文章目录

• • 0、为什么要学习ElasticSearch?
  • 1、Lucene创始人
  • 2、ES概述
  • • 2.1 历史
    • 2.2 谁在使用：
    • 2.3 ELK简介
  • 3、ES和Solr对比
  • • 3.1 ES简介
    • 3.2 Solr简介
    • 3.3 Lucene简介
    • 3.4 技术选型—ES和Solr的差别
    • • 一、当单纯的对已有数据进行搜索时，Solr更快
      • 二、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
      • 三、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
      • 四、从Solr到ES—提高搜索性能
      • 五、总结
  • 4、ES的安装
  • • 4.1 安装ES—Windows
    • 4.2 ElasticSearch-Head插件安装
    • 4.3 ElasticSearch的可视化工具Kibana安装
  • 5、ES核心概念
  • • 5.1 概述
    • 5.2 物理设计
    • • 节点和分片是如何工作的？
      • ==倒排索引==
      • Elasticsearch的索引和Lucene的索引对比
    • 5.3 逻辑设计
    • • 文档（"行"）
      • 类型（"表"）
      • 索引（"库"）
  • 6、IK分词器插件
  • • 6.1 下载安装
    • 6.2 使用Kibana测试IK分词器
    • • ik_smart
      • ik_max_word
      • 测试词库
  • 7、Rest风格说明
  • • 7.1 基础测试
    • • 创建索引
      • 字段数据类型
      • 指定字段类型PUT
    • 7.2 修改
    • • PUT进行覆盖修改
      • POST(推荐使用)
    • 7.3 删除
    • 7.4 查询
    • • 基本操作
      • ==复杂操作==
      • • 排序
        • 分页
        • 布尔值查询
        • 精确查询term
        • 多条件精准查询
        • 高亮查询
  • 8、集成SpringBoot
  • • 8.1 添加依赖
    • 8.2 ES常用API
    • • 创建索引
      • 判断索引是否存在
      • 索引删除
      • 创建文档
      • 查看文档信息
      • 判断文档是否存在
      • 更新文档
      • 删除文档
      • ==查询==
    • 8.3 批量插入
    • • 创建索引
      • 插入数据
  • 9、ES京东实战小DEMO
  • • 9.1 搭建环境
    • • pom.xml
      • application.properties
      • EsApiApplication
      • ElasticSearchConfig
      • 目录结构
    • 9.2 开发步骤
    • • 创建实体类
      • • User
        • Content
      • 使用Jsoup爬取数据
      • 编写业务
      • • 1、将爬取的数据存入到ES
        • 2、编写查询逻辑
        • 3、高亮查询
      • 编写Controller代码
      • 准备前端内容
      • • index.html
    • 9.3 最终效果
  • 10、工作中使用的场景
  • 11、常见ES面试题

0、为什么要学习ElasticSearch?

1. 学习的版本：ElasticSearch7.6.1，6.X和7.X的区别很大。
2. 使用SQL数据量大的话，就十分慢，这时候就需要用到ES。项目中使用ES存储机构信息（大概有八千万条数据）
3. 扩宽自己的知识面，只要学不死，就往死里学！
4. 学习思路：
   1. 聊一下ES和Hadoop创始人：Doug Cutting
   2. 对比一下ES、Solr、Lucene，为了技术选型
   3. ES的安装
   4. ES的架构和生态圈
   5. ES插件
   6. RestFul操作ES
   7. ES的CRUD
   8. SpringBoot集成ES
   9. Demo学习
   10. 总结工作中使用的场景
   11. 常见ES面试题，思考面试官为什么会这样问

1、Lucene创始人

Lucene和Hadoop创始人：Doug Cutting，鲜枣课堂：深入浅出大数据：到底什么是Hadoop？

Lucene是一套信息检索工具包（jar包），不包含搜索引擎系统！Lucene包含：

• 索引结构
• 读写索引的工具
• 排序
• 搜索规则等工具类

Lucene和ES的关系：ES是基于Lucene做了一些封装和增强。

2、ES概述

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(GB<TB<PB<EB）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。

2.1 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，所以才接触到 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Java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……

2.2 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(权重)；
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，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
6. 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
7. 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，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。ES执行数据分析和挖掘, Kibana进行数据可视化
8. 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热门的一个使用场景)

