共计 7391 个字符，预计需要花费 19 分钟才能阅读完成。
Elasticsearch 是一个应用 Java 语言编写、恪守 Apache 协定、反对 RESTful 格调的分布式全文搜寻和剖析引擎，它基于 Lucene 库构建，并提供多种语言的 API。Elasticsearch 能够对任何类型的数据进行索引、查问和聚合剖析，无论是文本、数字、天文空间、结构化还是非结构化的。Elasticsearch 的外围性能是搜寻，它能够对数据进行分词匹配、相关性评分、高亮显示等操作，返回相关度高的后果列表。Elasticsearch 也能够用作数据分析，它能够对数据进行统计、分类、聚类等操作，返回聚合后果或图表。
本文将用我开源的 waynboot-mall 我的项目作于代码解说，Elasticsearch 版本是 7.10.1。
waynboot-mall 是一套全副开源的微商城我的项目，蕴含三个我的项目： 经营后盾、H5 商城和后端接口 。实现了一套残缺的商城业务，有首页展现、商品分类、商品详情、sku 详情、商品搜寻、退出购物车、结算下单、支付宝 / 微信领取、订单列表、商品评论等一系列性能。
本文纲要如下，
利用场景
Elasticsearch 的典型利用场景有以下几种：
- 全文搜寻：Elasticsearch 提供了全文搜寻的性能，实用于电商商品搜寻、App 搜寻、企业外部信息搜寻、IT 零碎搜寻等。例如咱们能够为每一个商品作为文档保留进 Elasticsearch，而后应用 Elasticsearch 的查询语言来对文档进行分词匹配、相关性评分、高亮显示等操作，返回相关度高的后果列表。
- 日志剖析：Elasticsearch 能够用来收集、存储和剖析海量的日志数据，如我的项目日志、Nginx log、MySQL Log 等，往往很难从繁冗的日志中获取有价值的信息。Elasticsearch 可能借助 Beats、Logstash 等工具疾速对接各种常见的数据源，并通过集成的 Kibana 高效地实现日志的可视化剖析，让日志产生价值。
- 运维监控：Elasticsearch 也能够用来监控和治理 IT 零碎的运行状态和性能指标，如 CPU、内存、磁盘、网络等。能够应用 Beats、Logstash 将这些数据实时采集并索引到 Elasticsearch 中，而后通过 Kibana 构建自定义的仪表盘和告警规定，实现实时的运维监控和预警。
- 数据可视化：Elasticsearch 与 Kibana 的联合提供了弱小的数据可视化能力，能够应用 Kibana 来创立各种类型的图表和仪表盘，展现 Elasticsearch 中存储或聚合的数据，如直方图、饼图、地图、工夫线等。还能够应用 Kibana 的 Canvas 性能来制作动静的数据展现页面，或者应用 Kibana 的 Lens 性能来进行交互式的数据摸索。
waynboot-mall 商城抉择应用 Elasticsearch 作为搜索引擎，负责对商品数据进行索引和检索，抉择 Elasticsearch 的起因有以下几点，
- Elasticsearch 是一个开源的分布式搜索引擎，基于 Lucene 开发，反对全文检索、结构化检索、地理位置检索等多种类型的检索，功能丰富。
- Elasticsearch 自身具备高性能和高可用性的设计，能够通过集群和分片机制实现程度扩大，反对海量数据的存储和解决，适宜大规模的商城搜寻场景。
- Elasticsearch 网上社区沉闷，现有互联网上有大量的应用文档和案例，不便入门应用和问题排查。
- Elasticsearch 有泛滥分词器插件，对于中文分词器的应用十分成熟，拿来即用，反对自定义字典等。
waynboot 我的项目应用的 Elasticsearch 插件
Elasticsearch 的插件十分丰盛，我给大家介绍其中 waynboot 我的项目应用的 Elasticsearch 插件。
IK Analyzer
IK Analyzer 是一个开源的中文分词器，由阿里巴巴团体公布。它采纳了细粒度切分和歧义解决等技术，可能较好地解决各种中文文本。IK Analyzer 反对一般模式、搜寻模式和拼音模式三种分词形式，并能够依据须要自定义字典。
Pinyin Analyzer
Pinyin Analyzer 插件是一个用于将中文字符转换为拼音的插件，它集成了 NLP 工具（nlp-lang）。该插件蕴含了分析器：pinyin，分词器：pinyin 和 token-filter：pinyin。该插件还提供了一些可选的参数，能够管制拼音的输入格局，例如是否保留首字母，是否保留全拼，是否保留非中文字符等。
目录构造
在 waynboot-mall 我的项目中，给 Elasticsearch 定义了专门的数据拜访层 waynboot-data-elastic，该层目录构造如下，
|-- waynboot-data // 数据拜访层
| |-- waynboot-data-elastic // Elasticsearch 拜访配置模块
| |-- config
| |-- constant
| |-- mananger包目录阐明如下，
- config：Elasticsearch 相干的配置类，蕴含 ElasticConfig 连贯配置类 以及 ElasticClientConfig 客户端配置相干类，ElasticClientConfig 类能够设置拜访明码。
- constants：Elasticsearch 拜访层的相干常量类，这外面定义了商品同步数据的索引名称等信息。
- mananger：Elasticsearch 拜访层的相干操作类，定义了 ElasticDocument 文档操作类，用于操作 Elasticsearch。
代码实战
在 waynboot-mall 我的项目中，Elasticsearch 次要用于反对首页商品的分词搜寻、分页排序等性能。Elasticsearch 版本是 7.0，以下实战解说都是在 7.0 版本根底上进行。
要应用 Elasticsearch ik 分词器进行中文分词搜寻，首先须要装置相应的插件 elasticsearch-analysis-ik，而后在创立索引时指定应用中文分词器作为字段的 analyzer 属性。
