实用篇-ES-环境搭建

ES是elasticsearch的简称。我在SpringBoot学习 '数据层解决方案' 的时候，写过一次ES笔记，可以结合一起看一下。
之前在SpringBoot里面写的相关ES笔记是基于Windows的，现在我们是基于docker容器来使用，需要你们提前准备好自己的docker容器以及掌握docker操作
常见的分布式搜索的技术，如下

• 1、Elasticsearch: 开源的分布式搜索引擎
• 2、Splunk: 商业项目，收费
• 3、Solr: Apache的开源搜索引擎

随着业务发展，数据量越来越庞大，传统的MySQL数据库难以满足我们的需求，所以在微服务架构下，一般都会用到一种分布式搜索的技术，下面我们会学分布式搜索中最流行的一种，也就是elasticsearch的用法。包括学习elasticsearch的概念、安装、使用。其中学习elasticsearch的使用的时候，主要通过两个方面，一方面是elasticsearch对于索引库(类似于数据库，把数据导入进索引库，导入的数据就是所谓的文档，我们要实现文档的增删改查)的操作，另一方面我们还会学习elasticsearch官方提供的Restful的API(也就是Java客户端)，来更方便的操作elasticsearch

1. 什么是elasticsearch

elasticsearch(读 yī læ sī tǐ kě sè chǐ)
kibana (读 kī bā nǎ)
elasticsearch是一款非常强大的开源搜索引擎技术，可以帮助我们从海量数据中快速找到需要的内容
1、elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。我们主要学习这个，elasticsearch底层实现是基于Lucene技术
2、Kibana是数据可视化的组件，也就是展示搜索出来的数据。elasticsearch的相关技术，了解即可
3、Logstash、Beats是负责数据抓取的组件。elasticsearch的相关技术，了解即可

Lucene是一个Java语言的搜索引擎类库(其实就是一个jar包)，是Apache公司的顶级项目，由DougCutting于1999年研发
Lucene官网: https://lucene.apache.org
Lucene的优势
1、易扩展
2、高性能 (基于倒排索引)
Lucene的缺点
1、只限于Java语言开发
2、学习曲线陡峭，也就是API复杂不利于学习
3、不支持水平扩展，只负责如何实现搜索，不支持高并发、集群扩展
由于Lucene的缺点，诞生出了elasticsearch，与Lucene相比，elasticsearch(基于Lucene，且Compass是elasticsearch的前身)具有以下优点
1、支持分布式，可水平扩展
2、提供Restful接口，可被任何语言调用
elasticsearch的核心技术是倒排索引，下面会学

2. 倒排索引

传统数据库(例如MySQL)采用正向索引，例如给下表(tb_goods)中的id创建索引

elasticsearch采用倒排索引，例如给下表(tb_goods)中的id创建索引

总结
1、正向索引: 基于文档id来创建索引。查询词条时必须先找到文档，而后判断是否包含词条
2、倒排索引: 对文档内容进行分词，对词条创建索引，并记录词条所在文档的信息。查询时先根据词条去查询文档id，然后获取到文档

3. elasticsearch对比mysql

elasticsearch
elasticsearch是面向文档存储的，可以是数据库中的一条商品数据，一个订单信息。注意elasticsearch的文档是以json形式存储的，也就是说，我们把数据(也叫文档)存储进elasticsearch时，这些文档数据就会自动被序列化为json格式，然后才存储进elasticsearch
elasticsearch的索引: 相同类型的文档的集合。索引和映射的概念，如下图

下面的表格是介绍elasticsearch中的各个概念以及含义，看的时候重点看第二、三列，第一列是为了让你更理解第二列的意思，所以在第一列拿MySQL的概念来做匹配。例如elasticsearch的Index表示索引也就是文档的集合，就相当于MySQL的Table(也就是表)

MySQL	Elasticsearch	说明
Table	Index	索引(index)，就是文档的集合，类似数据库的表(table)
Row	Document	文档(Document)，就是一条条的数据，类似数据库中的行(Row)。这里的文档都是JSON格式
Column	Field	字段(Field)，就是JSON文档中的字段，类似数据库中的列(Column)
Schema	Mapping	Mapping(映射)是索引中文档的约束，例如字段类型约束。类似数据库的表结构(Schema)
SQL	DSL	DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD

我们下面会学习映射的创建，以及文档的增删改查。这些操作在MySQL里面是通过SQL语句实现，但我们在elasticsearch中，会使用的是DSL语句来操作。
在elasticsearch中，当我们写好DSL语句，要通过http请求发给elasticsearch，elasticsearch才会响应，原因是在elasticsearch对外暴露的是Restful接口
上面基本都是在讲elasticsearch，那么是不是elasticsearch已经完全代码MySQL，答案并不是，两者擅长的事情不一样，如下

• 1、MySQL: 擅长事务类型的操作，可以确保数据的安全和一致性。一般用于增删改
• 2、Elasticsearch: 擅长海量数据的搜索、分析、计算。一般用于查询
• 两者是互补关系，不是替代关系，因此在业务系统架构中，两者都会存在，让用户在MySQL里面增删改数据，然后MySQL把数据同步给elasticsearch，用户要查询的时候，就在elasticsearch里面进行查询

4. 安装elasticsearch

elasticsearch(读 yī læ sī tǐ kě sè chǐ)。注意elasticsearch、kibana、IK分词器，这三者通常是一起使用的
注意: 我们学习elasticsearch是基于docker容器来使用，需要你们提前准备好自己的docker容器以及掌握docker操作。elasticsearch一般都是搭配kibana(下节会学如何安装)来使用，kibana的作用是让我们非常方便的去编写elasticsearch中的DSL语句，从而去操作elasticsearch
【安装elasticsearch，简称es】
第一步: 创建网络。因为我们还需要部署kibana容器，因此需要让es和kibana容器互联

systemctl start docker        # 启动docker服务
docker network create es-net       #创建一个网络，名字是es-net

第二步: 加载es镜像。采用elasticsearch的7.12.1版本的镜像，这个镜像体积有800多MB，所以需要在Windows上下载链接安装包，下载下来是一个es的镜像tar包，然后传到CentOS7的/root目录

es.tar下载: https://cowtransfer.com/s/c84ac851b9ba44

kibana.tar下载: https://cowtransfer.com/s/a76d8339d7ba4d

第三步: 把在CentOS7的/root目录的es镜像，导入到docker

docker load -i es.tar

docker load -i  kibana.tar

docker images

第四步: 创建并运行es容器，容器名称就叫es。在docker(也叫Docker大容器、Docker主机、宿主机)，根据es镜像来创建es容器

docker run -d \
	--name es \
    -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
    -e "discovery.type=single-node" \
    -v es-data:/usr/share/elasticsearch/data \
    -v es-plugins:/usr/share/elasticsearch/plugins \
    --privileged \
    --network es-net \
    -p 9200:9200 \
    -p 9300:9300 \
elasticsearch:7.12.1

命令解释：
●-e "cluster.name=es-docker-cluster"：设置集群名称
●-e "http.host=0.0.0.0"：监听的地址，可以外网访问
●-e "ES_JAVA_OPTS=-Xms512m -Xmx512m"：内存大小，不能低于512
●-e "discovery.type=single-node"：运行模式，例如非集群模式
●-v es-data:/usr/share/elasticsearch/data：挂载数据卷，绑定es的数据目录
●-v es-logs:/usr/share/elasticsearch/logs：挂载数据卷，绑定es的日志目录
●-v es-plugins:/usr/share/elasticsearch/plugins：挂载数据卷，绑定es的插件目录
●--privileged：授予数据卷访问权
●--network es-net ：加入一个名为es-net的网络中
●-p 9200:9200：端口映射配置，向外暴露的http请求端口，用于用户访问
●-p 9300:9300：端口映射配置，是es容器各个节点之间互相访问的端口，由于我们是单节点部署，所以用不到
●elasticsearch:7.12.1: 镜像名称，要把哪个镜像创建为容器，注意带版本号

然后，在浏览器中输入：http://你的ip地址:9200 即可看到elasticsearch的响应结果

http://192.168.200.231:9200/

5. 安装kibana

注意，是跟上一节的 '4. 安装elasticsearch' 一起操作，也就是说同一个实验。注意elasticsearch、kibana、IK分词器，这三者通常是一起使用的
kibana (读 kī bā nǎ)的作用: 让我们非常方便的去编写elasticsearch中的DSL语句，从而去操作elasticsearch(读 yī læ sī tǐ kě sè chǐ)
第一步: 确保docker是启动的

    # 启动docker服务

systemctl start docker

第二步: 加载kibana镜像。这个镜像体积有1.04G，所以需要在Windows上下载链接安装包，下载下来是一个es的镜像tar包，然后传到CentOS7的/root目录

es镜像: https://cowtransfer.com/s/1c16f55edf2341

第三步: 把在CentOS7的/root目录的kibana镜像，导入到docker

docker load -i kibana.tar

第四步: 创建并运行kibana容器，容器名称就叫kibana。在docker(也叫Docker大容器、Docker主机、宿主机)，根据kibana镜像来创建kibana容器

docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \
--network=es-net \
-p 5601:5601  \
kibana:7.12.1

# --name: 指定容器的名字，例如kibana
# --network es-net: 加入一个名为es-net的网络中，与elasticsearch在同一个网络中
# -e ELASTICSEARCH_HOSTS: 由于kibana和es会被我们设置在同一个网络，所以这里的kibana可以通过容器名直接访问es，es的容器名我们在上一节设置的是es
# -e ELASTICSEARCH_HOSTS: 设置elasticsearch的地址，因为kibana已经与elasticsearch在一个网络，因此可以用容器名直接访问elasticsearch
# -p 5601:5601: 端口映射配置，向外暴露的http请求端口，用于用户访问 

第五步: kibana启动一般比较慢，需要多等待一会，可以通过命令

docker logs -f kibana

 #查看运行日志，当查看到下面的日志，说明成功 

第六步: 测试。在浏览器中输入：http://你的ip地址:5601 即可看到elasticsearch的响应结果

注意，我们在浏览器写DSL语句的时候，是带有提示功能的，非常好用

6. 安装IK分词器

IK分词器官网: https://github.com/medcl/elasticsearch-analysis-ik。注意elasticsearch、kibana、IK分词器，这三者通常是一起使用的
es在创建倒排索引时，需要对文档进行分词。在搜索时，需要对用户输入的内容进行分词。但默认的分词规则不支持中文处理，默认是只支持对英文进行分词，但是在正常业务中，我们需要处理的文档大多是中文，所以我们需要对中文进行分词，所以就需要安装IK分词器
为了直观的体现，es的分词规则不支持英文，我们可以做下面的小演示如下

#测试分词器
POST /_analyze
{
  "text": "我正在学习安装IK分词器",
  "analyzer": "english"
}

上图，就算分词器名称改成chinese或standard，对于中文的分词也是一字一分。解决: IK分词器。下面开始具体的安装IK分词器的操作
第一步: 我们在 '4. 安装elasticsearch' 创建elasticsearch容器时，指定了数据卷目录，其中有个数据卷指定了自定义名称为es-plugins，表示存放插件的数据卷
我们使用inspect命令把es-plugins数据卷的路径信息查询出来

docker volume inspect es-plugins

第二步: 下载ik.zip压缩包到Windows，下载后解压出来是ik文件夹
根据上面查询出来的es-plugins数据卷的路径，把ik文件夹上传到CentOS7的 /var/lib/docker/volumes/es-plugins/_data 目录

cd /var/lib/docker/volumes/es-plugins/_data

第三步: 重启elasticsearch容器，我们在 '4. 安装elasticsearch' 创建elasticsearch容器时，指定了自定义容器名称为es

# 重启elasticsearch容器
docker restart es

第四步: 查看elasticsearch容器的启动日志

docker logs -f es

第五步: 确保elasticsearch、kibana已正常运行

docker restart es    #启动elasticsearch容器
docker restart kibana   #启动kibana容器

第五步: 测试。在浏览器中输入：http://你的ip地址:5601 即可看到elasticsearch的响应结果
IK分词器包含两种模式：

• ●ik_smart：最少切分，根据语义分词，正常分词
• ●ik_max_word：最细切分，也是根据语义分词，分的词语更多，更细

7. IK分词器的词典扩展和停用

Ik分词器的分词，底层是一个字典，在字典里面会有各种各样的词语，当ik分词器需要对分词文本进行分词时，ik分词器就会拿着这个文本(乱拆成多个词或词语)，一个个去字典里面匹配，如果能匹配到，证明某个词(乱拆成多个词或词语)是词，就把这个证明后的词分出来，作为一个词
第一个问题: 字典的分词效果是有限的，只能对日常生活中常见的语义相关的词，进行分词，由于字典的词汇量少，所以我们需要对字典进行扩展。
第二个问题: 字典的分词效果往往存在违禁词，我们不希望IK分词器能匹配并成功把词典里的违禁词作为分词，解决: 禁用某些敏感词条
解决:
1、要拓展或禁用ik分词器的词库，只需要修改一个分词器目录中的config目录中的IKAnalyzer.cfg.xml文件，如下

cd /var/lib/docker/volumes/es-plugins/_data/ik/config
vi IKAnalyzer.cfg.xml

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
        <comment>IK Analyzer 扩展配置</comment>
        <!--用户可以在这里配置自己的扩展字典-->
        <entry key="ext_dict">ext.dic</entry>
         <!--用户可以在这里配置自己的扩展停止词字典  *** 添加停用词词典-->
        <entry key="ext_stopwords">stopword.dic</entry>
</properties>

2、在config目录新建myext.dic文件，写入自己想要的特定词，也就是扩展词。新建mystopword.dic文件，写入自己想要禁用的特定词，也就是不参与分词的词

cd /var/lib/docker/volumes/es-plugins/_data/ik/config

touch myext.dic
vi myext.dic

touch mystopword.dic
vi mystopword.dic

3、重新启动elasticsearch、kibana

docker restart es #启动elasticsearch容器
docker restart kibana #启动kibana容器

4、测试。在浏览器中输入：http://你的ip地址:5601 即可看到elasticsearch的响应结果

http://192.168.200.231:5601

IK分词器包含两种模式：

• ●ik_smart：最少切分，根据语义分词，正常分词
• ●ik_max_word：最细切分，也是根据语义分词，分的词语更多，更细

根据上图，确实可以根据我们指定的扩展词进行分析，违禁词也确实被禁用没有被分词

实用篇-ES-DSL操作文档

1. mapping属性

mapping属性的官方文档: https://elastic.co/guide/en/elasticsearch/reference/current/index.html

下面的表格是介绍elasticsearch中的各个概念以及含义，看的时候重点看第二、三列，第一列是为了让你更理解第二列的意思，所以在第一列拿MySQL的概念来做匹配。例如elasticsearch的Index表示索引也就是文档的集合，就相当于MySQL的Table(也就是表)

MySQL	Elasticsearch	说明
Table	Index	索引(index)，就是文档的集合，类似数据库的表(table)
Row	Document	文档(Document)，就是一条条的数据，类似数据库中的行(Row)。这里的文档都是JSON格式
Column	Field	字段(Field)，就是JSON文档中的字段，类似数据库中的列(Column)
Schema	Mapping	Mapping(映射)是索引中文档的约束，例如字段类型约束。类似数据库的表结构(Schema)
SQL	DSL	DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD

mapping是对索引库中文档(es中的文档是json风格)的约束，常见的mapping属性包括如下
●type: 字段数据类型
○字符串(分两种): text（可分词的文本）、keyword（精确值，例如：品牌、国家、ip地址等不可分词的词语）
○数值: long、integer、short、byte、double、float
○布尔: boolean
○日期: date
○对象：object
●index: 是否创建倒排索引，默认为true(也就是可参与分词搜索)，改成false的话，别人就搜索不到你
●analyzer: 分词器，当字段类型是text时必须指定分词器。如果字段类型是keyword，那么不需要指定分词器
●properties: 子字段，也就是属性和子属性

2. 创建索引库

ES中通过Restful请求操作索引库、文档。请求内容用DSL语句来表示。创建索引库和mapping的DSL语法如下

PUT /索引库名称
{
  "mappings": {//映射
    "properties": {//字段
      "字段名":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "字段名2":{
        "type": "keyword",
        "index": false //false表示这个字段不参与搜索，该字段不会创建为倒排索引，false不加双引号
      },
      "字段名3":{
        "properties": {//这个就是子字段
          "子字段": {
            "type": "keyword"
          }
        }
      },
      // ...略
    }
  }
}

具体操作: 首先保证你已经做好了 '实用篇-ES-环境搭建' ，然后开始下面的操作

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
docker restart kibana #启动kibana容器

第一步: 浏览器访问 http://你的ip地址:5601 。输入如下，注意把注释删掉

http://192.168.200.231:5601

# 创建索引库，名字自定义，例如huanfqc
PUT /huanfqc
{
  "mappings": {
    
    "properties": {
      "xxinfo": {
        "type": "text", //文本类型，可以被分词器分词
        "analyzer": "ik_smart" //必须指定分词器
      },
      "xxemail": {
        "type": "keyword", //精确值类型，不可被分词器分词，本身就是最简的
        "index": false //不参与搜索，用户不能通过搜索搜到xxemail字段
      },
      "name": {
        "type": "object", //对象类型
        "properties": { //父字段
          "firstName": { //子字段
            "type": "keyword", //精确值类型，不可被分词器分词，本身就是最简的
            "index": true //参与搜索，用户通过可搜索到firstName字段
          },
          "lastName": { //子字段
            "type": "keyword", //精确值类型，不可被分词器分词，本身就是最简的
            "index": true //参与搜索，用户通过可搜索到lastName字段
          }
        }
      }
    }
  }
}

# 创建索引库，名字自定义，例如huanfqc
PUT /huanfqc
{
  "mappings": {
    
    "properties": {
      "xxinfo": {
        "type": "text",
        "analyzer": "ik_smart"
      },
      "xxemail": {
        "type": "keyword",
        "index": false
      },
      "name": {
        "type": "object",
        "properties": {
          "firstName": {
            "type": "keyword",
            "index": true
          },
          "lastName": {
            "type": "keyword",
            "index": true
          }
        }
      }
    }
  }
}

3. 查询、修改、删除索引库

具体操作: 首先保证你已经做好了 '实用篇-ES-环境搭建' ，然后开始下面的操作

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
docker restart kibana #启动kibana容器

1、查询索引库语法

GET /索引库名

2、往索引库添加新字段，注意: 索引库是无法被修改的，但是可以添加新字段(不能和已有的重复，否则报错)

PUT /索引库名/_mapping
{
  "properties": {
    "新字段名":{
      "type": "integer"
    }
  }
}

//例如如下
PUT /huanfqc/_mapping
{
  "properties": {
    "age": {
      "type": "integer"
    }
  }
}

3、删除索引库语法

DELETE /索引库名

4. 新增、查询、删除文档

具体操作: 首先保证你已经做好了 '实用篇-ES-环境搭建' ，然后开始下面的操作。并且已经创建了名为huanfqc的索引库
1、新增文档的DSL语法，其实就是告诉kibana，我们要把文档添加到es的哪个索引库，如果省略文档id的话，es会默认随机生成一个，建议自己指定文档id

POST /索引库名/_doc/文档id
{
    "字段1": "值1",
    "字段2": "值2",
    "字段3": {
        "子属性1": "值3",
        "子属性2": "值4"
    },
    // ...
}

#创建文档
POST /huanfqc/_doc/1
{
  "xxinfo":"焕发@青春-学Java",
  "email": "123@huanfqc.cn",
  "name":{
    "firstName":"张",
    "lastName":"三"
  }
}

2、查询文档。语法: GET /索引库名/_doc/文档id 。例如如下

#查询文档
GET /huanfqc/_doc/1

3、删除文档。语法: DELETE/索引库名/_doc/文档id 。例如如下

#删除文档
DELETE /huanfqc/_doc/1

5. 修改文档

具体操作: 首先保证你已经做好了 '实用篇-ES-环境搭建' ，然后开始下面的操作。并且已经创建了名为huanfqc的索引库、文档id为1的文档

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
docker restart kibana #启动kibana容器

方式一: 全量修改，会删除旧文档，添加新文档。修改文档的DSL语法，如下
注意: 这种操作是直接用新值覆盖掉旧的，如果只put一个字段那么其它字段就没了，所以，你不想修改的字段也要原样写出来，不然就没了
注意: 如果你写的文档id或字段不存在的话，本来是修改操作，结果就变成新增操作

#修改文档
PUT /索引库名/_doc/文档id
{
    "字段1": "值1",
    "字段2": "值2",
    // ... 略
}

#修改文档
PUT /huanfqc/_doc/1
{
  "xxinfo":"修改你了-焕发@青春-学Java",
  "email": "123@huanfqc.cn",
  "name":{
    "firstName":"修改你了-张",
    "lastName":"三",
    "xxupdate":"我还加了一个"
  }
}

方式二: 增量修改。修改指定字段的值
注意: 如果你写的文档id或字段不存在的话，本来是修改操作，结果就变成新增操作

#修改文档
POST /索引库名/_update/文档id
{
    "doc": {
         "要修改的字段名": "新的值",
    }
}

#修改文档
POST /huanfqc/_update/1
{
  "doc": {
    "firstName": "修改-法外狂徒张三"
  }
}

实用篇-ES-RestClient操作文档

下面的全部内容都是连续的，请不要跳过某一小节

1. RestClient案例准备

对es概念不熟悉的话，先去看上面的 '实用篇-ES-索引库和文档'，不建议基础不牢就直接往下学
ES官方提供了各种不同语言的客户端，用来操作ES。这些客户端的本质就是组装DSL语句，通过http请求来发送给ES。
官方文档地址: https://www.elastic.co/guide/en/elasticsearch/client/index.html

