ElasticSearch保姆级入门教程
文章目录
- 一、初识ElasticSearch
- 二、安装Elasticsearch
- 2.1 创建网络
- 2.2 下载资源/加载镜像
- 2.3 运行
- 2.4 部署kibana
- 2.4.1 部署
- 2.5 安装IK分词器
- 2.5.1 IK分词器的两种模式
- 2.5.2 IK分词器的扩展词词典
- 2.5.2 停用词词典
- 2.6 Mapping索引库操作
- 2.6.1 常见mapping属性
- 2.6.2 创建索引库
- 2.6.3 查看、删除、更新索引库
- 2.7 文档操作
- 2.8 RestClient操作客户端
- 2.8.1 通过java代码实现对elasticsearch的操作
- 2.8.2 RestClient索引库的增删查
- 2.8.3 RestClient文档的增删改查
- 2.9 DSL查询语法
- 2.9.1 DSL Query基本语法
- 2.9.2 DSL全文检索查询
- 2.9.3 DSL精确查询
- 2.9.4 DSL地理位置查询
- 2.9.5 Function Score Query
- 2.9.6 Boolean Query
- 2.10 搜索结果处理
- 2.10.1 排序 sort
- 2.10.2 分页 from size
- 2.10.3 高亮处理
- 2.10 RestClient 查询文档
- 2.10.1 快速入门查询文档
- 2.10.2 全文检索 单字段查询
- 2.10.3 全文检索 多字段查询
- 2.10.4 bool多条件查询
- 2.10.5 排序
- 2.10.6 高亮处理
- 三、数据聚合
- 3.1 DSL实现Bucket聚合
- 3.2 Bucket聚合-限定聚合范围
- 3.3 DSL实现Metric聚合
- 3.4 RstClient实现聚合
- 四、安装拼音分词器
- 4.1 自动补全
- 4.2 RestClient实现自动补全
- 总结
一、初识ElasticSearch
- elasticsearch是elastic stack的核心,负责存储、搜索、分析数据
- Lucene是一个Java语言的搜索引擎类库,是Apache公司的顶级项目。
- Lucene官方
- Lucene优势:
易扩展
高性能(基于倒排索引)
- mysql和elasticsearch相关概念
- MySQL擅长:
事务类的操作,可以确保数据的安全和一致性
- Elasticsearch擅长:
海量数据的搜索、分析、计算
二、安装Elasticsearch
2.1 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。这里先创建一个网络:
docker network create es-net #创建网络
2.2 下载资源/加载镜像
ElasticSearch官网并且下载kibana依赖包
或者
采用镜像tar包
docker load -i tar包
2.3 运行
- 运行docker命令,部署单点es
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
-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-e "discovery.type=single-node"
:非集群模式-v es-data:/usr/share/elasticsearch/data
:挂载逻辑卷,绑定es的数据目录-v es-logs:/usr/share/elasticsearch/logs
:挂载逻辑卷,绑定es的日志目录-v es-plugins:/usr/share/elasticsearch/plugins
:挂载逻辑卷,绑定es的插件目录--privileged
:授予逻辑卷访问权--network es-net
:加入一个名为es-net的网络中-p 9200:9200
:端口映射配置
在浏览器输入 ip:9200 即可看见一下消息说明 elasticsearch安装成功
2.4 部署kibana
- kibana可以给我们提供一个elasticsearch的可视化界面,便于我们学习。
2.4.1 部署
docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \
--network=es-net \
-p 5601:5601 \
kibana:7.12.1
部署完成后 浏览器访问 ip:5601
--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=http://es:9200"
: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
2.5 安装IK分词器
- IK分词器下载
- 下载好后我们把IK分词器的资源放入到我们docker挂载的数据卷中
- 查看es的数据卷挂载目录
docker volume inspect es-plugins
- 显示结果
[{"CreatedAt": "2022-05-06T10:06:34+08:00","Driver": "local","Labels": null,"Mountpoint": "/var/lib/docker/volumes/es-plugins/_data","Name": "es-plugins","Options": null,"Scope": "local"}
]
- 把IK分词器的解压文件放入
/var/lib/docker/volumes/es-plugins/_data
中即可 - 重启es
docker restart es
2.5.1 IK分词器的两种模式
ik_smart
:最少切分ik_max_word
:最细切分
2.5.2 IK分词器的扩展词词典
随着互联网的发展,“造词运动”也越发的频繁。出现了很多新的词语,在原有的词汇列表中并不存在。比如:“奥力给”,“绝绝子” 等。我们需要把一些新词扩展到IK分词器中
打开IK分词器config目录
在IKAnalyzer.cfg.xml配置文件内容添加:
在这个目录下新建一个
ext.dic
,可以参考config目录下复制一个配置文件进行修改,然后输入新词保存即可。重启elasticsearch
