【主流技术】ElasticSearch 在 Spring 项目中的实践

前言

ElasticSearch简称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，其扩展性很好，ElasticSearch是企业级应用中较为常见的技术。

下面和大家分享 ElasticSearch 集成在Spring Boot 项目的一些学习心得。

一、ElasticSearch概述

1.1基本认识

ElasticSearch 是基于 Lucene 实现的开源、分布式、RESTful接口的全文搜索引擎。

Elasticsearch 还是一个分布式文档数据库，其中每个字段均是被索引的数据且可被搜索，它能够扩展至数以百计的服务器存储以及处理PB级的数据。

Elasticsearch 可以通过简单的 RESTful 风格 API 来隐藏 Lucene 的复杂性，让搜索变得更加简单。

1.2核心概念

Elasticsearch 的核心概念是 Elasticsearch 搜索的过程，在搜索的过程中，Elasticsearch 的存储过程、数据结构都会有所涉及。

对比关系型数据库
表1

关系型数据库 Elasticsearch

数据库（DataBase）索引（indices）

表（table） types（已弃用）

行（rows） documents

字段（columns） fields

关系型数据库	Elasticsearch
数据库（DataBase）	索引（indices）
表（table）	types（已弃用）
行（rows）	documents
字段（columns）	fields

注：

Elasticsearch （集群）中可以包含多个indices（对应库），每个索引中可以包含多个types（对应表），每个types下面又包含多个documents（对应行记录），每个documents中又含有多个fields（对应字段）。
Elasticsearch 中一切数据的格式都是 JSON。

documents
fields
types（弃用）
indices

Elasticsearch 中的索引是一个非常大的文档集合，存储了映射类型的字段和其它设置，被存储在各个分片上。

1.3倒排索引

Elasticsearch 使用一种名为倒排索引的结构进行搜索，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。

传统数据库的搜索结构一般以id为主，可以一一对应数据库中的所有内容，即key-value的形式。

而倒排索引则与之相反，以内容为主，将所有不重复的内容记录按照匹配的程度（阈值）进行展示，即value-key的形式。

以下举两个例子来进行说明。

例一：

在关系型数据库中，数据是按照id的顺序进行约定的，记录的id具有唯一性，方便人们使用id去确定内容，如表2所示：
表2

id label

1 java

2 java

3 java,python

4 python
例二：

在 ElasticSearch 中使用倒排索引：数据是按照不重复的内容进行约定的，不重复的内容具有唯一性，这样可以快速地找出符合内容的记录，再根据匹配的阈值去进行展示，如表3所示：

label id

java 1,2,3

python 4,3

id	label
1	java
2	java
3	java,python
4	python

label	id
java	1,2,3
python	4,3

1.4了解ELK

ELK 是 ElasticSearch、Logstash、Kibana这三大开源框架首字母大写简称。

其中 Logstash 是中央数据流引擎，用于从不同目标（文件/数据存储/MQ）中收集不同的数据格式，经过过滤后支持输送到不同的目的地（文件/MQ/Redis/elasticsearch/kafka等）。

而 Kibana 可以将 ElasticSearch 的数据通过友好的可视化界面展示出来，且提供实时分析的功能。

ELK一般来说是一个日志分析架构技术栈的总称，但实际上 ELK 不仅仅适用于日志分析，它还可以支持任何其它数据分析和收集的场景，日志的分析和收集只是更具有代表性，并非 ELK 的唯一用途。

二、ElasticSearch（插件）安装

2.1安装声明

适用于JDK1.8及以上版本
ElasticSearch客户端
界面工具
ElasticSearch版本与Maven依赖版本对应

2.2 ElasticSearch下载

官网地址：https://www.elastic.co

下载地址（7.6.1版本）：https://www.elastic.co/downloads/past-releases/elasticsearch-7-6-1，推荐迅雷下载（速度较快）。

2.3安装ElasticSearch

将下载好的压缩包进行安装即可，解压后如下图所示：

解压安装

安装目录
- bin 启动文件
- config 配置文件
  - log4j2：日志配置文件
  - jvm.options：Java 虚拟机相关配置
  - elasticsearch.yml：elasticsearch配置文件，默认 9200 端口，解决跨域问题。
- lib 相关jar包
- modules 功能模块
- plugins 插件（如IK分词器）