下面就使用java程序进行操作es，不再像上面那样使用浏览器页面进行操作es
在下面会逐步完成一个案例: 下载提供的hotel-demo.zip压缩包，解压后是hotel-demo文件夹，是一个java项目工程文件，按照条件创建索引库，索引库名为hotel，mapping属性根据数据库结构定义。还要下载一个tb_hotel.sql文件，作为数据库数据

hotel-demo.zip下载:https://cowtransfer.com/s/36ac0a9f9d9043

tb_hotel.sql下载: https://cowtransfer.com/s/716f049850a849

第一步: 打开database软件，把tb_hotel.sql文件导入进你的数据库

create database if not exists elasticsearch;
use elasticsearch;

第二步: 把下载好的hotel-demo.zip压缩包解压，得到hotel-demo文件夹，在idea打开hotel-demo

第三步: 修改application.yml文件，配置正确的数据库信息

2. hotel数据结构分析

        在es中，mapping要考虑的问题: 字段名、数据类型、是否参与搜索、是否分词、如果分词那么分词器是什么。

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
#docker restart kibana #启动kibana容器

        我们刚刚在mysql导入了tb_hotel.sql，里面有很多数据，我们需要基于这些数据结构，去分析并尝试编写对应的es的mapping映射
        先看mysql中的数据类型(已有)，如下

CREATE TABLE `tb_hotel` (
  `id` bigint(20) NOT NULL COMMENT '酒店id',
  `name` varchar(255) NOT NULL COMMENT '酒店名称；例：7天酒店',
  `address` varchar(255) NOT NULL COMMENT '酒店地址；例：航头路',
  `price` int(10) NOT NULL COMMENT '酒店价格；例：329',
  `score` int(2) NOT NULL COMMENT '酒店评分；例：45，就是4.5分',
  `brand` varchar(32) NOT NULL COMMENT '酒店品牌；例：如家',
  `city` varchar(32) NOT NULL COMMENT '所在城市；例：上海',
  `star_name` varchar(16) DEFAULT NULL COMMENT '酒店星级，从低到高分别是：1星到5星，1钻到5钻',
  `business` varchar(255) DEFAULT NULL COMMENT '商圈；例：虹桥',
  `latitude` varchar(32) NOT NULL COMMENT '纬度；例：31.2497',
  `longitude` varchar(32) NOT NULL COMMENT '经度；例：120.3925',
  `pic` varchar(255) DEFAULT NULL COMMENT '酒店图片；例:/img/1.jpg',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

        根据mysql的数据类型等信息，编写es(没有，自己对着上面的sql写的)。注意经纬度在es里面是geo_point类型，且经纬度是写在一起的

# 酒店的mapping
PUT /hotel
{
  "mappings": {
    "properties": {
      "id":{
        "type": "keyword",
        "index": true
      },
      "name":{
        "type": "text",
        "analyzer": "ik_max_word"
      },
      "address":{
        "type": "keyword",
        "index": false
      },
      "price":{
        "type": "float",
        "index": true
      },
      "score":{
        "type": "float",
        "index": true
      },
      "brand":{
        "type": "keyword",
        "index": true
      },
      "city":{
        "type": "keyword",
        "index": true
      },
      "business":{
        "type": "keyword",
        "index": true
      },
      "xxlocation":{
        "type": "geo_point",
        "index": true
      },
      "pic":{
        "type": "keyword",
        "index": false
      }
    }
  }
}

3. 初始化RestClient

操作主要是在idea的hotel-demo项目进行，hotel-demo项目(不是springcloud项目，只是springboot项目)是前面 '1. RestClient案例准备'，跳过的可回去补
第一步: 在hotel-demo项目的pom.xml添加如下

<elasticsearch.version>7.12.1</elasticsearch.version>

<!--引入es的RestHighLevelClient，版本要跟你Centos7里面部署的es版本一致-->
<dependency>
	<groupId>org.elasticsearch.client</groupId>
	<artifactId>elasticsearch-rest-high-level-client</artifactId>
	<version>7.12.1</version>
</dependency>

第二步: 在hotel-demo项目的src/test/java/cn.itcast.hotel目录新建HotelIndexTest类，写入如下

package cn.itcast.hotel;

import org.apache.http.HttpHost;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;

import java.io.IOException;

public class HotelIndexTest {

    private RestHighLevelClient xxclient;

    @BeforeEach
        //该注解表示一开始就完成RestHighLevelClient对象的初始化
    void setUp() {
        this.xxclient = new RestHighLevelClient(RestClient.builder(
                //指定你Centos7部署的es的主机地址
                HttpHost.create("http://192.168.200.231:9200")
        ));
    }

    @AfterEach
        //该注解表示销毁，当对象运行完之后，就销毁这个对象
    void tearDown() throws IOException {
        this.xxclient.close();
    }

    @Test
        //现在才是测试代码，对象已经在上面初始化并且有销毁的步骤了，下面直接打印
    void yytestInit() {
        System.out.println(xxclient);
    }
}

第三步: 确保下面的服务你都在Centos7里面启动了

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器

第四步: 运行HotelIndexTest类yytestInit方法

4. 创建索引库

不是通过kibana的浏览器控制台，通过DSL语句来进行操作es，在es里面创建索引库
而是通过上一节初始化的RestClient对象，在Java里面去操作es，创建es的索引库。根本不需要kibana做中间者

第一步: 在src/main/java/cn.itcast.hotel目录新建constants.HotelConstants类，里面写DSL语句，如下
其中长长的字符串就是我们在前面 '2. hotel数据结构分析' 里面写的。忘了怎么写出来的，可以回去看看

package cn.itcast.hotel.constants;


public class HotelConstants {

    public static final String xxMappingTemplate = "{\n" +
            "  \"mappings\": {\n" +
            "    \"properties\": {\n" +
            "      \"id\":{\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": true\n" +
            "      },\n" +
            "      \"name\":{\n" +
            "        \"type\": \"text\",\n" +
            "        \"analyzer\": \"ik_max_word\",\n" +
            "        \"copy_to\": \"all\"\n" +
            "      },\n" +
            "      \"address\":{\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": false\n" +
            "      },\n" +
            "      \"price\":{\n" +
            "        \"type\": \"float\",\n" +
            "        \"index\": true\n" +
            "      },\n" +
            "      \"score\":{\n" +
            "        \"type\": \"float\",\n" +
            "        \"index\": true\n" +
            "      },\n" +
            "      \"brand\":{\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": true,\n" +
            "        \"copy_to\": \"all\"\n" +
            "      },\n" +
            "      \"city\":{\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": true\n" +
            "      },\n" +
            "      \"business\":{\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": true,\n" +
            "        \"copy_to\": \"all\"\n" +
            "      },\n" +
            "      \"location\":{\n" +
            "        \"type\": \"geo_point\",\n" +
            "        \"index\": true\n" +
            "      },\n" +
            "      \"pic\":{\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": false\n" +
            "      },\n" +
            "      \"all\":{\n" +
            "        \"type\": \"text\",\n" +
            "        \"analyzer\": \"ik_max_word\"\n" +
            "      }\n" +
            "    }\n" +
            "  }\n" +
            "}";
}

第二步: 在hotel-demo项目的HotelIndexTest类，添加如下

//使用xxclient对象，向es创建索引库
@Test
void xxcreateHotelIndex() throws IOException {
	//创建Request对象，自定义索引库名称为gghotel
	CreateIndexRequest request = new CreateIndexRequest("gghotel");
	//准备请求的参数: DSL语句
	request.source(xxMappingTemplate, XContentType.JSON);//注意xxMappingTemplate是第一步定义的的静态常量，导包别导错了
	//发送请求
	xxclient.indices().create(request, RequestOptions.DEFAULT);
}

第三步: 确保下面的服务你都在Centos7里面启动了

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器

第四步: 验证。运行HotelIndexTest类的xxcreateHotelIndex测试方法

第五步: 如何更直观地验证，es里面确实有刚刚创建的索引库(刚刚创建的索引库是叫gghotel)
那就不得不运行kibana了，这样才能打开web浏览器页面，进行查询

docker restart kibana #启动kibana容器

浏览器访问 http://你的ip地址:5601

5. 删除和判断索引库

首先保证你已经做好了 '实用篇-ES-环境搭建' ，然后开始下面的操作。不需要浏览器操作es，所以不需要启动kibana容器

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
#docker restart kibana #启动kibana容器

1、删除索引库。在hotel-demo项目的HotelIndexTest类，添加如下。然后运行xxtestDeleteHotelIndex方法

//删除索引库
@Test
	void xxtestDeleteHotelIndex() throws IOException {
	//创建Request对象，指定要删除哪个索引库
	DeleteIndexRequest request = new DeleteIndexRequest("gghotel");
	//发送请求
	xxclient.indices().delete(request, RequestOptions.DEFAULT);
}

2、判断索引库是否存在。在hotel-demo项目的HotelIndexTest类，添加如下。然后运行xxtestDeleteHotelIndex方法

//判断索引库是否存在
@Test
	void xxtestExistsHotelIndex() throws IOException {
	//创建Request对象，判断哪个索引库是否存在在es
	GetIndexRequest request = new GetIndexRequest("gghotel");
	//发送请求
	boolean ffexists = xxclient.indices().exists(request, RequestOptions.DEFAULT);
	//输出一下，看是否存在
	System.out.println(ffexists ? "索引库已经存在" : "索引库不存在");
}

6. 新增文档

首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，然后开始下面的操作。如果需要浏览器操作es，那就不需要启动kibana容器

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
#docker restart kibana #启动kibana容器

案例: 去数据库查询酒店数据，把查询到的结果导入到hotel索引库(上一节我们已经创建一个名为gghotel的索引库)，实现酒店数据的增删改查
简单说就是先去数据查酒店数据，把结果转换成索引库所需要的格式(新增文档的DSL语法)然后写到索引库，然后在索引库对这些酒店数据进行增删改查
【必备操作】
你们拿到代码的时候，这些操作已经做好，不需要再去做，我只是写出来方便后续复习
(1)、在pojo目录里面有一个Hotel类，作用是指定根数据库交互的字段，写入了如下

package cn.itcast.hotel.pojo;

import com.baomidou.mybatisplus.annotation.IdType;
import com.baomidou.mybatisplus.annotation.TableId;
import com.baomidou.mybatisplus.annotation.TableName;
import lombok.Data;

@Data
@TableName("tb_hotel")
public class Hotel {
    @TableId(type = IdType.INPUT)
    private Long id;
    private String name;
    private String address;
    private Integer price;
    private Integer score;
    private String brand;
    private String city;
    private String starName;
    private String business;
    private String longitude;
    private String latitude;
    private String pic;
}

(2)、在pojo目录里面有一个HotelDoc类，作用是跟es的索引库交互的字段，也就是跟我们索引库里面的字段类型联调，写入了如下

package cn.itcast.hotel.pojo;

import lombok.Data;
import lombok.NoArgsConstructor;

@Data
@NoArgsConstructor
public class HotelDoc {
    private Long id;
    private String name;
    private String address;
    private Integer price;
    private Integer score;
    private String brand;
    private String city;
    private String starName;
    private String business;
    private String xxlocation;
    private String pic;

    public HotelDoc(Hotel hotel) {
        this.id = hotel.getId();
        this.name = hotel.getName();
        this.address = hotel.getAddress();
        this.price = hotel.getPrice();
        this.score = hotel.getScore();
        this.brand = hotel.getBrand();
        this.city = hotel.getCity();
        this.starName = hotel.getStarName();
        this.business = hotel.getBusiness();
        this.xxlocation = hotel.getLatitude() + ", " + hotel.getLongitude();
        this.pic = hotel.getPic();
    }
}

(3)、在service新建了IHotelService接口，作用是写mybatis-plus向数据库发送请求用于查询数据库的数据

package cn.itcast.hotel.service;
import cn.itcast.hotel.pojo.Hotel;
import com.baomidou.mybatisplus.extension.service.IService;

public interface IHotelService extends IService<Hotel> {

}

(4)、在service新建了impl目录，在impl目录里面有一个HotelService类，是IHotelService接口的实现类

package cn.itcast.hotel.service.impl;

import cn.itcast.hotel.mapper.HotelMapper;
import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.service.IHotelService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import org.springframework.stereotype.Service;

@Service
public class HotelService extends ServiceImpl<HotelMapper, Hotel> implements IHotelService {
    
}

【具体操作】
第一步: 在hotel-demo项目的src/test/java/cn.itcast.hotel目录新建HotelDocumentTest类，写入如下

package cn.itcast.hotel;

import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.pojo.HotelDoc;
import cn.itcast.hotel.service.IHotelService;
import com.alibaba.fastjson.JSON;
import org.apache.http.HttpHost;
import org.elasticsearch.action.admin.indices.delete.DeleteIndexRequest;
import org.elasticsearch.action.index.IndexRequest;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.client.indices.CreateIndexRequest;
import org.elasticsearch.client.indices.GetIndexRequest;
import org.elasticsearch.common.xcontent.XContentType;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;

import java.io.IOException;
import static cn.itcast.hotel.constants.HotelConstants.xxMappingTemplate;

/**
 * @author 35238
 * @date 2023/6/9 0009 8:51
 */
@SpringBootTest
public class HotelDocumentTest {

    private RestHighLevelClient xxclient;

    @BeforeEach
    //该注解表示一开始就完成RestHighLevelClient对象的初始化
    void setUp() {
        this.xxclient = new RestHighLevelClient(RestClient.builder(
                //指定你Centos7部署的es的主机地址
                HttpHost.create("http://192.168.127.180:9200")
        ));
    }

    @AfterEach
    //该注解表示销毁，当对象运行完之后，就销毁这个对象
    void tearDown() throws IOException {
        this.xxclient.close();
    }
    
    //-----------------------------上面是初始化，下面是操作文档的测试-------------------------------------------
    @Autowired
    //注入写好的IHotelService接口，用于去数据库查询数据
    private IHotelService xxhotelService;
    
    @Test
    //新增文档到gghotel索引库，请保证你的es里面已经存在gghotel索引库
    void testAddDocument() throws IOException {
        
        //去数据库查询数据，我们简单查询一下id为61083的数据。由于在实体类里面定义的id是Long类型，所以要加L表示该数字是Long类型
        Hotel xxdataExample = xxhotelService.getById(61083L);

        //把上一行数据库查询出来的字段类型转为es的索引库的文档类型，才能往索引库里面新增文档
        HotelDoc xxhotelDoc = new HotelDoc(xxdataExample);

        //准备Request对象，往哪个索引库添加文档，文档的id需要自定义，xxdataExample.getId().toString()表示文档id跟数据库的id一致
        IndexRequest xxrequest = new IndexRequest("gghotel").id(xxdataExample.getId().toString());

        //准备JSON文档.JSON.toJSONString()是com.alibaba.fastjson提供的API，用于把JSON转为String
        xxrequest.source(JSON.toJSONString(xxhotelDoc),XContentType.JSON);
        
        //发送请求
        xxclient.index(xxrequest,RequestOptions.DEFAULT);
    }
}

第二步: 验证。运行HotelDocumentTest类的testAddDocument方法

第三步: 如何更直观地验证，es里面的gghotel索引库里面有刚刚我们新增的文档，文档id就是数据里面的字段id
那就不得不运行kibana了，这样才能打开web浏览器页面，进行查询

docker restart kibana #启动kibana容器

浏览器访问 http://你的ip地址:5601

7. 查询文档

我们在刚刚，为了直观地验证是否成功新增文档，需要启动kibana，然后去浏览器页面进行查询，非常的麻烦，下面就来学习通过Java代码，进行查询文档
难点: 根据id查询到的文档数据类型是json，需要反序列化为java对象
第一步: 在HotelDocumentTest类，添加如下

@Test
void xxtestGetDocumentById() throws IOException {

	//准备Request对象，要查询哪个索引库，要查询的文档i，我们上面指定的文档id是跟数据库字段的id一致，上面新增的那条文档的id是61083
	GetRequest yyrequest = new GetRequest("gghotel", "61083");

	//发送请求，获取响应结果
	GetResponse yyresponse = xxclient.get(yyrequest, RequestOptions.DEFAULT);

	//解析响应结果。getSourceAsString方法的作用是把得到的JSON结果转为String
	String yyjson = yyresponse.getSourceAsString();

	//JSON.parseObject()是com.alibaba.fastjson提供的API，作用是对上面那行的yyjson进行反序列化
	//第一个参数是你要对谁进行反序列化，第二个参数是你想要的数据类型
	HotelDoc yyhotelDoc = JSON.parseObject(yyjson, HotelDoc.class);

	//输出一下查询结果
	System.out.println(yyhotelDoc);

}

第二步: 运行HotelDocumentTest类的xxtestGetDocumentById方法

8. 修改文档

根据id修改酒店数据。修改es的索引库的文档的数据，有两种方式，前面在学kibana操作文档的时候学过，可前去 '实用篇-ES-索引库和文档' 进行复习
1、全量修改，会删除旧文档，添加新文档。注意: 这种操作是直接用新值覆盖掉旧的，如果只put一个字段那么其它字段就没了，所以，你不想修改的字段也要原样写出来，不然就没了。如果你写的文档id或字段不存在的话，本来是修改操作，结果就变成新增操作
2、增量修改(我们学习这种)。修改指定字段的值。如果你写的文档id或字段不存在的话，本来是修改操作，结果就变成新增操作
首先保证你已经做好了 '实用篇-ES-环境搭建' ，以及上面的五小节，然后开始下面的操作。如果需要浏览器操作es，那就不需要启动kibana容器

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
#docker restart kibana #启动kibana容器

第一步: 在HotelDocumentTest类，添加如下

@Test
void xxtestUpdateDocument() throws IOException {
    
	//准备Request对象，要修改哪个索引库，要修改的文档id
	UpdateRequest zzrequest = new UpdateRequest("gghotel", "61083");

	//准备请求参数，要修改哪些字段，修改成什么
	zzrequest.doc(
        "name","我修改了你3个文档字段",
		"price","999",
		"city","北京"
    );

    //发送请求，获取响应结果
    xxclient.update(zzrequest,RequestOptions.DEFAULT);
}

第二步: 先查一下原来的id为61083的文档(es中的文档就相当于mysql的一行)的数据。运行HotelDocumentTest类的xxtestGetDocumentById方法

第三步: 运行HotelDocumentTest类的xxtestUpdateDocument方法，作用是修改数据，也就是我们第一步写的代码

第四步: 在去查一下文档的数据，验证第三步是否修改成功。运行HotelDocumentTest类的xxtestGetDocumentById方法

9. 删除文档

首先保证你已经做好了 '实用篇-ES-环境搭建' ，以及上面的五小节，然后开始下面的操作。如果需要浏览器操作es，那就不需要启动kibana容器

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
#docker restart kibana #启动kibana容器

第一步: 在HotelDocumentTest类，添加如下

@Test
void wwtestDeleteDocument() throws IOException {
        
	//准备Request对象，要删除哪个索引库，要删除的文档id
	DeleteRequest wwrequest = new DeleteRequest("gghotel", "61083");

	//发送请求
	xxclient.delete(wwrequest,RequestOptions.DEFAULT);
}

第二步: 先查一下原来的id为61083的文档(es中的文档就相当于mysql的一行)能不能查询到。运行HotelDocumentTest类的xxtestGetDocumentById方法

第三步: 删除id为61083的文档(相当于删除mysql中id为某个数的那一行)。运行HotelDocumentTest类的wwtestDeleteDocument方法

第四步: 验证。再次执行第二步，也就是运行HotelDocumentTest类的xxtestGetDocumentById方法

10. 批量导入文档

建议去前面的 '6. 新增文档' 复习一下，在索引库里面新增一条文档，是怎么实现的
在上面的6、7、8、9节中，我们一直都是操作一条id为61083的文档(相当于数据库表的某一行)。我们如何把mysql的更多数据导入进es的索引库(相当于mysql的表)呢，下面就来学习批量把文档导入进索引库

思路:
1、利用mybatis-plus把MySQL中的酒店数据查询出来
2、将查询到的酒店数据转换为文档类型的数据
3、利用RestClient中bulk批处理方法，实现批量新增文档

首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，然后开始下面的操作。如果需要浏览器操作es，那就不需要启动kibana容器

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
#docker restart kibana #启动kibana容器

第一步: 在HotelDocumentTest类，添加如下

@Test
void testBulkRequest() throws IOException {

	//向数据库批量查询酒店数据，list方法表示查询数据库的所有数据
	List<Hotel> kkhotels = xxhotelService.list();
        
	//创建Request
	BulkRequest vvrequest = new BulkRequest();

	//准备参数，实际上就是添加多个新增的Request
	for (Hotel kkhotel : kkhotels) {
		//把遍历拿到的每个kkhotels转换为文档类型的数据
		HotelDoc ffhotelDoc = new HotelDoc(kkhotel);//HotelDoc是我们写的一个实体类
		//往哪个索引库批量新增文档、新增后的文档id是什么，文档类型是JSON
		vvrequest.add(new IndexRequest("gghotel")
			.id(ffhotelDoc.getId().toString())
			//JSON.parseObject()是com.alibaba.fastjson提供的API，作用是对ffhotelDoc进行反序列化准换为json类型
			.source(JSON.toJSONString(ffhotelDoc),XContentType.JSON));
	}

