok.Data; import java.util.List; @Data public class PageResult { private Long total; private List hotels; public PageResult() { } public PageResult(Long total, List hotels) { this.total = total; this.hotels = hotels; } }

3）定义controller

定义一个HotelController，声明查询接口，满足下列要求：

        请求方式：Post

        请求路径：/hotel/list

        请求参数：对象，类型为RequestParam

        返回值：PageResult，包含两个属性

        Long total：总条数

        List hotels：酒店数据

因此，我们在`cn.itcast.hotel.web`中定义HotelController：

@RestController @RequestMapping("/hotel") public class HotelController { @Autowired private IHotelService hotelService; // 搜索酒店数据 @PostMapping("/list") public PageResult search(@RequestBody RequestParams params){ return hotelService.search(params);//alt + enter 把方法创建出来 } }

4）实现搜索业务

我们在controller调用了IHotelService，并没有实现该方法，因此下面我们就在IHotelService中定义方法，并且去实现业务逻辑。

1] 在`cn.itcast.hotel.service`中的`IHotelService`接口中定义一个方法：

/** * 根据关键字搜索酒店信息 * @param params 请求参数对象，包含用户输入的关键字 * @return 酒店文档列表 */ PageResult search(RequestParams params);

2] 实现搜索业务，肯定离不开RestHighLevelClient，我们需要把它注册到Spring中作为一个Bean。在`cn.itcast.hotel`中的`HotelDemoApplication`中声明这个Bean：

@Bean public RestHighLevelClient client(){ return new RestHighLevelClient(RestClient.builder( HttpHost.create("http://192.168.150.101:9200") )); }

3] 在`cn.itcast.hotel.service.impl`中的`HotelService`中实现search方法：

//找到接口的实现类ctrl + alt + b /*public class HotelService extends ServiceImpl implements IHotelService {} alt + enter实现search方法 */ @Override public PageResult search(RequestParams params) { try { // 1.准备Request SearchRequest request = new SearchRequest("hotel"); // 2.准备DSL // 2.1.query String key = params.getKey(); if (key == null || "".equals(key)) { boolQuery.must(QueryBuilders.matchAllQuery()); } else { boolQuery.must(QueryBuilders.matchQuery("all", key)); } // 2.2.分页 int page = params.getPage(); int size = params.getSize(); request.source().from((page - 1) * size).size(size); // 3.发送请求 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.解析响应 return handleResponse(response); } catch (IOException e) { throw new RuntimeException(e); } } // 结果解析 private PageResult handleResponse(SearchResponse response) { // 4.解析响应 SearchHits searchHits = response.getHits(); // 4.1.获取总条数 long total = searchHits.getTotalHits().value; // 4.2.文档数组 SearchHit[] hits = searchHits.getHits(); // 4.3.遍历 List hotels = new ArrayList<>(); for (SearchHit hit : hits) { // 获取文档source String json = hit.getSourceAsString(); // 反序列化 HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class); // 放入集合 hotels.add(hotelDoc); } // 4.4.封装返回 return new PageResult(total, hotels); }

2.酒店结果过滤

需求：添加品牌、城市、星级、价格等过滤功能

1）需求分析

在页面搜索框下面，会有一些过滤项：

传递的参数如图：

包含的过滤条件有：

        brand：品牌值

        city：城市

        minPrice~maxPrice：价格范围

        starName：星级

我们需要做两件事情：

        修改请求参数的对象RequestParams，添加brand、city、starName、minPrice、maxPrice等参数

        修改业务逻辑，在搜索条件之外，添加一些过滤条件，修改search方法的实现，在关键字搜索时，如果brand等参数存在，对其做过滤

2）修改实体类

修改在`cn.itcast.hotel.pojo`包下的实体类RequestParams：

@Data public class RequestParams { private String key; private Integer page; private Integer size; private String sortBy; // 下面是新增的过滤条件参数 private String city; private String brand; private String starName; private Integer minPrice; private Integer maxPrice; }

