狂神Elasticsearch笔记

2023-10-29

ElasticSearch笔记

我们要讲解什么?

SQL : like %狂神说% ,如果是的大数据,就十分慢!索引!

ElasticSearch:搜索! (百度、github、淘宝电商! )

1、聊一个人

2、货比三家

3、安装

4、生态圈.

5、分词器ik

6、RestFul操作 ES

7、CRUD

8、SpringBoot集成ElasticSearch (从原理分析! )

9、爬虫爬取数据!

10、实战,模拟全文检索!

以后你只要,需要用到搜索,就可以使用ES! (大数据量的情况下使用! )

聊聊Doug Cutting

1998年9月4日，Google公司在美国硅谷成立。正如大家所知，它是一家做搜索引擎起家的公司。

无独有偶，一位名叫Doug Cutting的美国工程师，也迷上了搜索引擎。他做了一个用于文本搜索的函数库（姑且理解为软件的功能组件），命名为Lucene。

左为Doug Cutting，右为Lucene的LOGO

Lucene是用JAVA写成的，目标是为各种中小型应用软件加入全文检索功能。因为好用而且开源（代码公开），非常受程序员们的欢迎。

早期的时候，这个项目被发布在Doug Cutting的个人网站和SourceForge（一个开源软件网站）。后来，2001年底，Lucene成为Apache软件基金会jakarta项目的一个子项目。

Apache软件基金会，搞IT的应该都认识

2004年，Doug Cutting再接再励，在Lucene的基础上，和Apache开源伙伴Mike Cafarella合作，开发了一款可以代替当时的主流搜索的开源搜索引擎，命名为Nutch。

Nutch是一个建立在Lucene核心之上的网页搜索应用程序，可以下载下来直接使用。它在Lucene的基础上加了网络爬虫和一些网页相关的功能，目的就是从一个简单的站内检索推广到全球网络的搜索上，就像Google一样。

Nutch在业界的影响力比Lucene更大。

大批网站采用了Nutch平台，大大降低了技术门槛，使低成本的普通计算机取代高价的Web服务器成为可能。甚至有一段时间，在硅谷有了一股用Nutch低成本创业的潮流。

随着时间的推移，无论是Google还是Nutch，都面临搜索对象“体积”不断增大的问题。

尤其是Google，作为互联网搜索引擎，需要存储大量的网页，并不断优化自己的搜索算法，提升搜索效率。

在这个过程中，Google确实找到了不少好办法，并且无私地分享了出来。

2003年，Google发表了一篇技术学术论文，公开介绍了自己的谷歌文件系统GFS（Google File System）。这是Google公司为了存储海量搜索数据而设计的专用文件系统。

第二年，也就是2004年，Doug Cutting基于Google的GFS论文，实现了分布式文件存储系统，并将它命名为NDFS（Nutch Distributed File System）。

还是2004年，Google又发表了一篇技术学术论文，介绍自己的MapReduce编程模型。这个编程模型，用于大规模数据集（大于1TB）的并行分析运算。

第二年（2005年），Doug Cutting又基于MapReduce，在Nutch搜索引擎实现了该功能。

2006年，当时依然很厉害的Yahoo（雅虎）公司，招安了Doug Cutting。

这里要补充说明一下雅虎招安Doug的背景：2004年之前，作为互联网开拓者的雅虎，是使用Google搜索引擎作为自家搜索服务的。在2004年开始，雅虎放弃了Google，开始自己研发搜索引擎。所以。。。

加盟Yahoo之后，Doug Cutting将NDFS和MapReduce进行了升级改造，并重新命名为Hadoop（NDFS也改名为HDFS，Hadoop Distributed File System）。

这个，就是后来大名鼎鼎的大数据框架系统——Hadoop的由来。而Doug Cutting，则被人们称为Hadoop之父。

Hadoop这个名字，实际上是Doug Cutting他儿子的黄色玩具大象的名字。所以，Hadoop的Logo，就是一只奔跑的黄色大象。

我们继续往下说。

还是2006年，Google又发论文了。

这次，它们介绍了自己的BigTable。这是一种分布式数据存储系统，一种用来处理海量数据的非关系型数据库。

Doug Cutting当然没有放过，在自己的hadoop系统里面，引入了BigTable，并命名为HBase。

好吧，反正就是紧跟Google时代步伐，你出什么，我学什么。

所以，Hadoop的核心部分，基本上都有Google的影子。

2008年1月，Hadoop成功上位，正式成为Apache基金会的顶级项目。

同年2月，Yahoo宣布建成了一个拥有1万个内核的Hadoop集群，并将自己的搜索引擎产品部署在上面。

7月，Hadoop打破世界纪录，成为最快排序1TB数据的系统，用时209秒。

回到主题

在学习ElasticSearch之前，先简单了解一下Lucene：

Doug Cutting开发
是apache软件基金会4 jakarta项目组的一个子项目
是一个开放源代码的全文检索引擎工具包
不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎（英文与德文两种西方语言）
当前以及最近几年最受欢迎的免费Java信息检索程序库。

Lucene和ElasticSearch的关系：

ElasticSearch是基于Lucene 做了一下封装和增强

一、ElasticSearch概述

官网：https://www.elastic.co/cn/downloads/elasticsearch

Elaticsearch，简称为es，es是一个开源的高扩展的分布式全文检索引擎，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(大数据时代）的数据。es也使用java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的==RESTful API（/user get post put delete）==来隐藏Lucene的复杂性，从而让全文搜索变得简单。

据国际权威的数据库产品评测机构DB Engines的统计，在2016年1月，ElasticSearch已超过Solr等，成为排名第一的搜索引擎类应用。

历史

多年前，一个叫做Shay Banon的刚结婚不久的失业开发者，由于妻子要去伦敦学习厨师，他便跟着也去了。在他找工作的过程中，为了给妻子构建一个食谱的搜索引擎，他开始构建一个早期版本的Lucene。

直接基于Lucene工作会比较困难，所以Shay开始抽象Lucene代码以便lava程序员可以在应用中添加搜索功能。他发布了他的第一个开源项目，叫做“Compass”。

后来Shay找到一份工作，这份工作处在高性能和内存数据网格的分布式环境中，因此高性能的、实时的、分布式的搜索引擎也是理所当然需要的。然后他决定重写Compass库使其成为一个独立的服务叫做Elasticsearch。