	//发送请求
	xxclient.bulk(vvrequest,RequestOptions.DEFAULT);
}

第二步: 运行HotelDocumentTest类的testBulkRequest方法

\
第三步: 如何更直观地验证，es里面的gghotel索引库里面有刚刚我们新增的文档。那就不得不运行kibana了，这样才能打开web浏览器页面，进行查询

docker restart kibana #启动kibana容器

浏览器访问 http://你的ip地址:5601

输入如下DSL语句，表示查询某个索引库的所有文档

GET /gghotel/_search

上面我们导入了很多文档(相当于数据库的行，很多行)，下面我们将着重学习使用DSL对这些文档数据，进行查询

实用篇-ES-DSL查询文档

官方文档: https://elastic.co/guide/en/elasticsearch/reference/current/query-dsl.html#query-dsl。DSL是用来查询文档的
Elasticsearch提供了基于JSON的DSL来定义查询，简单说就是用json来描述查询条件，然后发送给es服务，最后es服务基于查询条件，把结果返回给我们
常见的查询类型包括如下:
1、查询所有: 查询出所有数据，一般在测试的时候使用

match_all

2、全文检索查询: 利用分词器对用户输入内容进行分词，然后去倒排索引库中匹配

match_query

multi_match_query

3、精确查询: 根据精确的词条值去查找数据，一般是查找keyword、数值、日期、boolean等类型的字段。这些字段是不需要分词的，但是依旧会建立倒排索引，把字段的整体内容作为一个词条，并存入倒排索引。在查找的时候，也就不需要分词，直接把搜索的内容去跟倒排索引匹配即可

ids，表示根据id，进行精确匹配

range，表示根据数值范围，进行精确匹配

term，表示根据数据的值，进行精确匹配

4、地理查询: 根据经纬度查询

geo_distance

geo_bounding_box

5、复合查询: 复合查询可将上述各种查询条件组合一起，合并查询条件

bool，利用逻辑运算把其它查询条件组合起来

function_score，用于控制相关度算分，算分会影响性能

 下面会一个个学

1. DSL基本语法

查询的基本语法

#查询所有
GET /hotel/_search
{
  "query":{
    "match_all": {
      
    }
  }
}

【具体操作】
首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，导入了批量文档。然后开始下面的操作
浏览器访问 http://你的ip地址:5601
输入如下

存在一个问题，我们明明查询的是所有文档，查询结果也显示查询出所有的文档了，为什么上图右侧，鼠标往下拉，最多才只有10条文档数据呢
原因: 受默认的分页条件限制，后面学习的时候，会进行解决

2. 全文检索查询

首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，导入了批量文档。然后开始下面的操作
全文检索查询，分为下面两种，会对用户输入内容进行分词之后，再进行匹配。也就是利用分词器对用户输入内容进行分词，然后去倒排索引库中匹配。
【第一种全文检索查询】

GET /索引库名/_search
{
  "query": {
    "match": {
      "字段名": "TEXT"
    }
  }
}

match查询(也就是match_query查询): 全文检索查询的一种，会对用户输入的内容进行分词，然后去倒排索引库检索
具体操作如下，为了让大家知道gghotel索引库有哪些字段，我把当初建立gghotel索引库的类先放出来
注意: 我要解释一下，上面有个字段叫xxALL，那个字段是当时自定义的，不清楚的话可回去看 '实用篇-ES-RestClient操作' 的 '2. hotel数据结构分析'。
xxALL的作用如下图，相当于一个大的字段，里面存放了几个小字段，优点是我们可以在这个大的字段里面搜索到多个小字段的信息

然后，我们就正式开始全文检索查询，输入如下。注意xxALL换成其它字段也没事，例如换成name字段。正常来说，我们检索name字段，就只在那么字段检索匹配的分词文档，但是在XXALL字段里面检索时，也会检索到name、brand、business字段，原因如上面那个图的copy_to属性
第一步: 浏览器访问 http://你的ip地址:5601
第二步: 输入如下DSL语句，表示查询某个索引库的所有文档

【第二种全文检索查询】

GET /索引库名/_search
{
  "query": {
    "multi_match": {
      "query": "TEXT",
      "字段名": ["FIELD1", " FIELD12"]
    }
  }
}

multi_match(也就是multi_match_query查询): 与match查询类似，只不过允许同时查询多个字段
例如，输入如下
第一步: 浏览器访问 http://你的ip地址:5601
第二步: 输入如下DSL语句，表示查询查询business、brand、name字段中包含'如家'的文档，满足一个字段即可

3. 精确查询

首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，导入了批量文档。然后开始下面的操作

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
docker restart kibana #由于DSL语句是需要kibana服务，然后在浏览器进行，所以这里要开启kibana容器

精确查询一般是查找keyword、数值、日期、boolean等类型字段。所以不会对搜索条件分词。精确查询常见的有两种:

term: 根据词条的精确值查询，强调精确匹配

range: 根据值的范围查询，例如金额、时间

【第一种精确查询 term】
具体操作如下

GET /索引库名/_search
{
  "query": {
    "term": {
      "字段名": {
        "value": "VALUE"
      }
    }
  }
}

第一步: 浏览器访问 http://你的ip地址:5601
第二步: 输入如下DSL语句，表示查询city字段为 '上海' 的文档，必须是 '上海' 才能被匹配，不对'上海'进行分词，也就是不会拆成'上'和'海'

【第一种精确查询 range】
具体操作如下

GET /索引库名/_search
{
  "query": {
    "range": {
      "字段名": {
        "gte": 10,
        "lte": 20
      }
    }
  }
}

第一步: 浏览器访问 http://你的ip地址:5601

第二步: 输入如下DSL语句，表示查找price字段满足200~300数值的文档，注意字段类型不能是binary，也就是price字段的类型不能是binary
gt表示大于，gte表示大于等于，lt表示小于，lte表示小于等于

# 第一种精确查询 term。
GET /gghotel/_search
{
  "query":{
    "term": {
      "city": {
        "value": "上海"
      }
    }
  }
}

4. 地理查询

首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，导入了批量文档。然后开始下面的操作

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
docker restart kibana #由于DSL语句是需要kibana服务，然后在浏览器进行，所以这里要开启kibana容器

根据经纬度查询。常见的使用场景包括: 查询附近酒店、附近出租车、搜索附近的人。使用方式有很多种，介绍如下

geo_bounding_box: 查询geo_point值落在某个矩形范围的所有文档，用两个点来围成的矩形范围

geo_distance: 查询到指定中心点，且小于某个距离值的所有文档，圆心到圆边的范围

【第一种地理查询 geo_bounding_box 不演示这种，不常用】

GET /索引库名/_search
{
  "query": {
    "geo_bounding_box": {
      "字段名": {
        "top_left": {
          "lat": 31.1,
          "lon": 121.5
        },
        "bottom_right": {
          "lat": 30.9,
          "lon": 121.7
        }
      }
    }
  }
}

【第一种地理查询 geo_distance 下面演示这种】

GET /索引库名/_search
{
  "query": {
    "geo_distance": {
      "distance": "15km",
      "字段名": "31.21,121.5"
    }
  }
}

具体操作如下，但是，为了让大家知道gghotel索引库有哪些字段，我把当初建立gghotel索引库的类先放出来
上面的xxlocation字段类型必须是geo_point，否则该字段不能用于地理查询
第一步: 浏览器访问 http://你的ip地址:5601
第二步: 输入如下DSL语句。表示查找xxlocation字段在(31.25±15km,121.5±15km)范围内的文档

5. 相关性算分

上面学的全文检索查询、精确查询、地理查询，这三种查询在es当中都称为简单查询，下面我们将学习复合查询。复合查询可以其它简单查询组合起来，实现更复杂的搜索逻辑，其中就有 '算分函数查询' 如下
首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，导入了批量文档。然后开始下面的操作

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
docker restart kibana #由于DSL语句是需要kibana服务，然后在浏览器进行，所以这里要开启kibana容器

算分函数查询(function score): 可以控制文档相关性算分、控制文档排名。例如搜索'外滩' 和 '如家' 词条时，某个文档要是都能匹配这两个词条，那么在所有被搜索出来的文档当中，这个文档的位置就最靠前，简单说就是越匹配就排名越靠前

 

GET /索引库名/_search
{
    "query": {
        "match": {
            "字段名": {
                "query": "词条"
            }
        }
    }
}

具体操作如下
第一步: 浏览器访问 http://你的ip地址:5601
第二步: 输入如下DSL语句，表示在name字段，哪个文档的匹配度高，排名就靠前

GET /gghotel/_search
{
    "query": {
        "match": {
            "name": {
                "query": "7天连锁酒店"
            }
        }
    }
}

6. 函数算分查询

这是第一种复合查询
上面只是简单演了相关性打分中的函数算分查询，文档与搜索关键字的相关度越高，打分就越高，排名就越靠前。不过，有的时候，我们希望人为地去控制控制文档的排名，例如某些文档我们就希望排名靠前一点，算分高一点，此时就需要使用函数算分查询，下面就来学习 '函数算分查询'
首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，导入了批量文档。然后开始下面的操作

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
docker restart kibana #由于DSL语句是需要kibana服务，然后在浏览器进行，所以这里要开启kibana容器

使用 ’函数算分查询(function score query)’，可以在原始的相关性算分的基础上加以修改，得到一个想要的算分，从而去影响文档的排名，语法如下

GET /索引库名/_search
{
  "query": {
    "function_score": {
      "query": { "match": {"字段": "词条"} },
      "functions": [
        {
          "filter": {"term": {"指定字段": "值"}},
          "算分函数": 函数结果
        }
      ],
      "boost_mode": "加权模式"
    }
  }
}

具体操作如下
第一步: 浏览器访问 http://你的ip地址:5601
第二步: 输入如下DSL语句，表示在 '如家' 这个品牌中，字段为'北京'的酒店排名靠前一些

GET /gghotel/_search
{
  "query": {
    "function_score": {
      "query": {"match": {
        "brand": "如家"
      }},
      "functions": [
        {
          "filter": {
            "term": {
              "city": "北京"
            }
          },
          "weight": 2
        }
      ],
      "boost_mode": "sum"
    }
  }
}

7. 布尔查询

这是第二种复合查询
布尔查询不会去修改算分，而是把多个查询语句组合成一起，形成新查询，这些被组合的查询语句，被称为子查询。子查询的组合方式有如下四种
1、must：必须匹配每个子查询，类似"与"
2、should：选择性匹配子查询，类似"或"
3、must_not：必须不匹配，不参与算分，类似"非"
4、filter：必须匹配，不参与算分

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
docker restart kibana #由于DSL语句是需要kibana服务，然后在浏览器进行，所以这里要开启kibana容器

首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，导入了批量文档。然后开始下面的操作
gt表示大于，gte表示大于等于，lt表示小于，lte表示小于等于

GET /索引库名/_search
{
  "query": {
    "bool": {
      "must": [
        {"term": {"字段名": "字段值" }}
      ],
      "should": [
        {"term": {"字段名": "字段值" }},
        {"term": {"字段名": "字段值" }}
      ],
      "must_not": [
        { "range": { "字段名": { "lte": 最小字段值 } }}
      ],
      "filter": [
        { "range": {"字段名": { "gte": 最大字段值 } }}
      ]
    }
  }
}

具体操作如下
第一步: 浏览器访问 http://你的ip地址:5601
第二步: 输入如下DSL语句，表示搜索名字包含'如家'，价格不高于400，在坐标31.21,121.5周围10km范围内的文档
must表示匹配条件(注意写在must里面就会参与算分，也就是查询出来的score值会更高)，must_not表示取反，filter表示过滤

GET /gghotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "name": "如家"
          }
        }
      ],
      "must_not": [
        {
          "range": {
            "price": {
              "gt": 400
            }
          }
        }
      ],
      "filter": [
        {
          "geo_distance": {
            "distance": "10km",
            "xxlocation": {
              "lat": 31.21,
              "lon": 121.5
            }
          }
        }
      ]
    }
  }
}

8. 搜索结果处理-排序

elasticsearch(称为es)支持对搜索的结果，进行排序，默认是根据 '相关度' 算分，也就是score值，根据score值进行排序。
可以排序的字段类型有: keyword类型、数值类型、地理坐标类型、日期类型

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
docker restart kibana #由于DSL语句是需要kibana服务，然后在浏览器进行，所以这里要开启kibana容器

首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，导入了批量文档。然后开始下面的操作
sort里面可以指定多个排序字段，用花括号隔开。排序方式: ASC(升序)、DESC(降序)

GET /索引库名/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "需要排序的字段名": "排序方式"
    }
  ]
}

具体操作如下
第一步: 浏览器访问 http://你的ip地址:5601
【案例一】
第二步: 输入如下DSL语句，表示对所有的文档，根据评分(score)进行降序排序，如果评分相同就根据价格(price)升序排序

GET /gghotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "score": "desc"
    },
    {
      "price": "asc"
    }
  ]
}

上图的_score算分为null，是因为我们如果做了排序，那么打分就没有意义了，所以es就会放弃打分不再做相关性算分，提高效率
【案例二】
获取国内任意位置的经纬度的网站: 获取鼠标点击经纬度-地图属性-示例中心-JS API 2.0 示例 | 高德地图API
longitude 经度 latitude 纬度 (经度，纬度): 这是我们描述经纬度的写法，先经度再纬度，但是在下面写的时候
第三步: 输入如下DSL语句，表示找到(121.66053,28.28811)周围的文档，并按照距离进行升序排序
下面两种写法都是一样的，注意第二种写法前面写的是纬度，后面写的是经度

第一种写法
GET /gghotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "_geo_distance": {
        "xxlocation": {
          "lat": 28.28811,
          "lon": 121.66053
        },
        "order": "asc"
      }
    }
  ]
}

第二种写法
GET /gghotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "_geo_distance": {
        "xxlocation": "28.28811,121.66053",
        "order": "asc"
      }
    }
  ]
}

上图右侧的sort表示距离 '28.28811,121.66053' 有多少公里，例如281547.94km。
上图的_score算分为null，是因为我们如果做了排序，那么打分就没有意义了，所以es就会放弃打分不再做相关性算分，提高效率

9. 搜索结果处理-分页

 首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，导入了批量文档。然后开始下面的操作
elasticsearch(称为es)默认情况下只返回前10 条数据。而如果要查询更多数据就需要修改分页参数，分页参数包括from和size，语法如下

GET /索引库名/_search
{
  "query": {
    "要查询的字段": {}
  },
  "from": 要查第几页, // 分页开始的位置，默认为0
  "size": 每页显示多少条文档, // 期望获取的文档总数
  "sort": [ //表示排序
    {"price": "排序方式"}
  ]
}

具体操作如下
第一步: 浏览器访问 http://你的ip地址:5601
第二步: 输入如下DSL语句，表示对所有的文档，根据价格(price)进行升序排序，每次分页显示20条数据，看的是第六页
size默认是10，表示一页显示多少条文档。from默认是0，表示你要看的是第一页

GET /gghotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "price": {
        "order": "asc"
      }
    }
  ],
  "from": 0,
  "size": 20
}

上面是基础的分页用法，下面来详细了解es的分页。es的底层使用的是倒排索引，是不利于做分页的，es采用的是逻辑上的分页，就会导致当是分布式的时候，就会产生下面的问题，因此es限制结果集最多为10000
ES是分布式的，所以会面临深度分页的问题。例如按price排序后，获取from=990，size=10的数据，如下图

深度分页查询的演示，输入如下DSL语句，表示

GET /gghotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "price": {
        "order": "asc"
      }
    }
  ],
  "from": 9991,
  "size": 10
}

百度在这方面，最多能查76页，每页显示十条。京东在这方面，最多能查第100页，所以深度分页我们不需要担心，10000的限制足够了。但是，如果说一定要去解决深度分页问题的话，ES提供了两种解决方案(两种分页方式)，如下
官方文档: https://www.elastic.co/guide/en/elasticsearch/reference/current/paginate-search-results.html
1、search after: 分页时需要排序，原理是从上一次的排序值开始，查询下一页数据。官方推荐使用的方式。缺点: 只能向后翻页，不能向前翻页
场景: 没有随机翻页需求的搜索，例如手机向下滚动翻页。虽然没有查询上限，但是size不能超过10000
2、scroll: 原理将排序数据形成快照，保存在内存。官方已经不推荐使用。缺点: 由于是快照，所以不能查到实时数据，由于是保存在内存，所以消耗内存
场景: 海量数据的获取和迁移。从es7.1开始不推荐
我们上面用的分页方式是 'from+size' 。优点: 支持随机翻页。缺点: 存在深度分页问题。场景: 百度、京东、谷歌、淘宝

10. 搜索结果处理-高亮

高亮: 就是在搜索结果中把搜索关键字突出显示。高亮显示的原理如下
1、将搜索结果中的关键字用标签标记出来
2、在页面中给标签添加css样式

首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，导入了批量文档。然后开始下面的操作
语法

GET /索引库名/_search
{
  "query": {
    "match": { //match表示带关键字的查询
      "字段": "TEXT"
    }
  },
  "highlight": {
    "fields": {
      "字段名": {
        "require_field_match": "false",//默认是true，表示 '字段' 要和 '字段名' 要一致。如果我们写的是不一致的话，就需要修改为false
        "pre_tags": "<em>",  // 用来标记高亮字段的前置标签，es会帮我们把标签加在关键字上。默认是<em>
        "post_tags": "</em>" // 用来标记高亮字段的后置标签，es会帮我们把标签加在关键字上。默认是</em>
      }
    }
  }
}

具体操作如下
第一步: 浏览器访问 http://你的ip地址:5601
第二步: 输入如下DSL语句，表示

GET /gghotel/_search
{
  "query": {
    "match": {
      "xxALL": "北京"
    }
  },
  "highlight": {
    "fields": {
      "name": {
        "require_field_match": "false",
        "pre_tags": "<em>",
        "post_tags": "</em>"
      }
    }
  }
}

11. 搜索结果处理-总结

搜索结果处理的整体语法

GET /索引库名/_search
{
  "query": {
    "match": {
      "字段名": "如家"
    }
  },
  "from": 0, // 分页开始的位置
  "size": 20, // 期望获取的文档总数
  "sort": [ 
    {  "price": "asc" }, // 普通排序
    {
      "_geo_distance" : { // 距离排序
          "location" : "31.040699,121.618075", 
          "order" : "asc",
          "unit" : "km"
      }
    }
  ],
  "highlight": {
    "fields": { // 高亮字段
      "字段名": {
        "pre_tags": "<em>",  // 用来标记高亮字段的前置标签
        "post_tags": "</em>" // 用来标记高亮字段的后置标签
      }
    }
  }
}

实用篇-ES-RestClient查询文档

1. 快速入门

上面的查询文档都是依赖kibana，在浏览器页面使用DSL语句去查询es，如何用java去查询es里面的文档(数据)呢

我们通过match_all查询来演示基本的API，注意下面演示的是 'match_all查询，也叫基础查询'
首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，然后开始下面的操作。如果需要浏览器操作es，那就不需要启动kibana容器

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
#docker restart kibana #启动kibana容器

在进行下面的操作之前，确保你已经看了前面 '实用篇-ES-RestClient操作文档' 学的 '1. RestClient案例准备'，然后在进行下面的操作
第一步: 在src/test/java/cn.itcast.hotel目录新建HotelSearchTest类，写入如下

package cn.itcast.hotel;

import org.apache.http.HttpHost;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.index.query.QueryBuilders;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;

import java.io.IOException;

public class HotelSearchTest {

    private RestHighLevelClient xxclient;

    @BeforeEach
    //该注解表示一开始就完成RestHighLevelClient对象的初始化
    void setUp() {
        this.xxclient = new RestHighLevelClient(RestClient.builder(
                //指定你Centos7部署的es的主机地址
                HttpHost.create("http://192.168.127.180:9200")
        ));
    }

    @AfterEach
    //该注解表示销毁，当对象运行完之后，就销毁这个对象
    void tearDown() throws IOException {
        this.xxclient.close();
    }

    //-----------------------------上面是初始化，下面是查询文档-快速入门的测试-------------------------------------------

    @Test
    void xxtestMatchAll() throws IOException {
        //准备Request对象，要查询哪个索引库，
        SearchRequest xxrequest = new SearchRequest("gghotel");

        //准备DSL语句，source方法可以调用很多API。QueryBuilders是RestClient提供的工具，可以调用很多查询类型
        xxrequest.source().query(QueryBuilders.matchAllQuery());

        //发送请求
        SearchResponse xxresponse = xxclient.search(xxrequest, RequestOptions.DEFAULT);

        //在控制台输出结果
        System.out.println(xxresponse);
    }
}

上面java代码以及对应的DSL语句如下图

第二步: 把控制台里面我们需要的数据解析出来。返回的数据很多，我们主要是解析hits里面的数据就行了
把HotelSearchTest类修改为如下，主要的修改是sout之前做了一次解析，拿到我们想要的数据

package cn.itcast.hotel;

import cn.itcast.hotel.pojo.HotelDoc;
import com.alibaba.fastjson.JSON;
import org.apache.http.HttpHost;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.SearchHits;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;

import java.io.IOException;

public class HotelSearchTest {

    private RestHighLevelClient xxclient;

    @BeforeEach
    //该注解表示一开始就完成RestHighLevelClient对象的初始化
    void setUp() {
        this.xxclient = new RestHighLevelClient(RestClient.builder(
                //指定你Centos7部署的es的主机地址
                HttpHost.create("http://192.168.127.180:9200")
        ));
    }

    @AfterEach
    //该注解表示销毁，当对象运行完之后，就销毁这个对象
    void tearDown() throws IOException {
        this.xxclient.close();
    }

