• Elasticsearch使用实战以及代码详解


    Elasticsearch 是一个使用 Java 语言编写、遵守 Apache 协议、支持 RESTful 风格的分布式全文搜索和分析引擎,它基于 Lucene 库构建,并提供多种语言的 API。Elasticsearch 可以对任何类型的数据进行索引、查询和聚合分析,无论是文本、数字、地理空间、结构化还是非结构化的。Elasticsearch 的核心功能是搜索,它可以对数据进行分词匹配、相关性评分、高亮显示等操作,返回相关度高的结果列表。Elasticsearch 也可以用作数据分析,它可以对数据进行统计、分类、聚类等操作,返回聚合结果或图表。

    本文将用我开源的 waynboot-mall 项目作于代码讲解,Elasticsearch 版本是 7.10.1。

    waynboot-mall 是一套全部开源的微商城项目,包含三个项目:运营后台、H5 商城和后端接口。实现了一套完整的商城业务,有首页展示、商品分类、商品详情、sku 详情、商品搜索、加入购物车、结算下单、支付宝/微信支付、订单列表、商品评论等一系列功能。

    本文大纲如下,

    image

    应用场景

    Elasticsearch 的典型应用场景有以下几种:

    • 全文搜索:Elasticsearch 提供了全文搜索的功能,适用于电商商品搜索、App 搜索、企业内部信息搜索、IT 系统搜索等。例如我们可以为每一个商品作为文档保存进 Elasticsearch,然后使用 Elasticsearch 的查询语言来对文档进行分词匹配、相关性评分、高亮显示等操作,返回相关度高的结果列表。
    • 日志分析:Elasticsearch 可以用来收集、存储和分析海量的日志数据,如项目日志、Nginx log、MySQL Log 等,往往很难从繁杂的日志中获取有价值的信息。Elasticsearch 能够借助 Beats、Logstash 等工具快速对接各种常见的数据源,并通过集成的 Kibana 高效地完成日志的可视化分析,让日志产生价值。
    • 运维监控:Elasticsearch 也可以用来监控和管理 IT 系统的运行状态和性能指标,如 CPU、内存、磁盘、网络等。可以使用 Beats、Logstash 将这些数据实时采集并索引到 Elasticsearch 中,然后通过 Kibana 构建自定义的仪表盘和告警规则,实现实时的运维监控和预警。
    • 数据可视化:Elasticsearch 与 Kibana 的结合提供了强大的数据可视化能力,可以使用 Kibana 来创建各种类型的图表和仪表盘,展示 Elasticsearch 中存储或聚合的数据,如直方图、饼图、地图、时间线等。还可以使用 Kibana 的 Canvas 功能来制作动态的数据展示页面,或者使用 Kibana 的 Lens 功能来进行交互式的数据探索。

    waynboot-mall 商城选择使用 Elasticsearch 作为搜索引擎,负责对商品数据进行索引和检索,选择 Elasticsearch 的原因有以下几点,

    1. Elasticsearch 是一个开源的分布式搜索引擎,基于 Lucene 开发,支持全文检索、结构化检索、地理位置检索等多种类型的检索,功能丰富。
    2. Elasticsearch 本身具有高性能和高可用性的设计,可以通过集群和分片机制实现水平扩展,支持海量数据的存储和处理,适合大规模的商城搜索场景。
    3. Elasticsearch 网上社区活跃,现有互联网上有大量的使用文档和案例,方便入门使用和问题排查。
    4. Elasticsearch 有众多分词器插件,关于中文分词器的使用非常成熟,拿来即用,支持自定义字典等。

    waynboot 项目使用的 Elasticsearch 插件

    Elasticsearch 的插件非常丰富,我给大家介绍其中 waynboot 项目使用的 Elasticsearch 插件。

    IK Analyzer

    IK Analyzer 是一个开源的中文分词器,由阿里巴巴集团发布。它采用了细粒度切分和歧义处理等技术,能够较好地处理各种中文文本。IK Analyzer 支持普通模式、搜索模式和拼音模式三种分词方式,并可以根据需要自定义字典。

    Pinyin Analyzer

    Pinyin Analyzer 插件是一个用于将中文字符转换为拼音的插件,它集成了 NLP 工具(nlp-lang)。该插件包含了分析器:pinyin,分词器:pinyin 和 token-filter:pinyin。该插件还提供了一些可选的参数,可以控制拼音的输出格式,例如是否保留首字母,是否保留全拼,是否保留非中文字符等。

    目录结构

    在 waynboot-mall 项目中,给 Elasticsearch 定义了专门的数据访问层 waynboot-data-elastic,该层目录结构如下,

        |-- waynboot-data                    // 数据访问层
        |   |-- waynboot-data-elastic        // Elasticsearch访问配置模块
        |       |-- config
        |       |-- constant
        |       |-- mananger
    