2.4启动ElasticSearch

打开bin文件夹下的elasticsearch.bat文件，双击启动后访问默认地址：localhost:9200，即可得到以下json格式的数据：

{
  "name" : "ZHUZQC",
  "cluster_name" : "elasticsearch",
  "cluster_uuid" : "AMdLpCANStmY8kvou9-OtQ",
  "version" : {
    "number" : "7.6.1",
    "build_flavor" : "default",
    "build_type" : "zip",
    "build_hash" : "aa751e09be0a5072e8570670309b1f12348f023b",
    "build_date" : "2020-02-29T00:15:25.529771Z",
    "build_snapshot" : false,
    "lucene_version" : "8.4.0",
    "minimum_wire_compatibility_version" : "6.8.0",
    "minimum_index_compatibility_version" : "6.0.0-beta1"
  },
  "tagline" : "You Know, for Search"
}

2.5可视化界面-head安装

下载地址：https://github.com/mobz/elasticsearch-head/

安装要求：先检查计算机是否安装node.js、npm

步骤一：在解压后的文件目录下进入cmd，使用 cnpm install 命令安装镜像文件；
步骤二：使用 npm run start 命令启动，得到 http://localhost:9100
步骤三：解决跨域问题，打开 elasticsearch.yml 文件，输入以下代码后保存：
```
http.cors.enabled: true
http.cors.allow-origin: "*"
```
再次重启elasticsearch，进入http://localhost:9200 验证是否启动成功
最后进入 http://localhost:9100，得到以下界面，则head启动成功：

head启动

2.6初步创建索引

可以把索引当作一个数据库来使用，具体的创建如下步骤所示：

步骤一：点击Indices，在弹出的提示框中填写索引名称，点击确认；
步骤二：可以在head界面中看到该索引，如下图所示：

创建索引

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

2.7安装Kibana工具

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

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

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

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

安装步骤如下：

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

2.8使用Kibana工具

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

操作界面如下图所示：

kibana界面

三、IK分词器

3.1基本介绍

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

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

ik分词器就解决了默认分词不全面的问题，可以将中文进行不重复的分词。

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

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

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

3.2使用Kibana测试

首先测试 ik_smart（最少切分）算法的分词效果，具体如图3-1所示：

图3-1
再测试 ik_max_word（最细颗粒度划分）算法的分词效果，具体如图3-2所示：

图3-2

3.3修改本地字典

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

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

具体效果如下图3-3所示：

图3-3

四、Rest风格操作

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

图4-1

4.1创建索引

PUT /test_1/type/1
{
  "name": "zhuzqc",
  "age": 35364
}

4.2修改索引内容

GET /test_1
{
  "mappings": {
    "properties": {
      "name": {
        "type": "text"
      },
      "age": {
        "type": "long"
      },
      "birthdy": {
        "type": "date"
      }
    }
  }
}

4.3更新索引内容

POST /test_1/_doc/1/_update
{
  "doc": {
  "name": "noone"  
  }
}

4.4删除索引

DELETE test_2

4.5关于documents的操作

4.5.1基本操作

documents 可以看作是数据库中的行记录;

首先先生产一些 documents 数据：

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

2.获取数据：

GET zhuzqc/user/1

3.更新数据

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

4.简单的条件查询

// 查询统一GET开头，_search后接?，q代表query，属性:内容
GET zhuzqc/user/_search?q=name:李

如：查询zhuzqc索引中name为李四的信息，其中李四遵循默认的分词规则
GET zhuzqc/user/_search?q=name:李四

4.5.2复杂操作

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

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

对于复杂查询的操作在下一章会详细介绍。

五、查询详解

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

5.1关键字介绍

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

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

score 关键字：字段内容与词条的匹配程度，分数越高，表明匹配度越高，就越符合查询结果。
hits 关键字：对应 Java 代码中的 hit 对象，包含了索引和文档信息，包括查询结果总数，查询出来的_doc内容（一串 JSON），分数（score）等。
source：需要展示的内容字段，默认是展示索引的所有字段，也可以自定义指定需要展示的字段。
sort关键字：可以对字段的展示进行排序；

"_source": ["product_comment","product_name","label_ids","product_solution","company_name"],
  "sort": [
    {
      "label_ids": {
        "order": "desc"
      }
    }
  ],
  "from": 0,
  "size": 3

5.2 highlight 高亮

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

GET product_cloud/_search
{
  "query": {
    "term": {
      "product_comment": "世界"
    }
  },
  "highlight": {
    "pre_tags": "<p class='key' style='color:red'>", 
    "post_tags": "</p>",   
    "fields": {
      "product_comment": {}
    }
  }
}