    //-----------------------------上面是初始化，下面是查询文档-快速入门的测试-------------------------------------------
    
    @Test
    void xxtestMatchAll() throws IOException {
        //准备Request对象，要查询哪个索引库，
        SearchRequest xxrequest = new SearchRequest("gghotel");

        //准备DSL语句，source方法可以调用很多API。QueryBuilders是RestClient提供的工具，可以调用很多查询类型
        xxrequest.source().query(QueryBuilders.matchAllQuery());

        //发送请求
        SearchResponse xxresponse = xxclient.search(xxrequest, RequestOptions.DEFAULT);

        
        //解析获取到杂乱JSON数据
        SearchHits xxsearchHits = xxresponse.getHits();
        //获取总条数
        long xxtotal = xxsearchHits.getTotalHits().value;
        System.out.println("共搜索到"+xxtotal+"条文档(数据)");
        //获取hits数组
        SearchHit[] xxhits = xxsearchHits.getHits();
        //遍历数组，把hits数组的每个source取出来
        for (SearchHit xxhit : xxhits) {
            String xxjson = xxhit.getSourceAsString();
            //此时可以直接打印，也可以使用fastjson工具类进行反序列化，从而转为HotelDoc类型，HotelDoc类是我们写的实体类
            HotelDoc xxhotelDoc = JSON.parseObject(xxjson, HotelDoc.class);
            //最终输出
            System.out.println("每个HotelDoc对象 = " + xxhotelDoc);

        }
    }
}

上面java代码以及对应的DSL语句如下图

2. match的三种查询

首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，然后开始下面的操作。如果需要浏览器操作es，那就不需要启动kibana容器

全文检索的 match 和 multi_match 查询与 match_all 的API基本一致。差别是查询条件，也就是query的部分，如下图

我们刚刚在第一节演示的是 match_all(也叫基本查询) 查询，下面将演示 match(也叫单字段查询) 和 multi_match(也叫多字段查询) 查询
【matc_all查询，也叫基本查询，我们在 '快速入门' 已经演示过】
在HotelSearchTest类添加如下(已做可跳过)

@Test
void xxtestMatchAll() throws IOException {
	//准备Request对象，要查询哪个索引库，
	SearchRequest xxrequest = new SearchRequest("gghotel");

	//准备DSL语句，source方法可以调用很多API。QueryBuilders是RestClient提供的工具，可以调用很多查询类型
	xxrequest.source().query(QueryBuilders.matchAllQuery());

	//发送请求
	SearchResponse xxresponse = xxclient.search(xxrequest, RequestOptions.DEFAULT);

        
	//解析获取到杂乱JSON数据
	SearchHits xxsearchHits = xxresponse.getHits();
	//获取总条数
	long xxtotal = xxsearchHits.getTotalHits().value;
	System.out.println("共搜索到"+xxtotal+"条文档(数据)");
	//获取hits数组
	SearchHit[] xxhits = xxsearchHits.getHits();
	//遍历数组，把hits数组的每个source取出来
	for (SearchHit xxhit : xxhits) {
		String xxjson = xxhit.getSourceAsString();
		//此时可以直接打印，也可以使用fastjson工具类进行反序列化，从而转为HotelDoc类型，HotelDoc类是我们写的实体类
		HotelDoc xxhotelDoc = JSON.parseObject(xxjson, HotelDoc.class);
		//最终输出
		System.out.println("每个HotelDoc对象 = " + xxhotelDoc);
	}
}

【match 查询，也叫单字段查询】
在HotelSearchTest类添加如下

@Test
void xxtestMatch() throws IOException {
	//准备Request对象，要查询哪个索引库，
	SearchRequest xxrequest = new SearchRequest("gghotel");

	//准备DSL语句，source方法可以调用很多API。QueryBuilders是RestClient提供的工具，可以调用很多查询类型
	xxrequest.source().query(QueryBuilders.matchQuery("name","如家"));

	//发送请求
	SearchResponse xxresponse = xxclient.search(xxrequest, RequestOptions.DEFAULT);


	//解析获取到杂乱JSON数据
	SearchHits xxsearchHits = xxresponse.getHits();
	//获取总条数
	long xxtotal = xxsearchHits.getTotalHits().value;
	System.out.println("共搜索到"+xxtotal+"条文档(数据)");
	//获取hits数组
	SearchHit[] xxhits = xxsearchHits.getHits();
	//遍历数组，把hits数组的每个source取出来
	for (SearchHit xxhit : xxhits) {
		String xxjson = xxhit.getSourceAsString();
		//此时可以直接打印，也可以使用fastjson工具类进行反序列化，从而转为HotelDoc类型，HotelDoc类是我们写的实体类
		HotelDoc xxhotelDoc = JSON.parseObject(xxjson, HotelDoc.class);
		//最终输出
		System.out.println("每个HotelDoc对象 = " + xxhotelDoc);
	}
}

【multi_match 查询，也叫多字段查询】
在HotelSearchTest类添加如下

@Test
    void xxtestMutilMatch() throws IOException {
        //准备Request对象，要查询哪个索引库，
        SearchRequest xxrequest = new SearchRequest("gghotel");

        //准备DSL语句，source方法可以调用很多API。QueryBuilders是RestClient提供的工具，可以调用很多查询类型
        xxrequest.source().query(QueryBuilders.multiMatchQuery("如家","name","business"));

        //发送请求
        SearchResponse xxresponse = xxclient.search(xxrequest, RequestOptions.DEFAULT);


        //解析获取到杂乱JSON数据
        SearchHits xxsearchHits = xxresponse.getHits();
        //获取总条数
        long xxtotal = xxsearchHits.getTotalHits().value;
        System.out.println("共搜索到"+xxtotal+"条文档(数据)");
        //获取hits数组
        SearchHit[] xxhits = xxsearchHits.getHits();
        //遍历数组，把hits数组的每个source取出来
        for (SearchHit xxhit : xxhits) {
            String xxjson = xxhit.getSourceAsString();
            //此时可以直接打印，也可以使用fastjson工具类进行反序列化，从而转为HotelDoc类型，HotelDoc类是我们写的实体类
            HotelDoc xxhotelDoc = JSON.parseObject(xxjson, HotelDoc.class);
            //最终输出
            System.out.println("每个HotelDoc对象 = " + xxhotelDoc);
        }
    }

总结: 要构建查询条件，只要记住一个QueryBuilders类即可

3. 解析代码的抽取

首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，然后开始下面的操作。如果需要浏览器操作es，那就不需要启动kibana容器
我们发现对于 match、multi_match、match_all 查询，的解析部分的代码都是相同的，所以我们可以对解析部分的代码进行抽取(ctrl+alt+m)，如下

//这个方法就是我们抽取出来的，负责解析的
private void handleResponse(SearchResponse xxresponse) {
	//解析获取到杂乱JSON数据
	SearchHits xxsearchHits = xxresponse.getHits();
	//获取总条数
	long xxtotal = xxsearchHits.getTotalHits().value;
	System.out.println("共搜索到"+xxtotal+"条文档(数据)");
	//获取hits数组
	SearchHit[] xxhits = xxsearchHits.getHits();
	//遍历数组，把hits数组的每个source取出来
    for (SearchHit xxhit : xxhits) {
		String xxjson = xxhit.getSourceAsString();
		//此时可以直接打印，也可以使用fastjson工具类进行反序列化，从而转为HotelDoc类型，HotelDoc类是我们写的实体类
		HotelDoc xxhotelDoc = JSON.parseObject(xxjson, HotelDoc.class);
		//最终输出
		System.out.println("每个HotelDoc对象 = " + xxhotelDoc);
	}
}

4. term、range精确查询

首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，然后开始下面的操作。如果需要浏览器操作es，那就不需要启动kibana容器
精确查询一般是查找keyword、数值、日期、boolean等类型字段。所以不会对搜索条件分词。精确查询常见的有两种:

term: 根据词条的精确值查询，强调精确匹配

range: 根据值的范围查询，例如金额、时间

java代码和DSL语句的对应关系如下图。gt表示大于，gte表示大于等于，lt表示小于，lte表示小于等于

【term查询】在HotelSearchTest类添加如下

@Test
void xxtestTerm() throws IOException {
	//准备Request对象，要查询哪个索引库，
	SearchRequest xxrequest = new SearchRequest("gghotel");

	//准备DSL语句，source方法可以调用很多API。QueryBuilders是RestClient提供的工具，可以调用很多查询类型
	xxrequest.source().query(QueryBuilders.termQuery("city","上海"));

	//发送请求
	SearchResponse xxresponse = xxclient.search(xxrequest, RequestOptions.DEFAULT);


	//解析获取到杂乱JSON数据
	SearchHits xxsearchHits = xxresponse.getHits();
	//获取总条数
	long xxtotal = xxsearchHits.getTotalHits().value;
	System.out.println("共搜索到"+xxtotal+"条文档(数据)");
	//获取hits数组
	SearchHit[] xxhits = xxsearchHits.getHits();
	//遍历数组，把hits数组的每个source取出来
	for (SearchHit xxhit : xxhits) {
		String xxjson = xxhit.getSourceAsString();
		//此时可以直接打印，也可以使用fastjson工具类进行反序列化，从而转为HotelDoc类型，HotelDoc类是我们写的实体类
		HotelDoc xxhotelDoc = JSON.parseObject(xxjson, HotelDoc.class);
		//最终输出
		System.out.println("每个HotelDoc对象 = " + xxhotelDoc);
	}
}

【range查询】在HotelSearchTest类添加如下

@Test
void xxtestTerm() throws IOException {
	//准备Request对象，要查询哪个索引库，
	SearchRequest xxrequest = new SearchRequest("gghotel");

	//准备DSL语句，source方法可以调用很多API。QueryBuilders是RestClient提供的工具，可以调用很多查询类型
	xxrequest.source().query(QueryBuilders.rangeQuery("price").gte(100).lte(150));

	//发送请求
	SearchResponse xxresponse = xxclient.search(xxrequest, RequestOptions.DEFAULT);


	//解析获取到杂乱JSON数据
	SearchHits xxsearchHits = xxresponse.getHits();
	//获取总条数
	long xxtotal = xxsearchHits.getTotalHits().value;
	System.out.println("共搜索到"+xxtotal+"条文档(数据)");
	//获取hits数组
	SearchHit[] xxhits = xxsearchHits.getHits();
	//遍历数组，把hits数组的每个source取出来
	for (SearchHit xxhit : xxhits) {
		String xxjson = xxhit.getSourceAsString();
		//此时可以直接打印，也可以使用fastjson工具类进行反序列化，从而转为HotelDoc类型，HotelDoc类是我们写的实体类
		HotelDoc xxhotelDoc = JSON.parseObject(xxjson, HotelDoc.class);
		//最终输出
		System.out.println("每个HotelDoc对象 = " + xxhotelDoc);
	}
}

总结: 要构建查询条件，只要记住一个QueryBuilders类即可

5. bool复合查询

首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，然后开始下面的操作。如果需要浏览器操作es，那就不需要启动kibana容器
java代码和DSL语句的对应关系如下图

【bool查询】在HotelSearchTest类添加如下

@Test
void xxtestBool() throws IOException {
	//准备Request对象，要查询哪个索引库，
	SearchRequest xxrequest = new SearchRequest("gghotel");

	//创建布尔查询
	BoolQueryBuilder xxboolQuery = QueryBuilders.boolQuery();
	//添加must条件
	xxboolQuery.must(QueryBuilders.termQuery("city","上海"));
	//添加filter条件
	xxboolQuery.filter(QueryBuilders.rangeQuery("price").lte(200));

    //把上面的布尔对象传进来，就可以生效了
    xxrequest.source().query(xxboolQuery);

	//发送请求
	SearchResponse xxresponse = xxclient.search(xxrequest, RequestOptions.DEFAULT);


	//解析获取到杂乱JSON数据
	SearchHits xxsearchHits = xxresponse.getHits();
	//获取总条数
	long xxtotal = xxsearchHits.getTotalHits().value;
	System.out.println("共搜索到"+xxtotal+"条文档(数据)");
	//获取hits数组
	SearchHit[] xxhits = xxsearchHits.getHits();
	//遍历数组，把hits数组的每个source取出来
	for (SearchHit xxhit : xxhits) {
		String xxjson = xxhit.getSourceAsString();
		//此时可以直接打印，也可以使用fastjson工具类进行反序列化，从而转为HotelDoc类型，HotelDoc类是我们写的实体类
		HotelDoc xxhotelDoc = JSON.parseObject(xxjson, HotelDoc.class);
		//最终输出
		System.out.println("每个HotelDoc对象 = " + xxhotelDoc);
	}
}

总结: 要构建查询条件，只要记住一个QueryBuilders类即可

6. geo_distance地理查询

首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，然后开始下面的操作。如果需要浏览器操作es，那就不需要启动kibana容器
【geo_distance查询】在HotelSearchTest类添加如下

@Test
void xxtestGeoDistance() throws IOException {
	//准备Request对象，要查询哪个索引库，
	SearchRequest xxrequest = new SearchRequest("gghotel");

	//创建一个地理位置查询构造器，指定了要查询字段的是xxlocation
	GeoDistanceQueryBuilder xxgeoQuery = QueryBuilders.geoDistanceQuery("xxlocation");
	xxgeoQuery.point(31.25, 121.5);//设置查询的中心点坐标，这里的经度和纬度分别为 31.25 和 121.5
	xxgeoQuery.distance(5, DistanceUnit.KILOMETERS);//设置查询的半径距离和单位，这里的 5 即表示 5 公里

	// 创建一个查询构造器
	SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
	// 将查询条件添加到查询构造器对象
	searchSourceBuilder.query(xxgeoQuery);
	// 将查询构造器的对象，添加到查询请求对象xxrequest中，就可以生效了
	xxrequest.source(searchSourceBuilder);

 
	//发送请求
	SearchResponse xxresponse = xxclient.search(xxrequest, RequestOptions.DEFAULT);


	//解析获取到杂乱JSON数据
	SearchHits xxsearchHits = xxresponse.getHits();
	//获取总条数
	long xxtotal = xxsearchHits.getTotalHits().value;
	System.out.println("共搜索到"+xxtotal+"条文档(数据)");
	//获取hits数组
	SearchHit[] xxhits = xxsearchHits.getHits();
	//遍历数组，把hits数组的每个source取出来
	for (SearchHit xxhit : xxhits) {
		String xxjson = xxhit.getSourceAsString();
		//此时可以直接打印，也可以使用fastjson工具类进行反序列化，从而转为HotelDoc类型，HotelDoc类是我们写的实体类
		HotelDoc xxhotelDoc = JSON.parseObject(xxjson, HotelDoc.class);
		//最终输出
		System.out.println("每个HotelDoc对象 = " + xxhotelDoc);
	}
}

总结: 要构建查询条件，只要记住一个QueryBuilders类即可

7. 排序和分页

上面是各种查询的学习，当我们把文档查询出来的时候，接下来就是对文档的处理，也就是你要把查询结果怎么展示出来。API以及对应的DSL语句如下图

首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，然后开始下面的操作。如果需要浏览器操作es，那就不需要启动kibana容器
【排序、分页】在HotelSearchTest类添加如下

@Test
void xxtestPageAndSort() throws IOException {

	//页面、每页大小。如果你要翻第二页，就把下面的xxpage改成2
	int xxpage = 1, xxsize = 5;

	//准备Request对象，要查询哪个索引库，
	SearchRequest xxrequest = new SearchRequest("gghotel");

	//查询全部
	xxrequest.source().query(QueryBuilders.matchAllQuery());

	//sort排序，asc升序，desc降序
	xxrequest.source().sort("price", SortOrder.ASC);
	//from、size分页。例如查第一页，每页显示5条文档(数据)。from表示当前页，我们使用公式动态设定
	xxrequest.source().from((xxpage-1)*xxsize).size(5);


	//发送请求
	SearchResponse xxresponse = xxclient.search(xxrequest, RequestOptions.DEFAULT);


	//解析获取到杂乱JSON数据
	SearchHits xxsearchHits = xxresponse.getHits();
	//获取总条数
	long xxtotal = xxsearchHits.getTotalHits().value;
	System.out.println("共搜索到"+xxtotal+"条文档(数据)");
	//获取hits数组
	SearchHit[] xxhits = xxsearchHits.getHits();
	//遍历数组，把hits数组的每个source取出来
	for (SearchHit xxhit : xxhits) {
	String xxjson = xxhit.getSourceAsString();
	//此时可以直接打印，也可以使用fastjson工具类进行反序列化，从而转为HotelDoc类型，HotelDoc类是我们写的实体类
	HotelDoc xxhotelDoc = JSON.parseObject(xxjson, HotelDoc.class);
	//最终输出
	System.out.println("每个HotelDoc对象 = " + xxhotelDoc);
	}
}

8. 高亮显示

高亮API包括请求DSL构建和结果解析两部分，API和对应的DSL语句如下图，下图只是构建，再下面还有解析，高亮必须由构建+解析才能实现

解析，如下图

首先保证你已经做好了 '实用篇-ES-环境搭建' ，创建了名为gghotel的索引库，然后开始下面的操作。如果需要浏览器操作es，那就不需要启动kibana容器
【高亮显示-】在HotelSearchTest类添加如下

@Test
void xxtestHightlight() throws IOException {

	//准备Request对象，要查询哪个索引库，
	SearchRequest xxrequest = new SearchRequest("gghotel");

	//【构建】
	//查询name字段的文档
	xxrequest.source().query(QueryBuilders.matchQuery("name","上海"));
	//对查询出来的文档，的特定字段进行高亮显示
	xxrequest.source().highlighter(new HighlightBuilder().field("name").requireFieldMatch(true).preTags("<em>").postTags("</em>"));

	//发送请求
	SearchResponse xxresponse = xxclient.search(xxrequest, RequestOptions.DEFAULT);

	//解析获取到杂乱JSON数据
	SearchHits xxsearchHits = xxresponse.getHits();
	//获取总条数
	long xxtotal = xxsearchHits.getTotalHits().value;
	System.out.println("共搜索到"+xxtotal+"条文档(数据)");
	//获取hits数组
	SearchHit[] xxhits = xxsearchHits.getHits();
	//遍历数组，把hits数组的每个source取出来
	for (SearchHit xxhit : xxhits) {
		String xxjson = xxhit.getSourceAsString();
		//此时可以直接打印，也可以使用fastjson工具类进行反序列化，从而转为HotelDoc类型，HotelDoc类是我们写的实体类
		HotelDoc xxhotelDoc = JSON.parseObject(xxjson, HotelDoc.class);

		//【解析】获取高亮结果
		Map<String, HighlightField> xxhighlightFields = xxhit.getHighlightFields();
		//使用CollectionUtils工具类，进行判空，避免空指针
		if (!CollectionUtils.isEmpty(xxhighlightFields)){
			//根据字段名获取高亮结果
			HighlightField xxhighlightField = xxhighlightFields.get("name");
			//判断name不为空
				if (xxhighlightField != null) {
    				//获取高亮值
					String xxname = xxhighlightField.getFragments()[0].string();
					//覆盖非高亮结果
					xxhotelDoc.setName(xxname);
				}
		}
		//最终输出
		System.out.println("每个HotelDoc对象 = " + xxhotelDoc);
	}
}

实用篇-ES-黑马旅游案例

这个案例我做了两遍才做出来了，第一遍排了一上午的错，所以很有必要进行环境准备，下面我将带领你对一下我的环境，全网最详细的自创笔记 

1. 环境准备-docker

企业部署一般都是采用Linux操作系统，而其中又数CentOS发行版占比最多，因此我们接下来会在CentOS下安装Docker
CentOS7镜像快速下载，我正在用的

https://cowtransfer.com/s/56423adc78374f

远程软件FinalShell快速下载，我正在用的

https://cowtransfer.com/s/b4c8fcb5c15244

idea+jdk下载

https://cowtransfer.com/s/7dcb0c66154d45

mysql下载

https://cowtransfer.com/s/567413055c9a4f

第一步: 在VMware虚拟机安装CentOS7系统，安装完成之后，使用finalshell远程软件进行远程连接，然后安装yum工具，执行如下

yum install -y yum-utils \
           device-mapper-persistent-data \
           lvm2 --skip-broken

第二步: 更新本地镜像源，执行如下

# 设置docker镜像源
yum-config-manager \
    --add-repo \
    https://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo
    
sed -i 's/download.docker.com/mirrors.aliyun.com\/docker-ce/g' /etc/yum.repos.d/docker-ce.repo

yum makecache fast

第三步: 执行如下安装docker，稍等片刻，docker即可安装成功。docker-ce为社区免费版本

yum install -y docker-ce

第四步: 由于Docker应用需要用到各种端口，逐一去修改防火墙设置，会非常麻烦，所以学习期间直接关闭防火墙即可

# 关闭
systemctl stop firewalld
# 禁止开机启动防火墙
systemctl disable firewalld

第五步: 通过命令启动docker

systemctl start docker    # 启动docker服务

systemctl stop docker     # 停止docker服务

systemctl restart docker  # 重启docker服务

systemctl status docker   # 查看docker的启动状态

docker -v  # 查看docker版本

第六步: 配置docker镜像仓库，设置为国内的镜像仓库，以后在docker里面下载东西的时候速度会更快。分别执行如下命令

sudo mkdir -p /etc/docker       # 创建文件夹

sudo tee /etc/docker/daemon.json <<-'EOF'
{
  "registry-mirrors": ["https://93we6x1g.mirror.aliyuncs.com"]
}
EOF                             # 在刚刚创建的文件夹里面新建daemon.json文件，并写入花括号里面的数据

sudo systemctl daemon-reload    # 重新加载daemon.json文件

sudo systemctl restart docker   # 重启docker

2. 环境准备-elasticsearch

第一步: 创建网络

systemctl start docker    # 启动docker服务
docker network create es-net #创建一个网络，名字是es-net

