- 1 简介
- 2 基础概念
- 2.1 Index(索引)
- 2.2 Type(类型)
- 2.3 Document(文档)
- 2.4 倒排索引
- 3 Docker安装
- 3.1 下载镜像文件
- 3.2 创建实例
- 3.2.1 elasticsearch
- 3.2.2 Kibana
- 4 初步检索
- 4.1 _cat
- 4.2 索引一个文档(保存)
- 4.3 查询文档
- 4.4 更新文档
- 4.5 删除文档&索引
- 4.6 bulk批量API
- 4.7 样本测试数据
- 5 进阶检索
- 5.1 SearchAPI
- 5.2 Query DSL
- 5.2.1 基本语法格式
- 5.2.2 返回部分字段
- 5.2.3 match【匹配查询】
- 5.2.4 match_phase【短语匹配】
- 5.2.5 multi_match【多字段匹配】
- 5.2.6 bool【复合查询】
- 5.2.7 filter【结果过滤】
- 5.2.8 term
- 5.2.9 aggregations【执行聚合】
- 5.3 Mapping
- 5.3.1 字段类型
- 核心类型
- 复合类型
- 地理类型(Geo)
- 特定类型
- 5.3.2 映射
- 5.3.3 新版本变化
- 创建映射
- 添加新的字段映射
- 更新映射
- 数据迁移
- 5.4 分词
- 5.4.1 安装ik分词器
- 5.4.2 重新配置es
- 5.4.3 安装nginx
- 5.4.2 自定义词库
- 6 Elasticsearch-Rest-Client
- 6.1 简介
- 6.2 整合springboot
- 6.3 测试保存数据
- 6.4 测试复杂检索
https://www.elastic.co/cn/what-is/elasticsearch
全文搜索属于最常见的需求,开源的 Elasticsearch是目前全文搜索引擎的首选。
它可以快速地储存、搜索和分析海量数据。维基百科、Stack Overflow、Github都采用它
Elastic 的底层是开源库Lucene。但是,你没法直接用Lucene,必须自己写代码去调用它的接口。Elastic是 Lucene的封装,提供了REST API的操作接口,开箱即用。
REST API:天然的跨平台。
官方文档:https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html
官方中文:https://www.elastic.co/guide/cn/elasticsearch/guide/current/foreword_id.html
社区中文:
https://es.xiaoleilu.com/index.html
http://doc.codingdict.com/elasticsearch/0/
2 基础概念 2.1 Index(索引)动词:相当于MySQL中的 insert
名词:相当于MySQL中的 Database
2.2 Type(类型)在Index(索引)中,可以定义一个或多个类型。
类似于MySQL中的 Table ;每一种类型的数据放在一起;
2.3 Document(文档)保存在某个索引(Index)下,某种类型(Type)的一个数据(Document),文档是JSsON格式的,Document就像是MySQL中的某个 Table里面的内容;
2.4 倒排索引 3 Docker安装 3.1 下载镜像文件docker pull elasticsearch:7.4.2 # 存储和检索数据
docker pull kibana:7.4.2 # 可视化检索数据3.2 创建实例 3.2.1 elasticsearch
1、配置映射文件
mkdir -p /mydata/elasticsearch/config mkdir -p /mydata/elasticsearch/data echo "http.host: 0.0.0.0" >/mydata/elasticsearch/config/elasticsearch.yml
2、设置权限
chmod -R 777 /mydata/elasticsearch/
3、启动elasticsearch
docker run --name elasticsearch -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" -e ES_JAVA_OPTS="-Xms64m -Xmx128m" -v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml -v /mydata/elasticsearch/data:/usr/share/elasticsearch/data -v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins -d elasticsearch:7.4.2
4、查看9200端口,云服务器记得配置安全组
5、设置开机启动
docker update elasticsearch --restart=always
6、查看elasticsearch日志
docker logs elasticsearch
7、查看所有节点
https://192.168.56.10:9200/_cat/nodes
3.2.2 Kibana启动Kibana
http://192.168.56.10:9200 改成自己Elasticsearch上的地址
docker run --name kibana -e ELASTICSEARCH_HOSTS=http://192.168.56.10:9200 -p 5601:5601 -d kibana:7.4.2