第一个公开版本出现在2010年2月，在那之后Elasticsearch已经成为Github上最受欢迎的项目之一，代码贡献者超过300人。一家主营Elasticsearch的公司就此成立，他们一边提供商业支持一边开发新功能，不过Elasticsearch将永远开源且对所有人可用。

Shay的妻子依旧等待着她的食谱搜索……

谁在使用：

1、维基百科，类似百度百科，全文检索,高亮,搜索推荐/2（权重，百度！）

2、The Guardian (国外新闻网站) ,类似搜狐新闻,用户行为日志(点击,浏览,收藏,评论) +社交网络数据(对某某新闻的相关看法) ,数据分析,给到每篇新闻文章的作者,让他知道他的文章的公众反馈(好,坏,热门，垃圾,鄙视，崇拜)

3、Stack Overflow (国外的程序异常讨论论坛) , IT问题,程序的报错,提交上去,有人会跟你讨论和回答,全文检索,搜索相

关问题和答案,程序报错了,就会将报错信息粘贴到里面去,搜索有没有对应的答案

4、GitHub (开源代码管理),搜索上千亿行代码

5、电商网站,检索商品

6、日志数据分析, logstash采集日志, ES进行复杂的数据分析, ELK技术, elasticsearch+logstash+kibana

7、商品价格监控网站,用户设定某商品的价格阈值,当低于该阈值的时候,发送通知消息给用户,比如说订阅牙膏的监控,如果高露洁牙膏的家庭套装低于50块钱,就通知我,我就去买

8、BI系统,商业智能, Business Intelligence。比如说有个大型商场集团，BI ,分析一下某某区域最近3年的用户消费金额的趋势以及用户群体的组成构成,产出相关的数张报表, **区,最近3年,每年消费金额呈现100%的增长,而且用户群体85%是高级白领，开-个新商场。ES执行数据分析和挖掘, Kibana进行数据可视化

9、国内:站内搜索(电商,招聘,门户,等等),IT系统搜索(OA,CRM,ERP,等等),数据分析(ES热门
的一一个使用场景)

1、ElasticSearch简介

Elasticsearch是一个实时分布式搜索和分析引擎。它让你以前所未有的速度处理大数据成为可能。
它用于全文搜索、结构化搜索、分析以及将这三者混合使用:
维基百科使用Elasticsearch提供全文搜索并高亮关键字,以及输入实时搜索(search-asyou-type)和搜索纠错(did-you-mean)等搜索建议功能。
英国卫报使用Elasticsearch结合用户日志和社交网络数据提供给他们的编辑以实时的反馈,以便及时了解公众对新发表的文章的回应。
StackOverflow结合全文搜索与地理位置查询,以及more-like-this功能来找到相关的问题和答案。
Github使用Elasticsearch检索1300亿行的代码。
但是Elasticsearch不仅用于大型企业，它还让像DataDog以及Klout这样的创业公司将最初的想法变成可扩展的解决方案。
Elasticsearch可以在你的笔记本上运行,也可以在数以百计的服务器上处理PB级别的数据。
Elasticsearch是一个基于Apache Lucene™的开源搜索引擎。无论在开源还是专有领域, Lucene可被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库。
但是, Lucene只是一个库。想要使用它,你必须使用Java来作为开发语言并将其直接集成到你的应用中,更糟糕的是, Lucene非常复杂,你需要深入了解检索的相关知识来理解它是如何工作的。
Elasticsearch也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能,但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性,从而让全文搜索变得简单。

2、Solr简介

Solr是Apache下的一个顶级开源项目,采用Java开发,它是基于Lucene的全文搜索服务器。Solr提供了比Lucene更为丰富的查询语言,同时实现了可配置、可扩展，并对索引、搜索性能进行了优化
Solr可以独立运行,运行在letty. Tomcat等这些Selrvlet容器中 , Solr 索引的实现方法很简单,用POST方法向Solr服务器发送一个描述Field及其内容的XML文档, Solr根据xml文档添加、删除、更新索引。Solr 搜索只需要发送HTTP GET请求,然后对Solr返回xml、json等格式的查询结果进行解析,组织页面布局。
Solr不提供构建UI的功能, Solr提供了一个管理界面,通过管理界面可以查询Solr的配置和运行情况。
Solr是基于lucene开发企业级搜索服务器,实际上就是封装了lucene.
Solr是一个独立的企业级搜索应用服务器,它对外提供类似于Web-service的API接口。用户可以通过http请求,向搜索引擎服务器提交-定格式的文件,生成索引;也可以通过提出查找请求,并得到返回结果。

3、lucene简介

4、ElasticSearch与Solr比较

当单纯的对已有数据进行搜索时，Solr更快
当实时建立索引时，Solr会产生io阻塞，查询性能较差，ElasticSearch具有明显的优势
随着数据量的增加，Solr的搜索效率会变得更低，而ElasticSearch却没有明显的变化
转变我们的搜索基础设施后从Solr ElasticSearch，我们看见一个即时~ 50x提高搜索性能！
总结

1、es基本是开箱即用(解压就可以用!) ,非常简单。Solr安装略微复杂一丢丢!

2、Solr 利用Zookeeper进行分布式管理，而Elasticsearch 自身带有分布式协调管理功能。

3、Solr 支持更多格式的数据,比如JSON、XML、 CSV ,而Elasticsearch仅支持json文件格式。

4、Solr 官方提供的功能更多,而Elasticsearch本身更注重于核心功能，高级功能多有第三方插件提供，例如图形化界面需要kibana友好支撑

5、 Solr 查询快,但更新索引时慢(即插入删除慢) ，用于电商等查询多的应用;
- ES建立索引快(即查询慢) ，即实时性查询快，用于facebook新浪等搜索。
- Solr是传统搜索应用的有力解决方案，但Elasticsearch更适用于新兴的实时搜索应用。
6、Solr比较成熟，有一个更大，更成熟的用户、开发和贡献者社区，而Elasticsearch相对开发维护者较少,更新太快,学习使用成本较高。