第二步: 加载es镜像。采用elasticsearch的7.12.1版本的镜像，这个镜像体积有800多MB，所以需要在Windows上下载链接安装包，下载下来是一个es的镜像tar包，然后传到CentOS7的/root目录

es.tar下载: https://cowtransfer.com/s/c84ac851b9ba44

kibana.tar下载: https://cowtransfer.com/s/a76d8339d7ba4d

第三步: 把在CentOS7的/root目录的es镜像，导入到docker

docker load -i es.tar

第四步: 创建并运行es容器，容器名称就叫es。在docker(也叫Docker大容器、Docker主机、宿主机)，根据es镜像来创建es容器

docker run -d \
	--name es \
    -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
    -e "discovery.type=single-node" \
    -v es-data:/usr/share/elasticsearch/data \
    -v es-plugins:/usr/share/elasticsearch/plugins \
    --privileged \
    --network es-net \
    -p 9200:9200 \
    -p 9300:9300 \
elasticsearch:7.12.1

然后，在浏览器中输入：http://你的ip地址:9200 即可看到elasticsearch的响应结果

3. 环境准备-mysql

第一步: 打开database软件，把tb_hotel.sql文件导入进你的数据库

tb_hotel.sql下载: https://cowtransfer.com/s/68c94a66d17248

create database if not exists elasticsearch;
use elasticsearch;

4. 环境准备-项目导入

第一步: 把下载好的hotel-demo.zip压缩包解压，得到hotel-demo文件夹，在idea打开hotel-demo

hotel-demo.zip下载:https://cowtransfer.com/s/36ac0a9f9d9043

第二步: 修改application.yml文件，配置正确的数据库信息

第三步: 把pom.xml修改为如下

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>2.3.10.RELEASE</version>
        <relativePath/> <!-- lookup parent from repository -->
    </parent>
    <groupId>cn.itcast.demo</groupId>
    <artifactId>hotel-demo</artifactId>
    <version>0.0.1-SNAPSHOT</version>
    <name>hotel-demo</name>
    <description>Demo project for Spring Boot</description>
    <properties>
        <java.version>1.8</java.version>
        <elasticsearch.version>7.12.1</elasticsearch.version>
    </properties>
    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <!--引入es的RestHighLevelClient，版本要跟你Centos7里面部署的es版本一致-->
        <dependency>
            <groupId>org.elasticsearch.client</groupId>
            <artifactId>elasticsearch-rest-high-level-client</artifactId>
            <version>7.12.1</version>
        </dependency>

        <dependency>
            <groupId>com.baomidou</groupId>
            <artifactId>mybatis-plus-boot-starter</artifactId>
            <version>3.4.2</version>
        </dependency>
        <dependency>
            <groupId>mysql</groupId>
            <artifactId>mysql-connector-java</artifactId>
            <scope>runtime</scope>
        </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>
            <exclusions>
                <exclusion>
                    <groupId>org.junit.vintage</groupId>
                    <artifactId>junit-vintage-engine</artifactId>
                </exclusion>
            </exclusions>
        </dependency>
		<!--FastJson-->
        <dependency>
            <groupId>com.alibaba</groupId>
            <artifactId>fastjson</artifactId>
            <version>1.2.71</version>
        </dependency>
		<dependency>
            <groupId>org.apache.commons</groupId>
            <artifactId>commons-lang3</artifactId>
        </dependency>

    </dependencies>

    <build>
        <plugins>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
                <configuration>
                    <excludes>
                        <exclude>
                            <groupId>org.projectlombok</groupId>
                            <artifactId>lombok</artifactId>
                        </exclude>
                    </excludes>
                </configuration>
            </plugin>
        </plugins>
    </build>

</project>

5. 环境准备-同步数据

把mysql的数据导入进es，我们需要使用前面学的es提供的RestClient，就可以通过java代码创建索引库，并往这个索引库导入文档(文档就是数据的意思)
第一步: 在hotel-demo项目的 src/test/java/cn.itcast.hotel 目录新建 HotelIndexTest 类，用于在es中创建名为hotel的索引库，写入如下
写完就运行xxcreateHotelIndex方法，把索引库创建出来

package cn.itcast.hotel;

import org.apache.http.HttpHost;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.client.indices.CreateIndexRequest;
import org.elasticsearch.common.xcontent.XContentType;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import java.io.IOException;
import static cn.itcast.hotel.constants.HotelConstants.xxMappingTemplate;

public class HotelIndexTest {

    private RestHighLevelClient xxclient;

    @BeforeEach
        //该注解表示一开始就完成RestHighLevelClient对象的初始化
    void setUp() {
        this.xxclient = new RestHighLevelClient(RestClient.builder(
                //指定你Centos7部署的es的主机地址
                HttpHost.create("http://192.168.127.180:9200")
        ));
    }

    @AfterEach
        //该注解表示销毁，当对象运行完之后，就销毁这个对象
    void tearDown() throws IOException {
        this.xxclient.close();
    }
    
    //删除索引库(如果下面创建hotel索引库的时候，出现已存在，那么就执行这里的删除操作，把hotel索引库删掉，再创建)
    @Test
    void xxtestDeleteHotelIndex() throws IOException {
        //创建Request对象，指定要删除哪个索引库
        DeleteIndexRequest gghotel = new DeleteIndexRequest("hotel");
        //发送请求
        xxclient.indices().delete(gghotel, RequestOptions.DEFAULT);
    }

    //使用xxclient对象，向es创建索引库
    @Test
    void xxcreateHotelIndex() throws IOException {
        //创建Request对象，自定义索引库名称为hotel
        CreateIndexRequest gghotel = new CreateIndexRequest("hotel");
        //准备请求的参数: DSL语句
        gghotel.source(xxMappingTemplate, XContentType.JSON);
        //发送请求
        xxclient.indices().create(gghotel, RequestOptions.DEFAULT);
    }
}

第二步: 在hotel-demo项目的 src/main/java/cn.itcast.hotel 目录新建 constants.HotelConstants类，为es准备数据，写入如下

package cn.itcast.hotel.constants;


public class HotelConstants {

    public static final String xxMappingTemplate = "{\n" +
            "  \"mappings\": {\n" +
            "    \"properties\": {\n" +
            "      \"id\":{\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": true\n" +
            "      },\n" +
            "      \"name\":{\n" +
            "        \"type\": \"text\",\n" +
            "        \"analyzer\": \"ik_max_word\",\n" +
            "        \"copy_to\": \"all\"\n" +
            "      },\n" +
            "      \"address\":{\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": false\n" +
            "      },\n" +
            "      \"price\":{\n" +
            "        \"type\": \"integer\",\n" +
            "        \"index\": true\n" +
            "      },\n" +
            "      \"score\":{\n" +
            "        \"type\": \"integer\",\n" +
            "        \"index\": true\n" +
            "      },\n" +
            "      \"brand\":{\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": true,\n" +
            "        \"copy_to\": \"all\"\n" +
            "      },\n" +
            "      \"city\":{\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": true\n" +
            "      },\n" +
            "      \"business\":{\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": true,\n" +
            "        \"copy_to\": \"all\"\n" +
            "      },\n" +
            "      \"location\":{\n" +
            "        \"type\": \"geo_point\",\n" +
            "        \"index\": true\n" +
            "      },\n" +
            "      \"starName\":{\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": true\n" +
            "      },\n" +
            "      \"pic\":{\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": false\n" +
            "      },\n" +
            "      \"all\":{\n" +
            "        \"type\": \"text\",\n" +
            "        \"analyzer\": \"ik_max_word\"\n" +
            "      }\n" +
            "    }\n" +
            "  }\n" +
            "}";
}

第三步(这一步好像项目本身做好了，已做可跳过): 在hotel-demo项目的 src/main/java/cn.itcast.hotel/pojo 目录新建Hotel、HotelDoc类，写入如下

package cn.itcast.hotel.pojo;

import com.baomidou.mybatisplus.annotation.IdType;
import com.baomidou.mybatisplus.annotation.TableId;
import com.baomidou.mybatisplus.annotation.TableName;
import lombok.Data;

@Data
@TableName("tb_hotel")
public class Hotel {
    @TableId(type = IdType.INPUT)
    private Long id;
    private String name;
    private String address;
    private Integer price;
    private Integer score;
    private String brand;
    private String city;
    private String starName;
    private String business;
    private String longitude;
    private String latitude;
    private String pic;
}

package cn.itcast.hotel.pojo;

import lombok.Data;
import lombok.NoArgsConstructor;

@Data
@NoArgsConstructor
public class HotelDoc {
    private Long id;
    private String name;
    private String address;
    private Integer price;
    private Integer score;
    private String brand;
    private String city;
    private String starName;
    private String business;
    private String location;
    private String pic;

    public HotelDoc(Hotel hotel) {
        this.id = hotel.getId();
        this.name = hotel.getName();
        this.address = hotel.getAddress();
        this.price = hotel.getPrice();
        this.score = hotel.getScore();
        this.brand = hotel.getBrand();
        this.city = hotel.getCity();
        this.starName = hotel.getStarName();
        this.business = hotel.getBusiness();
        this.location = hotel.getLatitude() + ", " + hotel.getLongitude();
        this.pic = hotel.getPic();
    }
}

第四步: 在hotel-demo项目的 src/test/java/cn.itcast.hotel 目录新建 HotelDocumentTest类，用于把mysql的数据批量导入进es，写入如下
写完就运行testBulkRequest方法，把数据往索引库里面批量导入

package cn.itcast.hotel;

import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.pojo.HotelDoc;
import cn.itcast.hotel.service.IHotelService;
import com.alibaba.fastjson.JSON;
import org.apache.http.HttpHost;
import org.elasticsearch.action.bulk.BulkRequest;
import org.elasticsearch.action.index.IndexRequest;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.common.xcontent.XContentType;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;

import java.io.IOException;
import java.util.List;

@SpringBootTest
public class HotelDocumentTest {

    private RestHighLevelClient xxclient;

    @BeforeEach
    //该注解表示一开始就完成RestHighLevelClient对象的初始化
    void setUp() {
        this.xxclient = new RestHighLevelClient(RestClient.builder(
                //指定你Centos7部署的es的主机地址
                HttpHost.create("http://192.168.127.180:9200")
        ));
    }

    @AfterEach
    //该注解表示销毁，当对象运行完之后，就销毁这个对象
    void tearDown() throws IOException {
        this.xxclient.close();
    }

    @Autowired
    //注入写好的IHotelService接口，用于去数据库查询数据
    private IHotelService xxhotelService;

    @Test
    void testBulkRequest() throws IOException {

        //向数据库批量查询酒店数据，list方法表示查询数据库的所有数据
        List<Hotel> kkhotels = xxhotelService.list();

        //创建Request
        BulkRequest vvrequest = new BulkRequest();

        //准备参数，实际上就是添加多个新增的Request
        for (Hotel kkhotel : kkhotels) {
            //把遍历拿到的每个kkhotels转换为文档类型的数据
            HotelDoc ffhotelDoc = new HotelDoc(kkhotel);//HotelDoc是我们写的一个实体类
            //往哪个索引库批量新增文档、新增后的文档id是什么，文档类型是JSON
            vvrequest.add(new IndexRequest("hotel")
                    .id(ffhotelDoc.getId().toString())
                    //JSON.parseObject()是com.alibaba.fastjson提供的API，作用是对ffhotelDoc进行反序列化准换为json类型
                    .source(JSON.toJSONString(ffhotelDoc),XContentType.JSON));
        }

        //发送请求
        xxclient.bulk(vvrequest,RequestOptions.DEFAULT);
    }

}

6. 搜索、分页

【请保证网络正常，否则页面的静态资源部分加载不了】

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
#docker restart kibana #启动kibana容器

实现步骤如下
一、根据前端的请求，定义实体类来接收前端的请求

(1)在pojo目录新建RequestParams类，写入如下

package cn.itcast.hotel.pojo;

import lombok.Data;


@Data
public class RequestParams {
    //搜索关键字
    private String key;
    //当前页码
    private Integer page;
    //每页大小
    private Integer size;
    //将来的排序字段
    private String sortBy;
}

二、定义controller接口，接收页面请求，调用IHotelService的search方法

(1)在pojo目录新建PageResult类，写入如下

package cn.itcast.hotel.pojo;

import lombok.Data;
import java.util.List;


@Data
public class PageResult {
    //总条数
    private Long total;
    //类型
    private List<HotelDoc> hotels;

    //不带参构造函数
    public PageResult() {
    }

    //带参构造函数
    public PageResult(Long total, List<HotelDoc> hotels) {
        this.total = total;
        this.hotels = hotels;
    }
}

(2)、把IHotelService接口，修改为如下

package cn.itcast.hotel.service;

import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.pojo.PageResult;
import cn.itcast.hotel.pojo.RequestParams;
import com.baomidou.mybatisplus.extension.service.IService;

public interface IHotelService extends IService<Hotel> {
    PageResult search(RequestParams params);
}

(3)、把HotelDemoApplication启动类，修改为如下

package cn.itcast.hotel;

import com.baomidou.mybatisplus.annotation.DbType;
import com.baomidou.mybatisplus.extension.plugins.MybatisPlusInterceptor;
import com.baomidou.mybatisplus.extension.plugins.inner.PaginationInnerInterceptor;
import org.apache.http.HttpHost;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.mybatis.spring.annotation.MapperScan;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.context.annotation.Bean;

@MapperScan("cn.itcast.hotel.mapper")
@SpringBootApplication
public class HotelDemoApplication {

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

    @Bean
    //注入es提供的RestHighLevelClient类
    public RestHighLevelClient client(){
        return new RestHighLevelClient(RestClient.builder(
                //指定你Centos7部署的es的主机地址
                HttpHost.create("http://192.168.127.180:9200")
        ));
    }

}

(4)、在src/main/java/cn.itcast.hotel目录新建web.HotelController类，写入如下

package cn.itcast.hotel.web;

import cn.itcast.hotel.pojo.PageResult;
import cn.itcast.hotel.pojo.RequestParams;
import cn.itcast.hotel.service.IHotelService;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestBody;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
@RequestMapping("/hotel")
public class HotelController {

    //注入项目准备好的IHotelService接口
    @Autowired
    private IHotelService hotelService;

    @PostMapping("/list")
    //使用@RequestBody注解，接收前端的请求。PageResult、RequestParams是我们刚刚定义的实体类
    public PageResult search(@RequestBody RequestParams params){
        return hotelService.search(params);
    }
}

三、定义IHotelService中的search方法，利用match查询实现根据关键字搜索酒店信息
(4)、把HotelService类，修改为如下

package cn.itcast.hotel.service.impl;

import cn.itcast.hotel.mapper.HotelMapper;
import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.pojo.HotelDoc;
import cn.itcast.hotel.pojo.PageResult;
import cn.itcast.hotel.pojo.RequestParams;
import cn.itcast.hotel.service.IHotelService;
import com.alibaba.fastjson.JSON;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.SearchHits;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

@Service
public class HotelService extends ServiceImpl<HotelMapper, Hotel> implements IHotelService {

    @Autowired
    //注入在引导类声明好的@Bean
    private RestHighLevelClient client;

    @Override
    public PageResult search(RequestParams params) {

        try {
            //准备Request对象，要查询哪个索引库，
            SearchRequest request = new SearchRequest("hotel");

            //【关键字搜索功能】
            String key = params.getKey();//前端传过来的搜索关键字
            //判断前端传的key是否为空，避免空指针
            if (key == null || "".equals(key)) {
                //matchAllQuery方法表示查es的全部文档，不需要条件
                request.source().query(QueryBuilders.matchAllQuery());
            } else {
                //matchQuery表示按照分词查询es的文档，需要条件，这个条件我们进行了判空
                request.source().query(QueryBuilders.matchQuery("all", key));
            }

            //【分页功能】
            int page = params.getPage();//前端传过来的当前页面值，注意为了参与运算，我们将原来的Integer类型拆箱为int类型，不用包装类
            int size = params.getSize();//前端传过来的每页大小。其实拆箱就是把默认的包装类类型，改成基本类型
            request.source().from((page - 1) * size).size(size);


            //发送请求。下面那行的search报红线，我们不能抛出，要捕获一下
            SearchResponse response = client.search(request, RequestOptions.DEFAULT);


            //调用下面抽取后的方法，我们是把解析的代码抽取出去了。并把解析作为结果返回
            return handleResponse(response);
        } catch (IOException e) {
            throw new RuntimeException(e);
        }
    }

    //这个方法就是我们抽取出来的，负责解析的
    private PageResult handleResponse(SearchResponse response) {
        //解析获取到杂乱JSON数据
        SearchHits searchHits = response.getHits();
        //获取总条数
        long total = searchHits.getTotalHits().value;
        System.out.println("共搜索到"+total+"条文档(数据)");
        //获取hits数组
        SearchHit[] hits = searchHits.getHits();
        //遍历数组，把hits数组的每个source取出来，把遍历到的每条数据添加到lisi集合
        List<HotelDoc> hotels = new ArrayList<>();
        for (SearchHit hit : hits) {
            String json = hit.getSourceAsString();
            //此时可以直接打印，也可以使用fastjson工具类进行反序列化，从而转为HotelDoc类型，HotelDoc类是我们写的实体类
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
            hotels.add(hotelDoc);
        }
        //封装返回
        return new PageResult(total,hotels);
    }
}

四、运行HotelDemoApplication引导类，浏览器访问 http://localhost:8089/

7. 条件过滤

先看需求。添加品牌、城市、星级、价格等条件过滤功能

分析:
1、修改RequestParams类，添加brand、city、startName、minPrice、maxPrice等参数
2、修改HotelService类的search方法的实现，在关键字搜索时，如果brand等参数存在，就需要对其做过滤
3、注意多个条件之间是AND关系，组合多条件用BooleanQuery
4、参数存在才需要过滤，做好非空判断
5、city精确匹配，brand精确匹配，startName精确匹配，price范围过滤
第一步: 把RequestParams类，修改为如下

package cn.itcast.hotel.pojo;

import lombok.Data;


@Data
public class RequestParams {
    //搜索关键字
    private String key;
    //当前页码
    private Integer page;
    //每页大小
    private Integer size;
    //将来的排序字段
    private String sortBy;

    //城市
    private String city;
    //品牌
    private String brand;
    //星级
    private String starName;
    //价格最小值
    private Integer minPrice;
    //价格最大值
    private Integer maxPrice;
}

第二步: 把HotelService类，修改为如下

package cn.itcast.hotel.service.impl;

import cn.itcast.hotel.mapper.HotelMapper;
import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.pojo.HotelDoc;
import cn.itcast.hotel.pojo.PageResult;
import cn.itcast.hotel.pojo.RequestParams;
import cn.itcast.hotel.service.IHotelService;
import com.alibaba.fastjson.JSON;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.index.query.BoolQueryBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.SearchHits;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

@Service
public class HotelService extends ServiceImpl<HotelMapper, Hotel> implements IHotelService {

    @Autowired
    //注入在引导类声明好的@Bean
    private RestHighLevelClient client;


    @Override
    public PageResult search(RequestParams params) {

        try {
            //准备Request对象，要查询哪个索引库，
            SearchRequest request = new SearchRequest("hotel");

            //【构建BooleanQuery】
            BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();

            //【关键字搜索】
            //判断前端传的key是否为空，避免空指针
            String key = params.getKey();//前端传过来的搜索关键字
            //用的是must精确查找
            if (key == null || "".equals(key)) {
                //matchAllQuery方法表示查es的全部文档，不需要条件
                boolQuery.must(QueryBuilders.matchAllQuery());
            } else {
                //matchQuery表示按照分词查询es的文档，需要条件，这个条件我们进行了判空
                boolQuery.must(QueryBuilders.matchQuery("all", key));
            }

            //【条件过滤】
            //城市，term精确查找，注意判空
            if(params.getCity() != null && !params.getCity().equals("")){
                boolQuery.filter(QueryBuilders.termQuery("city",params.getCity()));
            }
            //品牌，term精确查找，注意判空
            if(params.getBrand() != null && !params.getBrand().equals("")){
                boolQuery.filter(QueryBuilders.termQuery("brand",params.getBrand()));
            }
            //星级，term精确查找，注意判空
            if(params.getStarName() != null && !params.getStarName().equals("")){
                //注意下面那行的是starName，不要写成startName
                boolQuery.filter(QueryBuilders.termQuery("starName",params.getStarName()));
            }
            //价格，range范围过滤，注意判空。gt表示大于，gte表示大于等于，lt表示小于，lte表示小于等于
            if(params.getMinPrice() != null && params.getMaxPrice() != null){
                boolQuery.filter(QueryBuilders
                        .rangeQuery("price").gte(params.getMinPrice()).lte(params.getMaxPrice()));
            }


            //这一步必须有
            request.source().query(boolQuery);


            //【分页功能】
            int page = params.getPage();//前端传过来的当前页面值，注意为了参与运算，我们将原来的Integer类型拆箱为int类型，不用包装类
            int size = params.getSize();//前端传过来的每页大小。其实拆箱就是把默认的包装类类型，改成基本类型
            request.source().from((page - 1) * size).size(size);


            //发送请求。下面那行的search报红线，我们不能抛出，要捕获一下
            SearchResponse response = client.search(request, RequestOptions.DEFAULT);