3）修改搜索业务

在HotelService的search方法中，只有一个地方需要修改：requet.source().query( ... )其中的查询条件。

在之前的业务中，只有match查询，根据关键字搜索，现在要添加条件过滤，包括：

        品牌过滤：精确匹配，是keyword类型，用term查询

        星级过滤：精确匹配，是keyword类型，用term查询

        价格过滤：范围过滤，是数值类型，用range查询

        城市过滤：精确匹配，是keyword类型，用term查询

注意事项：

        多个条件之间是AND关系，组合多条件用BooleanQuery

        参数存在才需要过滤，做好非空判断

多个查询条件组合，肯定是boolean查询来组合：

        关键字搜索放到must中，参与算分

        其它过滤条件放到filter中，不参与算分

因为条件构建的逻辑比较复杂，这里先封装为一个函数：

buildBasicQuery的代码如下：

private void buildBasicQuery(RequestParams params, SearchRequest request) { // 1.构建BooleanQuery BoolQueryBuilder boolQuery = QueryBuilders.boolQuery(); // 2.关键字搜索 String key = params.getKey(); if (key == null || "".equals(key)) { boolQuery.must(QueryBuilders.matchAllQuery()); } else { boolQuery.must(QueryBuilders.matchQuery("all", key)); } // 3.城市条件 if (params.getCity() != null && !params.getCity().equals("")) { boolQuery.filter(QueryBuilders.termQuery("city", params.getCity())); } // 4.品牌条件 if (params.getBrand() != null && !params.getBrand().equals("")) { boolQuery.filter(QueryBuilders.termQuery("brand", params.getBrand())); } // 5.星级条件 if (params.getStarName() != null && !params.getStarName().equals("")) { boolQuery.filter(QueryBuilders.termQuery("starName", params.getStarName())); } // 6.价格 if (params.getMinPrice() != null && params.getMaxPrice() != null) { boolQuery.filter(QueryBuilders .rangeQuery("price") .gte(params.getMinPrice()) .lte(params.getMaxPrice()) ); } // 7.放入source request.source().query(boolQuery); }

3.我周边的酒店

需求：我附近的酒店

1）需求分析

在酒店列表页的右侧，有一个小地图，点击地图的定位按钮，地图会找到你所在的位置

并且，在前端会发起查询请求，将你的坐标发送到服务端：

我们要做的事情就是基于这个location坐标，然后按照距离对周围酒店排序。实现思路如下：

        修改RequestParams参数，接收location字段

        修改search方法业务逻辑，如果location有值，添加根据geo_distance排序的功能

2）修改实体类

修改在`cn.itcast.hotel.pojo`包下的实体类RequestParams：

package cn.itcast.hotel.pojo; import lombok.Data; @Data public class RequestParams { private String key; private Integer page; private Integer size; private String sortBy; private String city; private String brand; private String starName; private Integer minPrice; private Integer maxPrice; // 我当前的地理坐标 private String location; }

3）距离排序API

我们以前学习过排序功能，包括两种：普通字段排序、地理坐标排序

我们只讲了普通字段排序对应的java写法。地理坐标排序只学过DSL语法，如下：

GET /indexName/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "price": "asc"
    },
    {
      "_geo_distance" : {
          "FIELD" : "纬度，经度",
          "order" : "asc",
          "unit" : "km"
      }
    }
  ]
}

对应的java代码示例：

![image-20210722095227059](assets/image-20210722095227059.png)

4）添加距离排序

在`cn.itcast.hotel.service.impl`的`HotelService`的`search`方法中，添加一个排序功能：

完整代码：

@Override public PageResult search(RequestParams params) { try { // 1.准备Request SearchRequest request = new SearchRequest("hotel"); // 2.准备DSL // 2.1.query buildBasicQuery(params, request); // 2.2.分页 int page = params.getPage(); int size = params.getSize(); request.source().from((page - 1) * size).size(size); // 2.3.排序 String location = params.getLocation(); if (location != null && !location.equals("")) { request.source().sort(SortBuilders .geoDistanceSort("location", new GeoPoint(location)) .order(SortOrder.ASC) .unit(DistanceUnit.KILOMETERS) ); } // 3.发送请求 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.解析响应 return handleResponse(response); } catch (IOException e) { throw new RuntimeException(e); } }

5）排序距离显示

重启服务后，测试我的酒店功能：

发现确实可以实现对我附近酒店的排序，不过并没有看到酒店到底距离我多远，这该怎么办？

排序完成后，页面还要获取我附近每个酒店的具体**距离**值，这个值在响应结果中是独立的：

因此，我们在结果解析阶段，除了解析source部分以外，还要得到sort部分，也就是排序的距离，然后放到响应结果中。

我们要做两件事：

        修改HotelDoc，添加排序距离字段，用于页面显示

        修改HotelService类中的handleResponse方法，添加对sort值的获取

1] 修改HotelDoc类，添加距离字段

package cn.itcast.hotel.pojo; import lombok.Data; import lombok.NoArgsConstructor; @Data @NoArgsConstructor public class HotelDoc { private Long id; private String name; private String address; private Integer price; private Integer score; private String brand; private String city; private String starName; private String business; private String location; private String pic; // 排序时的距离值 private Object distance; public HotelDoc(Hotel hotel) { this.id = hotel.getId(); this.name = hotel.getName(); this.address = hotel.getAddress(); this.price = hotel.getPrice(); this.score = hotel.getScore(); this.brand = hotel.getBrand(); this.city = hotel.getCity(); this.starName = hotel.getStarName(); this.business = hotel.getBusiness(); this.location = hotel.getLatitude() + ", " + hotel.getLongitude(); this.pic = hotel.getPic(); } }