二、ElasticSearch安装

JDK8，最低要求

使用Java开发，必须保证ElasticSearch的版本与Java的核心jar包版本对应！（Java环境保证没错）

1、Windows下安装

安装

下载地址：https://www.elastic.co/cn/downloads/

历史版本下载：https://www.elastic.co/cn/downloads/past-releases/

解压即可（尽量将ElasticSearch相关工具放在统一目录下）

熟悉目录

bin 启动文件目录
config 配置文件目录
1og4j2 日志配置文件
jvm.options java 虚拟机相关的配置(默认启动占1g内存，内容不够需要自己调整)
elasticsearch.ym1 elasticsearch 的配置文件! 默认9200端口!跨域!
1ib
相关jar包
modules 功能模块目录
plugins 插件目录 ik分词器

启动

一定要检查自己的java环境是否配置好

访问http://127.0.0.1:9200/

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BHBAjane-1629335862690)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801163244729.png)]

2、安装可视化界面

elasticsearch-head

使用前提：需要安装nodejs

安装 npm install

运行

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-H3HhcwGV-1629335862691)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801163714826.png)]

访问

存在跨域问题（只有当两个页面同源，才能交互）

同源（端口，主机，协议三者都相同）

https://blog.csdn.net/qq_38128179/article/details/84956552

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YOgBgbqT-1629335862691)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801163921981.png)]

开启跨域（在elasticsearch解压目录config下elasticsearch.yml中添加）

# 开启跨域
http.cors.enabled: true
# 所有人访问
http.cors.allow-origin: "*"

重启elasticsearch

再次连接

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-iThCJoG4-1629335862692)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801164409422.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-K1jqAiY9-1629335862692)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801164608843.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-h0YR0wOy-1629335862693)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801164751717.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xcf6RbvQ-1629335862693)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801164806636.png)]

如何理解上图：

如果你是初学者
- 索引可以看做 “数据库”
- 类型可以看做 “表”
- 文档可以看做 “库中的数据（表中的行）”
这个head，我们只是把它当做可视化数据展示工具，之后所有的查询都在kibana中进行
- 因为不支持json格式化，不方便

了解ELK

ELK是Elasticsearch、Logstash、 Kibana三大开源框架首字母大写简称。市面上也被成为Elastic Stack。

其中Elasticsearch是一个基于Lucene、分布式、通过Restful方式进行交互的近实时搜索平台框架。

像类似百度、谷歌这种大数据全文搜索引擎的场景都可以使用Elasticsearch作为底层支持框架，可见Elasticsearch提供的搜索能力确实强大,市面上很多时候我们简称Elasticsearch为es。

Logstash是ELK的中央数据流引擎,用于从不同目标(文件/数据存储/MQ )收集的不同格式数据,经过过滤后支持输出到不同目的地(文件/MQ/redis/elasticsearch/kafka等)。

Kibana可以将elasticsearch的数据通过友好的页面展示出来 ,提供实时分析的功能。

市面上很多开发只要提到ELK能够一致说出它是一个日志分析架构技术栈总称 ,但实际上ELK不仅仅适用于日志分析,它还可以支持其它任何数据分析和收集的场景,日志分析和收集只是更具有代表性。并非唯一性。

收集清洗数据(Logstash) ==> 搜索、存储(ElasticSearch) ==> 展示(Kibana)

3、安装kibana

Kibana是一个针对ElasticSearch的开源分析及可视化平台,用来搜索、查看交互存储在Elasticsearch索引中的数据。使用Kibana ,可以通过各种图表进行高级数据分析及展示。Kibana让海量数据更容易理解。它操作简单,基于浏览器的用户界面可以快速创建仪表板( dashboard )实时显示Elasticsearch查询动态。设置Kibana非常简单。无需编码或者额外的基础架构,几分钟内就可以完成Kibana安装并启动Elasticsearch索引监测。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GIesv2b5-1629335862694)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801170737205.png)]

下载地址:

下载的版本需要与ElasticSearch版本对应==

https://www.elastic.co/cn/downloads/

历史版本下载：https://www.elastic.co/cn/downloads/past-releases/
安装

解压即可（尽量将ElasticSearch相关工具放在统一目录下）

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1ApwCiKW-1629335862694)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801170813158.png)]
启动

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-92OqTf94-1629335862695)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801170841562.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fbf6GLWp-1629335862695)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801171017960.png)]
访问

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SzVVCyg2-1629335862696)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801171203919.png)]

开发工具

（Postman、curl、head、谷歌浏览器插件）

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8t9vw2Y7-1629335862697)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801171427526.png)]

如果说，你在英文方面不太擅长，kibana是支持汉化的
kibana汉化

编辑器打开kibana解压目录/config/kibana.yml(kibana-7.13.1-windows-x86_64/config/kibana.yml)，添加

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-qT4fSj7M-1629335862697)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801171628288.png)]

重启kibana

汉化成功

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-KjWeLFAI-1629335862698)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801171934076.png)]

三、ElasticSearch核心概念

概述

集群，节点，索引，类型，文档，分片，映射是什么？

1、索引（ElasticSearch）

包多个分片

2、字段类型（映射）mapping

字段类型映射（字段是整型，还是字符型…）

3、文档（documents）

4、分片（Lucene索引，倒排索引）

elasticsearch是面向文档，关系型数据库和elasticsearch客观的对比！一切都是json

Relational DB	Elasticsearch
数据库（database）	索引（indices）
表（tables）	types
行（rows）	documents
字段（columns）	fields

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7UAfOfN3-1629335862699)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801172228464.png)]

elasticsearch（集群）中可以包含多个索引（数据库） ,每个索引中可以包含多个类型（表） ,每个类型下又包含多个文档（行） ,每个文档中又包含多个字段（列）。

物理设计：

elasticsearch在后台把每个索引划分成多个分片。每个分片可以在集群中的不同服务器间迁移

一个人就是一个集群! ，即启动的ElasticSearch服务，默认就是一个集群，且默认集群名为elasticsearch

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cM08DVVK-1629335862699)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801172814790.png)]

逻辑设计：

一个索引类型中，包含多个文档，比如说文档1，文档2。当我们索引一篇文档时，可以通过这样的一个顺序找到它：索引->类型->文档id，通过这个组合我们就能索引到某个具体的文档。注意：ID不必是整数，实际上它是一个字符串。