2.3 ELK简介

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、ES和Solr对比

3.1 ES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。

3.2 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 Jetty 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。

3.3 Lucene简介

Lucene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，但它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)。

Lucene的目的是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。

Lucene是一套用于全文检索和搜寻的开源程式库，由Apache软件基金会支持和提供。Lucene提供了一个简单却强大的应用程式接口，能够做全文索引和搜寻。

在Java开发环境里Lucene是一个成熟的免费开源工具。就其本身而言，Lucene是当前以及最近几年最受欢迎的免费]ava信息检索程序库。人们经常提到信息检索程序库，虽然与搜索引擎有关，但不应该将信息检索程序库与搜索引擎相混淆。

Lucene是一个全文检索引擎的架构，那什么是全文搜索引擎﹖

全文搜索引擎是名副其实的搜索引擎，国外具代表性的有Google、Fast/AlTheWeb、AltaVista、Inktomi、Teoma、WiseNut等，国内著名的有百度( Baidu )。它们都是通过从互联网上提取的各个网站的信息（以网页文字为主)而建立的数据库中，检索与用户查询条件匹配的相关记录，然后按一定的排列顺序将结果返回给用户，因此他们是真正的搜索引擎。

从搜索结果来源的角度，全文搜索引擎又可细分为两种，一种是拥有自己的检索程序( Indexer )，俗称"蜘蛛" ( Spider )程序或"机器人" ( Robot )程序，并自建网页数据库，搜索结果直接从自身的数据库中调用，如上面提到的7家引擎﹔另一种则是租用其他引擎的数据库，并按自定的格式排列搜索结果，如Lycos引擎。

3.4 技术选型—ES和Solr的差别

一、当单纯的对已有数据进行搜索时，Solr更快

二、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

三、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

四、从Solr到ES—提高搜索性能

五、总结

1、ES基本是开箱即用（解压就可以用） ,非常简单。Solr安装略微复杂一些。

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。

4、ES的安装

使用Java开发，最低要求JDK8，必须保证ElasticSearch的版本与Java的核心jar包版本对应。

4.1 安装ES—Windows

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 D:\hs-soft\elasticsearch 下）

// ES目录结构：
D:\hs-soft\elasticsearch\elasticsearch-7.6.1bin 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内存默认在20行左右，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ES：运行elasticsearch.bat文件

访问：http://127.0.0.1:9200

即使是单机。ElasticSearch也是集群形式的，且集群名称默认是elasticsearch

4.2 ElasticSearch-Head插件安装

1. 采用Google浏览器插件安装
2. 采用本地web项目安装（我们选用）

安装步骤：
// 该目录下：D:\hs-soft\elasticsearch\elasticsearch-head-master>cnpm install
// 启动npm run start
// 访问http://127.0.0.1:9100/// 连接ES会存在跨域问题需要配置ElasticSearch的跨域，不然不能访问。修改elasticsearch.yml文件http.cors.enabled: truehttp.cors.allow-origin: "*"重启ES即可

如何理解上图：

• 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

4.3 ElasticSearch的可视化工具Kibana安装

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。

下载的版本需要与ElasticSearch版本对应

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）

修改config/kibana.yml，进行kibana汉化

// 在kibana.yml的116行
il8n.locale: "zh-CN"
// 启动
kibana.bat
// 访问
http://127.0.0.1:5601/

5、ES核心概念

5.1 概述

1. 集群，节点，索引，类型，文档，映射
2. ElasticSearch是面向文档，关系型数据库和ElasticSearch客观对比！一切都是JSON！

Relational DB	ElasticSearch
数据库（database）	索引（indices）
表（tables）	types （慢慢会被弃用）
行（rows）	documents
字段（columns）	fields

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）。

5.2 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ES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。

节点和分片是如何工作的？

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)

上图是一个有3个节点的集群，可以看到主分片P和对应的复制分片R都不会在同一个节点内，这样有利于某个节点挂掉了，数据也不至于丢失。实际上，一个分片是一个Lucene索引（一个ElasticSearch索引包含多个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Eelasticsearch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。

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：

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!