PS:启动很慢,要等几分钟
设置开机启动
docker update kibana --restart=always4 初步检索 4.1 _cat
GET /_cat/nodes:查看所有节点
GET /_cat/health:查看es 健康状况
GET /_cat/master:查看主节点
GET /_cat/indices:查看所有索引 show databases;
4.2 索引一个文档(保存)保存一个数据,保存在哪个索引的哪个类型下,指定用哪个唯一标识
PUT customer/external/1;
在customer索引下的 external类型下保存1号数据为
PUT customer/external/1 { "name": "John Doe" }
PUT和POST都可以
POST新增。如果不指定id,会自动生成id。指定id就会修改这个数据,并新增版本号
PUT可以新增可以修改。PUT必须指定 id;由于PUT需要指定id,我们一般都用来做修改操作,不指定id会报错。
4.3 查询文档GET customer/external/1
结果:
{ "_index":"customer", // 在哪个索引 "_type":"external", // 在哪个类型 "id":"1", // 记录id "_version":2, // 版本号 "_seq_no":1, // 并发控制字段,每次更新就会+1,用来做乐观锁 "_primary_term":1, // 同上,主分片重新分配,如重启,就会变化 "found":true, "_source":{ "name":"John Doe" } }
更新携带:?if_seq_no=0&if_primary_term=1
4.4 更新文档POST customer/external/1/_update { "doc":{ "name":"John" } }
或者
POST customer/external/1 { "name":"John" }
或者
PUT customer/external/1 { "name":"John" }
不同:
POST操作会对比源文档数据,如果相同不会有什么操作,文档version不增加PUT 操作总会将数据重新保存并增加version 版本;
带_update对比元数据如果一样就不进行任何操作。
看场景:
对于大并发更新,不带update;
对于大并发查询偶尔更新,带update对比更新,重新计算分配规则。
更新的同时增加属性
POST customer/external/1/_update { "doc":{ "name":"jane", "age":20 } }
PUT 和 POST 不带 _update 也可以
4.5 删除文档&索引DELETE customer/external/1
DELETE customer
4.6 bulk批量API示例:
POST customer/external/_bulk {"index":{"_id":"1"}} {"name":"John Doe"} {"index":{"_id":"2"}} {"name":"Jane Doe"}
[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-z41TUMWW-1651550896656)(C:UsersxjhqreAppDataRoamingTyporatypora-user-imagesimage-20220430171526571.png)]
语法格式:
{action:{metadata}} {request body} {action:{metadata}} {request body}
复杂实例:
POST /_bulk {"delete":{"_index":"website","_type":"blog","_id":"123"}} {"create":{"_index":"website","_type":"blog","_id":"123"}} {"title":"My first blog post"} {"index":{"_index":"website","_type":"blog"}} {"title":"My second blog post"} {"update":{"_index":"website","_type":"blog","_id":"123"}} {"doc":{"title":"My updated blog post"}}
bulk API以此按顺序执行所有的 action(动作)。如果一个单个的动作因任何原因而失败,它将继续处理它后面剩余的动作。当bulk API返回时,它将提供每个动作的状态(与发送的顺序相同),所以您可以检查是否一个指定的动作是不是失败了。
4.7 样本测试数据地址:https://raw.githubusercontent.com/elastic/elasticsearch/7.4/docs/src/test/resources/accounts.json
POST /bank/account/_bulk
5 进阶检索 5.1 SearchAPIES支持两种基本方式检索∶
-
一个是通过使用 REST request URI 发送搜索参数( uri+检索参数)
-
另一个是通过使用 REST request body来 发送它们(uri请求体)
检索信息
- 一切检索从 _search 开始
GET bank/_search:检索bank下所有信息,包括type和docs
GET bank/_search?q=*&sort=account_number:asc:请求参数方式检索