docker restart es
2.5.2 停用词词典
- 与扩展词词典一样、config目录下默认有
stopword.dic
文件打开后把我们想停用的词输入 保存即可。 - 重启elasticsearch
docker restart es
2.6 Mapping索引库操作
索引库类似于数据库中的建表操作
2.6.1 常见mapping属性
type | 数据类型 |
---|---|
type | 数据类型 |
index | 是否索引 |
analyzer | 分词器 |
properties | 子字段 |
type常见有哪些 | |
字符串 | text,keyword |
数字 | long/integet/short/byte/double/float |
布尔 | boolean |
日期 | date |
对象 | object |
2.6.2 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": {"properties": {"字段名":{"type": "text","analyzer": "ik_smart"},"字段名2":{"type": "keyword","index": "false"},"字段名3":{"properties": {"子字段": {"type": "keyword"}}},// ...略}}
}
2.6.3 查看、删除、更新索引库
- 查询索引库
PUT /索引库名
- 删除索引库
DELETE /索引库名
- 更新索引库
#更新索引库 只能添加新字段,不能修改已有字段
PUT /索引库名/_mapping
{"properties": {"新字段名":{"type": "integer"}}
}
2.7 文档操作
- 查看文档:
GET /索引库名/_doc/文档id
- 添加文档
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"},// ...
}
- 删除文档:
DELETE /索引库名/_doc/文档id
- 更新文档
1.全量修改,会删除旧文档,添加新文档
PUT /索引库名/_doc/文档id
{"字段1": "值1","字段2": "值2",// ... 略
}
2.增量修改,修改指定字段值
POST /索引库名/_update/文档id
{"doc": {"字段名": "新的值",}
}
2.8 RestClient操作客户端
2.8.1 通过java代码实现对elasticsearch的操作
pom依赖
引入es的RestHighLevelClient依赖:
<dependency><groupId>org.elasticsearch.client</groupId><artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>
创建测试类初始化客户端
@BeforeEach//先运行这个方法进行绑定客户端void setUp(){this.client=new RestHighLevelClient(RestClient.builder(HttpHost.create("http://192.168.36.129:9200")));}
2.8.2 RestClient索引库的增删查
公共部分
private RestHighLevelClient client;
创建索引库
//创建索引库@Testvoid t2() throws IOException {//1. 创建索引库对象CreateIndexRequest request = new CreateIndexRequest("hotel");//2. 请求参数,HotelIndex.INDEX_MAPPING是创建索引库的字符串模板,内容是创建索引库的DSL语句request.source(HotelIndex.INDEX_MAPPING, XContentType.JSON);//3. 发送请求client.indices().create(request, RequestOptions.DEFAULT);}
删除索引库
//删除索引库@Testvoid t3() throws IOException {//1.创建删除索引库请求对象DeleteIndexRequest request = new DeleteIndexRequest("hotel");//发送删除请求client.indices().delete(request,RequestOptions.DEFAULT);}
查询索引库
//查询索引库是否存在@Testvoid t4() throws IOException {//1.创建查询索引库请求对象GetIndexRequest request = new GetIndexRequest("hotel");//发送请求boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);System.out.println(exists==true?"索引库已经存在":"索引库不存在");}
2.8.3 RestClient文档的增删改查
新增文档
//新增文档@Testvoid t5() throws IOException {Hotel data = hotelService.getById(61083L);HotelDoc hotelDoc = new HotelDoc(data);//1.准备Request对象IndexRequest request = new IndexRequest("hotel").id(hotelDoc.getId().toString());//2.准备JSON文档(索引库中的数据)request.source(JSON.toJSONString(hotelDoc),XContentType.JSON);//3.发送请求client.index(request,RequestOptions.DEFAULT);}
删除文档
//删除文档@Testvoid t8() throws Exception{DeleteRequest request = new DeleteRequest("hotel","61083");client.delete(request,RequestOptions.DEFAULT);}