什么是倒排索引？

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，每份分片是一个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。

5.3 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，实际上它是个字符串。

文档（“行”）

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，在Elasticsearch中，文档有几个重要属性:

1. 自我包含，一篇文档同时包含字段和对应的值，也就是同时包含key:value （name:zhangsan）
2. 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 !}
3. 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。

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。

索引（“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。 索引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。

6、IK分词器插件

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（穷尽词库的可能）

6.1 下载安装

版本要与ElasticSearch版本对应

重启ES即可

// 也可以通过命令查看插件
elasticsearch-plugin list

6.2 使用Kibana测试IK分词器

ik_smart

GET _analyze
{"analyzer":"ik_smart","text":"中国共产党"
}// 结果
{"tokens" : [{"token" : "中国共产党","start_offset" : 0,"end_offset" : 5,"type" : "CN_WORD","position" : 0}]
}

ik_max_word

GET _analyze
{"analyzer":"ik_max_word","text":"中国共产党"
}// 结果
{"tokens" : [{"token" : "中国共产党","start_offset" : 0,"end_offset" : 5,"type" : "CN_WORD","position" : 0},{"token" : "中国","start_offset" : 0,"end_offset" : 2,"type" : "CN_WORD","position" : 1},{"token" : "国共","start_offset" : 1,"end_offset" : 3,"type" : "CN_WORD","position" : 2},{"token" : "共产党","start_offset" : 2,"end_offset" : 5,"type" : "CN_WORD","position" : 3},{"token" : "共产","start_offset" : 2,"end_offset" : 4,"type" : "CN_WORD","position" : 4},{"token" : "党","start_offset" : 4,"end_offset" : 5,"type" : "CN_CHAR","position" : 5}]
}

测试词库

GET _analyze
{"analyzer":"ik_smart","text":"梦赵倩蔚"
}GET _analyze
{"analyzer":"ik_max_word","text":"梦赵倩蔚"
}// 结果：
{"tokens" : [{"token" : "梦","start_offset" : 0,"end_offset" : 1,"type" : "CN_CHAR","position" : 0},{"token" : "赵","start_offset" : 1,"end_offset" : 2,"type" : "CN_CHAR","position" : 1},{"token" : "倩","start_offset" : 2,"end_offset" : 3,"type" : "CN_CHAR","position" : 2},{"token" : "蔚","start_offset" : 3,"end_offset" : 4,"type" : "CN_CHAR","position" : 3}]
}

赵倩蔚被拆分开了，这是因为IK分词器的词典中并没有这个词，需要我们手动添加。

配置自己的词典

重启ES即可

以后的话，如果需要配置分词，就可以在自定义的dic文件中进行配置了。

7、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。

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

7.1 基础测试

创建索引

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

布尔类型

• boolean

二进制类型

• binary

指定字段类型PUT

1、创建规则
PUT /test2/
{"mappings":{"properties": {"name":{"type": "text"},"age": {"type": "long"}}}
}2、获取具体信息
GET test2

// 查看默认类型
PUT /test3/_doc/3
{"name":"狂神说","age":18
}
// 如果自己的文档字段没有指定，那么ES就会给我们默认配置字段类型
GET test3

虚心学习，这个世界大佬很多！

扩展：GET _cat/xxx

GET _cat/indices
GET _cat/aliases
GET _cat/allocation
GET _cat/count
GET _cat/fielddata
GET _cat/health
GET _cat/indices
GET _cat/master
GET _cat/nodeattrs
GET _cat/nodes
GET _cat/pending_tasks
GET _cat/plugins
GET _cat/recovery
GET _cat/repositories
GET _cat/segments
GET _cat/shards
GET _cat/snapshots
GET _cat/tasks
GET _cat/templates
GET _cat/thread_pool

7.2 修改

PUT进行覆盖修改

PUT /index/_doc/id

// 修改方式一：使用PUT进行覆盖修改,版本增加1 PUT /test3/_doc/3
{"name":"狂神说123","age":18
}// 结果
{"_index" : "test3","_type" : "_doc","_id" : "3","_version" : 2,"result" : "updated","_shards" : {"total" : 2,"successful" : 1,"failed" : 0},"_seq_no" : 1,"_primary_term" : 1
}

POST(推荐使用)