在日常对 Elasticsearch 的操作中，咱们能够通过 rest api 的形式进行操作。
Elasticsearch rest api 操作
如下咱们能够创立一个索引名称为 goods，蕴含两个属性 title、content。并且 这两个属性都应用 ik 分词器。留神这里我用的 Elasticsearch 提供 Rest api 形式创立索引。
PUT /goods
{
"settings": {
"index": {
"number_of_shards": 1,
"number_of_replicas": 0
}
},
"mappings": {
"properties": {
"title": {
"type": "text",
"analyzer": "ik_max_word"
},
"content": {
"type": "text",
"analyzer": "ik_max_word"
}
}
}
}创立索引后，就能够向索引中增加两条数据，例如：
POST /books/_doc/1
{
"title": "格林童话",
"content": "这本书介绍了很多童话故事，有白雪公主、狮子王、美人鱼等。"
}
POST /books/_doc/2
{
"title": "中国童话故事",
"content": "这本书介绍了很多中国童话故事。"
}而后咱们就能够应用 match 语法来进行中文分词检索，这里我查问 goods 索引中，title 属性是 “ 动画 ” 的记录。如下，
GET /books/_search
{
"query":{
"match":{"title": "童话"}
}
}查问后果如下，
{
"took": 0,
"timed_out": false,
"_shards": {
"total": 1,
"successful": 1,
"skipped": 0,
"failed": 0
},
"hits": {
"total": {
"value": 2,
"relation": "eq"
},
"max_score": 0.11190013,
"hits": [
{
"_index": "books",
"_type": "_doc",
"_id": "1",
"_score": 0.11190013,
"_source": {
"title": "格林童话",
"content": "这本书介绍了很多童话故事，有白雪公主、狮子王、美人鱼等。"
}
},
{
"_index": "books",
"_type": "_doc",
"_id": "2",
"_score": 0.099543065,
"_source": {
"title": "中国童话故事",
"content": "这本书介绍了很多中国童话故事。"
}
}
]
}
}能够看到，查问后果中匹配了题目蕴含“童话”的文档，这阐明 Elasticsearch 应用了中文分词器对查问字符串和文档进行了分词，并依据相关性得分返回了后果。
全文搜寻以及筛选排序
在 waynboot-mall 我的项目中，商城首页顶部提供了商品搜寻栏，用户能够输出商品名称搜寻本人想要的商品，搜寻后果展现后，还能够进行热门、新品过滤以及价格、销量等进行排序。
能够看到搜寻性能还是比较复杂的，在 waynboot-mall 我的项目中，这些逻辑全副在 Elasticsearch 外部进行解决，代码如下，
@RestController
@AllArgsConstructor
@RequestMapping("search")
public class SearchController extends BaseController {
private IGoodsService iGoodsService;
private ElasticDocument elasticDocument;
@GetMapping("result")
public R result(SearchVO searchVO) throws IOException {
// 获取筛选、排序条件
Long memberId = MobileSecurityUtils.getUserId();
String keyword = searchVO.getKeyword();
Boolean filterNew = searchVO.getFilterNew();
Boolean filterHot = searchVO.getFilterHot();
Boolean isNew = searchVO.getIsNew();
Boolean isHot = searchVO.getIsHot();
Boolean isPrice = searchVO.getIsPrice();
Boolean isSales = searchVO.getIsSales();
String orderBy = searchVO.getOrderBy();
SearchHistory searchHistory = new SearchHistory();
if (memberId != null && StringUtils.isNotEmpty(keyword)) {searchHistory.setCreateTime(LocalDateTime.now());
searchHistory.setUserId(memberId);
searchHistory.setKeyword(keyword);
}
Page<SearchVO> page = getPage();
// 查问蕴含关键字、已上架商品
SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery();
MatchQueryBuilder matchFiler = QueryBuilders.matchQuery("isOnSale", true);
MatchQueryBuilder matchQuery = QueryBuilders.matchQuery("name", keyword);
MatchPhraseQueryBuilder matchPhraseQueryBuilder = QueryBuilders.matchPhraseQuery("keyword", keyword);