- ````修改文档```
//更新文档@Testvoid t7() throws Exception{//1.准备RequestUpdateRequest request = new UpdateRequest("hotel","61083");//2.准备请求参数request.doc(//部分更新 key value的形式"price","666","name","李四");client.update(request,RequestOptions.DEFAULT);}
查询文档
//查询文档@Testvoid t6() throws IOException {//1.查询请求对象GetRequest request = new GetRequest("hotel","61083");//2.发送请求,得到文档响应数据GetResponse documentFields = client.get(request, RequestOptions.DEFAULT);//3.拿到文档数据中的sourceString data = documentFields.getSourceAsString();//4.将source反序列化为对象HotelDoc hotelDoc = JSON.parseObject(data, HotelDoc.class);System.out.println("文档数据===>"+hotelDoc);}
批量新增
//批量新增@Testvoid t9() throws Exception{BulkRequest request = new BulkRequest();List<Hotel> lists = hotelService.list();for (Hotel list : lists) {HotelDoc hotelDoc = new HotelDoc(list);request.add(new IndexRequest("hotel").id(hotelDoc.getId().toString()).source(JSON.toJSONString(hotelDoc),XContentType.JSON));}client.bulk(request,RequestOptions.DEFAULT);}
2.9 DSL查询语法
- 查询所有:查询出所有数据,一般测试用。例如:
match_all
- 全文检索(full text)查询:利用分词器对用户输入内容分词,然后去倒排索引库中匹配。例如:
match_query 和 multi_match_query
- 精确查询:根据精确词条值查找数据,一般是查找keyword、数值、日期、boolean等类型字段。例如:
ids range term
- 地理(geo)查询:根据经纬度查询。例如:
geo_distance 和 geo_bounding_box
2.9.1 DSL Query基本语法
GET /indexName/_search
{"query": {"查询类型": {"查询条件": "条件值"}}
}
例:
GET /hotel/_search
{"query": {"match_all": {}}
}
2.9.2 DSL全文检索查询
全文检索查询的一种,会对用户输入内容分词,然后去倒排索引库检索
GET /索引库/_search
{"query": {"match": {"FIELD": "TEXT"}}
}
例:
GET /hotel/_search
{"query": {"match": {"all": "外滩五钻"}}
}
- 查询多个字段
GET /索引库/_search
{"query": {"multi_match": {"query": "TEXT","fields": ["FIELD1", " FIELD12"]}}
}
- match:
根据一个字段查询
- multi_match:
根据多个字段查询,参与查询字段越多,查询性能越差
2.9.3 DSL精确查询
term精确查询
#精确查询
GET /hotel/_search
{"query": {"term": {"FIELD": {"value": "VALUE"}}}
}
例:
#精确查询
GET /hotel/_search
{"query": {"term": {"city": {"value": "上海"}}}
}
range范围查询
GET /hotel/_search
{"query": {"range": {"FILED": {"gte": value,"lte": value}}}
}
例:
GET /hotel/_search
{"query": {"range": {"price": {"gte": 100,"lte": 200}}}
}
2.9.4 DSL地理位置查询
根据geo-distance位置范围查询
GET /hotel/_search
{"query": {"geo_distance":{# distance: 可以设定查询距离"distance":"2km",# location:当前地址位置,此字段必须是 geo_point类型"location":"31.21,121.5"}}
}
2.9.5 Function Score Query
- 当我们对第一次的搜索排序进行人工干预时,就需要用到Function Score 函数 可以自定义结果,让排序的结果变成我们想要的解构。 比如进行排名,一些酒店掏钱了,那么我们就可以通过Function Score进行加权算分 让我们想要的结果变成真
在原来查询的条件下进行加权算分
GET /hotel/_search
{"query": {"function_score": {#第一次进行条件查询匹配"query": {"match": {"all": "外滩"}},#算分函数"functions": [{"filter": {"term": {"brand": "如家"}},#算分权重为 10"weight": 10}],#加权模式 boost_mode:乘法"boost_mode": "multiply"}}
}
2.9.6 Boolean Query
布尔查询是一个或多个查询子句的组合。子查询的组合方式有:
must
:必须匹配每个子查询,类似“与”should
:选择性匹配子查询,类似“或”must_not
:必须不匹配,不参与算分,类似“非”filter
:必须匹配,不参与算分
- 演示
需求:搜索名字包含“如家”,价格不高于400,在坐标31.21,121.5周围10km范围内的酒店。
GET /hotel/_search
{"query": {"bool": {"must": [{"match": {"name": "如家"}}],"must_not": [{"range": {"FIELD": {"lte": 500}}}],"filter": [{"geo_distance": {"distance": "10km","location": {"lat": 31.21,"lon": 121.5}}}]}}
}
2.10 搜索结果处理
2.10.1 排序 sort
语法
GET /索引库名称/_search
{"query": {"match_all": {}},"sort": [{"FIELD": "desc" // 排序字段和排序方式ASC、DESC}]
}
2.10.2 分页 from size
语法
GET /索引库名称/_search
{"query": {"match_all": {}},"from": 从第几条数据开始查询, // 分页开始的位置,默认为0"size": 显示查询几条, // 期望获取的文档总数"sort": [{"按照哪个字段排序": "asc"}]
}
2.10.3 高亮处理
语法:高亮处理,默认情况搜索字段必须与高亮字段保持一致
GET /索引库名称/_search
{"query": {"match": {"FIELD": "TEXT"}},"highlight": {"fields": { // 指定要高亮的字段"FIELD": {"require_field_match":"false" #搜索字段与高亮字段匹配为false"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}}}
}
2.10 RestClient 查询文档
2.10.1 快速入门查询文档
@Testvoid t1() throws IOException {//1.创建搜索请求对象SearchRequest request = new SearchRequest("索引库名称");//2.准备DSL参数request.source().query(QueryBuilders.matchAllQuery()).from(0).size(10);//3.发送请求 得到数据集合SearchResponse search = client.search(request, RequestOptions.DEFAULT);//4.解析响应数据SearchHits hits = search.getHits();//拿到数据集合中Hits数据的条数long value = hits.getTotalHits().value;//拿到数据集合SearchHit[] hits1 = hits.getHits();//5.遍历数据for (SearchHit hit : hits1) {System.out.println(hit.getSourceAsString());}}
2.10.2 全文检索 单字段查询
@Testvoid t2() throws IOException {//1.创建搜索请求对象SearchRequest request = new SearchRequest("索引库名");//2.准备DSL参数request.source().query(QueryBuilders.matchQuery("字段","值")).from(0).size(10);//3.发送请求 得到数据集合SearchResponse search = client.search(request, RequestOptions.DEFAULT);//4.解析响应数据SearchHits hits = search.getHits();//拿到数据集合中Hits数据的条数long value = hits.getTotalHits().value;//拿到数据集合SearchHit[] hits1 = hits.getHits();//5.遍历数据for (SearchHit hit : hits1) {System.out.println(hit.getSourceAsString());}}
2.10.3 全文检索 多字段查询
@Testvoid t3() throws IOException {//1.创建搜索请求对象SearchRequest request = new SearchRequest("hotel");//2.准备DSL参数request.source().query(QueryBuilders.multiMatchQuery("查询的值","查询字段","查询字段",...)).from(0).size(10);//3.发送请求 得到数据集合SearchResponse search = client.search(request, RequestOptions.DEFAULT);//4.解析响应数据SearchHits hits = search.getHits();//拿到数据集合中Hits数据的条数long value = hits.getTotalHits().value;//拿到数据集合SearchHit[] hits1 = hits.getHits();//5.遍历数据for (SearchHit hit : hits1) {System.out.println(hit.getSourceAsString());}}
2.10.4 bool多条件查询