POST /test3/_doc/3/_update
{"doc":{"name":"法外狂徒张三"}
}

7.3 删除

DELETE /test3
DELETE /test3/_doc/3GET /test3

7.4 查询

初始化数据

PUT /kuangshen/user/1
{"name":"狂神说","age":18,"desc": "一顿操作猛如虎，一看工资两块五","tags":["技术宅","暖"]
}PUT /kuangshen/user/2
{"name":"张三","age":18,"desc": "一顿操作猛如虎，一看工资两千五","tags":["渣男","交朋友"]
}PUT /kuangshen/user/3
{"name":"狂神说Java","age":18,"desc": "一顿操作猛如虎，一看工资两块五","tags":["技术宅","暖"]
}PUT /kuangshen/user/4
{"name":"狂神说前端","age":18,"desc": "一顿操作猛如虎，一看工资两块五","tags":["技术宅","暖"]
}

基本操作

// 查询数据,通过文档id查询
GET /kuangshen/user/1
// 简单的条件查询
GET /kuangshen/user/_search?q=name:狂神

复杂操作

复杂操作搜索select（排序，分页，高亮，模糊查询，精准查询！）

注意这个hits，集成SpringBoot后会有这个对象。

• match：匹配（会使用分词器解析（先分析文档，然后进行查询））

• _source：过滤字段

• sort：排序

• form、size 分页

结果的过滤：

// 结果的过滤： "_source": ["name"]
GET /kuangshen/user/_search
{"query":{"match":{"name":"狂神"}},"_source": ["name"]
}

排序

GET /kuangshen/user/_search
{"query":{"match":{"name":"狂神"}},"sort": [{"age": {"order": "desc"}}]
}

分页

  GET /kuangshen/user/_search{"query":{"match":{"name":"狂神"}},"from":0,// pageNo"size": 1// pageSize}

布尔值查询

must类似于and

should类似于or

must_not

  GET /kuangshen/user/_search{"query":{"bool":{"must": [{"match": {"name": "狂"}},{"match": {"age": 3}}]}}}GET /kuangshen/user/_search{"query":{"bool":{"should": [{"match": {"name": "狂"}},{"match": {"age": 3}}]}}}

过滤filter

  GET /kuangshen/user/_search{"query":{"bool":{"must": [{"match": {"name": "狂"}}],"filter": {"range": {"age": {"gte": 2,"lte": 17}}}}}}

精确查询term

term直接通过 倒排索引 指定词条查询

match 会使用分词器解析（先分析文档，然后进行查询）

text和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。

多条件精准查询

  GET /kuangshen/user/_search{"query":{"bool":{"must": [{"term": {"name": "狂"}},{"term": {"age":18}}]}}}

高亮查询

  GET /kuangshen/user/_search{"query":{"bool":{"must": [{"term": {"name": "狂"}}]}},"highlight": {"fields": {"name":{}}}}

还能自定义高亮的样式

  "pre_tags": "<span style='color:red'>","post_tags": "</span>", 

8、集成SpringBoot

8.1 添加依赖

      <!-- jsoup解析页面 --><!-- 解析网页 爬视频可 研究tiko --><dependency><groupId>org.jsoup</groupId><artifactId>jsoup</artifactId><version>1.10.2</version></dependency><!-- thymeleaf --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-thymeleaf</artifactId></dependency><dependency><groupId>com.alibaba</groupId><artifactId>fastjson</artifactId><version>1.2.70</version></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-elasticsearch</artifactId></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId><optional>true</optional></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency>

8.2 ES常用API

索引系列请求：XXXXIndexRequest

package cn.itbuild.esapi;@SpringBootTest
class EsApiApplicationTests {/*** 索引名称*/public static final String INDEX_NAME = "zqw_index";@Autowiredpublic RestHighLevelClient restHighLevelClient;}

创建索引

    /*** 测试索引的创建， Request PUT liuyou_index** @throws IOException*/@Testpublic void testCreateIndex() throws IOException {CreateIndexRequest request = new CreateIndexRequest(INDEX_NAME);// 发送请求CreateIndexResponse response = restHighLevelClient.indices().create(request, RequestOptions.DEFAULT);System.out.println(response.isAcknowledged());// 查看是否创建成功System.out.println(response);// 查看返回对象restHighLevelClient.close();}

判断索引是否存在

  /*** 测试获取索引，并判断其是否存在** @throws IOException*/@Testpublic void testIndexIsExists() throws IOException {// import org.elasticsearch.client.indices.GetIndexRequest;GetIndexRequest request = new GetIndexRequest(INDEX_NAME);boolean exists = restHighLevelClient.indices().exists(request, RequestOptions.DEFAULT);System.out.println(exists);// 索引是否存在restHighLevelClient.close();}