响应结果解释:
took:Elasticsearch执行搜索的时间(毫秒)
time_out:告诉我们搜索是否超时
_shards:告诉我们多少个分片被搜索了,以及统计了成功/失败的搜索分片
hits:搜索结果
hits.total:搜索结果
hits.hits:实际的搜索结果数组(默认为前10 的文档)
sort:结果的排序key(键)(没有则按score排序)
score和 max_score:相关性得分和最高得分(全文检索用)
URI + 请求体进行检索:
GET bank/_search { "query":{ "match_all":{} }, "sort":[ { "account_number":{ "order":"desc" } } ] }
HTTP客户端工具(POSTMAN), get 请求不能携带请求体,我们变为post也是一样的我们POST一个JSON风格的查询请求体到_search APl。
需要了解,一旦搜索的结果被返回,Elasticsearch就完成了这次请求,并且不会维护任何服务端的资源或者结果的cursor(游标)
5.2 Query DSL 5.2.1 基本语法格式Elasticsearch提供了一个可以执行查询的Json风格的 DSL(domain-specific language领域特定语言)。这个被称为Query DSL。该查询语言非常全面,并且刚开始的时候感觉有点复杂,真正学好它的方法是从一些基础的示例开始的。
- 一个查询语句的典型结构
{ QUERY_NAME:{ ARGUMENT:VALUE, ARGUMENT:VALUE... } }
- 如果是针对某个字段,那么它的结构如下
{ QUERY_NAME:{ FIELD_NAME:{ ARGUMENT:VALUE, ARGUMENT:VALUE... } } }
示例:
GET bank/_search { "query":{ "match_all":{} }, "from":0, "size":5, "sort":[ { "account_number":{ "order":"desc" } } ] }
- query定义如何查询,
- match_all查询类型【代表查询所有的所有】,es中可以在query中组合非常多的查询类型完成复杂查询
- 除了query参数之外,我们也可以传递其它的参数以改变查询结果。如 sort,size
- from + size限定,完成分页功能
- sort排序,多字段排序,会在前序字段相等时后续字段内部排序,否则以前序为准
GET bank/_search { "query":{ "match_all":{} }, "from":0, "size":5, "_source":["age","balance"] }5.2.3 match【匹配查询】
- 基本类型(非字符串),精确匹配
GET bank/_search { "query":{ "match":{ } } }
match 返回 account_number=20 的
- 字符串,全文检索
GET bank/_search { "query":{ "match":{ "address":"mill" } } }
全文检索按照评分进行排序,会对检索条件进行分词匹配
精确匹配
GET bank/_search { "query":{ "match":{ "address.keyword":"789 Madison" } } }5.2.4 match_phase【短语匹配】
将需要匹配的值当成一个整体单词(不分词)进行检索
GET bank/_search { "query":{ "match_phase":{ "address":"mill_road" } } }
查出 address 中包含 mill road 的所有记录,并给出相关性得分
5.2.5 multi_match【多字段匹配】GET bank/_search { "query":{ "multi_match":{ "query":"mill", "fields":["state","address"] } } }5.2.6 bool【复合查询】
bool 用来做复合查询
复合语句可以合并任何其它查询语句,包括复合语句,了解这一点是很重要的。这就意味着,复合语句之间可以互相嵌套,可以表达非常复杂的逻辑。
- must:必须达到的条件
GET bank/_search { "query":{ "bool":{ "must":[ {"match":{"address":"mill"}}, {"match":{"gender":"M"}} ] } } }
- should:应该达到should列举的条件,如果达到会增加相关文档的评分,并不会改变查询的结果。如果query中只有should且只有一种匹配规则,那么 should的条件就会被作为默认匹配条件而去改变查询结果
GET bank/_search { "query":{ "bool":{ "must":[ {"match":{"address":"mill"}}, {"match":{"gender":"M"}} ], "should":[ {"match":{"address":"lane"}} ] } } }
- must_not 必须不是指定的情况
GET bank/_search { "query":{ "bool":{ "must":[ {"match":{"address":"mill"}}, {"match":{"gender":"M"}} ], "should":[ {"match":{"address":"lane"}} ], "must_not":[ {"match":{"email":"baluba.com"}} ] } } }