1、文档

文档（”行“）

就是我们的一条条的记录

之前说elasticsearch是面向文档的,那么就意味着索引和搜索数据的最小单位是文档, elasticsearch中,文档有几个重要属性:

自我包含, - -篇文档同时包含字段和对应的值,也就是同时包含key:value !
可以是层次型的，-一个文档中包含自文档,复杂的逻辑实体就是这么来的! {就是一个json对象! fastjson进行自动转换!}
灵活的结构,文档不依赖预先定义的模式,我们知道关系型数据库中,要提前定义字段才能使用,在elasticsearch中,对于字段是非常灵活的,有时候,我们可以忽略该字段,或者动态的添加一个新的字段。

尽管我们可以随意的新增或者忽略某个字段,但是,每个字段的类型非常重要,比如一一个年龄字段类型,可以是字符串也可以是整形。因为elasticsearch会保存字段和类型之间的映射及其他的设置。这种映射具体到每个映射的每种类型,这也是为什么在elasticsearch中,类型有时候也称为映射类型。

2、类型

类型（“表”）

类型是文档的逻辑容器,就像关系型数据库一样,表格是行的容器。类型中对于字段的定义称为映射,比如name映射为字符串类型。我们说文档是无模式的 ,它们不需要拥有映射中所定义的所有字段,比如新增一个字段,那么elasticsearch是怎么做的呢?elasticsearch会自动的将新字段加入映射,但是这个字段的不确定它是什么类型, elasticsearch就开始猜,如果这个值是18 ,那么elasticsearch会认为它是整形。但是elasticsearch也可能猜不对，所以最安全的方式就是提前定义好所需要的映射,这点跟关系型数据库殊途同归了,先定义好字段,然后再使用,别整什么幺蛾子。

3、索引

索引（“库”）

就是数据库!

索引是映射类型的容器, elasticsearch中的索引是一个非常大的文档集合。索|存储了映射类型的字段和其他设置。然后它们被存储到了各个分片上了。我们来研究下分片是如何工作的。

物理设计:节点和分片如何工作

一个集群至少有一个节点,而一个节点就是一-个elasricsearch进程 ,节点可以有多个索引默认的,如果你创建索引,那么索引将会有个5个分片( primary shard ,又称主分片)构成的,每一个主分片会有-一个副本( replica shard ,又称复制分片）

在这里插入图片描述

上图是一个有3个节点的集群,可以看到主分片和对应的复制分片都不会在同-个节点内,这样有利于某个节点挂掉了,数据也不至于丢失。实际上, 一个分片是- -个Lucene索引, -一个包含倒排索引的文件目录,倒排索引的结构使得elasticsearch在不扫描全部文档的情况下,就能告诉你哪些文档包含特定的关键字。不过,等等,倒排索引是什么鬼?

4、倒排索引

倒排索引

elasticsearch使用的是一种称为倒排索引 |的结构,采用Lucene倒排索作为底层。这种结构适用于快速的全文搜索，一个索引由文档中所有不重复的列表构成,对于每一个词,都有一个包含它的文档列表。例如,现在有两个文档，每个文档包含如下内容:

Study every day， good good up to forever  # 文 档1包含的内容
To forever, study every day，good good up  # 文档2包含的内容

为为创建倒排索引,我们首先要将每个文档拆分成独立的词(或称为词条或者tokens) ,然后创建一一个包含所有不重复的词条的排序列表,然后列出每个词条出现在哪个文档:

term	doc_1	doc_2
Study	√	x
To	x	x
every	√	√
forever	√	√
day	√	√
study	x	√
good	√	√
every	√	√
to	√	x
up	√	√

现在，我们试图搜索 to forever，只需要查看包含每个词条的文档

term	doc_1	doc_2
to	√	x
forever	√	√
total	2	1

两个文档都匹配,但是第一个文档比第二个匹配程度更高。如果没有别的条件,现在,这两个包含关键字的文档都将返回。

再来看一个示例,比如我们通过博客标签来搜索博客文章。那么倒排索引列表就是这样的一个结构:


博客文章(原始数据)	博客文章(原始数据)	索引列表(倒排索引)	索引列表(倒排索引)
博客文章ID	标签	标签	博客文章ID
1	python	python	1，2，3
2	python	linux	3，4
3	linux，python
4	linux

如果要搜索含有python标签的文章,那相对于查找所有原始数据而言，查找倒排索引后的数据将会快的多。只需要查看标签这一栏,然后获取相关的文章ID即可。完全过滤掉无关的所有数据,提高效率!

elasticsearch的索引和Lucene的索引对比

在elasticsearch中，索引(库)这个词被频繁使用,这就是术语的使用。在elasticsearch中 ,索引被分为多个分片,每份分片是-个Lucene的索引。所以一个elasticsearch索引是由多个Lucene索引组成的。别问为什么,谁让elasticsearch使用Lucene作为底层呢!如无特指，说起索引都是指elasticsearch的索引。

接下来的一切操作都在kibana中Dev Tools下的Console里完成。基础操作!

四、IK分词器(elasticsearch插件)

IK分词器：中文分词器

分词：即把一段中文或者别的划分成一个个的关键字，我们在搜索时候会把自己的信息进行分词，会把数据库中或者索引库中的数据进行分词，然后进行一一个匹配操作，默认的中文分词是将每个字看成一个词（不使用用IK分词器的情况下），比如“我爱狂神”会被分为”我”，”爱”，”狂”，”神” ，这显然是不符合要求的，所以我们需要安装中文分词器ik来解决这个问题。

IK提供了两个分词算法: (ik_smart和ik_max_word )

ik_smart为最少切分
ik_max_word为最细粒度划分!