            //调用下面抽取后的方法，我们是把解析的代码抽取出去了。并把解析作为结果返回
            return handleResponse(response);
        } catch (IOException e) {
            throw new RuntimeException(e);
        }
    }

    //这个方法就是我们抽取出来的，负责解析的
    private PageResult handleResponse(SearchResponse response) {
        //解析获取到杂乱JSON数据
        SearchHits searchHits = response.getHits();
        //获取总条数
        long total = searchHits.getTotalHits().value;
        System.out.println("共搜索到"+total+"条文档(数据)");
        //获取hits数组
        SearchHit[] hits = searchHits.getHits();
        //遍历数组，把hits数组的每个source取出来，把遍历到的每条数据添加到lisi集合
        List<HotelDoc> hotels = new ArrayList<>();
        for (SearchHit hit : hits) {
            String json = hit.getSourceAsString();
            //此时可以直接打印，也可以使用fastjson工具类进行反序列化，从而转为HotelDoc类型，HotelDoc类是我们写的实体类
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
            hotels.add(hotelDoc);
        }
        //封装返回
        return new PageResult(total,hotels);
    }
}

第三步: 运行HotelDemoApplication引导类，浏览器访问 http://localhost:8089/

第四步: 解决"四星","五星" 无法作为条件进行查询的问题

8. 我附近的酒店

需求: 实现前端页面点击定位后，会将你所在的位置发送给后台，前端的请求信息如下，会向后端发送location参数。
如果谷歌浏览器发送不了位置请求的话，建议临时换成火狐浏览器

分析:
1、修改RequestParams参数，接收来自前端的location字段
2、修改HotelService类的search方法的业务逻辑，如果location有值，就添加根据geo_distance排序的功能
java代码实现距离排序，对应的DSL语句如下

第一步: 把RequestParams类，修改为如下

package cn.itcast.hotel.pojo;

import lombok.Data;


@Data
public class RequestParams {
    //搜索关键字
    private String key;
    //当前页码
    private Integer page;
    //每页大小
    private Integer size;
    //将来的排序字段
    private String sortBy;

    //城市
    private String city;
    //品牌
    private String brand;
    //星级
    private String starName;
    //价格最小值
    private Integer minPrice;
    //价格最大值
    private Integer maxPrice;
    
    //地理位置查询的字段，前端会把location传给我们
    private String location;
}

第二步: 把HotelDoc类，修改为如下

package cn.itcast.hotel.pojo;

import lombok.Data;
import lombok.NoArgsConstructor;

@Data
@NoArgsConstructor
public class HotelDoc {
    private Long id;
    private String name;
    private String address;
    private Integer price;
    private Integer score;
    private String brand;
    private String city;
    private String starName;
    private String business;
    private String location;
    private String pic;

    //地理位置查询相关的字段。distance字段用于保存解析后的距离值
    private Object distance;

    public HotelDoc(Hotel hotel) {
        this.id = hotel.getId();
        this.name = hotel.getName();
        this.address = hotel.getAddress();
        this.price = hotel.getPrice();
        this.score = hotel.getScore();
        this.brand = hotel.getBrand();
        this.city = hotel.getCity();
        this.starName = hotel.getStarName();
        this.business = hotel.getBusiness();
        this.location = hotel.getLatitude() + ", " + hotel.getLongitude();
        this.pic = hotel.getPic();
    }
}

第三步: 把HotelService类，修改为如下

package cn.itcast.hotel.service.impl;

import cn.itcast.hotel.mapper.HotelMapper;
import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.pojo.HotelDoc;
import cn.itcast.hotel.pojo.PageResult;
import cn.itcast.hotel.pojo.RequestParams;
import cn.itcast.hotel.service.IHotelService;
import com.alibaba.fastjson.JSON;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.common.geo.GeoPoint;
import org.elasticsearch.common.unit.DistanceUnit;
import org.elasticsearch.index.query.BoolQueryBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.SearchHits;
import org.elasticsearch.search.sort.SortBuilders;
import org.elasticsearch.search.sort.SortOrder;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

@Service
public class HotelService extends ServiceImpl<HotelMapper, Hotel> implements IHotelService {

    @Autowired
    //注入在引导类声明好的@Bean
    private RestHighLevelClient client;


    @Override
    public PageResult search(RequestParams params) {

        try {
            //准备Request对象，要查询哪个索引库，
            SearchRequest request = new SearchRequest("hotel");

            //【构建BooleanQuery】
            BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();

            //【关键字搜索】
            //判断前端传的key是否为空，避免空指针
            String key = params.getKey();//前端传过来的搜索关键字
            //用的是must精确查找
            if (key == null || "".equals(key)) {
                //matchAllQuery方法表示查es的全部文档，不需要条件
                boolQuery.must(QueryBuilders.matchAllQuery());
            } else {
                //matchQuery表示按照分词查询es的文档，需要条件，这个条件我们进行了判空
                boolQuery.must(QueryBuilders.matchQuery("all", key));
            }

            //【条件过滤】
            //城市，term精确查找，注意判空
            if(params.getCity() != null && !params.getCity().equals("")){
                boolQuery.filter(QueryBuilders.termQuery("city",params.getCity()));
            }
            //品牌，term精确查找，注意判空
            if(params.getBrand() != null && !params.getBrand().equals("")){
                boolQuery.filter(QueryBuilders.termQuery("brand",params.getBrand()));
            }
            //星级，term精确查找，注意判空
            if(params.getStarName() != null && !params.getStarName().equals("")){
                boolQuery.filter(QueryBuilders.termQuery("starName",params.getStarName()));
            }
            //价格，range范围过滤，注意判空。gt表示大于，gte表示大于等于，lt表示小于，lte表示小于等于
            if(params.getMinPrice() != null && params.getMaxPrice() != null){
                boolQuery.filter(QueryBuilders
                        .rangeQuery("price").gte(params.getMinPrice()).lte(params.getMaxPrice()));
            }


            //这一步必须有
            request.source().query(boolQuery);


            //【分页功能】
            int page = params.getPage();//前端传过来的当前页面值，注意为了参与运算，我们将原来的Integer类型拆箱为int类型，不用包装类
            int size = params.getSize();//前端传过来的每页大小。其实拆箱就是把默认的包装类类型，改成基本类型
            request.source().from((page - 1) * size).size(size);


            //【地理排序功能】
            String location = params.getLocation();
            //对前端传的location进行判断是否为空
            if (location != null && !location.equals("")){
                //sort排序，指定是geoDistanceSort地理坐标排序，要排序的字段是location，中心点是new GeoPoint(location)
                request.source().sort(SortBuilders
                        .geoDistanceSort("location",new GeoPoint(location))
                        .order(SortOrder.ASC) //升序排序
                        .unit(DistanceUnit.KILOMETERS) //地理坐标的单位
                );
            }


            //发送请求。下面那行的search报红线，我们不能抛出，要捕获一下
            SearchResponse response = client.search(request, RequestOptions.DEFAULT);


            //调用下面抽取后的方法，我们是把解析的代码抽取出去了。并把解析作为结果返回
            return handleResponse(response);
        } catch (IOException e) {
            throw new RuntimeException(e);
        }
    }

    //这个方法就是我们抽取出来的，负责解析的
    private PageResult handleResponse(SearchResponse response) {
        //解析获取到杂乱JSON数据
        SearchHits searchHits = response.getHits();
        //获取总条数
        long total = searchHits.getTotalHits().value;
        System.out.println("共搜索到"+total+"条文档(数据)");
        //获取hits数组
        SearchHit[] hits = searchHits.getHits();
        //遍历数组，把hits数组的每个source取出来，把遍历到的每条数据添加到lisi集合
        List<HotelDoc> hotels = new ArrayList<>();
        for (SearchHit hit : hits) {
            String json = hit.getSourceAsString();
            //此时可以直接打印，也可以使用fastjson工具类进行反序列化，从而转为HotelDoc类型，HotelDoc类是我们写的实体类
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);

            //【地理坐标查询的解析】,通过getSortValues方法来获取排序值，得到的是多个值也就是数组，我们只需要一个值
            Object[] sortValues = hit.getSortValues();
            //判断是否为空
            if (sortValues.length>0){
                Object sortValue = sortValues[0];
                //把拿到的sortValue返回到页面，也就是需要把sortValue值放到HoteDoc
                hotelDoc.setDistance(sortValue);
            }

            hotels.add(hotelDoc);
        }
        //封装返回
        return new PageResult(total,hotels);
    }
}

第四步: 重启HotelDemoApplication引导类，浏览器访问http://localhost:8089/。点击定位按钮，查看是否能查询出距离自己最近的酒店并显示米数

9. 广告置顶

需求: 让指定的酒店在搜索结果中排名置顶。我们给需要置顶的酒店文档添加一个标记。然后利用function score给带有标记的文档增加权重
分析:
1、给HotelDoc类添加isAD字段，Boolean类型
2、挑选几个你喜欢的酒店，给它的文档数据添加isAD字段，值为true
3、修改HotelService类的search方法，添加function score功能，给isAD值为true的酒店增加权重
Function Score查询可以控制文档的相关性算分，java代码以及对应DSL语句如下图

第一步: 把HotelDoc类，修改为如下

package cn.itcast.hotel.pojo;

import lombok.Data;
import lombok.NoArgsConstructor;

@Data
@NoArgsConstructor
public class HotelDoc {
    private Long id;
    private String name;
    private String address;
    private Integer price;
    private Integer score;
    private String brand;
    private String city;
    private String starName;
    private String business;
    private String location;
    private String pic;

    //地理位置查询相关的字段。distance字段用于保存解析后的距离值
    private Object distance;
    
    //用于广告置顶的字段
    private Boolean isAD;

    public HotelDoc(Hotel hotel) {
        this.id = hotel.getId();
        this.name = hotel.getName();
        this.address = hotel.getAddress();
        this.price = hotel.getPrice();
        this.score = hotel.getScore();
        this.brand = hotel.getBrand();
        this.city = hotel.getCity();
        this.starName = hotel.getStarName();
        this.business = hotel.getBusiness();
        this.location = hotel.getLatitude() + ", " + hotel.getLongitude();
        this.pic = hotel.getPic();
    }
}

第二步: 使用DSL语句为索引库增加字段，由于使用DSL语句需要在浏览器使用kibana，所以我们把docker里面的kibana容器运行一下

docker restart kibana #启动kibana容器

第三步: 启动kibana之后，浏览器访问 http://你的ip地址:5601
第四步: DSL语句，表示给某个id文档添加新字段。id不一定要跟我一样，随便去mysql数据库找几个id就行

POST /hotel/_update/1557997004
{
  "doc":{
    "isAD": true
  }
}
POST /hotel/_update/1406627919
{
  "doc":{
    "isAD": true
  }
}

第五步: 把HotelService类，修改为如下

package cn.itcast.hotel.service.impl;

import cn.itcast.hotel.mapper.HotelMapper;
import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.pojo.HotelDoc;
import cn.itcast.hotel.pojo.PageResult;
import cn.itcast.hotel.pojo.RequestParams;
import cn.itcast.hotel.service.IHotelService;
import com.alibaba.fastjson.JSON;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.common.geo.GeoPoint;
import org.elasticsearch.common.unit.DistanceUnit;
import org.elasticsearch.index.query.BoolQueryBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.index.query.functionscore.FunctionScoreQueryBuilder;
import org.elasticsearch.index.query.functionscore.ScoreFunctionBuilders;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.SearchHits;
import org.elasticsearch.search.sort.SortBuilders;
import org.elasticsearch.search.sort.SortOrder;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

@Service
public class HotelService extends ServiceImpl<HotelMapper, Hotel> implements IHotelService {

    @Autowired
    //注入在引导类声明好的@Bean
    private RestHighLevelClient client;


    @Override
    public PageResult search(RequestParams params) {

        try {
            //准备Request对象，要查询哪个索引库，
            SearchRequest request = new SearchRequest("hotel");

            //【构建BooleanQuery，下面那行的boolQuery是原始查询】
            BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();

            //【关键字搜索】
            //判断前端传的key是否为空，避免空指针
            String key = params.getKey();//前端传过来的搜索关键字
            //用的是must精确查找
            if (key == null || "".equals(key)) {
                //matchAllQuery方法表示查es的全部文档，不需要条件
                boolQuery.must(QueryBuilders.matchAllQuery());
            } else {
                //matchQuery表示按照分词查询es的文档，需要条件，这个条件我们进行了判空
                boolQuery.must(QueryBuilders.matchQuery("all", key));
            }

            //【条件过滤】
            //城市，term精确查找，注意判空
            if(params.getCity() != null && !params.getCity().equals("")){
                boolQuery.filter(QueryBuilders.termQuery("city",params.getCity()));
            }
            //品牌，term精确查找，注意判空
            if(params.getBrand() != null && !params.getBrand().equals("")){
                boolQuery.filter(QueryBuilders.termQuery("brand",params.getBrand()));
            }
            //星级，term精确查找，注意判空
            if(params.getStarName() != null && !params.getStarName().equals("")){
                boolQuery.filter(QueryBuilders.termQuery("starName",params.getStarName()));
            }
            //价格，range范围过滤，注意判空。gt表示大于，gte表示大于等于，lt表示小于，lte表示小于等于
            if(params.getMinPrice() != null && params.getMaxPrice() != null){
                boolQuery.filter(QueryBuilders
                        .rangeQuery("price").gte(params.getMinPrice()).lte(params.getMaxPrice()));
            }
            
            //【构建functionScoreQuery，实现算分查询。对应的是广告置顶功能】
            FunctionScoreQueryBuilder functionScoreQuery =
                    //原始查询，需要进行相关性算分的查询
                    QueryBuilders.functionScoreQuery(boolQuery,
                    //function score的数组，里面有很多function score
                    new FunctionScoreQueryBuilder.FilterFunctionBuilder[]{
                        //一个具体的function score
                        new FunctionScoreQueryBuilder.FilterFunctionBuilder(
                                //过滤，简单说就是满足isAD字段为true的文档就会参与算分
                                QueryBuilders.termQuery("isAD",true),
                                //要使用什么算分函数，下面那行使用的是weightFactorFunction加权算分，最终score分数越大，排名就越前
                                ScoreFunctionBuilders.weightFactorFunction(10)//算出来的最终score就会被乘10
                        )        
                    });


            //这一步必须有
            request.source().query(functionScoreQuery);


            //【分页功能】
            int page = params.getPage();//前端传过来的当前页面值，注意为了参与运算，我们将原来的Integer类型拆箱为int类型，不用包装类
            int size = params.getSize();//前端传过来的每页大小。其实拆箱就是把默认的包装类类型，改成基本类型
            request.source().from((page - 1) * size).size(size);


            //【地理排序功能】
            String location = params.getLocation();
            //对前端传的location进行判断是否为空
            if (location != null && !location.equals("")){
                //sort排序，指定是geoDistanceSort地理坐标排序，要排序的字段是location，中心点是new GeoPoint(location)
                request.source().sort(SortBuilders
                        .geoDistanceSort("location",new GeoPoint(location))
                        .order(SortOrder.ASC) //升序排序
                        .unit(DistanceUnit.KILOMETERS) //地理坐标的单位
                );
            }


            //发送请求。下面那行的search报红线，我们不能抛出，要捕获一下
            SearchResponse response = client.search(request, RequestOptions.DEFAULT);


            //调用下面抽取后的方法，我们是把解析的代码抽取出去了。并把解析作为结果返回
            return handleResponse(response);
        } catch (IOException e) {
            throw new RuntimeException(e);
        }
    }

    //这个方法就是我们抽取出来的，负责解析的
    private PageResult handleResponse(SearchResponse response) {
        //解析获取到杂乱JSON数据
        SearchHits searchHits = response.getHits();
        //获取总条数
        long total = searchHits.getTotalHits().value;
        System.out.println("共搜索到"+total+"条文档(数据)");
        //获取hits数组
        SearchHit[] hits = searchHits.getHits();
        //遍历数组，把hits数组的每个source取出来，把遍历到的每条数据添加到lisi集合
        List<HotelDoc> hotels = new ArrayList<>();
        for (SearchHit hit : hits) {
            String json = hit.getSourceAsString();
            //此时可以直接打印，也可以使用fastjson工具类进行反序列化，从而转为HotelDoc类型，HotelDoc类是我们写的实体类
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);

            //【地理坐标查询的解析】,通过getSortValues方法来获取排序值，得到的是多个值也就是数组，我们只需要一个值
            Object[] sortValues = hit.getSortValues();
            //判断是否为空
            if (sortValues.length>0){
                Object sortValue = sortValues[0];
                //把拿到的sortValue返回到页面，也就是需要把sortValue值放到HoteDoc
                hotelDoc.setDistance(sortValue);
            }

            hotels.add(hotelDoc);
        }
        //封装返回
        return new PageResult(total,hotels);
    }
}

第六步: 重启HotelDemoApplication引导类，浏览器访问http://localhost:8089/。查看我们指定的那两个酒店是否置顶

10. 高亮显示

高亮API包括请求DSL构建和结果解析两部分，API和对应的DSL语句如下图，下图只是构建，再下面还有解析，高亮必须由构建+解析才能实现

解析，如下图

第一步: 把HotelService类，修改为如下

package cn.itcast.hotel.service.impl;

import cn.itcast.hotel.mapper.HotelMapper;
import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.pojo.HotelDoc;
import cn.itcast.hotel.pojo.PageResult;
import cn.itcast.hotel.pojo.RequestParams;
import cn.itcast.hotel.service.IHotelService;
import com.alibaba.fastjson.JSON;
import com.baomidou.mybatisplus.core.toolkit.CollectionUtils;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.common.geo.GeoPoint;
import org.elasticsearch.common.unit.DistanceUnit;
import org.elasticsearch.index.query.BoolQueryBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.index.query.functionscore.FunctionScoreQueryBuilder;
import org.elasticsearch.index.query.functionscore.ScoreFunctionBuilders;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.SearchHits;
import org.elasticsearch.search.fetch.subphase.highlight.HighlightBuilder;
import org.elasticsearch.search.fetch.subphase.highlight.HighlightField;
import org.elasticsearch.search.sort.SortBuilders;
import org.elasticsearch.search.sort.SortOrder;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;
import java.util.Map;

@Service
public class HotelService extends ServiceImpl<HotelMapper, Hotel> implements IHotelService {

    @Autowired
    //注入在引导类声明好的@Bean
    private RestHighLevelClient client;


    @Override
    public PageResult search(RequestParams params) {

        try {
            //准备Request对象，要查询哪个索引库，
            SearchRequest request = new SearchRequest("hotel");

            //【构建BooleanQuery，下面那行的boolQuery是原始查询】
            BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();

            //【关键字搜索】
            //判断前端传的key是否为空，避免空指针
            String key = params.getKey();//前端传过来的搜索关键字
            //用的是must精确查找
            if (key == null || "".equals(key)) {
                //matchAllQuery方法表示查es的全部文档，不需要条件
                boolQuery.must(QueryBuilders.matchAllQuery());
            } else {
                //matchQuery表示按照分词查询es的文档，需要条件，这个条件我们进行了判空
                boolQuery.must(QueryBuilders.matchQuery("all", key));
            }

            //【条件过滤】
            //城市，term精确查找，注意判空
            if(params.getCity() != null && !params.getCity().equals("")){
                boolQuery.filter(QueryBuilders.termQuery("city",params.getCity()));
            }
            //品牌，term精确查找，注意判空
            if(params.getBrand() != null && !params.getBrand().equals("")){
                boolQuery.filter(QueryBuilders.termQuery("brand",params.getBrand()));
            }
            //星级，term精确查找，注意判空
            if(params.getStarName() != null && !params.getStarName().equals("")){
                boolQuery.filter(QueryBuilders.termQuery("starName",params.getStarName()));
            }
            //价格，range范围过滤，注意判空。gt表示大于，gte表示大于等于，lt表示小于，lte表示小于等于
            if(params.getMinPrice() != null && params.getMaxPrice() != null){
                boolQuery.filter(QueryBuilders
                        .rangeQuery("price").gte(params.getMinPrice()).lte(params.getMaxPrice()));
            }

            //【构建functionScoreQuery，实现算分查询。对应的是广告置顶功能】
            FunctionScoreQueryBuilder functionScoreQuery =
                    //原始查询，需要进行相关性算分的查询
                    QueryBuilders.functionScoreQuery(boolQuery,
                    //function score的数组，里面有很多function score
                    new FunctionScoreQueryBuilder.FilterFunctionBuilder[]{
                        //一个具体的function score
                        new FunctionScoreQueryBuilder.FilterFunctionBuilder(
                                //过滤，简单说就是满足isAD字段为true的文档就会参与算分
                                QueryBuilders.termQuery("isAD",true),
                                //要使用什么算分函数，下面那行使用的是weightFactorFunction加权算分，最终score分数越大，排名就越前
                                ScoreFunctionBuilders.weightFactorFunction(10)//算出来的最终score就会被乘10
                        )
                    });


            //【高亮显示】对查询出来的文档，的特定字段进行高亮显示
            request.source().highlighter(new HighlightBuilder().field("all").requireFieldMatch(true).preTags("<em>").postTags("</em>"));


            //这一步必须有
            request.source().query(functionScoreQuery);


            //【分页功能】
            int page = params.getPage();//前端传过来的当前页面值，注意为了参与运算，我们将原来的Integer类型拆箱为int类型，不用包装类
            int size = params.getSize();//前端传过来的每页大小。其实拆箱就是把默认的包装类类型，改成基本类型
            request.source().from((page - 1) * size).size(size);