    包目录说明如下,

    • config:Elasticsearch 相关的配置类,包含 ElasticConfig 连接配置类 以及 ElasticClientConfig 客户端配置相关类,ElasticClientConfig 类可以设置访问密码。
    • constants:Elasticsearch 访问层的相关常量类,这里面定义了商品同步数据的索引名称等信息。
    • mananger:Elasticsearch 访问层的相关操作类,定义了 ElasticDocument 文档操作类,用于操作 Elasticsearch。

    代码实战

    在 waynboot-mall 项目中,Elasticsearch 主要用于支持首页商品的分词搜索、分页排序等功能。Elasticsearch 版本是 7.0,以下实战讲解都是在 7.0 版本基础上进行。

    要使用 Elasticsearch ik 分词器进行中文分词搜索,首先需要安装相应的插件 elasticsearch-analysis-ik,然后在创建索引时指定使用中文分词器作为字段的 analyzer 属性。

    在日常对 Elasticsearch 的操作中,我们可以通过 rest api 的方式进行操作。

    Elasticsearch rest api 操作

    如下我们可以创建一个索引名称为 goods,包含两个属性 title、content。并且 这两个属性都使用 ik 分词器。注意这里我用的 Elasticsearch 提供 Rest api 方式创建索引。

        PUT /goods
        {
            "settings": {
                "index": {
                    "number_of_shards": 1,
                    "number_of_replicas": 0
                }
            },
            "mappings": {
                "properties": {
                    "title": {
                        "type": "text",
                        "analyzer": "ik_max_word"
                    },
                    "content": {
                        "type": "text",
                        "analyzer": "ik_max_word"
                    }
                }
            }
        }
    

    创建索引后,就可以向索引中添加两条数据,例如:

        POST /books/_doc/1
        {
            "title": "格林童话",
            "content": "这本书介绍了很多童话故事,有白雪公主、狮子王、美人鱼等。"
        }
    
        POST /books/_doc/2
        {
            "title": "中国童话故事",
            "content": "这本书介绍了很多中国童话故事。"
        }
    

    然后我们就可以使用 match 语法来进行中文分词检索,这里我查询 goods 索引中,title 属性是 "动画" 的记录。如下,

        GET /books/_search
        {
            "query":{
                "match":{
                    "title": "童话"
                }
            }
        }
    

    查询结果如下,

        {
            "took": 0,
            "timed_out": false,
            "_shards": {
                "total": 1,
                "successful": 1,
                "skipped": 0,
                "failed": 0
            },
            "hits": {
                "total": {
                    "value": 2,
                    "relation": "eq"
                },
                "max_score": 0.11190013,
                "hits": [
                    {
                        "_index": "books",
                        "_type": "_doc",
                        "_id": "1",
                        "_score": 0.11190013,
                        "_source": {
                            "title": "格林童话",
                            "content": "这本书介绍了很多童话故事,有白雪公主、狮子王、美人鱼等。"
                        }
                    },
                    {
                        "_index": "books",
                        "_type": "_doc",
                        "_id": "2",
                        "_score": 0.099543065,
                        "_source": {
                            "title": "中国童话故事",
                            "content": "这本书介绍了很多中国童话故事。"
                        }
                    }
                ]
            }
        }
    

    可以看到,查询结果中匹配了标题包含“童话”的文档,这说明 Elasticsearch 使用了中文分词器对查询字符串和文档进行了分词,并根据相关性得分返回了结果。

    全文搜索以及筛选排序

    在 waynboot-mall 项目中,商城首页顶部提供了商品搜索栏,用户可以输入商品名称搜索自己想要的商品,搜索结果展示后,还可以进行热门、新品过滤以及价格、销量等进行排序。

    image

    可以看到搜索功能还是比较复杂的,在 waynboot-mall 项目中,这些逻辑全部在 Elasticsearch 内部进行处理,代码如下,

        @RestController
        @AllArgsConstructor
        @RequestMapping("search")
        public class SearchController extends BaseController {
            private IGoodsService iGoodsService;
            private ElasticDocument elasticDocument;
    