1、下载

版本要与ElasticSearch版本对应

下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases

2、安装

ik文件夹是自己创建的

解压放入到es对应的plugins下即可
重启观察ES，发现ik插件被加载了

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CGimqVOS-1629335862700)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801184937671.png)]

3、重启观察ES

加载了IK分词器

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-FJseP7oJ-1629335862700)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801185112382.png)]

使用 ElasticSearch安装补录/bin/elasticsearch-plugin 可以查看插件

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kMoNHfOe-1629335862701)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801185235609.png)]

4、使用kibana测试

查看不同的分词效果

ik_smart：最少切分

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LujVv9pf-1629335862701)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801185851313.png)]

ik_max_word：最细粒度划分（穷尽词库的可能）

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BmPp2u3D-1629335862702)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801185919174.png)]

输入超级喜欢狂神说java

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-XG2xUjQe-1629335862702)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801190307461.png)]

发现问题：狂神说被拆开了！

这种自己需要的词，需要自己加到我们的分词器的字典中！

添加自定义的词添加到扩展字典中

elasticsearch目录/plugins/ik/config/IKAnalyzer.cfg.xml

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VHD6mPKa-1629335862703)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801190537280.png)]

创建字典文件，添加字典内容

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1thcrS3t-1629335862703)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801190741819.png)]

打开 IKAnalyzer.cfg.xml 文件，扩展字典

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1DU1WDcj-1629335862704)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801190706681.png)]

重启ElasticSearch，再次使用kibana测试

加载了自己的

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fj3xxcht-1629335862705)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801192026208.png)]

测试kibana

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-E42Naj7k-1629335862705)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801192233452.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JYv3b5kK-1629335862706)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801192310546.png)]

五、Rest风格说明

一种软件架构风格,而不是标准,只是提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。基于这个风格设计的软件可以更简洁，更有层次，更易于实现缓存等机制。

1、基本Rest命令说明：

method	url地址	描述
PUT（创建,修改）	localhost:9200/索引名称/类型名称/文档id	创建文档（指定文档id）
POST（创建）	localhost:9200/索引名称/类型名称	创建文档（随机文档id）
POST（修改）	localhost:9200/索引名称/类型名称/文档id/_update	修改文档
DELETE（删除）	localhost:9200/索引名称/类型名称/文档id	删除文档
GET（查询）	localhost:9200/索引名称/类型名称/文档id	查询文档通过文档ID
POST（查询）	localhost:9200/索引名称/类型名称/文档id/_search	查询所有数据

2、关于索引的基本操作

1、创建一个索引，添加

PUT /索引名/~类型名~/文档id
{请求体}

PUT /test1/type1/1
{
"name" : "流柚",
"age" : 18
}


# 返回结果
# 警告信息： 不支持在文档索引请求中的指定类型
# 而是使用无类型的断点(/{index}/_doc/{id}, /{index}/_doc, or /{index}/_create/{id}).
{
  "_index" : "test1",	# 索引
  "_type" : "type1",	# 类型（已经废弃）
  "_id" : "1",			# id
  "_version" : 1,		# 版本
  "result" : "created",	# 操作类型
  "_shards" : {			# 分片信息
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 0,
  "_primary_term" : 1
}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8Hnu3WY5-1629335862706)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801192812053.png)]

完成了自动增加了索引！数据也成功的添加了，这就是我说大家在初期可以把它当左数据库学习的原因！

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Fq4QHDyU-1629335862707)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801193029770.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-slGJK7Km-1629335862707)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801193225217.png)]

2、字段数据类型

字符串类型
text、keyword
- text：支持分词，全文检索,支持模糊、精确查询,不支持聚合,排序操作;text类型的最大支持的字符长度无限制,适合大字段存储；
- keyword：不进行分词，直接索引、支持模糊、支持精确匹配，支持聚合、排序操作。keyword类型的最大支持的长度为——32766个UTF-8类型的字符,可以通过设置ignore_above指定自持字符长度，超过给定长度后的数据将不被索引，无法通过term精确匹配检索返回结果。
数值型
- long、Integer、short、byte、double、float、half float、scaled float
日期类型
- date
te布尔类型
- boolean
二进制类型
- binary
等等…

3、指定字段的类型（使用PUT）

创建规则类似于建库（建立索引和字段对应类型），也可看做规则的建立

PUT /test2
{
  "mappings": {
    "properties": {
      "name": {
        "type": "text"
      },
      "age": {
        "type": "long"
      },
      "birthday": {
        "type": "date"
      }
    }
  }
}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZfIP5RVI-1629335862708)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801193621767.png)]

4、获取规则

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DL51KNnZ-1629335862708)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801193749847.png)]

5、获取默认信息

_doc 默认类型（default type），type 在未来的版本中会逐渐弃用，因此产生一个默认类型进行代替

PUT /test3/_doc/1
{
"name": "流柚",
"age": 18,
"birth": "1999-10-10"
}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3hrcL8u4-1629335862709)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801194047099.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-RkOzGYC7-1629335862709)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801194126272.png)]

如果自己的文档字段没有被指定，那么ElasticSearch就会给我们默认配置字段类型

扩展：通过get _cat/ 可以获取ElasticSearch的当前的很多信息！

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-aMiISu1p-1629335862710)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801194413008.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VHXJMdy9-1629335862710)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801194711510.png)]

6、修改

两种方案

旧的（使用put覆盖原来的值）
- 版本+1（_version）
  
  [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nJ1T8s3B-1629335862711)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801194940285.png)]
- 但是如果漏掉某个字段没有写，那么更新是没有写的字段，会消失
新的（使用post的update）

version不会改变
需要注意doc
不会丢失字段

POST /test3/_doc/1/_update
{
  "doc": {
    "name": "法外狂徒张三",
    "age": 2
  }
}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-qAsHub6s-1629335862711)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801195230099.png)]

7、删除

GET /test1
 
DELETE /test1

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DCu4JJe2-1629335862712)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801195840803.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SqtfxuP4-1629335862712)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801195856125.png)]

3、关于文档的基本操作（重点）

基本操作

1、添加数据

PUT /hcd/user/1
{
  "name": "狂神说",
  "age": 23,
  "desc": "一顿操作猛如虎，一看工资2500",
  "tags": ["运动","阳光","直男"]
}

PUT /hcd/user/2
{
  "name": "张三",
  "age": 23,
  "desc": "法外狂徒",
  "tags": ["运动","旅游","渣男"]
}

PUT /hcd/user/3
{
  "name": "李四",
  "age": 23,
  "desc": "mmp,不知道 如何形容",
  "tags": ["靓仔","旅游","唱歌"]
}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-lvHMmCA6-1629335862713)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801201308203.png)]

2、查询数据

GET hcd/user/1

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GL22Depk-1629335862713)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801201412031.png)]

3、更新数据

PUT /hcd/user/3
{
  "name": "李四233",
  "age": 23,
  "desc": "mmp,不知道 如何形容",
  "tags": ["靓仔","旅游","唱歌"]
}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6RIJyulj-1629335862714)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801201548534.png)]