索引删除

   /*** 测试索引删除** @throws IOException*/@Testpublic void testDeleteIndex() throws IOException {DeleteIndexRequest request = new DeleteIndexRequest("bulk");AcknowledgedResponse response = restHighLevelClient.indices().delete(request, RequestOptions.DEFAULT);System.out.println(response.isAcknowledged());// 是否删除成功restHighLevelClient.close();}

创建文档

    /*** 测试添加文档(先创建一个User实体类，添加fastjson依赖)** @throws IOException*/@Testpublic void testAddDocument() throws IOException {// 创建一个User对象User zqw = new User("zqw", 18);// 创建请求IndexRequest request = new IndexRequest(INDEX_NAME);// 制定规则 PUT /zqw_index/_doc/1// 设置文档IDrequest.id("1");request.timeout(TimeValue.timeValueMillis(1000));// request.timeout("1s")// 将我们的数据放入请求中request.source(JSON.toJSONString(zqw), XContentType.JSON);// 客户端发送请求，获取响应的结果IndexResponse response = restHighLevelClient.index(request, RequestOptions.DEFAULT);System.out.println(response.status());// 获取建立索引的状态信息 CREATED/*** 查看返回内容* IndexResponse[index=zqw_index,type=_doc,id=1,version=1,result=created,seqNo=0,primaryTerm=1,shards={"total":2,"successful":1,"failed":0}]*/System.out.println(response);}

查看文档信息

    /*** 测试获得文档信息** @throws IOException*/@Testpublic void testGetDocument() throws IOException {GetRequest request = new GetRequest(INDEX_NAME, "1");GetResponse response = restHighLevelClient.get(request, RequestOptions.DEFAULT);// {"age":18,"name":"zqw"}System.out.println(response.getSourceAsString());// 打印文档内容System.out.println(request);// 返回的全部内容和命令是一样的restHighLevelClient.close();}

判断文档是否存在

 /*** 获取文档，判断是否存在 get /zqw_index/_doc/1** @throws IOException*/@Testpublic void testDocumentIsExists() throws IOException {GetRequest request = new GetRequest(INDEX_NAME, "1");// 不获取返回的 _source的上下文了request.fetchSourceContext(new FetchSourceContext(false));request.storedFields("_none_");boolean exists = restHighLevelClient.exists(request, RequestOptions.DEFAULT);System.out.println(exists);}

更新文档

    /*** 测试更新文档内容** @throws IOException*/@Testpublic void testUpdateDocument() throws IOException {UpdateRequest request = new UpdateRequest(INDEX_NAME, "1");User user = new User("dcm", 16);request.doc(JSON.toJSONString(user), XContentType.JSON);UpdateResponse response = restHighLevelClient.update(request, RequestOptions.DEFAULT);System.out.println(response.status()); // OKrestHighLevelClient.close();}

删除文档

    /*** 测试删除文档** @throws IOException*/@Testpublic void testDeleteDocument() throws IOException {DeleteRequest request = new DeleteRequest(INDEX_NAME, "1");request.timeout("1s");DeleteResponse response = restHighLevelClient.delete(request, RequestOptions.DEFAULT);System.out.println(response.status());// OK}

查询

   /*** 查询* SearchRequest 搜索请求* SearchSourceBuilder 条件构造* HighlightBuilder 高亮* TermQueryBuilder 精确查询* MatchAllQueryBuilder* xxxQueryBuilder ...** @throws IOException*/@Testpublic void testSearch() throws IOException {// 1.创建查询请求对象SearchRequest searchRequest = new SearchRequest();// 2.构建搜索条件SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();// (1)查询条件 使用QueryBuilders工具类创建// 精确查询TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", "zqw");// 匹配查询//  MatchAllQueryBuilder matchAllQueryBuilder = QueryBuilders.matchAllQuery();// (2)其他<可有可无>：（可以参考 SearchSourceBuilder 的字段部分）// 设置高亮searchSourceBuilder.highlighter(new HighlightBuilder());// 分页searchSourceBuilder.from(0);searchSourceBuilder.size(10);searchSourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));// (3)条件投入searchSourceBuilder.query(termQueryBuilder);// 3.添加条件到请求searchRequest.source(searchSourceBuilder);// 4.客户端查询请求SearchResponse search = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);// 5.查看返回结果SearchHits hits = search.getHits();System.out.println(JSON.toJSONString(hits));System.out.println("=======================");for (SearchHit documentFields : hits.getHits()) {System.out.println(documentFields.getSourceAsMap());}}