address包含 mill,并且gender是M,如果address里面有lane最好不过,但是email必须不包含 baluba.com
事件 | 描述 |
---|---|
must | 子句(查询)必须出现在匹配的文档中,并将有助于得分 |
filter | 子句(查询)必须出现在匹配的文档中,然而不像must,此查询的分数将被忽略 |
should | 子句(查询)应出现在匹配文档中,在bool查询中不包含must或filter子句,一个或多个should子句条件的最小数目可通过设置 minimum_should_match参数 |
must_not | 子句(查询)不能出现在匹配的文档中 |
并不是所有的查询都需要产生分数,特别是那些仅用于“filtering"(过滤)的文档。为了不计算分数Elasticsearch会自动检查场景并且优化查询的执行。
GET bank/_search { "query":{ "bool":{ "must":[ {"match":{"address":"mill"}} ], "filter":{ "range":{ "balance":{ "gte":10000, "lte":20000 } } } } } }5.2.8 term
和match一样。匹配某个属性的值。全文检索字段用match,其他非text字段匹配用term。
GET bank/_search { "query":{ "term":{ "balance":"32838" } } }5.2.9 aggregations【执行聚合】
聚合提供了从数据中分组和提取数据的能力。最简单的聚合方法大致等于SQL GROUPBY和SQL聚合函数。在Elasticsearch 中,您有执行搜索返回hits(命中结果),并且同时返回聚合结果,把一个响应中的所有hits(命中结果)分隔开的能力。这是非常强大且有效的,您可以执行查询和多个聚合,并且在一次使用中得到各自的(任何一个的)返回结果,使用一次简洁和简化的API来避免网络往返。
- 搜索address中包含mill的所有人的年龄分布以及平均年龄,但不显示这些人的详情。
GET bank/_search { "query":{ "match":{ "address":"mill" } }, "aggs":{ "ageAgg":{ "terms":{ "field":"age", "size":10 } }, "ageAvg":{ "avg":{ "field":"age" } }, "balanceAvg":{ "avg":{ "field":"balance" } } }, "size":0 }
size:0,不显示搜索数据
aggs:执行聚合,聚合语法如下
"aggs":{ "aggs_name 聚合的名字":{ "AGG_TYPE 聚合的类型(avg, term, terms)":{} } }
复杂示例
- 按照年龄聚合,并且请求这些年龄段的这些人的平均薪资
GET bank/_search { "query": { "match_all": {} }, "aggs": { "ageAgg": { "terms": { "field": "age", "size": 100 }, "aggs": { "ageAvg": { "avg": { "field": "balance" } } } } } }
- 查出所有年龄分布,并且这些年龄段中w的平均薪资和F的平均薪资以及这个年龄段的总体平均薪资
GET bank/_search { "query": { "match_all": {} }, "aggs": { "ageAgg": { "terms": { "field": "age", "size": 100 }, "aggs": { "genderAgg": { "terms": { "field": "gender.keyword", "size": 10 }, "aggs": { "genderBalanceAvg": { "avg": { "field": "balance" } } } }, "ageBalanceAvg":{ "avg": { "field": "balance" } } } } }, "size": 0 }5.3 Mapping 5.3.1 字段类型 核心类型
字符串(string)
- text
- keyword
数字类型(Numeric)
- long
- integer
- short
- byte
- double
- float
- half_float
- scaled_float
日期类型(Date)
- date
布尔类型(Boolean)
- boolean
二进制类型(binary)
- binary
数组类型(Array)
- Array:支持不针对特定的类型
对象类型(Object)
- object:用于单JSON对象
嵌套类型(Nested)
- nested:用于JSON对象数组
地理坐标(Geo-points)
- geo_point:用于描述经纬度坐标
地理图形(Geo-Shape)
- geo_shape:用于描述复杂形状,如多边形
IP类型
- ip:用于描述 ipv4 和 ipv6 地址
补全类型(Completion )
- completion:提供自动完成提示
令牌计数类型(Token count )
- token_count用于统计李符串中的词条数量
附件类型( attachment )
- 参考mapper-attachements插件,支持将附件如Microsof Оffice格式,Open Document格式,ePub,HTML等等索引为attachment数据类型.