六、Spring Boot集成ElasticSearch

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

6.1添加依赖

<properties>
        <java.version>11</java.version>
        <!-- 自定义 ElasticSearch 依赖版本与安装的版本一致 -->
        <elasticsearch.verson>7.6.1</elasticsearch.verson>
</properties>

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
        </dependency>

6.2创建对象

定义一个客户端对象：

@Configuration
public class EsConfig {
    @Bean
    public RestHighLevelClient restHighLevelClient(){
        RestHighLevelClient restHighLevelClient = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("127.0.0.1",9200,"http")
                )
        );
        return restHighLevelClient;
    }
}

6.3分析类中的方法（索引相关API）

创建索引

 @Autowired
    private RestHighLevelClient restHighLevelClient;

    // 测试索引的创建
    @Test
    void testCreateIndex() throws IOException {
        //1、创建索引请求
        CreateIndexRequest request = new CreateIndexRequest("zhu_index");
        //2、执行创建请求，并获得响应
        CreateIndexResponse createIndexResponse =
                restHighLevelClient.indices().create(request, RequestOptions.DEFAULT);
        System.out.println(createIndexResponse);
    }

获取索引

// 测试获取索引
    @Test
    void testExistIndex() throws IOException {
        GetIndexRequest getIndexRequest = new GetIndexRequest("zhu_index");
        boolean exists = restHighLevelClient.indices().exists(getIndexRequest, RequestOptions.DEFAULT);
        System.out.println(exists);
    }

删除索引

  // 测试删除索引
    @Test
    void testDeleteIndex() throws IOException {
        DeleteIndexRequest deleteIndexRequest = new DeleteIndexRequest();
        AcknowledgedResponse delete = restHighLevelClient.indices().delete(deleteIndexRequest, RequestOptions.DEFAULT);
        System.out.println(delete);
    }

七、相关API操作

API 的操作主要是将Spring Boot项目与 Elasticsearch 的 indices 与 docs 相关联起来，这样可以做到在 Elasticsearch 中对项目数据进行一系列的操作。

7.1文档API

新增数据

    // 测试添加文档
    @Test
    void testAddDocument() throws IOException {
        // 创建对象
        User user = new User("zzz",3);
        // 创建请求
        IndexRequest zhu_index_request = new IndexRequest("zhu_index");
        // 规则：put /zhu_index/_doc/1
        zhu_index_request.id("1");
        zhu_index_request.timeout(TimeValue.timeValueSeconds(1));
        // 将数据放入 ElasticSearch 请求（JSON格式）
        zhu_index_request.source(JSON.toJSONString(user), XContentType.JSON);
        // 客户端发送请求
        IndexResponse indexResponse = restHighLevelClient.index(zhu_index_request,            
        RequestOptions.DEFAULT);
    }

    // 添加大批量的数据
    @Test
    void testBulkRequest() throws IOException {
        BulkRequest bulkRequest = new BulkRequest();
        bulkRequest.timeout("10s");
        //创建数据集合
        ArrayList<User> userList = new ArrayList<>();
        userList.add(new User("zzz2",22));
        userList.add(new User("zzz3",23));
        userList.add(new User("zzz4",24));
        userList.add(new User("zzz5",25));
        userList.add(new User("zzz6",26));
        //遍历数据：批量处理
        for (int i = 0; i < userList.size(); i++) {
            // 批量添加（或更新、或删除）
            bulkRequest.add(
                    new IndexRequest("zhu_index")
                    //.id(""+(i+1))
                    .source(JSON.toJSONString(userList.get(i)), XContentType.JSON));
        }
        BulkResponse bulkResponse = restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT);
    }

获取_doc信息

 @Test
    void testGetDocument() throws IOException {
        GetRequest getRequest = new GetRequest("zhu_index","1");
        GetResponse getResponse = restHighLevelClient.get(getRequest, RequestOptions.DEFAULT);
        // 返回_source的上下文
        getRequest.fetchSourceContext(new FetchSourceContext(true));
    }

更新数据

   // 更新文档信息
    @Test
    void testUpdateDocument() throws IOException {
        UpdateRequest updateRequest = new UpdateRequest("zhu_index","1");
        updateRequest.timeout("1s");