@Testvoid t4() throws IOException {//1.创建搜索请求对象SearchRequest request = new SearchRequest("hotel");//2.准备DSL参数BoolQueryBuilder boolQueryBuilder = new BoolQueryBuilder();//精确查询boolQueryBuilder.must(QueryBuilders.termQuery("字段名","查询的值"));//范围查询boolQueryBuilder.filter(QueryBuilders.rangeQuery("price").lte(300));request.source().query(boolQueryBuilder);//3.发送请求 得到数据集合SearchResponse search = client.search(request, RequestOptions.DEFAULT);//4.解析响应数据SearchHits hits = search.getHits();//拿到数据集合中Hits数据的条数long value = hits.getTotalHits().value;//拿到数据集合SearchHit[] hits1 = hits.getHits();//5.遍历数据for (SearchHit hit : hits1) {System.out.println(hit.getSourceAsString());}}
2.10.5 排序
@Testvoid t5() throws Exception{//1.创建搜索请求对象SearchRequest request = new SearchRequest("索引库名");//2.准备DSL参数request.source().sort("price", SortOrder.ASC).from(0).size(5);//3.发送请求 得到数据集合SearchResponse search = client.search(request, RequestOptions.DEFAULT);handleResponse(search);}
2.10.6 高亮处理
@Testvoid t6()throws Exception{//1.创建搜索请求对象SearchRequest searchRequest = new SearchRequest("hotel");//2.准备DSL参数searchRequest.source().query(QueryBuilders.matchQuery("查询字段","value值"));searchRequest.source().highlighter(new HighlightBuilder().field("高亮的字段").requireFieldMatch(false));//3.发送请求 得到数据集合SearchResponse search = client.search(searchRequest,RequestOptions.DEFAULT);//4.解析响应数据SearchHits hits = search.getHits();//拿到数据集合中Hits数据的条数long value = hits.getTotalHits().value;//拿到数据集合SearchHit[] hits1 = hits.getHits();//5.遍历数据for (SearchHit hit : hits1) {//拿到高亮字段Map<String, HighlightField> highlightFields = hit.getHighlightFields();if (!CollectionUtils.isEmpty(highlightFields)) {//拿到高亮字段的keyHighlightField name = highlightFields.get("name");if(name!=null){String highlightName = name.getFragments()[0].string();System.out.println(highlightName);}}}}
三、数据聚合
聚合(aggregations):
可以实现对文档数据的统计、分析、运算。聚合常见的有三类:Bucket:
对文档数据分组,并统计每组数量Metric:
对文档数据做计算,例如avgPipeline:
基于其它聚合结果再做聚合
聚合(aggregations):
的字段类型必须是keyword
数值
布尔
日期
聚合(aggregations)聚合三要素:聚合名称、聚合类型、聚合字段
3.1 DSL实现Bucket聚合
GET /索引库名/_search
{"size": 0, // 设置size为0,结果中不包含文档,只包含聚合结果"aggs(固定名称)": { // 定义聚合"brandAgg(自定义聚合名称)": { //给聚合起个名字"terms": { // 聚合的类型,按照品牌值聚合,所以选择term"field": "参与聚合的字段名", // 参与聚合的字段"order": {"排序字段": "asc" // 按照升序排列},"size": 20 // 希望获取的聚合结果数量}}}
}
3.2 Bucket聚合-限定聚合范围
GET /索引库名/_search
{#先进行查询,然后再将查询后的数据进行聚合"query": {"match": {"name": "酒店"}}, "size": 0, "aggs": {"brandAgg": {"terms": {"field": "brand","size": 20}}}
}
聚合可配置的属性 | |
---|---|
size | 指定聚合结果数量 |
order | 指定聚合结果排序方式 |
field | 指定聚合字段 |
3.3 DSL实现Metric聚合
- 可以获取min、max、avg等值
GET /索引库名/_search
{"size": 0, "aggs": {"brandAgg(自定义聚合名)": { "terms(添加聚合类型)": { "field": "字段", "size": 20},"aggs": { // 是上面聚合的子聚合,也就是分组后对每组分别计算"score_stats": { // 聚合名称"stats": { // 聚合类型,这里stats可以计算min、max、avg等"field": "score" // 聚合字段,这里是score}}}}}
}
3.4 RstClient实现聚合