2] 修改HotelService中的handleResponse方法

重启后测试，发现页面能成功显示距离了

4.酒店竞价排名

需求：让指定的酒店在搜索结果中排名置顶

1）需求分析

要让指定酒店在搜索结果中排名置顶，页面会给指定的酒店添加广告标记。

之前学习过的function_score查询可以影响算分，算分高了，自然排名也就高了。而function_score包含3个要素：

        过滤条件：哪些文档要加分

        算分函数：如何计算function score

        加权方式：function score 与 query score如何运算

这里的需求是：让指定酒店排名靠前。因此我们需要给这些酒店添加一个标记，这样在过滤条件中就可以根据这个标记来判断，是否要提高算分。

比如，我们给酒店添加一个字段：isAD，Boolean类型：true：是广告        false：不是广告

这样function_score包含3个要素就很好确定了：

        过滤条件：判断isAD 是否为true

        算分函数：我们可以用最简单暴力的weight，固定加权值

        加权方式：可以用默认的相乘，大大提高算分

因此，业务的实现步骤包括：

        1] 给HotelDoc类添加isAD字段，Boolean类型

        2] 挑选几个你喜欢的酒店，给它的文档数据添加isAD 字段，值为true

        3] 修改search方法，添加function score功能，给isAD值为true的酒店增加权重

2）修改HotelDoc实体

给`cn.itcast.hotel.pojo`包下的HotelDoc类添加isAD字段：

3）添加广告标记

接下来，我们挑几个酒店，添加isAD字段，设置为true：

POST /hotel/_update/1902197537
{
"doc": {
"isAD": true
}
}
POST /hotel/_update/2056126831
{
"doc": {
"isAD": true
}
}
POST /hotel/_update/1989806195
{
"doc": {
"isAD": true
}
}
POST /hotel/_update/2056105938
{
"doc": {
"isAD": true
}
}

4）添加算分函数查询

接下来我们就要修改查询条件了。之前是用的boolean 查询，现在要改成function_socre查询。

对应的JavaAPI如下：

我们可以将之前写的boolean查询作为**原始查询**条件放到query中，接下来就是添加过滤条件、算分函数、加权模式了。所以原来的代码依然可以沿用。

修改`cn.itcast.hotel.service.impl`包下的`HotelService`类中的`buildBasicQuery`方法，添加算分函数查询：

private void buildBasicQuery(RequestParams params, SearchRequest request) { // 1.构建BooleanQuery BoolQueryBuilder boolQuery = QueryBuilders.boolQuery(); // 关键字搜索 String key = params.getKey(); if (key == null || "".equals(key)) { boolQuery.must(QueryBuilders.matchAllQuery()); } else { boolQuery.must(QueryBuilders.matchQuery("all", key)); } // 城市条件 if (params.getCity() != null && !params.getCity().equals("")) { boolQuery.filter(QueryBuilders.termQuery("city", params.getCity())); } // 品牌条件 if (params.getBrand() != null && !params.getBrand().equals("")) { boolQuery.filter(QueryBuilders.termQuery("brand", params.getBrand())); } // 星级条件 if (params.getStarName() != null && !params.getStarName().equals("")) { boolQuery.filter(QueryBuilders.termQuery("starName", params.getStarName())); } // 价格 if (params.getMinPrice() != null && params.getMaxPrice() != null) { boolQuery.filter(QueryBuilders .rangeQuery("price") .gte(params.getMinPrice()) .lte(params.getMaxPrice()) ); } // 2.算分控制 FunctionScoreQueryBuilder functionScoreQuery = QueryBuilders.functionScoreQuery( // 原始查询，相关性算分的查询 boolQuery, // function score的数组 new FunctionScoreQueryBuilder.FilterFunctionBuilder[]{ // 其中的一个function score 元素 new FunctionScoreQueryBuilder.FilterFunctionBuilder( // 过滤条件 QueryBuilders.termQuery("isAD", true), // 算分函数 ScoreFunctionBuilders.weightFactorFunction(10) ) }); request.source().query(functionScoreQuery); }