8.3 批量插入

创建索引

	/*** 上面的这些api无法批量增加数据（只会保留最后一个source）** @throws IOException*/@Testpublic void test() throws IOException {IndexRequest request = new IndexRequest("bulk");// 没有id会自动生成一个随机IDrequest.source(JSON.toJSONString(new User("zqw", 1)), XContentType.JSON);request.source(JSON.toJSONString(new User("dcj", 2)), XContentType.JSON);request.source(JSON.toJSONString(new User("lmm", 3)), XContentType.JSON);IndexResponse index = restHighLevelClient.index(request, RequestOptions.DEFAULT);System.out.println(index.status());// created}

插入数据

我们实际项目中，使用多线程将八千万条数据通过这种方式将数据插入到ES中

    /*** 特殊的，真的项目一般会 批量插入数据** @throws IOException*/@Testpublic void testBulk() throws IOException {BulkRequest bulkRequest = new BulkRequest();bulkRequest.timeout("10s");List<User> users = new ArrayList<>();users.add(new User("zqw-1", 1));users.add(new User("zqw-2", 2));users.add(new User("zqw-3", 3));users.add(new User("zqw-4", 4));users.add(new User("zqw-5", 5));users.add(new User("zqw-6", 6));// 批量请求处理for (int i = 0; i < users.size(); i++) {bulkRequest.add(// 这里是数据信息new IndexRequest("bulk").id("" + (i + 1)) // 没有设置id 会自定生成一个随机id.source(JSON.toJSONString(users.get(i)), XContentType.JSON));}BulkResponse bulk = restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT);System.out.println(bulk.status());// ok}

9、ES京东实战小DEMO

9.1 搭建环境

pom.xml

  <dependencies><!-- jsoup解析页面 --><!-- 解析网页 爬视频可 研究tiko --><dependency><groupId>org.jsoup</groupId><artifactId>jsoup</artifactId><version>1.10.2</version></dependency><!-- thymeleaf --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-thymeleaf</artifactId></dependency><dependency><groupId>com.alibaba</groupId><artifactId>fastjson</artifactId><version>1.2.70</version></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-elasticsearch</artifactId></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId><optional>true</optional></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency></dependencies>

application.properties

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

EsApiApplication

@SpringBootApplication
public class EsApiApplication {public static void main(String[] args) {SpringApplication.run(EsApiApplication.class, args);}}

ElasticSearchConfig

@Configuration
public class ElasticSearchConfig {/*** 注册 rest高级客户端** @return*/@Beanpublic RestHighLevelClient restHighLevelClient() {RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(new HttpHost("127.0.0.1", 9200, "http")));return client;}
}

目录结构

9.2 开发步骤

创建实体类

User

@Data
@NoArgsConstructor
@AllArgsConstructor
public class User implements Serializable {private static final long serialVersionUID = -3843548915035470817L;private String name;private Integer age;
}

Content

@Data
@AllArgsConstructor
@NoArgsConstructor
public class Content implements Serializable {private static final long serialVersionUID = -8049497962627482693L;private String name;private String img;private String price;
}

使用Jsoup爬取数据

可以通过WebMagic来进行扩展

package cn.itbuild.esapi.util;import cn.itbuild.esapi.entity.Content;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;import java.io.IOException;
import java.net.URL;
import java.util.ArrayList;
import java.util.List;/*** JSOUP解析HTML**/
public class HtmlParseUtil {public static List<Content> parseJD(String keyword) throws IOException {/// 使用前需要联网// 请求urlString url = "http://search.jd.com/search?keyword=" + keyword;// 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");// 3.获取J_goodsList ul 每一个 liElements lis = j_goodsList.getElementsByTag("li");// 4.获取li下的 img、price、name// list存储所有li下的内容List<Content> contents = new ArrayList<Content>();for (Element li : lis) {// 由于网站图片使用懒加载，将src属性替换为data-lazy-imgString 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();// 封装为对象Content content = new Content(name, img, price);// 添加到list中contents.add(content);}System.out.println(contents);// 5.返回 listreturn contents;}
}