抽取类型(Percolator )
- 接受特定领域查询语言(query-dsl)的查询
Mapping(映射)
Mapping是用来定义一个文档(document),以及它所包含的属性(field)是如何存储和索引的。比如,使用mapping来定义:
- 哪些字符串属性应该被看做全文本属性(full text fields)。
- 哪些属性包含数字,日期或者地理位置。
- 文档中的所有属性是否都能被索引(_all配置)。
- 日期的格式。
- 自定义映射规则来执行动态添加属性。
查看mapping信息:
GET bank/_mapping
修改 mapping 信息
https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping.html
自动猜测的映射类型
JSON type | 域 type |
---|---|
布尔型:true 或者 false | boolean |
整数:123 | long |
浮点数:123.45 | double |
字符串,有效日期:2014-09-15 | date |
字符串:foo bar | string |
Es7及以上移除了type的概念。
- 关系型数据库中两个数据表示是独立的,即使他们里面有相同名称的列也不影响使用,但ES中不是这样的。elasticsearch是基于Lucene开发的搜索引擎,而ES中不同type下名称相同的filed最终在Lucene中的处理方式是一样的。
- 两个不同type下的两个user_name,在ES同一个索引下其实被认为是同一个filed,你必须在两个不同的type中定义相同的 filed映射。否则,不同type中的相同字段名称就会在处理中出现冲突的情况,导致Lucene处理效率下降。
- 去掉type就是为了提高ES处理数据的效率。
Elasticsearch 7.x
- URL中的type参数为可选。比如,索引一个文档不再要求提供文档类型。
Elasticsearch 8.x
- 不再支持URL中的type参数。
解决:
- 将索引从多类型迁移到单类型,每种类型文档一个独立索引
- 将已存在的索引下的类型数据,全部迁移到指定位置即可。详见数据迁移
创建索引 my_index 并指定映射
PUT /my_index { "mappings": { "properties": { "age":{"type": "integer"}, "email":{"type": "keyword"}, "name":{"type": "text"} } } }添加新的字段映射
PUT /my-index/_mapping { "properties":{ "employee-id":{ "type":"keyword", "index":false } } }更新映射
对于已经存在的映射字段,我们不能更新。更新必须创建新的索引进行数据迁移
数据迁移先创建出new_twitter的正确映射。然后使用如下方式进行数据迁移
POST _reindex [固定写法] { "source":{ "index":"twitter" }, "dest":{ "index":"new_twitter" } }
将旧索引的type下的数据进行迁移
POST _reindex { "source":{ "index":"twitter", "type":"tweet" }, "dest":{ "index":"tweets" } }
示例:
创建 newbank 索引
PUT /newbank { "mappings": { "properties": { "account_number":{ "type": "long" }, "address":{ "type": "text" }, "age":{ "type":"integer" }, "balance": { "type":"long" }, "city" :{ "type": "keyword" }, "email":{ "type": "keyword" }, "employer":{ "type":"keyword" }, "firstname":{ "type": "text" }, "gender":{ "type": "keyword" }, "lastname":{ "type": "text", "fields":{ "keyword":{ "type":"keyword", "ignore_above":256 } } }, "state":{ "type": "keyword" } } } }
数据转移
POST _reindex { "source":{ "index":"bank", "type":"account" }, "dest":{ "index":"newbank" } }5.4 分词
一个tokenizer(分词器)接收一个字符流,将之分割为独立的tokens(词元,通常是独立的单词),然后输出tokens流。
例如,whitespace tokenizer遇到空白字符时分割文本。它会将文本“Quick brown fox!"分割为**[Quick, brown, fox!]**。
该tokenizer(分词器)还负责记录各个term(词条)的顺序或position位置(用于phrase短语和word proximity词近邻查询),以及term(词条)所代表的原始word(单词)的start(起始)和end(结束)的character offsets(字符偏移量)(用于高亮显示搜索的内容)。Elasticsearch提供了很多内置的分词器,可以用来构建custom analyzers(自定义分词器)。
5.4.1 安装ik分词器**注意:**不能用默认elasticsearch-plugin install xoox.zip进行自动安装
**下载地址:**https://github.com/medcl/elasticsearch-analysis-ik/releases/tag/v7.4.2
将压缩包解压后的文件放入==/mydata/elasticsearch/plugins==路径下
设置权限
chmod -R 777 ik/
确认插件是否安装完成
- 进入es容器内部,docker exec -it 容器id /bin/bash
- 进入bin目录,输入elasticsearch-plugin list
重启elasticsearch
docker restart elasticsearch
测试分词器
POST _analyze { "analyzer": "ik_smart", "text": "我是中国人" }5.4.2 重新配置es
-
修改虚拟机内存大小为3G
-
停止es,docker stop elasticsearch
-
移除es,docker rm elasticsearch
-
创建新的es
docker run --name elasticsearch -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" -e ES_JAVA_OPTS="-Xms64m -Xmx512m" -v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml -v /mydata/elasticsearch/data:/usr/share/elasticsearch/data -v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins -d elasticsearch:7.4.2
-
设置开机自启:docker update elasticsearch --restart=always
-
在 mydata 目录下新建一个 nginx 目录
-
随便启动一个 nginx 实例,只是为了复制出配置:docker run -p 80:80 --name nginx -d nginx:1.10
-
将容器内的配置文件拷贝到当前目录,注意在mydata目录下执行命令:docker container cp nginx:/etc/nginx .