boolQueryBuilder.filter(matchFiler).should(matchQuery).should(matchPhraseQueryBuilder).minimumShouldMatch(1);
searchSourceBuilder.timeout(new TimeValue(10, TimeUnit.SECONDS));
// 按是否新品排序
if (isNew) {searchSourceBuilder.sort(new FieldSortBuilder("isNew").order(SortOrder.DESC));
}
// 按是否热品排序
if (isHot) {searchSourceBuilder.sort(new FieldSortBuilder("isHot").order(SortOrder.DESC));
}
// 按价格高下排序
if (isPrice) {searchSourceBuilder.sort(new FieldSortBuilder("retailPrice").order("asc".equals(orderBy) ? SortOrder.ASC : SortOrder.DESC));
}
// 按销量排序
if (isSales) {searchSourceBuilder.sort(new FieldSortBuilder("sales").order(SortOrder.DESC));
}
// 筛选新品
if (filterNew) {MatchQueryBuilder filterQuery = QueryBuilders.matchQuery("isNew", true);
boolQueryBuilder.filter(filterQuery);
}
// 筛选热品
if (filterHot) {MatchQueryBuilder filterQuery = QueryBuilders.matchQuery("isHot", true);
boolQueryBuilder.filter(filterQuery);
}
// 组装 Elasticsearch 查问条件
searchSourceBuilder.query(boolQueryBuilder);
// Elasticsearch 分页相干
searchSourceBuilder.from((int) (page.getCurrent() - 1) * (int) page.getSize());
searchSourceBuilder.size((int) page.getSize());
// 执行 Elasticsearch 查问
List<JSONObject> list = elasticDocument.search("goods", searchSourceBuilder, JSONObject.class);
List<Integer> goodsIdList = list.stream().map(jsonObject -> (Integer) jsonObject.get("id")).collect(Collectors.toList());
if (goodsIdList.isEmpty()) {return R.success().add("goods", Collections.emptyList());
}
// 依据 Elasticsearch 中返回商品 ID 查问商品详情并放弃 es 中的排序
List<Goods> goodsList = iGoodsService.searchResult(goodsIdList);
Map<Integer, Goods> goodsMap = goodsList.stream().collect(Collectors.toMap(goods -> Math.toIntExact(goods.getId()), o -> o));
List<Goods> returnGoodsList = new ArrayList<>(goodsList.size());
for (Integer goodsId : goodsIdList) {returnGoodsList.add(goodsMap.get(goodsId));
}
if (CollectionUtils.isNotEmpty(goodsList)) {AsyncManager.me().execute(new TimerTask() {
@Override
public void run() {searchHistory.setHasGoods(true);
iSearchHistoryService.save(searchHistory);
}
});
}
return R.success().add("goods", returnGoodsList);
}
}这里对下面商城的搜寻代码给大家做一个解说：
- 第一步：获取筛选、排序条件
- 第二步：获取查问条件 - 用户搜寻关键字、商品已上架
- 第三步：获取排序条件 - 按是否新品排序、按是否热品排序、按价格高下排序、按销量排序
- 第四步：获取过滤条件 - 筛选新品、筛选热品
- 第五步：组装 Elasticsearch 查问条件以及分页条件
- 第六步：执行 Elasticsearch 查问操作
- 第七步：获取 Elasticsearch 中返回的商品 ID，并依据商品 id 查问商品详情，最初商品放弃 es 中的排序
总结一下
本文给大家解说了 waynboot-mall 我的项目中对于 elasticsearch 的应用以及代码实战解说。心愿能帮忙大家更好了解 elasticsearch，大家在本人的我的项目中如果要引入 elasticsearch，能够间接参照本文的示例代码即可应用。
想要获取 waynboot-mall 我的项目源码的同学，能够关注我公众号【程序员 wayn】，发送 waynboot-mall 即可支付。
如果感觉这篇文章写的不错的话，无妨点赞加关注，我会更新更多技术干货、我的项目教学、教训分享的文章。