——————————————————————

完整代码

4.0.0 org.springframework.boot spring-boot-starter-parent 2.3.10.RELEASE cn.itcast.demo hotel-demo 0.0.1-SNAPSHOT hotel-demo Demo project for Spring Boot 1.8 7.12.1 org.elasticsearch.client elasticsearch-rest-high-level-client org.springframework.boot spring-boot-starter-web com.baomidou mybatis-plus-boot-starter 3.4.2 mysql mysql-connector-java runtime org.projectlombok lombok true org.springframework.boot spring-boot-starter-test test org.junit.vintage junit-vintage-engine com.alibaba fastjson 1.2.71 org.apache.commons commons-lang3 org.springframework.boot spring-boot-maven-plugin org.projectlombok lombok

%d{MM-dd HH:mm:ss.SSS} [%thread] %-5level %logger{50} - %msg%n

#hotel-demo/src/main/resources/application.yaml server: port: 8089 spring: datasource: url: jdbc:mysql://mysql:3306/heima?useSSL=false username: root password: 123 driver-class-name: com.mysql.jdbc.Driver logging: level: cn.itcast: debug pattern: dateformat: HH:mm:ss:SSS mybatis-plus: configuration: map-underscore-to-camel-case: true type-aliases-package: cn.itcast.hotel.pojo

// hotel-demo/src/main/java/cn/itcast/hotel/HotelDemoApplication.java package cn.itcast.hotel; import org.apache.http.HttpHost; import org.elasticsearch.client.RestClient; import org.elasticsearch.client.RestHighLevelClient; import org.mybatis.spring.annotation.MapperScan; import org.springframework.boot.SpringApplication; import org.springframework.boot.autoconfigure.SpringBootApplication; import org.springframework.context.annotation.Bean; @MapperScan("cn.itcast.hotel.mapper") @SpringBootApplication public class HotelDemoApplication { public static void main(String[] args) { SpringApplication.run(HotelDemoApplication.class, args); } @Bean public RestHighLevelClient restHighLevelClient(){ return new RestHighLevelClient(RestClient.builder( HttpHost.create("http://192.168.150.101:9200") )); } }

//hotel-demo/src/main/java/cn/itcast/hotel/pojo/Hotel.java package cn.itcast.hotel.pojo; import com.baomidou.mybatisplus.annotation.IdType; import com.baomidou.mybatisplus.annotation.TableId; import com.baomidou.mybatisplus.annotation.TableName; import lombok.Data; @Data @TableName("tb_hotel") public class Hotel { @TableId(type = IdType.INPUT) private Long id; private String name; private String address; private Integer price; private Integer score; private String brand; private String city; private String starName; private String business; private String longitude; private String latitude; private String pic; } /*—————————————————————————————————————————————————————*/ //hotel-demo/src/main/java/cn/itcast/hotel/pojo/HotelDoc.java package cn.itcast.hotel.pojo; import lombok.Data; import lombok.NoArgsConstructor; @Data @NoArgsConstructor public class HotelDoc { private Long id; private String name; private String address; private Integer price; private Integer score; private String brand; private String city; private String starName; private String business; private String location; private String pic; private Object distance; private Boolean isAD; public HotelDoc(Hotel hotel) { this.id = hotel.getId(); this.name = hotel.getName(); this.address = hotel.getAddress(); this.price = hotel.getPrice(); this.score = hotel.getScore(); this.brand = hotel.getBrand(); this.city = hotel.getCity(); this.starName = hotel.getStarName(); this.business = hotel.getBusiness(); this.location = hotel.getLatitude() + ", " + hotel.getLongitude(); this.pic = hotel.getPic(); } } /*—————————————————————————————————————————————————————*/ //hotel-demo/src/main/java/cn/itcast/hotel/pojo/PageResult.java package cn.itcast.hotel.pojo; import lombok.Data; import java.util.List; @Data public class PageResult { private Long total; private List hotels; public PageResult() { } public PageResult(Long total, List hotels) { this.total = total; this.hotels = hotels; } } /*—————————————————————————————————————————————————————*/ //hotel-demo/src/main/java/cn/itcast/hotel/pojo/RequestParams.java package cn.itcast.hotel.pojo; import lombok.Data; @Data public class RequestParams { private String key; private Integer page; private Integer size; private String sortBy; private String brand; private String city; private String starName; private Integer minPrice; private Integer maxPrice; private String location; }