-
将nginx目录下的所有文件放入conf目录下
-
停止 nginx 容器:docker stop nginx
-
删除 nginx 容器:docker rm nginx
-
创建新的 nginx 容器:
docker run -p 80:80 --name nginx -v /mydata/nginx/html:/usr/share/nginx/html -v /mydata/nginx/logs:/var/log/nginx -v /mydata/nginx/conf:/etc/nginx -d nginx:1.10
-
进入 /mydata/nginx/html 创建 index.html,写入
gulimall,到地址http://192.168.56.10/查看 -
设置开机自启:docker update nginx --restart=always
-
创建es分词表
# 在html目录下 mkdir es cd es vim fenci.txt # 写入一些词语
-
修改/mydata/elasticsearch/plugins/ik/config 中的 IKAnalyzer.cfg.xml
IK Analyzer 扩展配置 http://192.168.56.10/es/fenci.txt
-
重启elasticsearch:docker restart elasticsearch
-
测试分词
POST _analyze { "analyzer": "ik_smart", "text": "尚硅谷教育" }
9300:TCP
- spring-data-elasticsearch:transport-api.jar
- springboot版本不同,transport-api.jar不同,不能适配es版本
- 7.x已经不建议使用,8以后就要废弃
9200:HTTP
- JestClient非官方,更新慢
- RestTemplate:模拟发HTTP请求,Es很多操作需要自己封装,麻烦
- HttpClient:同上
- Elasticsearch-Rest-Client:官方RestClient,封装了ES操作,API层次分明,上手简单
最终选择Elasticsearch-Rest-Client (elasticsearch-rest-high-level-client)
https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/java-rest-high.html
6.2 整合springboot1、新建模块
2、依赖选择Spring Web
3、导入依赖,修改版本
org.elasticsearch.client elasticsearch-rest-high-level-client 7.4.2 com.atguigu.gulimall gulimall-common 0.0.1-SNAPSHOT
1.8 7.4.2
4、编写配置类config.GulimallElasticSearchConfig,给容器注入一个RestHighLevelClient
@Configuration public class GulimallElasticSearchConfig { @Bean public RestHighLevelClient restHighLevelClient() { RestHighLevelClient client = new RestHighLevelClient( RestClient.builder( new HttpHost("192.168.56.10", 9200, "http"))); return client; } }
5、注册进nacos,地址,名字,注解
application.properties
spring.cloud.nacos.discovery.server-addr=127.0.0.1:8848 spring.application.name=gulimall-search
GulimallSearchApplication.java
这里排除DataSourceAutoConfiguration,因为在common里导入了mybatis依赖,而在search模块里我们没有配置数据库,运行时会报错
@EnableDiscoveryClient @SpringBootApplication(exclude = DataSourceAutoConfiguration.class) public class GulimallSearchApplication { public static void main(String[] args) { SpringApplication.run(GulimallSearchApplication.class, args); } }
6、测试
坑:报错Failed to process import candidates for configuration class [com.atguigu.gulimall.search.GulimallSearchApplication]; nested exception is java.lang.IllegalArgumentException: Could not find class [org.springframework.cloud.client.loadbalancer.reactive.OnNoRibbonDefaultCondition]
**问题原因:**可能是spring cloud的版本又对不上了
**解决方法:**修改spring cloud的版本,完整pom.xml:
4.0.0 org.springframework.boot spring-boot-starter-parent 2.6.6 com.atguigu.gulimall gulimall-search 0.0.1-SNAPSHOT gulimall-search Demo project for Spring Boot 1.8 7.4.2 2021.0.1 org.springframework.boot spring-boot-starter-web org.springframework.boot spring-boot-starter-test test org.elasticsearch.client elasticsearch-rest-high-level-client 7.4.2 com.atguigu.gulimall gulimall-common 0.0.1-SNAPSHOT org.springframework.cloud spring-cloud-dependencies ${spring-cloud.version} pom import org.springframework.boot spring-boot-maven-plugin
测试方法