4、POST _update，推荐使用这种更新方式

put如果不传值就会本覆盖


POST hcd/user/1/_update
{
  "doc": {
    "name": "狂神说java"
  }
}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xKUU9BF1-1629335862714)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801202046461.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ejzv7GLz-1629335862715)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801202147373.png)]

简单的搜索

GET hcd/user/1

简单的条件查询，可以根据默认的映射规则，产生基本的查询！

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1TgsCHSD-1629335862716)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801203110105.png)]

这边name是text 所以做了分词的查询如果是keyword就不会分词搜索了

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-AgUnJ5ii-1629335862716)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801203623623.png)]

复杂操作搜索 select（排序，分页，高亮，模糊查询，精准查询）

//测试只能一个字段查询
GET hcd/user/_search
{
  "query": {
    "match": {
      "name": "狂神"
    }
  }
}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fltHkQwM-1629335862717)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801203813903.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HdvNgRbZ-1629335862717)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801204327248.png)]

结果过滤，就是只展示列表中某些字段

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kQYseYHM-1629335862718)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801204508918.png)]

我们之后使用java操作es，所有的方法和对象就是这里面的key！

排序

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8xBdwg42-1629335862718)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801204818329.png)]

分页

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SDyQv243-1629335862719)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801205133546.png)]

数据下标还是从0开始，和学的所有的数据结构是一样的！

布尔值查询

must（and），所有的条件都要符合

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TJbiSTtI-1629335862719)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801205825075.png)]

should（or）或者的跟数据库一样

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QTjEg5Er-1629335862720)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801210016133.png)]

must_not（not）

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nryMdptv-1629335862720)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801210145584.png)]

过滤器 filter

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-eOWk2g56-1629335862721)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801210511588.png)]

gt大于
gte大于等于
lte小于
lte小于等于

匹配多个条件（数组）

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xnZbpM8r-1629335862721)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801211030648.png)]

match没用倒排索引这边改正一下？？？（不确定）

精确查询

term查询是直接通过倒排索引指定的词条进程精确查找的

关于分词

term，直接查询精确的
match，会使用分词器解析！（先分析文档，然后通过分析的文档进行查询）

两个类型 text keyword

text：
- 支持分词，全文检索、支持模糊、精确查询,不支持聚合,排序操作;
- text类型的最大支持的字符长度无限制,适合大字段存储；
keyword：
- 不进行分词，直接索引、支持模糊、支持精确匹配，支持聚合、排序操作。
- keyword类型的最大支持的长度为——32766个UTF-8类型的字符,可以通过设置ignore_above指定自持字符长度，超过给定长度后的数据将不被索引，无法通过term精确匹配检索返回结果。

精确查询多个值

PUT /test_db/_doc/3
{
  "t1": "22",
  "t2": "2020-09-10"
}

PUT /test_db/_doc/4
{
  "t1": "33",
  "t2": "2020-09-11"
}

GET test_db/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "term": {
            "t1": "22"
          }
        },
         {
          "term": {
            "t1": "33"
          }
        }
      ]
    }
  }
}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bPsWjTrG-1629335862722)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801212801644.png)]

高亮

GET hcd/user/_search
{
  "query": {
    "match": {
      "name": "狂神"
    }
  },
  "highlight": {
    "pre_tags": "<p class='key' style='color:red'>",
    "post_tags": "</p>", 
    "fields": {
      "name": {}
    }
  }
}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Zw1tQr4H-1629335862722)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801213208364.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mCo3dq3c-1629335862723)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210801213410532.png)]

这些其实MySQL也可以做，只是MySQL效率比较低!

匹配
按照条件匹配
精确匹配
区间范围匹配
匹配字段过滤
多条件查询
高亮查询

六、集成SpringBoot

找官方文档

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-B8IIeZcU-1629335862723)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210802111414458.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-y2X6oAjv-1629335862724)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210802111517118.png)]

1、找到原生的依赖

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kqy0Jcs5-1629335862725)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210802144520575.png)]

<dependency>
    <groupId>org.elasticsearch.client</groupId>
    <artifactId>elasticsearch-rest-high-level-client</artifactId>
    <version>7.6.2</version>
</dependency>

2、找对象

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ETVUGGsA-1629335862725)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210802112004907.png)]

3、分析这个类中的方法即可

项目结构

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Uw6ctBgp-1629335862726)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210802142057147.png)]

配置基本的项目

问题：一定要保证我们导入的依赖和我们es版本一致

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Xn9FzUKQ-1629335862726)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210802113742252.png)]

下载以后

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-qT7rd967-1629335862727)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210802114231234.png)]

配置类

//spring两步骤
//  1、找对象
//  2、放到spring中待用

@Configuration
public class ElasticSearchClientConfig  {

    //elk
    @Bean
    public RestHighLevelClient restHighLevelClient(){

        RestHighLevelClient client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("localhost", 9200, "http")
                )
        );
        return client;
    }
}

实体类

@Data
@AllArgsConstructor
@NoArgsConstructor
public class User implements Serializable {


    private String name;
    private Integer age;

}

具体的api测试


@SpringBootTest
class HcdEsApiApplicationTests {

	//通过面向对象操作
	@Autowired
	@Qualifier("restHighLevelClient")
	private RestHighLevelClient client;


	// 创建索引
	@Test
	void testCreateIndex() throws IOException {
		// 1. 创建索引请求
		CreateIndexRequest request = new CreateIndexRequest("hcd_index");
		// 2. 客户端执行请求， IndicesClient，请求后获得响应
		CreateIndexResponse createIndexResponse = client.indices().create(request, RequestOptions.DEFAULT);
		System.out.println(createIndexResponse);
	}

	// 测试索引存在
	@Test
	void testExistsIndex() throws IOException {
		GetIndexRequest request = new GetIndexRequest("hcd_index");
		boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);
		System.out.println("索引是否存在： " + exists);
	}

	// 删除索引
	@Test
	void testDeleteIndex() throws IOException {
		DeleteIndexRequest request = new DeleteIndexRequest("hcd_index");
		//删除
		AcknowledgedResponse acknowledgedResponse = client.indices().delete(request, RequestOptions.DEFAULT);
		System.out.println(acknowledgedResponse.isAcknowledged());
	}