编写业务

1、将爬取的数据存入到ES

@Service
public class ContentService {@Autowiredprivate RestHighLevelClient restHighLevelClient;/*** 1、解析数据放入 es 索引中** @param keyword* @return* @throws IOException*/public Boolean parseContent(String keyword) throws IOException {// 获取内容List<Content> contents = HtmlParseUtil.parseJD(keyword);// 内容放入 es 中BulkRequest bulkRequest = new BulkRequest();bulkRequest.timeout("2m"); // 可更具实际业务是指for (int i = 0; i < contents.size(); i++) {bulkRequest.add(new IndexRequest("jd_goods")
//                            .id(""+(i+1)).source(JSON.toJSONString(contents.get(i)), XContentType.JSON));}BulkResponse bulk = restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT);restHighLevelClient.close();return !bulk.hasFailures();}
}

2、编写查询逻辑

    /*** 2、根据keyword分页查询结果** @param keyword* @param pageIndex* @param pageSize* @return* @throws IOException*/public List<Map<String, Object>> search(String keyword, Integer pageIndex, Integer pageSize) throws IOException {if (pageIndex < 0){pageIndex = 0;}SearchRequest jd_goods = new SearchRequest("jd_goods");// 创建搜索源建造者对象SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();// 条件采用：精确查询 通过keyword查字段nameTermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", keyword);searchSourceBuilder.query(termQueryBuilder);searchSourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));// 60s// 分页searchSourceBuilder.from(pageIndex);searchSourceBuilder.size(pageSize);// 高亮// ....// 搜索源放入搜索请求中jd_goods.source(searchSourceBuilder);// 执行查询，返回结果SearchResponse searchResponse = restHighLevelClient.search(jd_goods, RequestOptions.DEFAULT);// 解析结果SearchHits hits = searchResponse.getHits();List<Map<String,Object>> results = new ArrayList<>();for (SearchHit documentFields : hits.getHits()) {Map<String, Object> sourceAsMap = documentFields.getSourceAsMap();results.add(sourceAsMap);}System.out.println("results = " + results);// 返回查询的结果return results;}

3、高亮查询

 // 3、 在2的基础上进行高亮查询public List<Map<String, Object>> highlightSearch(String keyword, Integer pageIndex, Integer pageSize) throws IOException {SearchRequest searchRequest = new SearchRequest("jd_goods");SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();// 精确查询，添加查询条件TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", keyword);searchSourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));searchSourceBuilder.query(termQueryBuilder);// 分页searchSourceBuilder.from(pageIndex);searchSourceBuilder.size(pageSize);// 高亮 =========HighlightBuilder highlightBuilder = new HighlightBuilder();highlightBuilder.field("name");highlightBuilder.preTags("<span style='color:red'>");highlightBuilder.postTags("</span>");searchSourceBuilder.highlighter(highlightBuilder);// 执行查询searchRequest.source(searchSourceBuilder);SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);// 解析结果 ==========SearchHits hits = searchResponse.getHits();List<Map<String, Object>> results = new ArrayList<>();for (SearchHit documentFields : hits.getHits()) {// 使用新的字段值（高亮），覆盖旧的字段值Map<String, Object> sourceAsMap = documentFields.getSourceAsMap();// 高亮字段Map<String, HighlightField> highlightFields = documentFields.getHighlightFields();HighlightField name = highlightFields.get("name");// 替换if (name != null){org.elasticsearch.common.text.Text[] fragments = name.fragments();StringBuilder new_name = new StringBuilder();for (Text text : fragments) {new_name.append(text);}sourceAsMap.put("name",new_name.toString());}results.add(sourceAsMap);}return results;}

编写Controller代码

@Controller
public class IndexController {@Autowiredprivate ContentService contentService;@GetMapping({"/","/es"})public String jdIndex() {return "index";}@ResponseBody@GetMapping("/parse/{keyword}")public Boolean parse(@PathVariable("keyword") String keyword) throws IOException {return contentService.parseContent(keyword);}@ResponseBody@GetMapping("/search/{keyword}/{pageIndex}/{pageSize}")public List<Map<String, Object>> highlightParse(@PathVariable("keyword") String keyword,@PathVariable("pageIndex") Integer pageIndex,@PathVariable("pageSize") Integer pageSize) throws IOException {return contentService.highlightSearch(keyword,pageIndex,pageSize);}
}