        User user = new User("ZhuZhuQC",18);
        updateRequest.doc(JSON.toJSONString(user), XContentType.JSON);
        UpdateResponse updateResponse = restHighLevelClient.update(updateRequest, 
        RequestOptions.DEFAULT);
     
    }

删除数据

与添加数据、更新数据类似，创建 DeleteRequest 对象即可。
查询数据（重点）

    // 查询数据
    @Test
    void testSearch() throws IOException {
        // 创建查询对象
        SearchRequest searchRequest = new SearchRequest(EsConst.ES_INDEX);
        // 构建搜索条件（精确查询、全匹配查询）
        TermQueryBuilder termQuery = QueryBuilders.termQuery("name","zzz2");
        MatchAllQueryBuilder matchAllQuery = QueryBuilders.matchAllQuery();

        // 执行构造器
        SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
        sourceBuilder.query(termQuery);
        sourceBuilder.query(matchAllQuery);

        // 设置查询时间，3秒内
        sourceBuilder.timeout(new TimeValue(3, TimeUnit.SECONDS));

        // 设置分页
        sourceBuilder.from(0);
        sourceBuilder.size(3);

        // 最后执行搜索，并返回搜索结果
        searchRequest.source(sourceBuilder);
        SearchResponse searchResponse = restHighLevelClient.search(searchRequest, 
        RequestOptions.DEFAULT);
        searchResponse.getHits();

        // 打印结果
        System.out.println(JSON.toJSONString(searchResponse.getHits()));
        for (SearchHit documentFields : searchResponse.getHits().getHits()) {
            System.out.println(documentFields.getSourceAsMap());
        }
    }

八、实战分析

实战部分会模拟一个真实的 ElasticSearch 搜索过程：从创建项目开始，到使用爬虫爬取数据、编写业务，再到前后端分离交互，最后搜索结果高亮展示。

8.1创建项目

创建项目的步骤可如以下几步：

步骤一：导入相关依赖

   <properties>
        <java.version>11</java.version>
        <!-- 自定义 ElasticSearch 依赖版本与安装的版本一致 -->
        <elasticsearch.version>7.6.1</elasticsearch.version>
    </properties>

        <dependency>
            <groupId>com.alibaba</groupId>
            <artifactId>fastjson</artifactId>
            <version>1.2.83</version>
        </dependency>

步骤二：编写 properties 文件

server.port=9090
# 关闭 thymeleaf 缓存
spring.thymeleaf.cache=false

#mysql连接配置
spring.datasource.username=root
spring.datasource.password=password123
spring.datasource.url=jdbc:mysql://localhost:3306/elasticsearch-test?useSSL=false&useUnicode=true&characterEncoding=utf-8
spring.datasource.driver-class-name=com.mysql.cj.jdbc.Driver

#mybatis-plus日志配置
mybatis-plus.configuration.log-impl=org.apache.ibatis.logging.stdout.StdOutImpl

#mybatis-plus逻辑删除配置，删除为1，未删除为0
mybatis-plus.global-config.db-config.logic-delete-value = 1
mybatis-plus.global-config.db-config.logic-not-delete-value = 0

步骤三：导入前端样式

这个步骤可以在网盘

地址：https://pan.baidu.com/s/1yk_yekYoGXCuO0dc5B-Ftg

密码： rwpq

获取对应的 zip 包，里面包括了一些前端的静态资源和样式，直接放入 resources 文件夹中即可。

步骤四：编写controller

@Controller
public class IndexController {

    @GetMapping({"/","/index"})
    public String index(){
        return "index";
    }
}

8.2爬取数据

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

1.首先导入网页解析依赖：

        <!--网页解析依赖-->
        <dependency>
            <groupId>org.jsoup</groupId>
            <artifactId>jsoup</artifactId>
            <version>1.11.2</version>
        </dependency>

2.编写网页解析工具类（返回爬取到的数据）：

@Component
public class HtmlParseUtil {

    public static List<Content> parseJD(String keyword) throws IOException {
        // 1、获取请求：https://search.jd.com/Search?keyword=java
        String reqUrl = "https://search.jd.com/Search?keyword=" + keyword;

        // 2、解析网页，返回的document对象就是页面的 js 对象
        Document document = Jsoup.parse(new URL(reqUrl), 30000);

        // 3、js 中使用的方法获取页面信息
        Element j_goodList = document.getElementById("J_goodsList");

        // 4、获取所有的 li 元素
        Elements liElements = j_goodList.getElementsByTag("li");