            @GetMapping("result")
            public R result(SearchVO searchVO) throws IOException {
                // 获取筛选、排序条件
                Long memberId = MobileSecurityUtils.getUserId();
                String keyword = searchVO.getKeyword();
                Boolean filterNew = searchVO.getFilterNew();
                Boolean filterHot = searchVO.getFilterHot();
                Boolean isNew = searchVO.getIsNew();
                Boolean isHot = searchVO.getIsHot();
                Boolean isPrice = searchVO.getIsPrice();
                Boolean isSales = searchVO.getIsSales();
                String orderBy = searchVO.getOrderBy();
                SearchHistory searchHistory = new SearchHistory();
                if (memberId != null && StringUtils.isNotEmpty(keyword)) {
                    searchHistory.setCreateTime(LocalDateTime.now());
                    searchHistory.setUserId(memberId);
                    searchHistory.setKeyword(keyword);
                }
                Page page = getPage();
                // 查询包含关键字、已上架商品
                SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
                BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery();
                MatchQueryBuilder matchFiler = QueryBuilders.matchQuery("isOnSale", true);
                MatchQueryBuilder matchQuery = QueryBuilders.matchQuery("name", keyword);
                MatchPhraseQueryBuilder matchPhraseQueryBuilder = QueryBuilders.matchPhraseQuery("keyword", keyword);
                boolQueryBuilder.filter(matchFiler).should(matchQuery).should(matchPhraseQueryBuilder).minimumShouldMatch(1);
                searchSourceBuilder.timeout(new TimeValue(10, TimeUnit.SECONDS));
                // 按是否新品排序
                if (isNew) {
                    searchSourceBuilder.sort(new FieldSortBuilder("isNew").order(SortOrder.DESC));
                }
                // 按是否热品排序
                if (isHot) {
                    searchSourceBuilder.sort(new FieldSortBuilder("isHot").order(SortOrder.DESC));
                }
                // 按价格高低排序
                if (isPrice) {
                    searchSourceBuilder.sort(new FieldSortBuilder("retailPrice").order("asc".equals(orderBy) ? SortOrder.ASC : SortOrder.DESC));
                }
                // 按销量排序
                if (isSales) {
                    searchSourceBuilder.sort(new FieldSortBuilder("sales").order(SortOrder.DESC));
                }
                // 筛选新品
                if (filterNew) {
                    MatchQueryBuilder filterQuery = QueryBuilders.matchQuery("isNew", true);
                    boolQueryBuilder.filter(filterQuery);
                }
                // 筛选热品
                if (filterHot) {
                    MatchQueryBuilder filterQuery = QueryBuilders.matchQuery("isHot", true);
                    boolQueryBuilder.filter(filterQuery);
                }
    
                // 组装Elasticsearch查询条件
                searchSourceBuilder.query(boolQueryBuilder);
                // Elasticsearch分页相关
                searchSourceBuilder.from((int) (page.getCurrent() - 1) * (int) page.getSize());
                searchSourceBuilder.size((int) page.getSize());
                // 执行Elasticsearch查询
                List list = elasticDocument.search("goods", searchSourceBuilder, JSONObject.class);
                List goodsIdList = list.stream().map(jsonObject -> (Integer) jsonObject.get("id")).collect(Collectors.toList());
                if (goodsIdList.isEmpty()) {
                    return R.success().add("goods", Collections.emptyList());
                }
                // 根据Elasticsearch中返回商品ID查询商品详情并保持es中的排序
                List goodsList = iGoodsService.searchResult(goodsIdList);
                Map goodsMap = goodsList.stream().collect(Collectors.toMap(goods -> Math.toIntExact(goods.getId()), o -> o));
                List returnGoodsList = new ArrayList<>(goodsList.size());
                for (Integer goodsId : goodsIdList) {
                    returnGoodsList.add(goodsMap.get(goodsId));
                }
                if (CollectionUtils.isNotEmpty(goodsList)) {
                    AsyncManager.me().execute(new TimerTask() {
                        @Override
                        public void run() {
                            searchHistory.setHasGoods(true);
                            iSearchHistoryService.save(searchHistory);
                        }
                    });
                }
                return R.success().add("goods", returnGoodsList);
            }
        }
    

    这里对上面商城的搜索代码给大家做一个讲解:

    • 第一步:获取筛选、排序条件
    • 第二步:获取查询条件-用户搜索关键字、商品已上架
    • 第三步:获取排序条件-按是否新品排序、按是否热品排序、按价格高低排序、按销量排序
    • 第四步:获取过滤条件-筛选新品、筛选热品
    • 第五步:组装 Elasticsearch 查询条件以及分页条件
    • 第六步:执行 Elasticsearch 查询操作
    • 第七步:获取 Elasticsearch 中返回的商品 ID ,并根据商品 id 查询商品详情,最后商品保持 es 中的排序

    总结一下

    本文给大家讲解了 waynboot-mall 项目中对于 elasticsearch 的使用以及代码实战讲解。希望能帮助大家更好理解 elasticsearch,大家在自己的项目中如果要引入 elasticsearch,可以直接参照本文的示例代码即可使用。

    想要获取 waynboot-mall 项目源码的同学,可以关注我公众号【程序员 wayn】,发送 waynboot-mall 即可领取。

    如果觉得这篇文章写的不错的话,不妨点赞加关注,我会更新更多技术干货、项目教学、经验分享的文章。

  • 相关阅读:
    JAVA编程:设计模式原则
    web课程设计——健身俱乐部健身器材网站模板(24页)HTML+CSS+JavaScript
    22/6/29
    行业落地呈现新进展 | 2022开放原子全球开源峰会OpenAtom OpenHarmony分论坛圆满召开
    汉诺塔问题
    Vue中 computed 和 watch
    TKMybatis的使用大全和例子(example、Criteria、and、or)
    考研王道强化阶段(二轮复习)“算法题”备考打卡表 记录
    ceph的组件和功能以及部署三个节点的ceph集群
    Leetcode 1668. 最大重复子字符串
  • 原文地址:https://www.cnblogs.com/waynaqua/p/18042746