@Testvoid t7()throws Exception{//1.准备搜索请求对象SearchRequest request = new SearchRequest("hotel");//2.准备DSLrequest.source().size(0);request.source().aggregation(AggregationBuilders//准备聚合:值为自定义聚合名称.terms("brandAgg")//聚合的字段.field("brand")//展示几条.size(10));//3.发出请求得到解析对象SearchResponse search = client.search(request, RequestOptions.DEFAULT);//4.拿到聚合对象Aggregations aggregations = search.getAggregations();//5.通过聚合对象.get(自定义聚合名称) 拿到具体的聚合类型的结果 对象Terms brandAgg = aggregations.get("brandAgg");//6.拿到桶BucketsList<? extends Terms.Bucket> buckets = brandAgg.getBuckets();//7.遍历每一条数据for (Terms.Bucket bucket : buckets) {String key = bucket.getKeyAsString();System.out.println(key);}}
四、安装拼音分词器
- 拼音分词器下载地址
- 下载与elasticsearch对应版本的拼音分词器包
- 解压拼音分词器.zip
- 将拼音分词器解压后的文件夹放入elasticsearch数据卷相对应的es-plugin文件夹下
- docker insepect es 查看es的数据卷目录
- 重启 es
自定义分词器中过滤器的参数文档:
参数文档
PUT /test
{"settings": {"analysis": {"analyzer": { // 自定义分词器"my_analyzer(自定义分词器名称)": { // 分词器名称"tokenizer": "ik_max_word","filter": "py" #对应下面的过滤器名称}},"filter": { // 自定义tokenizer filter"py": { // 过滤器名称"type": "pinyin", // 过滤器类型,这里是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", #当我插入文档数据时,会根据自定义分词规则进行过滤"search_analyzer": "ik_smart" #搜索时使用ik分词器 可以避免搜到同音字}}}
}
4.1 自动补全
- 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:
参与补全查询的字段必须是completion类型。
字段的内容一般是用来补全的多个词条形成的数组。
创建语法:
// 创建索引库
PUT test
{"mappings": {"properties": {"title":{"type": "completion"}}}
}
// 示例数据
POST test/_doc
{"title": ["Sony","switch","LOL", "WH-1000XM3"]
}
POST test/_doc
{"title": ["switch", "WH-1000XM4"]
}
查询语法:
// 自动补全查询
GET /test2/_search
{"suggest": {"title_suggest": {"text": "s", // 关键字"completion": {"field": "title", // 补全查询的字段"skip_duplicates": true, // 跳过重复的"size": 10 // 获取前10条结果}}}
}
4.2 RestClient实现自动补全
@Testvoid t8()throws Exception{//1.准备搜索请求对象SearchRequest request = new SearchRequest("test2");//2.准备DSL语句request.source().suggest(new SuggestBuilder().addSuggestion(// 自定义suggestion名称"mySuggest",//补全功能搜索的字段SuggestBuilders.completionSuggestion("title")//跳过重复的数据.skipDuplicates(true)//根据前缀来搜索补全的值,这里的值将来会通过前端传过来.prefix("s")//显示几条数据.size(10)));//3.发送请求得到数据结果SearchResponse search = client.search(request, RequestOptions.DEFAULT);//4.拿到suggest所有数据Suggest suggest = search.getSuggest();//4.1 拿到真正的suggestion补全数据的json串儿Suggest.Suggestion<? extends Suggest.Suggestion.Entry<? extends Suggest.Suggestion.Entry.Option>> mySuggest = suggest.getSuggestion("mySuggest");//5.遍历补全数据json串儿for (Suggest.Suggestion.Entry<? extends Suggest.Suggestion.Entry.Option> options : mySuggest) {//拿到自动补全数据String data = options.getText().string();System.out.println(data);}System.out.println(search);}
总结
提示:学习视频来自B站
ElasticSearch保姆级入门教程相关推荐
- 深度学习保姆级入门教程 -- 论文+代码+常用工具
导读 该篇文章可以看作是我研一如何入门深度学习的一个大总结,本人本科专业为软件工程,硕士期间研究方向为基于深度学习的图像分割,跨度相对而言不算太大.如果你对如何入门深度学习还很迷茫的话,那么请看下去吧 ...
