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，

  1. 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。
  2. 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。
  3. 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。
  4. 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。