@SpringBootTest class GulimallSearchApplicationTests { @Autowired RestHighLevelClient client; @Test void test1() { System.out.println(client); } }6.3 测试保存数据
1、修改GulimallElasticSearchConfig
@Configuration public class GulimallElasticSearchConfig { public static final RequestOptions COMMON_OPTIONS; static { RequestOptions.Builder builder = RequestOptions.DEFAULT.toBuilder(); COMMON_OPTIONS = builder.build(); } @Bean public RestHighLevelClient restHighLevelClient() { RestHighLevelClient client = new RestHighLevelClient( RestClient.builder( new HttpHost("192.168.56.10", 9200, "http"))); return client; } }
2、测试
导入依赖fastjson
com.alibaba fastjson 1.2.28
测试代码
@Test void test2() throws IOException { // 创建索引 IndexRequest indexRequest = new IndexRequest("users"); indexRequest.id("1"); // 数据的id User user = new User("张三", "男", 18); String jsonString = JSON.toJSONString(user); indexRequest.source(jsonString, XContentType.JSON); // 执行操作 IndexResponse index = client.index(indexRequest, GulimallElasticSearchConfig.COMMON_OPTIONS); // 提取有用的响应数据 System.out.println(index); } @Data @AllArgsConstructor class User{ private String userName; private String gender; private Integer age; }6.4 测试复杂检索
1、创建Account类
@Data @AllArgsConstructor @NoArgsConstructor public class Account { private int account_number; private int balance; private String firstname; private String lastname; private int age; private String gender; private String address; private String employer; private String email; private String city; private String state; }
2、测试代码
@Test void test3() throws IOException { // 1. 创建检索请求 SearchRequest searchRequest = new SearchRequest(); // 2. 指定索引 searchRequest.indices("bank"); // 3. 指定DSL,检索条件 SearchSourceBuilder sourceBuilder = new SearchSourceBuilder(); // 4. 构造检索条件 sourceBuilder.query(QueryBuilders.matchQuery("address", "mill")); // 4.1. 按照年龄的值分布进行聚合 TermsAggregationBuilder ageAgg = AggregationBuilders.terms("ageAgg").field("age").size(10); sourceBuilder.aggregation(ageAgg); // 4.2. 计算平均薪资 AvgAggregationBuilder balanceAvg = AggregationBuilders.avg("balanceAvg").field("balance"); sourceBuilder.aggregation(balanceAvg); System.out.println(sourceBuilder); searchRequest.source(sourceBuilder); // 5. 执行检索 SearchResponse searchResponse = client.search(searchRequest, GulimallElasticSearchConfig.COMMON_OPTIONS); // 6. 分析结果 System.out.println(searchResponse.toString()); // 6.1. 获取所有查到的数据 SearchHits hits = searchResponse.getHits(); SearchHit[] searchHits = hits.getHits(); for (SearchHit hit : searchHits) { String sourceAsString = hit.getSourceAsString(); Account account = JSON.parseObject(sourceAsString, Account.class); System.out.println("Account:" + account); } // 6.2 获取这次所检索到的聚合信息 Aggregations aggregations = searchResponse.getAggregations(); Terms ageAgg1 = aggregations.get("ageAgg"); for (Terms.Bucket bucket : ageAgg1.getBuckets()) { String keyAsString = bucket.getKeyAsString(); System.out.println("年龄:" + keyAsString); } Avg balanceAvg1 = aggregations.get("balanceAvg"); System.out.println("平均薪资:" + balanceAvg1.getValue()); }