- 微服务网关:SpringCloud Gateway保姆级入门教程
什么是微服务网关 SpringCloud Gateway是Spring全家桶中一个比较新的项目,Spring社区是这么介绍它的: 该项目借助Spring WebFlux的能力,打造了一个API网关.旨 ...
- 什么是微服务网关?SpringCloud Gateway保姆级入门教程
什么是微服务网关 SpringCloud Gateway是Spring全家桶中一个比较新的项目,Spring社区是这么介绍它的: 该项目借助Spring WebFlux的能力,打造了一个API网关.旨 ...
- 【机器学习】机器学习神器Scikit-Learn保姆级入门教程
公众号:尤而小屋 作者:Peter 编辑:Peter Scikit-learn是一个非常知名的Python机器学习库,它广泛地用于统计分析和机器学习建模等数据科学领域. 建模无敌:用户通过scikit ...
- PyTorch 分布式框架 Ray :保姆级入门教程
来源:官方博客 翻译:PyTorch 开发者社区(微信公众号) 今天的机器学习需要分布式计算.无论是训练网络.调整超参数.服务模型还是处理数据,机器学习都是计算密集型的,如果没有访问集群,速度会非常慢 ...
- Vue保姆级入门教程
文章目录 一.Vue 1.1 Vue介绍 1.2 Vue特点 1.3 Vue周边库 二.初始Vue 2.1 插值语法 2.2 指令语法 2.2.1 v:bind / 简写 : 指令 单向数据绑定 2. ...
- Containerd 的前世今生和保姆级入门教程
1. Containerd 的前世今生 很久以前,Docker 强势崛起,以"镜像"这个大招席卷全球,对其他容器技术进行致命的降维打击,使其毫无招架之力,就连 Google 也不例 ...
- 机器学习神器Scikit-Learn保姆级入门教程
Scikit-learn是一个非常知名的Python机器学习库,它广泛地用于统计分析和机器学习建模等数据科学领域. 建模无敌:用户通过scikit-learn能够实现各种监督和非监督学习的模型 功能多 ...
- 管理订单状态,该上状态机吗?轻量级状态机COLA StateMachine保姆级入门教程
前言 在平常的后端项目开发中,状态机模式的使用其实没有大家想象中那么常见,笔者之前由于不在电商领域工作,很少在业务代码中用状态机来管理各种状态,一般都是手动get/set状态值.去年笔者进入了电商领域 ...
最新文章
- 【转载】利用Matlab制作钟表
- 蔚来招聘|多传感器联合标定算法工程师
- ctrl+f5 强刷新
- javascript中涉及到汉字的比较
- mysql 001_Mysql错误积累001
- Spring.NET 1.3.1 新特性探索系列2——WCF命名空间解析器
- 小程序app is not defined
- 什么情况下会导致@Async异步方法会失效?
- Java EE 8发生了什么?
- [机器学习笔记]Note6--神经网络:表达
- 轻松搞定面试中的链表题目
- 荣耀平板5升级鸿蒙,荣耀能否“升级”鸿蒙?赵明正式确认:华为做得好会考虑采用!...
- Python实现恋爱AA公式
- 生成式对抗网络GAN汇总
- linux vi/vim 的命令
- 澳洲的10种房屋类型
- Gauss 求积公式及代码
- 计算机司法鉴定的程序,计算机司法鉴定的流程说明
- Java 二维码及条形码处理
- guzzle 请求本地地址