// hotel-demo/src/main/java/cn/itcast/hotel/web/HotelController.java package cn.itcast.hotel.web; import cn.itcast.hotel.pojo.PageResult; import cn.itcast.hotel.pojo.RequestParams; import cn.itcast.hotel.service.IHotelService; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.web.bind.annotation.PostMapping; import org.springframework.web.bind.annotation.RequestBody; import org.springframework.web.bind.annotation.RequestMapping; import org.springframework.web.bind.annotation.RestController; @RestController @RequestMapping("hotel") public class HotelController { @Autowired private IHotelService hotelService; @PostMapping("list") public PageResult search(@RequestBody RequestParams params) { return hotelService.search(params); } } /*————————————————————————————————————————————————————————————*/ //hotel-demo/src/main/java/cn/itcast/hotel/service/IHotelService.java package cn.itcast.hotel.service; import cn.itcast.hotel.pojo.Hotel; import cn.itcast.hotel.pojo.PageResult; import cn.itcast.hotel.pojo.RequestParams; import com.baomidou.mybatisplus.extension.service.IService; public interface IHotelService extends IService { PageResult search(RequestParams params); } /*————————————————————————————————————————————————————————————*/ // hotel-demo/src/main/java/cn/itcast/hotel/service/impl/HotelService.java package cn.itcast.hotel.service.impl; import cn.itcast.hotel.mapper.HotelMapper; import cn.itcast.hotel.pojo.Hotel; import cn.itcast.hotel.pojo.HotelDoc; import cn.itcast.hotel.pojo.PageResult; import cn.itcast.hotel.pojo.RequestParams; import cn.itcast.hotel.service.IHotelService; import com.alibaba.fastjson.JSON; import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl; import lombok.extern.slf4j.Slf4j; import org.apache.commons.lang3.StringUtils; import org.elasticsearch.action.search.SearchRequest; import org.elasticsearch.action.search.SearchResponse; import org.elasticsearch.client.RequestOptions; import org.elasticsearch.client.RestHighLevelClient; import org.elasticsearch.common.geo.GeoPoint; import org.elasticsearch.common.unit.DistanceUnit; import org.elasticsearch.index.query.BoolQueryBuilder; import org.elasticsearch.index.query.QueryBuilders; import org.elasticsearch.index.query.functionscore.FunctionScoreQueryBuilder; import org.elasticsearch.index.query.functionscore.ScoreFunctionBuilders; import org.elasticsearch.search.SearchHit; import org.elasticsearch.search.SearchHits; import org.elasticsearch.search.fetch.subphase.highlight.HighlightField; import org.elasticsearch.search.sort.SortBuilders; import org.elasticsearch.search.sort.SortOrder; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.stereotype.Service; import java.io.IOException; import java.util.ArrayList; import java.util.List; import java.util.Map; @Slf4j @Service public class HotelService extends ServiceImpl implements IHotelService { @Autowired private RestHighLevelClient restHighLevelClient; @Override public PageResult search(RequestParams params) { try { // 1.准备Request SearchRequest request = new SearchRequest("hotel"); // 2.准备请求参数 // 2.1.query buildBasicQuery(params, request); // 2.2.分页 int page = params.getPage(); int size = params.getSize(); request.source().from((page - 1) * size).size(size); // 2.3.距离排序 String location = params.getLocation(); if (StringUtils.isNotBlank(location)) { request.source().sort(SortBuilders .geoDistanceSort("location", new GeoPoint(location)) .order(SortOrder.ASC) .unit(DistanceUnit.KILOMETERS) ); } // 3.发送请求 SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT); // 4.解析响应 return handleResponse(response); } catch (IOException e) { throw new RuntimeException("搜索数据失败", e); } } private void buildBasicQuery(RequestParams params, SearchRequest request) { // 1.准备Boolean查询 BoolQueryBuilder boolQuery = QueryBuilders.boolQuery(); // 1.1.关键字搜索，match查询，放到must中 String key = params.getKey(); if (StringUtils.isNotBlank(key)) { // 不为空，根据关键字查询 boolQuery.must(QueryBuilders.matchQuery("all", key)); } else { // 为空，查询所有 boolQuery.must(QueryBuilders.matchAllQuery()); } // 1.2.品牌 String brand = params.getBrand(); if (StringUtils.isNotBlank(brand)) { boolQuery.filter(QueryBuilders.termQuery("brand", brand)); } // 1.3.城市 String city = params.getCity(); if (StringUtils.isNotBlank(city)) { boolQuery.filter(QueryBuilders.termQuery("city", city)); } // 1.4.星级 String starName = params.getStarName(); if (StringUtils.isNotBlank(starName)) { boolQuery.filter(QueryBuilders.termQuery("starName", starName)); } // 1.5.价格范围 Integer minPrice = params.getMinPrice(); Integer maxPrice = params.getMaxPrice(); if (minPrice != null && maxPrice != null) { maxPrice = maxPrice == 0 ? Integer.MAX_VALUE : maxPrice; boolQuery.filter(QueryBuilders.rangeQuery("price").gte(minPrice).lte(maxPrice)); } // 2.算分函数查询 FunctionScoreQueryBuilder functionScoreQuery = QueryBuilders.functionScoreQuery( boolQuery, // 原始查询，boolQuery new FunctionScoreQueryBuilder.FilterFunctionBuilder[]{ // function数组 new FunctionScoreQueryBuilder.FilterFunctionBuilder( QueryBuilders.termQuery("isAD", true), // 过滤条件 ScoreFunctionBuilders.weightFactorFunction(10) // 算分函数 ) } ); // 3.设置查询条件 request.source().query(functionScoreQuery); } private PageResult handleResponse(SearchResponse response) { SearchHits searchHits = response.getHits(); // 4.1.总条数 long total = searchHits.getTotalHits().value; // 4.2.获取文档数组 SearchHit[] hits = searchHits.getHits(); // 4.3.遍历 List hotels = new ArrayList<>(hits.length); for (SearchHit hit : hits) { // 4.4.获取source String json = hit.getSourceAsString(); // 4.5.反序列化，非高亮的 HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class); // 4.6.处理高亮结果 // 1)获取高亮map Map map = hit.getHighlightFields(); if (map != null && !map.isEmpty()) { // 2）根据字段名，获取高亮结果 HighlightField highlightField = map.get("name"); if (highlightField != null) { // 3）获取高亮结果字符串数组中的第1个元素 String hName = highlightField.getFragments()[0].toString(); // 4）把高亮结果放到HotelDoc中 hotelDoc.setName(hName); } } // 4.8.排序信息 Object[] sortValues = hit.getSortValues(); if (sortValues.length > 0) { hotelDoc.setDistance(sortValues[0]); } // 4.9.放入集合 hotels.add(hotelDoc); } return new PageResult(total, hotels); } }