            //【地理排序功能】
            String location = params.getLocation();
            //对前端传的location进行判断是否为空
            if (location != null && !location.equals("")){
                //sort排序，指定是geoDistanceSort地理坐标排序，要排序的字段是location，中心点是new GeoPoint(location)
                request.source().sort(SortBuilders
                        .geoDistanceSort("location",new GeoPoint(location))
                        .order(SortOrder.ASC) //升序排序
                        .unit(DistanceUnit.KILOMETERS) //地理坐标的单位
                );
            }


            //发送请求。下面那行的search报红线，我们不能抛出，要捕获一下
            SearchResponse response = client.search(request, RequestOptions.DEFAULT);


            //调用下面抽取后的方法，我们是把解析的代码抽取出去了。并把解析作为结果返回
            return handleResponse(response);
        } catch (IOException e) {
            throw new RuntimeException(e);
        }
    }

    //这个方法就是我们抽取出来的，负责解析的
    private PageResult handleResponse(SearchResponse response) {
        //解析获取到杂乱JSON数据
        SearchHits searchHits = response.getHits();
        //获取总条数
        long total = searchHits.getTotalHits().value;
        System.out.println("共搜索到"+total+"条文档(数据)");
        //获取hits数组
        SearchHit[] hits = searchHits.getHits();
        //遍历数组，把hits数组的每个source取出来，把遍历到的每条数据添加到lisi集合
        List<HotelDoc> hotels = new ArrayList<>();
        for (SearchHit hit : hits) {
            String json = hit.getSourceAsString();
            //此时可以直接打印，也可以使用fastjson工具类进行反序列化，从而转为HotelDoc类型，HotelDoc类是我们写的实体类
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);

            //【地理坐标查询的解析】,通过getSortValues方法来获取排序值，得到的是多个值也就是数组，我们只需要一个值
            Object[] sortValues = hit.getSortValues();
            //判断是否为空
            if (sortValues.length>0){
                Object sortValue = sortValues[0];
                //把拿到的sortValue返回到页面，也就是需要把sortValue值放到HoteDoc
                hotelDoc.setDistance(sortValue);
            }

            //【解析】获取高亮结果
            Map<String, HighlightField> xxhighlightFields = hit.getHighlightFields();
            //使用CollectionUtils工具类，进行判空，避免空指针
            if (!CollectionUtils.isEmpty(xxhighlightFields)){
                //根据字段名获取高亮结果
                HighlightField xxhighlightField = xxhighlightFields.get("all");
                //判断name不为空
                if (xxhighlightField != null) {
                    //获取高亮值
                    String xxname = xxhighlightField.getFragments()[0].string();
                    //覆盖非高亮结果
                    hotelDoc.setName(xxname);
                }
            }

            hotels.add(hotelDoc);
        }
        //封装返回
        return new PageResult(total,hotels);
    }
}

第二步: 重启HotelDemoApplication引导类，浏览器访问http://localhost:8089/。查看是否能将搜索词高亮显示

写好的项目: 文件下载-奶牛快传 Download ｜CowTransfer

实用篇-ES-数据聚合

官方文档: https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations.html

1. 聚合的分类

聚合: 可以实现对文档数据的统计、分析、运算。聚合常见的有如下三类。注意，聚合的字段必然是不分词的，原因: 聚合不能是text类型
●桶 (Bucket) 聚合: 用来对文档做分组

• ○Term     Aggregation聚合: 按照文档字段值分组。(我们下面会演示这个，按照品牌进行分桶)
• ○Date    Histogram聚合: 按照日期阶梯分组，例如一周为一组，或者一月为一组

●度量 (Metric) 聚合: 用以计算一些值，比如最大值、最小值、平均值

• ○avg: 求平均值
• ○max: 求最大值
• ○min: 求最小值
• ○stats: 同时求max、min、avg、sum。(我们下面会演示这个，按照品牌进行求评分最值和平均值)

●管道 (Pipeline) 聚合: 其它聚合的结果为基础做聚合。这种用的不多

2. DSL实现Bucket聚合

Bucket聚合，也就是桶聚合
现在，我们要统计所有数据中的酒店品牌有多少种，此时我们可以根据酒店品牌的名称做聚合，由于品牌是字段，也就是要对字段值做分组，采用的是TermAggregation聚合，类型为term类型，DSL示例如下
确保你的环境正常启动
浏览器访问 http://你的ip地址:5601
然后我们使用的索引库是hotel，没有这个索引库的话，可以去前面 '实用篇-ES-黑马旅游案例' 的 '5. 环境准备-同步数据' 进行索引库的创建和添加数据
第一步: 具体操作，浏览器输入如下，表示对不同的品牌进行聚合，也就是不同的品牌为不同的桶，相同的品牌放进一个桶里面

第二步: 如何修改默认的排序规则，我们不希望是按照找出来的文档总条数降序排序。默认情况下，Bucket会统计Bucket内的文档数量，记为_count，并且按照count降序排序。我们如果要修改结果排序方式的话，只需要加一个order属性，如下

第三步: 我们上面是对整个索引库的数据做聚合搜索，如果索引库本身有庞大数据的话，对整个索引库的聚合搜索是对内存消耗非常大，我们希望自定义聚合的搜索范围，也就是限定要聚合的文档范围，只需要添加query条件即可，如下
gt表示大于，gte表示大于等于，lt表示小于，lte表示小于等于

3. DSL实现Metrics聚合

Metrics聚合，也就是度量聚合。例如，我们要求获取每个品牌的用户评分的min最小值、max最大值、avg平均值。注意不是整个索引库的所有酒店(文档)进行求值，所以要结合上一节的Bucket聚合一起使用
确保你的环境正常启动
浏览器访问 http://你的ip地址:5601
第一步: 具体操作，浏览器输入如下，表示对品牌(父聚合)的评分(子聚合)进行求值

第二步: 如果我们还需要对结果按照评分的平均值，再去做个排序，看一下哪个酒店评价最高，注意我们是在同里面做排序，也就是排序要写在terms里面

4. RestClient实现聚合

确保你的环境正常启动
如何在java代码使用RestClient来实现聚合。java代码以及对应的DSL语句如下图
请求，得到的是json数据

解析，对聚合结果的json数据进行解析

具体操作: 是基于之前的hotel-demo项目上继续编写，前面学的 '实用篇-ES-RestClient查询文档' 的基础上进行编写
第一步: 在HotelSearchTest类，添加如下

@Test
void testAggregation() throws IOException {

	//准备Request对象
	SearchRequest xxrequest = new SearchRequest("hotel");

	//准备DSL。设置size
	xxrequest.source().size(0);
	//准备DSL。聚合语句
	xxrequest.source().aggregation(AggregationBuilders
		.terms("BrandAggMyName") //自定义聚合名称为BrandAggMyName
		.field("brand")
		.size(10)
	);

	//发出请求
	SearchResponse xxresponse = xxclient.search(xxrequest, RequestOptions.DEFAULT);

	//【解析】
	//解析聚合结果
	Aggregations xxaggregations = xxresponse.getAggregations();
	//根据聚合名称获取聚合结果
	Terms xxbrandTerms = xxaggregations.get("BrandAggMyName");
	//获取桶(buckets)，获取的是一个集合
	List<? extends Terms.Bucket> xxbuckets = xxbrandTerms.getBuckets();
	//遍历集合，取出每一个bucket
	for (Terms.Bucket xxbucket : xxbuckets) {
		//获取key。这个key就是品牌信息
		String key = xxbucket.getKeyAsString();
		System.out.println(key);
	}
}

第二步: 运行testAggregation方法

5. 多条件聚合

案例: 在前面的 '黑马路由案例' 中，搜索页面的品牌、城市等信息不应该是在页面写死，而是通过聚合索引库中的酒店数据得来的

确保你的环境正常启动
第一步: 在IHotelService接口添加如下

/**
 * 查询城市、星级、品牌的聚合结果
 * @return 聚合结果，格式：{"城市": ["上海", "北京"], "品牌": ["如家", "希尔顿"]}
 */
//在给出来的案例图中，左侧加深的字是key，右侧浅灰的字是value，并且右侧的value有多个值。所以我们使用Map集合，并且value是list集合
Map<String, List<String>> xxfilters();

第二步: 在HotelService实现类添加如下

@Override
public Map<String, List<String>> xxfilters() {
	try {
		//准备Request对象
		SearchRequest xxrequest = new SearchRequest("hotel");

		//准备DSL。设置size
		xxrequest.source().size(0);
		//准备DSL。聚合语句。对多个字段进行聚合
		buildAggregation(xxrequest);

		//发出请求
		SearchResponse xxresponse = client.search(xxrequest, RequestOptions.DEFAULT);

		//【解析】
		//解析聚合结果
		Map<String, List<String>> yyresult = new HashMap<>();
		Aggregations xxaggregations = xxresponse.getAggregations();
		//1、根据名称获取品牌的结果
		List<String> xxbrandList = getAggByName(xxaggregations,"BrandAggMyName");
		//把品牌的结果信息放入map
		yyresult.put("品牌",xxbrandList);
		//2、根据名称获取城市的结果
		List<String> xxcityList = getAggByName(xxaggregations,"cityAggMyName");
		//把城市的结果信息放入map
		yyresult.put("城市",xxcityList);
		//3、根据名称获取星级的结果
		List<String> xxstarList = getAggByName(xxaggregations,"starAggMyName");
		//把星级的结果信息放入map
		yyresult.put("星级",xxstarList);
		//返回yyresult
		return yyresult;
	} catch (IOException e) {
		throw new RuntimeException(e);
	}
}

private List<String> getAggByName(Aggregations xxaggregations,String kkaggName) {
	//根据聚合名称获取聚合结果
	Terms xxbrandTerms = xxaggregations.get(kkaggName);
	//获取桶(buckets)，获取的是一个集合
	List<? extends Terms.Bucket> xxbuckets = xxbrandTerms.getBuckets();
	//遍历xxbuckets集合，取出每一个key。把取到的key放到xxbrandList集合
	List<String> xxbrandList = new ArrayList<>();
	for (Terms.Bucket xxbucket : xxbuckets) {
		//获取key。这个key就是品牌信息
		String xxkey = xxbucket.getKeyAsString();
		xxbrandList.add(xxkey);
	}
	return xxbrandList;
}

//把聚合的代码抽取出来
private void buildAggregation(SearchRequest xxrequest) {
	xxrequest.source().aggregation(AggregationBuilders
		.terms("BrandAggMyName") //自定义聚合名称为BrandAggMyName
		.field("brand")
		.size(100)//聚合结果限制
	);
	xxrequest.source().aggregation(AggregationBuilders
		.terms("cityAggMyName")
		.field("city")
		.size(100)
	);
	xxrequest.source().aggregation(AggregationBuilders
		.terms("starAggMyName")
		.field("starName")
		.size(100)
	);
}

抽取代码成为方法

第三步: 在HotelDemoApplicationTests添加如下。并运行contextLoads方法

@Autowired
private IHotelService hotelService;

@Test
void contextLoads() {
	Map<String, List<String>> filters = hotelService.xxfilters();
	System.out.println(filters);
}

6. hm-带过滤条件的聚合

对接前端接口，也就是把上面 '5. 多条件聚合' 实现的功能返回到前端页面，达到最终效果
前端页面会向服务端发起请求，查询品牌、城市、星级字段的聚合结果
确保你的环境正常启动
首先，保证你已经学完前面的 '实用篇-ES-黑马旅游案例' 并且在浏览器能打开前端页面

点击页面的搜索，打开浏览器控制台看一下前端向后端请求的参数

分析:
1、可以看到请求参数与之前search时的RequestParam完全一致，这是在限定聚合时的文档范围。用户搜索“外滩”，价格在300~600，那聚合必须是在这个搜索条件基础上完成
2、编写controller接口，接收该请求
3、修改IUserService#getFilters()方法，添加RequestParam参数
3、修改getFilters方法的业务，聚合时添加query条件
具体操作如下
第一步: 把HotelDemoApplicationTests类注释掉
第二步: 把IHotelService接口修改为如下，原本xxfilters方法是没有参数的，现在我们要给xxfilters方法添加参数

package cn.itcast.hotel.service;

import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.pojo.PageResult;
import cn.itcast.hotel.pojo.RequestParams;
import com.baomidou.mybatisplus.extension.service.IService;
import java.util.List;
import java.util.Map;

public interface IHotelService extends IService<Hotel> {
    PageResult search(RequestParams params);

    /**
     * 查询城市、星级、品牌的聚合结果
     * @return 聚合结果，格式：{"城市": ["上海", "北京"], "品牌": ["如家", "希尔顿"]}
     */
    //在给出来的案例图中，左侧加深的字是key，右侧浅灰的字是value，并且右侧的value有多个值。所以我们使用Map集合，并且value是list集合
    Map<String, List<String>> xxfilters(RequestParams params);
}

第三步: 把HotelService实现类修改为如下

package cn.itcast.hotel.service.impl;

import cn.itcast.hotel.mapper.HotelMapper;
import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.pojo.HotelDoc;
import cn.itcast.hotel.pojo.PageResult;
import cn.itcast.hotel.pojo.RequestParams;
import cn.itcast.hotel.service.IHotelService;
import com.alibaba.fastjson.JSON;
import com.baomidou.mybatisplus.core.toolkit.CollectionUtils;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import org.apache.http.HttpHost;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.common.geo.GeoPoint;
import org.elasticsearch.common.unit.DistanceUnit;
import org.elasticsearch.index.query.BoolQueryBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.index.query.functionscore.FunctionScoreQueryBuilder;
import org.elasticsearch.index.query.functionscore.ScoreFunctionBuilders;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.SearchHits;
import org.elasticsearch.search.aggregations.AggregationBuilders;
import org.elasticsearch.search.aggregations.Aggregations;
import org.elasticsearch.search.aggregations.bucket.terms.Terms;
import org.elasticsearch.search.fetch.subphase.highlight.HighlightBuilder;
import org.elasticsearch.search.fetch.subphase.highlight.HighlightField;
import org.elasticsearch.search.sort.SortBuilders;
import org.elasticsearch.search.sort.SortOrder;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import java.io.IOException;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

@Service
public class HotelService extends ServiceImpl<HotelMapper, Hotel> implements IHotelService {

    @Autowired
    //注入在引导类声明好的@Bean
    private RestHighLevelClient client;


    @Override
    public PageResult search(RequestParams params) {

        try {
            //准备Request对象，要查询哪个索引库，
            SearchRequest request = new SearchRequest("hotel");
            buildBasicQuery(params, request);


            //【分页功能】
            int page = params.getPage();//前端传过来的当前页面值，注意为了参与运算，我们将原来的Integer类型拆箱为int类型，不用包装类
            int size = params.getSize();//前端传过来的每页大小。其实拆箱就是把默认的包装类类型，改成基本类型
            request.source().from((page - 1) * size).size(size);


            //【地理排序功能】
            String location = params.getLocation();
            //对前端传的location进行判断是否为空
            if (location != null && !location.equals("")){
                //sort排序，指定是geoDistanceSort地理坐标排序，要排序的字段是location，中心点是new GeoPoint(location)
                request.source().sort(SortBuilders
                        .geoDistanceSort("location",new GeoPoint(location))
                        .order(SortOrder.ASC) //升序排序
                        .unit(DistanceUnit.KILOMETERS) //地理坐标的单位
                );
            }


            //发送请求。下面那行的search报红线，我们不能抛出，要捕获一下
            SearchResponse response = client.search(request, RequestOptions.DEFAULT);


            //调用下面抽取后的方法，我们是把解析的代码抽取出去了。并把解析作为结果返回
            return handleResponse(response);
        } catch (IOException e) {
            throw new RuntimeException(e);
        }
    }

    private SearchRequest buildBasicQuery(RequestParams params,SearchRequest request) {

        //【构建BooleanQuery，下面那行的boolQuery是原始查询】
        BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();

        //【关键字搜索】
        //判断前端传的key是否为空，避免空指针
        String key = params.getKey();//前端传过来的搜索关键字
        //用的是must精确查找
        if (key == null || "".equals(key)) {
            //matchAllQuery方法表示查es的全部文档，不需要条件
            boolQuery.must(QueryBuilders.matchAllQuery());
        } else {
            //matchQuery表示按照分词查询es的文档，需要条件，这个条件我们进行了判空
            boolQuery.must(QueryBuilders.matchQuery("all", key));
        }

        //【条件过滤】
        //城市，term精确查找，注意判空
        if(params.getCity() != null && !params.getCity().equals("")){
            boolQuery.filter(QueryBuilders.termQuery("city", params.getCity()));
        }
        //品牌，term精确查找，注意判空
        if(params.getBrand() != null && !params.getBrand().equals("")){
            boolQuery.filter(QueryBuilders.termQuery("brand", params.getBrand()));
        }
        //星级，term精确查找，注意判空
        if(params.getStarName() != null && !params.getStarName().equals("")){
            boolQuery.filter(QueryBuilders.termQuery("starName", params.getStarName()));
        }
        //价格，range范围过滤，注意判空。gt表示大于，gte表示大于等于，lt表示小于，lte表示小于等于
        if(params.getMinPrice() != null && params.getMaxPrice() != null){
            boolQuery.filter(QueryBuilders
                    .rangeQuery("price").gte(params.getMinPrice()).lte(params.getMaxPrice()));
        }

        //【构建functionScoreQuery，实现算分查询。对应的是广告置顶功能】
        FunctionScoreQueryBuilder functionScoreQuery =
                //原始查询，需要进行相关性算分的查询
                QueryBuilders.functionScoreQuery(boolQuery,
                        //function score的数组，里面有很多function score
                        new FunctionScoreQueryBuilder.FilterFunctionBuilder[]{
                                //一个具体的function score
                                new FunctionScoreQueryBuilder.FilterFunctionBuilder(
                                        //过滤，简单说就是满足isAD字段为true的文档就会参与算分
                                        QueryBuilders.termQuery("isAD",true),
                                        //要使用什么算分函数，下面那行使用的是weightFactorFunction加权算分，最终score分数越大，排名就越前
                                        ScoreFunctionBuilders.weightFactorFunction(10)//算出来的最终score就会被乘10
                                )
                        });


        //【高亮显示】对查询出来的文档，的特定字段进行高亮显示
        request.source().highlighter(new HighlightBuilder().field("all").requireFieldMatch(true).preTags("<em>").postTags("</em>"));


        //这一步必须有
        request.source().query(functionScoreQuery);
        return request;
    }

    //这个方法就是我们抽取出来的，负责解析的
    private PageResult handleResponse(SearchResponse response) {
        //解析获取到杂乱JSON数据
        SearchHits searchHits = response.getHits();
        //获取总条数
        long total = searchHits.getTotalHits().value;
        System.out.println("共搜索到"+total+"条文档(数据)");
        //获取hits数组
        SearchHit[] hits = searchHits.getHits();
        //遍历数组，把hits数组的每个source取出来，把遍历到的每条数据添加到lisi集合
        List<HotelDoc> hotels = new ArrayList<>();
        for (SearchHit hit : hits) {
            String json = hit.getSourceAsString();
            //此时可以直接打印，也可以使用fastjson工具类进行反序列化，从而转为HotelDoc类型，HotelDoc类是我们写的实体类
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);

            //【地理坐标查询的解析】,通过getSortValues方法来获取排序值，得到的是多个值也就是数组，我们只需要一个值
            Object[] sortValues = hit.getSortValues();
            //判断是否为空
            if (sortValues.length>0){
                Object sortValue = sortValues[0];
                //把拿到的sortValue返回到页面，也就是需要把sortValue值放到HoteDoc
                hotelDoc.setDistance(sortValue);
            }

            //【解析】获取高亮结果
            Map<String, HighlightField> xxhighlightFields = hit.getHighlightFields();
            //使用CollectionUtils工具类，进行判空，避免空指针
            if (!CollectionUtils.isEmpty(xxhighlightFields)){
                //根据字段名获取高亮结果
                HighlightField xxhighlightField = xxhighlightFields.get("all");
                //判断name不为空
                if (xxhighlightField != null) {
                    //获取高亮值
                    String xxname = xxhighlightField.getFragments()[0].string();
                    //覆盖非高亮结果
                    hotelDoc.setName(xxname);
                }
            }

            hotels.add(hotelDoc);
        }
        //封装返回
        return new PageResult(total,hotels);
    }



    //--------------------------------------------下面是多条件聚合-----------------------------------------

    @Override
    public Map<String, List<String>> xxfilters(RequestParams params) {
        try {
            //准备Request对象
            SearchRequest xxrequest = new SearchRequest("hotel");

            //添加query查询信息，也就是限定聚合的范围
            buildBasicQuery(params, xxrequest);
            //准备DSL。设置size
            xxrequest.source().size(0);
            //准备DSL。聚合语句。对多个字段进行聚合
            buildAggregation(xxrequest);

            //发出请求
            SearchResponse xxresponse = client.search(xxrequest, RequestOptions.DEFAULT);