	// 添加文档
	@Test
	void testAddDocument() throws IOException {
		User user = new User("狂神说", 28);
		IndexRequest request = new IndexRequest("hcd_index");
		// 规则 PUT /index/_doc/1
		request.id("1");
		request.timeout(TimeValue.timeValueSeconds(1));

		// 将数据放入请求 json
		request.source(JSON.toJSONString(user), XContentType.JSON);
		//客户端发送请求
		IndexResponse response = client.index(request, RequestOptions.DEFAULT);
		System.out.println(response.toString());//IndexResponse[index=hcd_index,type=_doc,id=1,version=1,result=created,seqNo=0,primaryTerm=1,shards={"total":2,"successful":1,"failed":0}]
		System.out.println(response.status());//输出 CREATED
	}


	// 获取文档 判断是否存在 GET /index/_doc/1
	@Test
	void testIsExists() throws IOException {
		GetRequest request = new GetRequest("hcd_index", "1");
		// 不获取返回的 _source 的上下文了
		request.fetchSourceContext(new FetchSourceContext(false));
		request.storedFields("_none_");

		boolean exists = client.exists(request, RequestOptions.DEFAULT);
		System.out.println("文档是否存在： " + exists);
	}

	// 获取文档
	/**
	 * 返回结果：
	 * {"age":28,"name":"狂神说"}
	 * 	{
	 *		"_index":"hcd_index",
	 *		"_type":"_doc","_id":"1",
	 *		"_version":1,
	 *		"_seq_no":0,
	 *		"_primary_term":1,
	 *		"found":true,
	 *		"_source":{"age":28,"name":"狂神说"}
	 * 	}
	 */
	@Test
	void testGetDocument() throws IOException {
		GetRequest request = new GetRequest("hcd_index", "1");
		GetResponse response = client.get(request, RequestOptions.DEFAULT);
		System.out.println(response.getSourceAsString());//{"age":28,"name":"狂神说"}
		System.out.println(response);
	}

	// 更新文档
	@Test
	void testUpdateDocument() throws IOException {
		UpdateRequest request = new UpdateRequest("hcd_index", "1");
		request.timeout("1s");

		User user = new User("小韩学Java", 18);
		request.doc(JSON.toJSONString(user), XContentType.JSON);

		UpdateResponse updateResponse = client.update(request, RequestOptions.DEFAULT);
		System.out.println(updateResponse);
	}

	// 删除文档

	/**输出信息
	 *DeleteResponse[index=hcd_index,
	 * type=_doc,id=1,version=2,result=deleted,shards=ShardInfo{total=2, successful=1, failures=[]}
	 * ]
	 */
	@Test
	void testDeleteDocument() throws IOException {
		DeleteRequest request = new DeleteRequest("hcd_index", "1");
		request.timeout("1s");

		DeleteResponse deleteResponse = client.delete(request, RequestOptions.DEFAULT);
		System.out.println(deleteResponse);

	}


	// 批量插入数据（修改，删除类似操作）
	@Test
	void testBulkRequest() throws IOException {
		BulkRequest request = new BulkRequest();
		request.timeout("10s");

		ArrayList<User> users = new ArrayList<>();
		users.add(new User("hcd1", 21));
		users.add(new User("hcd2", 22));
		users.add(new User("hcd3", 23));
		users.add(new User("hcd4", 18));
		users.add(new User("hcd5", 19));

		// 批处理请求， 修改，删除，只要在这里修改相应的请求就可以
		for (int i = 0; i < users.size(); i++) {
			request.add(new IndexRequest("hcd_index")
					.id(String.valueOf(i + 1))
					.source(JSON.toJSONString(users.get(i)), XContentType.JSON));
		}

		BulkResponse bulkResponse = client.bulk(request, RequestOptions.DEFAULT);
		//是否失败，返回false表示成功
		System.out.println(bulkResponse.hasFailures());
	}

	// 查询文档
    // 搜索请求SearchRequest
    // 条件构造SearchSourceBuilder
    // 构建高亮HighlightBuilder 
    // 精确查找MatchAllQueryBuilder
    // 对应我们刚才看到的所有命令 xxxQueryBuilder
	@Test
	void testSearch() throws IOException {
		SearchRequest searchRequest = new SearchRequest("hcd_index");
		// 构建搜索条件
		SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
        
		// 查询条件， 可以使用QueryBuilders工具类实现
		// QueryBuilders.termQuery 精确
		// QueryBuilders.matchLLQuery() 匹配所有
		TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", "hcd1");
		// MatchAllQueryBuilder matchAllQueryBuilder = QueryBuilders.matchAllQuery();
		sourceBuilder.query(termQueryBuilder);
		sourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));

		searchRequest.source(sourceBuilder);

		SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);
		System.out.println(JSON.toJSON(searchResponse.getHits()));
		System.out.println("======================================");
		for (SearchHit documentFields : searchResponse.getHits().getHits()) {
			System.out.println(documentFields.getSourceAsMap());
		}

	}
	/**
	 * 查询结果
	 * {"hits":
	 * 	[{	"sourceAsMap":{"name":"hcd1","age":21},
	 * 		"seqNo":-2,"primaryTerm":0,
	 * 		"index":"hcd_index",
	 * 		"type":"_doc",
	 * 		"sortValues":[],
	 * 		"sourceAsString":"{\"age\":21,\"name\":\"hcd1\"}",
	 * 		"version":-1,
	 * 		"score":1.3862942,
	 * 		"fragment":false,
	 * 		"highlightFields":{},
	 * 		"matchedQueries":[],
	 * 		"id":"1","fields":{},"
	 * 		sourceRef":{"fragment":true},
	 * 		"rawSortValues":[]}],
	 * 		"fragment":true,
	 * 		"totalHits":{"value":1,"relation":"EQUAL_TO"},
	 * 		"maxScore":1.3862942}
	 * ======================================
	 * {name=hcd1, age=21}
	 */


}

七、ElasticSearch实战

1、概述

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-lgZj5lV0-1629335862727)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210802162028024.png)]

实现京东的搜索效果,高亮

项目结构图

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UDKpsKfG-1629335862728)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210802181456195.png)]