// hotel-demo/src/main/java/cn/itcast/hotel/constants/HotelIndexConstants.java package cn.itcast.hotel.constants; public class HotelIndexConstants { public static final String MAPPING_TEMPLATE = "{\n" + " \"mappings\": {\n" + " \"properties\": {\n" + " \"id\": {\n" + " \"type\": \"keyword\"\n" + " },\n" + " \"name\": {\n" + " \"type\": \"text\",\n" + " \"analyzer\": \"ik_max_word\",\n" + " \"copy_to\": \"all\"\n" + " },\n" + " \"address\": {\n" + " \"type\": \"keyword\",\n" + " \"index\": false\n" + " },\n" + " \"price\": {\n" + " \"type\": \"integer\"\n" + " },\n" + " \"score\": {\n" + " \"type\": \"integer\"\n" + " },\n" + " \"brand\": {\n" + " \"type\": \"keyword\",\n" + " \"copy_to\": \"all\"\n" + " },\n" + " \"city\": {\n" + " \"type\": \"keyword\"\n" + " },\n" + " \"starName\": {\n" + " \"type\": \"keyword\"\n" + " },\n" + " \"business\": {\n" + " \"type\": \"keyword\",\n" + " \"copy_to\": \"all\"\n" + " },\n" + " \"pic\": {\n" + " \"type\": \"keyword\",\n" + " \"index\": false\n" + " },\n" + " \"location\": {\n" + " \"type\": \"geo_point\"\n" + " },\n" + " \"all\": {\n" + " \"type\": \"text\",\n" + " \"analyzer\": \"ik_max_word\"\n" + " }\n" + " }\n" + " }\n" + "}"; }

// hotel-demo/src/main/java/cn/itcast/hotel/mapper/HotelMapper.java package cn.itcast.hotel.mapper; import cn.itcast.hotel.pojo.Hotel; import com.baomidou.mybatisplus.core.mapper.BaseMapper; public interface HotelMapper extends BaseMapper { }