        //5、返回List封装对象
        ArrayList<Content> goodsList = new ArrayList<>();

        //5、获取元素中的内容，遍历的 li 对象就是每一个 li 标签
        for (Element el : liElements) {
            String price = el.getElementsByClass("p-price").eq(0).text();
            String title = el.getElementsByClass("p-name").eq(0).text();
            String img = el.getElementsByTag("img").eq(0).attr("data-lazy-img");
            // 将爬取的信息放入 List 对象中
            Content content = new Content();
            content.setTitle(title);
            content.setImg(img);
            content.setPrice(price);
            goodsList.add(content);
        }
        return goodsList;
    }
}

8.3编写业务

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

步骤一：

1.controller层：

    @Autowired
    private ContentService contentService;

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

2.service层：

    @Autowired
    private RestHighLevelClient restHighLevelClient;

    /**
     *  1、将解析后的数据放入 ElasticSearch 的索引中
     * */
    public Boolean parseContent(String keyword) throws IOException {
        List<Content> contents = new HtmlParseUtil().parseJD(keyword);

        //批量插入 es
        BulkRequest bulkRequest = new BulkRequest();
        bulkRequest.timeout("2m");

        for (int i = 0; i < contents.size(); i++) {
            bulkRequest.add(
                    new IndexRequest("jd_goods")
                    .source(JSON.toJSONString(contents.get(i)), XContentType.JSON)
            );
        }
        BulkResponse bulk = restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT);
        return bulk.hasFailures();
    }

步骤二：

1.controller层：

    @GetMapping("/search/{keyword}/{pageNo}/{pageSize}")
    public List<Map<String, Object>> search(@PathVariable("keyword") String keyword,
                                            @PathVariable("pageNo") Integer pageNo,
                                            @PathVariable("pageSize") Integer pageSize) throws IOException {
        return contentService.searchPage(keyword, pageNo, pageSize);
    }

2.service层：

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

8.4前后端交互

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

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

引入Vue、axios

<!--前端使用Vue-->
<script th:src="@{/js/axios.min.js}"></script>
<script th:src="@{/js/vue.min.js}"></script>

在Vue中绑定

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

对接后端接口并返回

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

8.4搜索高亮

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

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

具体代码如下：

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

九、总结

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

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

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

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

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

相关阅读:
Git的一些常见的操作
 模态对话框和非模态对话框
 程序员如何进大厂？
千呼万唤始出来，从源码到架构的Spring全系列笔记，已全部完毕
 Unity存档系统——Json格式的文件
 实施MES管理系统前，这三个问题要考虑好
 1.数据校验-拦截器-全局异常-json数据处理
 uView安装部署
 Java多线程编程
 nginx动态新增模块
原文地址：https://www.cnblogs.com/Apluemxa/p/16392792.html

【主流技术】ElasticSearch 在 Spring 项目中的实践

前言

一、ElasticSearch概述

1.1基本认识

1.2核心概念

对比关系型数据库

documents

fields

types（弃用）

indices

1.3倒排索引

例一：

例二：

1.4了解ELK

二、ElasticSearch（插件）安装

2.1安装声明

2.2 ElasticSearch下载

2.3安装ElasticSearch

安装目录

2.4启动ElasticSearch

2.5可视化界面-head安装

2.6初步创建索引

2.7安装Kibana工具

2.8使用Kibana工具

三、IK分词器

3.1基本介绍

3.2使用Kibana测试

3.3修改本地字典

四、Rest风格操作

4.1创建索引

4.2修改索引内容

4.3更新索引内容

4.4删除索引

4.5关于documents的操作

4.5.1基本操作

4.5.2复杂操作

五、查询详解

5.1关键字介绍

5.2 highlight 高亮

六、Spring Boot集成ElasticSearch

6.1添加依赖

6.2创建对象

6.3分析类中的方法（索引相关API）

创建索引

获取索引

删除索引

七、相关API操作

7.1文档API

新增数据

获取_doc信息

更新数据

删除数据

查询数据（重点）

八、实战分析

8.1创建项目

步骤一：导入相关依赖

步骤二：编写 properties 文件

步骤三：导入前端样式

步骤四：编写controller

8.2爬取数据

1.首先导入网页解析依赖：

2.编写网页解析工具类（返回爬取到的数据）：

8.3编写业务

步骤一：

步骤二：

8.4前后端交互

引入Vue、axios

在Vue中绑定

对接后端接口并返回

8.4搜索高亮

九、总结