配置文件

# 更改端口，防止冲突
server.port=9999
# 关闭thymeleaf缓存
spring.thymeleaf.cache=false

导入前端后测试页面

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-RVZ7l03K-1629335862729)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210802184830921.png)]

Config

@Configuration
public class ElasticSearchClientConfig {

    //elk
    @Bean
    public RestHighLevelClient restHighLevelClient(){

        RestHighLevelClient client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("localhost", 9200, "http")
                )
        );
        return client;
    }
}

2、爬虫

京东网站：http://search.jd.com/search?keyword=java

依赖

		<dependency>
            <groupId>org.jsoup</groupId>
            <artifactId>jsoup</artifactId>
            <version>1.10.2</version>
        </dependency>

爬取数据（获取请求返回的页面信息，筛选出可用的）

创建HtmlParseUtil，并简单编写

public class HtmlParseUtil {
    public static void main(String[] args) throws IOException {

        //获取请求
        // 使用前需要联网
        // 请求url
        String url="https://search.jd.com/Search?keyword=java";
        // 1.解析网页(jsoup 解析返回的对象是浏览器Document对象)
        Document document = Jsoup.parse(new URL(url), 30000);
        // 使用document可以使用在js对document的所有操作
        // 2.获取元素（通过id）
        Element j_goodsList = document.getElementById("J_goodsList");
        //System.out.println("j_goodsList = " + j_goodsList);

        // 3.获取J_goodsList ul 每一个 li
        Elements lis = j_goodsList.getElementsByTag("li");
        // 4.获取li下的 img、price、name
        for (Element li : lis) {
            // 关于图片特别多的网站，所有图片都是延时加载的！
            //  source-data-lazy-img
            String img = li.getElementsByTag("img").eq(0).attr("data-lazy-img");// 获取li下 第一张图片
            String name = li.getElementsByClass("p-name").eq(0).text();
            String price = li.getElementsByClass("p-price").eq(0).text();

            System.out.println("=======================");
            System.out.println("img : " + img);
            System.out.println("name : " + name);
            System.out.println("price : " + price);
        }

        new HtmlParseUtil().parseJD("python").forEach(System.out::println);
        //注意中文不能，需要转义


    }
}

审查页面元素

页面列表id：J_goodsList

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-uyUedA3u-1629335862729)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210802162828751.png)]

目标元素：img、price、name

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-deXYOjVl-1629335862730)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210802163134611.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-k15QMQUH-1629335862731)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210802163348154.png)]

原因是啥？

一般图片特别多的网站，所有的图片都是通过延迟加载的

// 打印标签内容
Elements lis = j_goodsList.getElementsByTag("li");
System.out.println(lis);

打印所有li标签，发现img标签中并没有属性src的设置，只是data-lazy-ing设置图片加载的地址

创建HtmlParseUtil、改写

更改图片获取属性为 data-lazy-img
与实体类结合，实体类如下

封装为方法

@Component
public class HtmlParseUtil {
    public List<Content> parseJD(String keywords) throws IOException {
        //获取请求
        // 使用前需要联网
        // 请求url
        String url="https://search.jd.com/Search?keyword="+keywords;
        // 1.解析网页(jsoup 解析返回的对象是浏览器Document对象)
        Document document = Jsoup.parse(new URL(url), 30000);
        // 使用document可以使用在js对document的所有操作
        // 2.获取元素（通过id）
        Element j_goodsList = document.getElementById("J_goodsList");
        //System.out.println("j_goodsList = " + j_goodsList);

        // 3.获取J_goodsList ul 每一个 li
        Elements lis = j_goodsList.getElementsByTag("li");

        ArrayList<Content> goodList = new ArrayList<>();
        // 4.获取li下的 img、price、name
        for (Element li : lis) {
            // 关于图片特别多的网站，所有图片都是延时加载的！
            //  source-data-lazy-img
            String img = li.getElementsByTag("img").eq(0).attr("data-lazy-img");// 获取li下 第一张图片
            String title = li.getElementsByClass("p-name").eq(0).text();
            String price = li.getElementsByClass("p-price").eq(0).text();
            Content content=new Content();
            content.setTitle(title);
            content.setPrice(price);
            content.setImg(img);
            goodList.add(content);
        }
        return goodList;
    }

}

service调用

@Service
public class ContentService {

    @Autowired
    private RestHighLevelClient restHighLevelClient;
    /*// 不能直接使用 @Autowired 需要Spring容器
    public static void main(String[] args) throws IOException {
        new ContentService().parseContent("java");
    }*/

    // 1、解析数据放入es索引中
    public Boolean parseContent(String keywords) throws IOException {
        List<Content> contents=new HtmlParseUtil().parseJD(keywords);
        //把查询的数据放入es中
        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();
    }

}

controller层

@GetMapping("/parse/{keyword}")
    public Boolean parse(@PathVariable("keyword") String keyword) throws IOException {
        System.out.println("keyword = " + keyword);
        return contentService.parseContent(keyword);
    }

通过接口调用后数据存入了es中

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Iw8v7cgu-1629335862731)(C:\Users\DELL\AppData\Roaming\Typora\typora-user-images\image-20210802184350581.png)]

分页

service层

// 2、获取这些数据实现搜索功能
    public List<Map<String,Object>> searchPage(String keyword,int pageNo,int pageSize) throws IOException {
        if (pageNo<=1){
            pageNo=1;
        }
        //条件搜索
        SearchRequest searchRequest = new SearchRequest("jd_goods");
        SearchSourceBuilder searchSourceBuilder=new SearchSourceBuilder();
        //分页
        searchSourceBuilder.from(pageNo);
        searchSourceBuilder.size(pageSize);

        //精准匹配关键字
        TermQueryBuilder termQueryBuilder= QueryBuilders.termQuery("title",keyword);
        searchSourceBuilder.query(termQueryBuilder);
        searchSourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));

        //执行搜索
        searchRequest.source(searchSourceBuilder);
        SearchResponse searchResponse=restHighLevelClient.search(searchRequest,RequestOptions.DEFAULT);

        //解析结果
        ArrayList<Map<String,Object>> list=new ArrayList<>();
        for (SearchHit documentFields:searchResponse.getHits()){
            list.add(documentFields.getSourceAsMap());
        }

        return list;
    }