// hotel-demo/src/test/java/cn/itcast/hotel/HotelDocumentTest.java package cn.itcast.hotel; import cn.itcast.hotel.pojo.Hotel; import cn.itcast.hotel.pojo.HotelDoc; import cn.itcast.hotel.service.IHotelService; import com.alibaba.fastjson.JSON; import org.apache.http.HttpHost; import org.elasticsearch.action.bulk.BulkRequest; import org.elasticsearch.action.delete.DeleteRequest; import org.elasticsearch.action.get.GetRequest; import org.elasticsearch.action.get.GetResponse; import org.elasticsearch.action.index.IndexRequest; import org.elasticsearch.action.update.UpdateRequest; import org.elasticsearch.client.RequestOptions; import org.elasticsearch.client.RestClient; import org.elasticsearch.client.RestHighLevelClient; import org.elasticsearch.common.xcontent.XContentType; import org.junit.jupiter.api.AfterEach; import org.junit.jupiter.api.BeforeEach; import org.junit.jupiter.api.Test; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.boot.test.context.SpringBootTest; import java.io.IOException; import java.util.List; @SpringBootTest class HotelDocumentTest { private RestHighLevelClient client; @Autowired private IHotelService hotelService; @Test void testAddDocument() throws IOException { // 1.查询数据库hotel数据 Hotel hotel = hotelService.getById(61083L); // 2.转换为HotelDoc HotelDoc hotelDoc = new HotelDoc(hotel); // 3.转JSON String json = JSON.toJSONString(hotelDoc); // 1.准备Request IndexRequest request = new IndexRequest("hotel").id(hotelDoc.getId().toString()); // 2.准备请求参数DSL，其实就是文档的JSON字符串 request.source(json, XContentType.JSON); // 3.发送请求 client.index(request, RequestOptions.DEFAULT); } @Test void testGetDocumentById() throws IOException { // 1.准备Request // GET /hotel/_doc/{id} GetRequest request = new GetRequest("hotel", "61083"); // 2.发送请求 GetResponse response = client.get(request, RequestOptions.DEFAULT); // 3.解析响应结果 String json = response.getSourceAsString(); HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class); System.out.println("hotelDoc = " + hotelDoc); } @Test void testDeleteDocumentById() throws IOException { // 1.准备Request // DELETE /hotel/_doc/{id} DeleteRequest request = new DeleteRequest("hotel", "61083"); // 2.发送请求 client.delete(request, RequestOptions.DEFAULT); } @Test void testUpdateById() throws IOException { // 1.准备Request UpdateRequest request = new UpdateRequest("hotel", "61083"); // 2.准备参数 request.doc( "price", "870" ); // 3.发送请求 client.update(request, RequestOptions.DEFAULT); } @Test void testBulkRequest() throws IOException { // 查询所有的酒店数据 List list = hotelService.list(); // 1.准备Request BulkRequest request = new BulkRequest(); // 2.准备参数 for (Hotel hotel : list) { // 2.1.转为HotelDoc HotelDoc hotelDoc = new HotelDoc(hotel); // 2.2.转json String json = JSON.toJSONString(hotelDoc); // 2.3.添加请求 request.add(new IndexRequest("hotel").id(hotel.getId().toString()).source(json, XContentType.JSON)); } // 3.发送请求 client.bulk(request, RequestOptions.DEFAULT); } @BeforeEach void setUp() { client = new RestHighLevelClient(RestClient.builder( HttpHost.create("http://192.168.150.101:9200") )); } @AfterEach void tearDown() throws IOException { client.close(); } }

// hotel-demo/src/test/java/cn/itcast/hotel/HotelIndexTest.java package cn.itcast.hotel; import org.apache.http.HttpHost; import org.elasticsearch.action.admin.indices.delete.DeleteIndexRequest; import org.elasticsearch.client.RequestOptions; import org.elasticsearch.client.RestClient; import org.elasticsearch.client.RestHighLevelClient; import org.elasticsearch.client.indices.CreateIndexRequest; import org.elasticsearch.client.indices.GetIndexRequest; import org.elasticsearch.common.xcontent.XContentType; import org.junit.jupiter.api.AfterEach; import org.junit.jupiter.api.BeforeEach; import org.junit.jupiter.api.Test; import org.springframework.boot.test.context.SpringBootTest; import java.io.IOException; import static cn.itcast.hotel.constants.HotelIndexConstants.MAPPING_TEMPLATE; @SpringBootTest class HotelIndexTest { private RestHighLevelClient client; @Test void testCreateIndex() throws IOException { // 1.准备Request PUT /hotel CreateIndexRequest request = new CreateIndexRequest("hotel"); // 2.准备请求参数 request.source(MAPPING_TEMPLATE, XContentType.JSON); // 3.发送请求 client.indices().create(request, RequestOptions.DEFAULT); } @Test void testExistsIndex() throws IOException { // 1.准备Request GetIndexRequest request = new GetIndexRequest("hotel"); // 3.发送请求 boolean isExists = client.indices().exists(request, RequestOptions.DEFAULT); System.out.println(isExists ? "存在" : "不存在"); } @Test void testDeleteIndex() throws IOException { // 1.准备Request DeleteIndexRequest request = new DeleteIndexRequest("hotel"); // 3.发送请求 client.indices().delete(request, RequestOptions.DEFAULT); } @BeforeEach void setUp() { client = new RestHighLevelClient(RestClient.builder( HttpHost.create("http://192.168.150.101:9200") )); } @AfterEach void tearDown() throws IOException { client.close(); } }