            //【解析】
            //解析聚合结果
            Map<String, List<String>> yyresult = new HashMap<>();
            Aggregations xxaggregations = xxresponse.getAggregations();
            //1、根据名称获取品牌的结果
            List<String> xxbrandList = getAggByName(xxaggregations,"BrandAggMyName");
            //把品牌的结果信息放入map
            yyresult.put("brand",xxbrandList);
            //2、根据名称获取城市的结果
            List<String> xxcityList = getAggByName(xxaggregations,"cityAggMyName");
            //把城市的结果信息放入map
            yyresult.put("city",xxcityList);
            //3、根据名称获取星级的结果
            List<String> xxstarList = getAggByName(xxaggregations,"starAggMyName");
            //把星级的结果信息放入map
            yyresult.put("starName",xxstarList);
            //返回yyresult
            return yyresult;
        } catch (IOException e) {
            throw new RuntimeException(e);
        }
    }

    private List<String> getAggByName(Aggregations xxaggregations,String kkaggName) {
        //根据聚合名称获取聚合结果
        Terms xxbrandTerms = xxaggregations.get(kkaggName);
        //获取桶(buckets)，获取的是一个集合
        List<? extends Terms.Bucket> xxbuckets = xxbrandTerms.getBuckets();
        //遍历xxbuckets集合，取出每一个key。把取到的key放到xxbrandList集合
        List<String> xxbrandList = new ArrayList<>();
        for (Terms.Bucket xxbucket : xxbuckets) {
            //获取key。这个key就是品牌信息
            String xxkey = xxbucket.getKeyAsString();
            xxbrandList.add(xxkey);
        }
        return xxbrandList;
    }

    //把聚合的代码抽取出来
    private void buildAggregation(SearchRequest xxrequest) {
        xxrequest.source().aggregation(AggregationBuilders
                .terms("BrandAggMyName") //自定义聚合名称为BrandAggMyName
                .field("brand")
                .size(100)//聚合结果限制
        );
        xxrequest.source().aggregation(AggregationBuilders
                .terms("cityAggMyName")
                .field("city")
                .size(100)
        );
        xxrequest.source().aggregation(AggregationBuilders
                .terms("starAggMyName")
                .field("starName")
                .size(100)
        );
    }

    //--------------------------------------------上面是多条件聚合-----------------------------------------

}

第四步: 重新运行HotelDemoApplication引导类，浏览器查看是否功能正常

实用篇-ES-自动补全

1. 安装拼音分词器

elasticsearch的拼音分词插件的官方地址: GitHub - infinilabs/analysis-pinyin: 🛵 This Pinyin Analysis plugin is used to do conversion between Chinese characters and Pinyin.
拼音分词插件下载: 文件下载-奶牛快传 Download ｜CowTransfer
第一步: 下载下来是py.zip压缩包，解压之后得到一个py文件夹，把这个文件夹上传到你CentOS7的 /var/lib/docker/volumes/es-plugins/_data 目录

第二步: 重启es。注意我们的拼音分词器的版本是跟es版本一致的
第三步: 验证拼音分词器是否生效

docker restart kibana #启动kibana容器。由于在网页使用DSL去操作es，所以就需要kibana

浏览器访问 http://你的ip地址:5601
输入如下DSL语句，会把文本的每个中文分成对应的拼音，也会把整段文本的拼音首字母拼在一起

POST /_analyze
{
  "text": ["如家酒店"],
  "analyzer": "pinyin"
}

2. 自定义分词器

刚才我们看到了拼音分词器的效果，但是并不能用于生产环境，还存在一些问题

Elasticsearch中的分词器(analyzer)的组成包含三部分
●character filters: 在tokenizer之前对文本进行处理。例如删除字符、替换字符
●tokenizer: 将文本按照一定的规则切割成词条 (term)。例如keyword, 就是不分词; 还有ik_smart。这部分是真正的分词器
●tokenizer filter: 将tokenizer输出的词条做进一步处理。例如大小写转换、同义词处理、拼音处理等
我们可以按照下图的作用顺序解决拼音分词器的不足: 拼音分词器不会分词，那么就先用ik分词器，分好词后再交给拼音分词器

解决如下，注意必须在创建索引库的时候做，例如创建一个名为test的索引库

PUT /test
{
  "settings": {
    "analysis": {
      "analyzer": { // 自定义分词器
        "my_analyzer": {  // 分词器名称
          "tokenizer": "ik_max_word",
          "filter": "py" //过滤器名称
        }
      },
      "filter": { // 自定义tokenizer filter
        "py": { // 自定义过滤器名称
          "type": "pinyin", // 过滤器类型，这里是pinyin
		  "keep_full_pinyin": false, //不允许单个字来分拼音
          "keep_joined_full_pinyin": true, //全拼，给什么字或词就把什么写成拼音
          "keep_original": true, //保留中文，解决了拼音分词器分词后全是拼音的问题
          "limit_first_letter_length": 16,
          "remove_duplicated_term": true,
          "none_chinese_pinyin_tokenize": false
        }
      }
    }
  }
}

具体操作如下，注意自定义分词器只对当前索引库有效，因为我们是写在settings属性里面
确保你的环境正常启动

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
docker restart kibana #启动kibana容器，因为我们需要在浏览器执行DSL语句去操作es

第一步: 浏览器访问 http://你的ip地址:5601
输入如下DSL语句，表示创建名为test的索引库，实现自定义分词器，也就是对分词器做一些限制、开放一些限制

PUT /test
{
  "settings": {
    "analysis": {
      "analyzer": { 
        "my_analyzer": { 
          "tokenizer": "ik_max_word",
          "filter": "py"
        }
      },
      "filter": {
        "py": { 
          "type": "pinyin",
          "keep_full_pinyin": false,
          "keep_joined_full_pinyin": true,
          "keep_original": true,
          "limit_first_letter_length": 16,
          "remove_duplicated_term": true,
          "none_chinese_pinyin_tokenize": false
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "my_analyzer"
      }
    }
  }
}

第二步: 测试自定义分词器(也就是ik分词器+拼音分词器)。第一种测试方法

POST /test/_analyze
{
  "text": ["如家酒店"],
  "analyzer": "my_analyzer"
}

第三步: 测试自定义分词器(也就是ik分词器+拼音分词器)。第二种测试方法，通过往test库插入文档、然后查询插入的文档的方式来测试

POST /test/_doc/1
{
  "id": 1,
  "name": "狮子"
}
POST /test/_doc/2
{
  "id": 2,
  "name": "虱子"
}

GET /test/_search
{
  "query": {
    "match": {
      "name": "shizi"
    }
  }
}

第四步: 其实还是有个问题，如下图，在搜索中文时，却搜索出了同音字，我们不想搜索出同音字，解决在下一节会学

3. 解决自定义分词器的问题

拼音分词器适合在创建倒排索引的时候使用，但不能在搜索的时候使用
因此，字段在创建倒排索引时应该用自定义分词器(my_analyzer); 字段在搜索时应该使用is_smart分词器。对应的DSL语句如下

PUT /test
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "ik_max_word", "filter": "py"
        }
      },
      "filter": {
        "py": { ... }
      }
    }
  },
  "mappings": { //在mappings里面指定两个分词器
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "my_analyzer", //analyzer表示创建索引时使用这个my_analyzer分词器
        "search_analyzer": "ik_smart" //search_analyzer表示在搜索时使用这个search_analyzer分词器
      }
    }
  }
}

具体操作如下
确保你的环境正常启动

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
docker restart kibana #启动kibana容器，因为我们需要在浏览器执行DSL语句去操作es

第一步: 浏览器访问 http://你的ip地址:5601
第二步: 输入如下DSL语句，先删除刚刚上面创建的test索引库

DELETE /test

第三步: 输入如下DSL语句，重新创建test索引库，这次我们在mappings属性里面多添加了一个分词器"search_analyzer": "ik_smart"

PUT /test
{
  "settings": {
    "analysis": {
      "analyzer": { 
        "my_analyzer": { 
          "tokenizer": "ik_max_word",
          "filter": "py"
        }
      },
      "filter": {
        "py": { 
          "type": "pinyin",
          "keep_full_pinyin": false,
          "keep_joined_full_pinyin": true,
          "keep_original": true,
          "limit_first_letter_length": 16,
          "remove_duplicated_term": true,
          "none_chinese_pinyin_tokenize": false
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "my_analyzer",
        "search_analyzer": "ik_smart"
      }
    }
  }
}

第四步: 测试。同样是往test库创建两个文档，然后使用中文去匹配，如果不出现同音字就表示验证通过

POST /test/_doc/1
{
  "id": 1,
  "name": "狮子"
}
POST /test/_doc/2
{
  "id": 2,
  "name": "虱子"
}

GET /test/_search
{
  "query": {
    "match": {
      "name": "狮子"
    }
  }
}

4. DSL实现自动补全查询

elasticsearch提供了Completion Suggester查询来实现自动补全功能。这个查询会匹配以用户输入内容开头的词条并返回。为了提高补全查询的效率，对于文档中字段的类型有一些约束：
es在实现自动补全功能时，对查询的字段有以下两个要求
1、参与补全查询的字段必须是completion类型
2、字段的内容一般是用来补全的多个词条形成的数组

查询语法如下

// 自动补全查询
GET /test/_search
{
  "suggest": { //不是query，而是suggest，表示自动补全
    "title_suggest": { //自定义自动补全查询的名字
      "text": "s", // 关键字，例如用户输入s，就会触发
      "completion": { //自动补全的类型
        "field": "title", // 要自动补全查询的字段，注意该字段必须是completion类型
        "skip_duplicates": true, // 跳过重复的
        "size": 10 // 获取前10条结果
      }
    }
  }
}

具体操作如下，注意自定义分词器只对当前索引库有效，因为我们是写在settings属性里面
确保你的环境正常启动

systemctl start docker # 启动docker服务
docker restart es #启动elasticsearch容器
docker restart kibana #启动kibana容器，因为我们需要在浏览器执行DSL语句去操作es

第一步: 浏览器访问 http://你的ip地址:5601
第二步: 输入如下DSL语句，先删除刚刚上面创建的test索引库

DELETE /test

第三步: 输入如下DSL语句，表示重新创建test索引库，并为索引库添加3条文档数据

PUT test
{
  "mappings": {
    "properties": {
      "title":{
        "type": "completion"
      }
    }
  }
}

POST test/_doc
{
  "title": ["Sony", "WH-1000XM3"]
}
POST test/_doc
{
  "title": ["SK-II", "PITERA"]
}
POST test/_doc
{
  "title": ["Nintendo", "switch"]
}

第四步: 测试。自动补全查询。输入如下DSL语句

GET /test/_search
{
  "suggest": {
    "zidingyichaxunmingcheng": {
      "text": "s",
      "completion": {
        "field": "title",
        "skip_duplicates": true,
        "size": 10
      }
    }
  }
}

5. hm-修改酒店索引库数据结构

请把前面的 '1. 安装拼音分词器' 和 '2. 自定义分词器' 和 '3. 解决自定义分词器的问题' 做完才能进行下面的操作
我们接下来要把自动补全功能应用在前面学习的黑马旅游案例中，这节我们就先学习如下几点
1、修改hotel索引库结构，设置自定义拼音分词器
2、修改索引库的name、all字段，使用自定义分词器
3、索引库添加一个新字段suggestion，类型为completion类型，使用自定义的分词器
确保你的环境正常启动
第一步: 浏览器访问 http://你的ip地址:5601
第二步: 输入如下DSL语句，先删除已有的hotel索引库

DELETE /hotel

第三步: 输入如下DSL语句。重新创建一个hotel索引库，只是创建一个空的hotel索引库

PUT /hotel
{
  "settings": {
    "analysis": {
      "analyzer": {
        "text_anlyzer": {
          "tokenizer": "ik_max_word",
          "filter": "py"
        },
        "completion_analyzer": {
          "tokenizer": "keyword",
          "filter": "py"
        }
      },
      "filter": {
        "py": {
          "type": "pinyin",
          "keep_full_pinyin": false,
          "keep_joined_full_pinyin": true,
          "keep_original": true,
          "limit_first_letter_length": 16,
          "remove_duplicated_term": true,
          "none_chinese_pinyin_tokenize": false
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "id":{
        "type": "keyword"
      },
      "name":{
        "type": "text",
        "analyzer": "text_anlyzer",
        "search_analyzer": "ik_smart",
        "copy_to": "all"
      },
      "address":{
        "type": "keyword",
        "index": false
      },
      "price":{
        "type": "integer"
      },
      "score":{
        "type": "integer"
      },
      "brand":{
        "type": "keyword",
        "copy_to": "all"
      },
      "city":{
        "type": "keyword"
      },
      "starName":{
        "type": "keyword"
      },
      "business":{
        "type": "keyword",
        "copy_to": "all"
      },
      "location":{
        "type": "geo_point"
      },
      "pic":{
        "type": "keyword",
        "index": false
      },
      "all":{
        "type": "text",
        "analyzer": "text_anlyzer",
        "search_analyzer": "ik_smart"
      },
      "suggestion":{
          "type": "completion",
          "analyzer": "completion_analyzer"
      }
    }
  }
}

第四步: 由于某个文档(酒店)可能包括多个商圈，如下图，所以在下一步我们会在HotelDoc类进行切割后存入suggestion

第五步: 在上面的DSL语句中，我们还多创建了一个suggestion字段，所以对应的我们需要在黑马旅游案例的java代码中修改实体类

package cn.itcast.hotel.pojo;

import lombok.Data;
import lombok.NoArgsConstructor;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.Collections;
import java.util.List;

@Data
@NoArgsConstructor
public class HotelDoc {
    private Long id;
    private String name;
    private String address;
    private Integer price;
    private Integer score;
    private String brand;
    private String city;
    private String starName;
    private String business;
    private String location;
    private String pic;

    //地理位置查询相关的字段。distance字段用于保存解析后的距离值
    private Object distance;

    //用于广告置顶的字段
    private Boolean isAD;

    //用于自动补全的类型，该类型在es中必须是completion类型，该类型在java中就要写成数组(我们写成集合)
    private List<String> suggestion;

    public HotelDoc(Hotel hotel) {
        this.id = hotel.getId();
        this.name = hotel.getName();
        this.address = hotel.getAddress();
        this.price = hotel.getPrice();
        this.score = hotel.getScore();
        this.brand = hotel.getBrand();
        this.city = hotel.getCity();
        this.starName = hotel.getStarName();
        this.business = hotel.getBusiness();
        this.location = hotel.getLatitude() + ", " + hotel.getLongitude();
        this.pic = hotel.getPic();
        
        if(this.business.contains("/")){//如果同一文档的business商圈有多个，为了自动补全的分词效果更明显，我们需要分割一下
            String[] arr = this.business.split("/");
            this.suggestion = new ArrayList<>();
            this.suggestion.add(this.brand);
            //Collections是工具类，可以把数组数据逐个放进suggestion集合
            Collections.addAll(this.suggestion,arr);
            
        }else{
            //自动补全我们可以让'品牌+商圈'来做自动补全，用户触发自动补全时，补全到的就是'品牌+商圈'字段的文档
            this.suggestion = Arrays.asList(this.brand,this.business);
        }
    }
}

打开hotel-demo项目(继续做前面学的黑马旅游案例)，把HotelDoc类修改为如下

package cn.itcast.hotel.pojo;

import lombok.Data;
import lombok.NoArgsConstructor;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.Collections;
import java.util.List;

@Data
@NoArgsConstructor
public class HotelDoc {
    private Long id;
    private String name;
    private String address;
    private Integer price;
    private Integer score;
    private String brand;
    private String city;
    private String starName;
    private String business;
    private String location;
    private String pic;

    //地理位置查询相关的字段。distance字段用于保存解析后的距离值
    private Object distance;

    //用于广告置顶的字段
    private Boolean isAD;

    //用于自动补全的类型，该类型在es中必须是completion类型，该类型在java中就要写成数组(我们写成集合)
    private List<String> suggestion;

    public HotelDoc(Hotel hotel) {
        this.id = hotel.getId();
        this.name = hotel.getName();
        this.address = hotel.getAddress();
        this.price = hotel.getPrice();
        this.score = hotel.getScore();
        this.brand = hotel.getBrand();
        this.city = hotel.getCity();
        this.starName = hotel.getStarName();
        this.business = hotel.getBusiness();
        this.location = hotel.getLatitude() + ", " + hotel.getLongitude();
        this.pic = hotel.getPic();
        
        if(this.business.contains("/")){//如果同一文档的business商圈有多个，为了自动补全的分词效果更明显，我们需要分割一下
            String[] arr = this.business.split("/");
            this.suggestion = new ArrayList<>();
            this.suggestion.add(this.brand);
            //Collections是工具类，可以把数组数据逐个放进suggestion集合
            Collections.addAll(this.suggestion,arr);
            
        }else{
            //自动补全我们可以让'品牌+商圈'来做自动补全，用户触发自动补全时，补全到的就是'品牌+商圈'字段的文档
            this.suggestion = Arrays.asList(this.brand,this.business);
        }
    }
}

第六步: 运行HotelDocumentTest类的testBulkRequest方法，重新把mysql的数据导入到es的hotel索引库

第七步: 验证。自动补全功能

6. RestAPI实现自动补全查询

查询API和对应的DSL关系如下图

解析API和对应的DSL关系如下图

确保你的环境正常启动
具体操作如下
第一步: 在HotelSearchTest类添加如下，并运行xxtestSuggest方法

@Test
void xxtestSuggest() throws IOException {
        
	//准备Request，查的是哪个索引库
	SearchRequest xxrequest = new SearchRequest("hotel");

	//准备DSL，自动补全查询也就是suggestion查询
	xxrequest.source().suggest(new SuggestBuilder().addSuggestion(
		"zidingyizidongbuquanmingzi",
		//要自动补全哪个字段
		SuggestBuilders.completionSuggestion("suggestion")
		//模拟用户在搜索框输入查找
		.prefix("h")
		//跳过重复，不把重复的结果展示
		.skipDuplicates(true)
		//查多少条数据
		.size(10)
	));
	//发起请求
	SearchResponse xxresponse = xxclient.search(xxrequest, RequestOptions.DEFAULT);

	//解析结果
	System.out.println(xxresponse);
}

第二步: 结果解析。把HotelSearchTest类的xxtestSuggest方法修改为如下，并运行xxtestSuggest方法

@Test
void xxtestSuggest() throws IOException {

	//准备Request，查的是哪个索引库
	SearchRequest xxrequest = new SearchRequest("hotel");

	//准备DSL，自动补全查询也就是suggestion查询
	xxrequest.source().suggest(new SuggestBuilder().addSuggestion(
		"zidingyizidongbuquanmingzi", //为这个自定义补全查询起一个名字
		//要自动补全哪个字段
		SuggestBuilders.completionSuggestion("suggestion")
		//模拟用户在搜索框输入查找
		.prefix("h")
		//跳过重复，不把重复的结果展示
		.skipDuplicates(true)
		//查多少条数据
		.size(10)
	));
	//发起请求
	SearchResponse xxresponse = xxclient.search(xxrequest, RequestOptions.DEFAULT);

	//解析结果
	Suggest xxsuggest = xxresponse.getSuggest();
	//根据'补全查询名称'，获取补全结果
	CompletionSuggestion xxsuggestions = xxsuggest.getSuggestion("zidingyizidongbuquanmingzi");
	//获取xxsuggestions
	List<CompletionSuggestion.Entry.Option> xxoptions = xxsuggestions.getOptions();
	//遍历
	for (CompletionSuggestion.Entry.Option xxoption : xxoptions) {
		String text = xxoption.getText().toString();
		System.out.println(text);
	}
}

7. hm-搜索框自动补全查询

确保你的环境正常启动
我们刚刚使用RestAPI实现了自动补全查询，现在我们要把这个功能应用在 '黑马旅游案例' 的搜索框，首先来看一下前端给我们传来的参数，如下图
我们需要编写接口，接收该请求，返回补全结果的集合，类型为List

具体操作如下
第一步: 在IHotelService接口添加如下

List<String> xxgetSuggestions(String xxprefix);

第二步: 在HotelService类添加如下

@Override
public List<String> xxgetSuggestions(String xxprefix) {

	try {
		//准备Request，查的是哪个索引库
		SearchRequest xxrequest = new SearchRequest("hotel");

		//准备DSL，自动补全查询也就是suggestion查询
		xxrequest.source().suggest(new SuggestBuilder().addSuggestion(
			"zidingyizidongbuquanmingzi", //为这个自定义补全查询起一个名字
			//要自动补全哪个字段
			SuggestBuilders.completionSuggestion("suggestion")
			//模拟用户在搜索框输入查找
			.prefix(xxprefix)
			//跳过重复，不把重复的结果展示
			.skipDuplicates(true)
			//查多少条数据
			.size(10)
		));
		//发起请求
		SearchResponse xxresponse = client.search(xxrequest, RequestOptions.DEFAULT);

		//解析结果
		Suggest xxsuggest = xxresponse.getSuggest();
		//根据'补全查询名称'，获取补全结果
		CompletionSuggestion xxsuggestions = xxsuggest.getSuggestion("zidingyizidongbuquanmingzi");
		//获取xxsuggestions
		List<CompletionSuggestion.Entry.Option> xxoptions = xxsuggestions.getOptions();
		//准备好一个集合，当自动补全时，相关词就会在这个集合并返回给前端
		List<String> xxlist = new ArrayList<>(xxoptions.size());
		//遍历
		for (CompletionSuggestion.Entry.Option xxoption : xxoptions) {
			String text = xxoption.getText().toString();
			//把自动补全时，查到的相关词放到我们准备好的集合里面
			xxlist.add(text);
		}
		return xxlist;
	} catch (IOException e) {
		throw new RuntimeException(e);
	}
}

第三步: 在HotelController类添加如下

@GetMapping("suggestion")
public List<String> xxgetSuggestions(@RequestParam("key") String xxprefix){
	return hotelService.xxgetSuggestions(xxprefix);
}

第四步: 重新启动HotelDemoApplication引导类

第四步: 测试。查看自动补全查询是否在搜索框生效，，访问http://localhost:8089/

实用篇-ES-数据同步