准备前端内容

将下载好的vue.js和axios.js放在js目录下

index.html

<!DOCTYPE html>
<html xmlns:th="http://www.thymeleaf.org">
<head><meta charset="utf-8"/><title>狂神说Java-ES仿京东实战</title><link rel="stylesheet" th:href="@{/css/style.css}"/><script th:src="@{/js/jquery.min.js}"></script>
</head>
<body class="pg">
<div class="page"><div id="app" class=" mallist tmall- page-not-market "><!-- 头部搜索 --><div id="header" class=" header-list-app"><div class="headerLayout"><div class="headerCon "><!-- Logo--><h1 id="mallLogo"><img th:src="@{/images/jdlogo.png}" alt=""></h1><div class="header-extra"><!--搜索--><div id="mallSearch" class="mall-search"><form name="searchTop" class="mallSearch-form clearfix"><fieldset><legend>天猫搜索</legend><div class="mallSearch-input clearfix"><div class="s-combobox" id="s-combobox-685"><div class="s-combobox-input-wrap"><input v-model="keyword"  type="text" autocomplete="off" id="mq"class="s-combobox-input"  aria-haspopup="true"></div></div><button type="submit" @click.prevent="searchKey" id="searchbtn">搜索</button></div></fieldset></form><ul class="relKeyTop"><li><a>狂神说Java</a></li><li><a>狂神说前端</a></li><li><a>狂神说Linux</a></li><li><a>狂神说大数据</a></li><li><a>狂神聊理财</a></li></ul></div></div></div></div></div><!-- 商品详情页面 --><div id="content"><div class="main"><!-- 品牌分类 --><form class="navAttrsForm"><div class="attrs j_NavAttrs" style="display:block"><div class="brandAttr j_nav_brand"><div class="j_Brand attr"><div class="attrKey">品牌</div><div class="attrValues"><ul class="av-collapse row-2"><li><a href="#"> 狂神说 </a></li><li><a href="#"> Java </a></li></ul></div></div></div></div></form><!-- 排序规则 --><div class="filter clearfix"><a class="fSort fSort-cur">综合<i class="f-ico-arrow-d"></i></a><a class="fSort">人气<i class="f-ico-arrow-d"></i></a><a class="fSort">新品<i class="f-ico-arrow-d"></i></a><a class="fSort">销量<i class="f-ico-arrow-d"></i></a><a class="fSort">价格<i class="f-ico-triangle-mt"></i><i class="f-ico-triangle-mb"></i></a></div><!-- 商品详情 --><div class="view grid-nosku" ><div class="product" v-for="result in results"><div class="product-iWrap"><!--商品封面--><div class="productImg-wrap"><a class="productImg"><img :src="result.img"></a></div><!--价格--><p class="productPrice"><em v-text="result.price"></em></p><!--标题--><p class="productTitle"><a v-html="result.name"></a></p><!-- 店铺名 --><div class="productShop"><span>店铺： 狂神说Java </span></div><!-- 成交信息 --><p class="productStatus"><span>月成交<em>999笔</em></span><span>评价 <a>3</a></span></p></div></div></div></div></div></div>
</div>
<script th:src="@{/js/vue.min.js}"></script>
<script th:src="@{/js/axios.min.js}"></script>
<script>new Vue({el:"#app",data:{"keyword": '', // 搜索的关键字"results":[] // 后端返回的结果},methods:{searchKey(){var keyword = this.keyword;console.log(keyword);axios.get('search/'+keyword+'/1/20').then(response=>{console.log(response.data);this.results=response.data;})}}});
</script>
</body>
</html>

9.3 最终效果

10、工作中使用的场景

工作中有一些机构数据（大概八千万条数据），需要使用ES进行存储和查询。

使用流程：

1. 部署ES7.xx
2. 配置ESConfiguration配置类（读取配置文件的中ES的IP和Port，初始化RestHighLevelClient类）
3. 新建EsUtil工具类，包括：创建索引、精准查询、模糊查询、批量插入、单条插入、封装成VO
4. 基于业务需求，结合EsUtil工具类完成开发。

11、常见ES面试题

待续…