// hotel-demo/src/test/java/cn/itcast/hotel/HotelSearchTest.java package cn.itcast.hotel; import cn.itcast.hotel.pojo.HotelDoc; import com.alibaba.fastjson.JSON; import org.apache.http.HttpHost; import org.elasticsearch.action.search.SearchRequest; import org.elasticsearch.action.search.SearchResponse; import org.elasticsearch.client.RequestOptions; import org.elasticsearch.client.RestClient; import org.elasticsearch.client.RestHighLevelClient; import org.elasticsearch.index.query.QueryBuilders; import org.elasticsearch.search.SearchHit; import org.elasticsearch.search.SearchHits; import org.elasticsearch.search.fetch.subphase.highlight.HighlightBuilder; import org.elasticsearch.search.fetch.subphase.highlight.HighlightField; import org.elasticsearch.search.sort.SortOrder; import org.junit.jupiter.api.AfterEach; import org.junit.jupiter.api.BeforeEach; import org.junit.jupiter.api.Test; import org.springframework.boot.test.context.SpringBootTest; import java.io.IOException; import java.util.Map; @SpringBootTest class HotelSearchTest { private RestHighLevelClient client; @Test void testMatchAll() throws IOException { // 1.准备request SearchRequest request = new SearchRequest("hotel"); // 2.准备请求参数 request.source().query(QueryBuilders.matchAllQuery()); // 3.发送请求，得到响应 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.结果解析 handleResponse(response); } @Test void testMatch() throws IOException { // 1.准备request SearchRequest request = new SearchRequest("hotel"); // 2.准备请求参数 // request.source().query(QueryBuilders.matchQuery("all", "外滩如家")); request.source().query(QueryBuilders.multiMatchQuery("外滩如家", "name", "brand", "city")); // 3.发送请求，得到响应 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.结果解析 handleResponse(response); } @Test void testBool() throws IOException { // 1.准备request SearchRequest request = new SearchRequest("hotel"); // 2.准备请求参数 /* BoolQueryBuilder boolQuery = QueryBuilders.boolQuery(); // 2.1.must boolQuery.must(QueryBuilders.termQuery("city", "杭州")); // 2.2.filter boolQuery.filter(QueryBuilders.rangeQuery("price").lte(250)); */ request.source().query( QueryBuilders.boolQuery() .must(QueryBuilders.termQuery("city", "杭州")) .filter(QueryBuilders.rangeQuery("price").lte(250)) ); // 3.发送请求，得到响应 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.结果解析 handleResponse(response); } @Test void testSortAndPage() throws IOException { int page = 2,size = 5; // 1.准备request SearchRequest request = new SearchRequest("hotel"); // 2.准备请求参数 // 2.1.query request.source() .query(QueryBuilders.matchAllQuery()); // 2.2.排序sort request.source().sort("price", SortOrder.ASC); // 2.3.分页 from\size request.source().from((page - 1) * size).size(size); // 3.发送请求，得到响应 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.结果解析 handleResponse(response); } @Test void testHighlight() throws IOException { // 1.准备request SearchRequest request = new SearchRequest("hotel"); // 2.准备请求参数 // 2.1.query request.source().query(QueryBuilders.matchQuery("all", "外滩如家")); // 2.2.高亮 request.source().highlighter(new HighlightBuilder().field("name").requireFieldMatch(false)); // 3.发送请求，得到响应 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.结果解析 handleResponse(response); } private void handleResponse(SearchResponse response) { SearchHits searchHits = response.getHits(); // 4.1.总条数 long total = searchHits.getTotalHits().value; System.out.println("总条数：" + total); // 4.2.获取文档数组 SearchHit[] hits = searchHits.getHits(); // 4.3.遍历 for (SearchHit hit : hits) { // 4.4.获取source String json = hit.getSourceAsString(); // 4.5.反序列化，非高亮的 HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class); // 4.6.处理高亮结果 // 1)获取高亮map Map map = hit.getHighlightFields(); // 2）根据字段名，获取高亮结果 HighlightField highlightField = map.get("name"); // 3）获取高亮结果字符串数组中的第1个元素 String hName = highlightField.getFragments()[0].toString(); // 4）把高亮结果放到HotelDoc中 hotelDoc.setName(hName); // 4.7.打印 System.out.println(hotelDoc); } } @BeforeEach void setUp() { client = new RestHighLevelClient(RestClient.builder( HttpHost.create("http://192.168.150.101:9200") )); } @AfterEach void tearDown() throws IOException { client.close(); } }