ElasticSearch学习总结（基础篇，可学习，可复习）

推荐：前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。。点击跳转到网站

最近一周都在学习ElasticSearch，之前也零零散散的学过一点，这次下定决心花一周的时间将之前学的知识总结一下，顺便接着再往下学习，所以写篇博客总结一下最近一周的成果，本篇属于ElasticSearch的基础篇，后面会继续深入学习。也希望这篇拙作可以帮助到诸位大佬，如有不足之处，还望诸佬不吝赐教，倾囊相授。

ElasticSearch学习总结

ElasticSearch概述
ES和Solr的差别
- ElasticSearch简介
- Solr简介
ElasticSearch安装
ES核心概念
- IK分词器
- Rest风格说明
- 关于文档的基本操作（重点）
- 集成SpringBoot
实战案例

ElasticSearch概述

ElasticSearch、简称ES，ES是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储，检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别（大数据时代）的数据，ES也使用Java开发使用Lucene作为其核心来实现所有索引和搜索的功能，但是他的目的是通过简单的RestFul API来隐藏Lucene的复杂性，从而让全文搜索变得简单。

ES和Solr的差别

ElasticSearch简介

ElasticSearch是一个实时分布式搜索和分析引擎，它让你以前所未有的速度处理大数据成为可能

它用于全文搜索、结构化、分析以及将这三者混合使用

维基百科使用ElasticSearch提供全文搜索并高亮关键字，以及输入实时搜索(search-asyou-type)和搜索纠错等搜索建议功能……

ElasticSearch是一个基于Apache Lucene的开源搜索引擎，无论在开源还是专有领域，Lucene可以被认为是迄今为止最先进，性能最好的，功能最全的搜索引擎库

但是，Lucene只是一个库，想要使用它，你必须使用java来作为开发语言并将其直接集成到你的应用中，更糟糕的是，Lucene非常复杂，你需要深入了解检索的相关知识来理解它是如何工作的

ElasticSearch也使用java开发并使用Lucene作为其核心来实现所有索引和搜索功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单！

Solr简介

Solr是Apache下的一个顶级开源项目，采用Java开发，它是基于Lucene的全文搜索服务器，Solr提供了比Lucene更为丰富的查询语言，同时实现了可配置、可扩展、并对索引、搜索性能进行了优化！

Solr可以独立运行，运行在Jetty、Tomcat等这些Servlet容器中，Solr索引的实现方法很简单，==用POST方法向Solr服务器发送一个描述Field及其内容的XML文档，Solr根据xml文档添加，删除，更新索引，==Solr搜索只需要发送HTTP GET请求，然后对Solr返回xml、json等格式的查询结果进行解析，组织页面布局，Solr不提供构建UI的功能，Solr提供了一个管理界面，通过管理界面可以查询Solr的配置和运行情况。

Solr是基于Lucene开发企业级搜索服务器，实际上就是封装Lucene

Solr是一个独立的企业级搜索应用服务器，它对外提供类似与web-service的API接口，用户可以通过http请求，向搜索引擎服务器提交一定格式的文件，生成索引，也可以通过提交查找请求，并得到返回结果！

ElasticSearch 和 Solr

当单纯的对已有数据进行搜索时，Solr更快！
当实时建立索引时，Solr会产生IO阻塞，查询性能较差，ElasticSearch具有明显的优势
随着数据量的增加，Solr的搜索效率会变得更低，而ElasticSearch却没有明显的的变化

ElasticSearch vs Solr

ES基本是开箱即用（解压就可以用），非常简单，Solr安装稍微复杂一点
Solr利用Zookeeper进行分布式管理。而ElasticSearch自身带有分布式协调管理功能
Solr支持更多格式的数据，比如JSON、XML、CSV，而ElasticSearch仅支持json文件格式
Solr官方提供的功能更多，而ElasticSearch本身更注重核心功能，高级功能多有第三方插件提供，例如，图形化界面，Kibana友好支撑
Solr查询快，但更新索引时慢（即插入删除慢），用于电商等查询多的应用；
- ES建立索引快（即查询慢），即实时性查询快，用于facebook新浪等搜索
- Solr是传统搜索应用的有利解决方案，但ElasticSearch更适用于新兴的实时搜索应用

6.Solr比较成熟，有一个更大，更成熟的用户，开发和贡献者社区，而ElasticSearch相对开发维护者少，更新太快，学习成本较高

ElasticSearch安装

Java开发，ElasticSearch的版本和我们之后对应的java的核心jar包，版本对应，java环境正常！

2、熟悉目录

bin  启动文件
config 配置文件log4j2 日志配置文件jvm.options java虚拟机相关的配置ElasticSearch ElasticSearch配置文件  默认端口9200  ！跨域lib 相关jar包
modules 功能模块
plugins 插件

3、启动，访问9200 elasticsearch.bat

4、访问测试

安装可视化界面 es head的插件

1、下载地址https://github.com/mobz/elasticsearch-head

2、启动

npm install 安装依赖
npm run start 启动

3、连接测试发现，存在跨域问题：配置es

http.cors.enabled: true
http.cors.allow-origin: "*"

4、重启es ，再次连接

初学，可以把es当做一个数据库！（可以建立索引（库），文档（库中的数据））

这个head我们就把它当做数据展示工具！我们后面所有的查询，Kibana

安装Kibana

Kibana是一个针对ElasticSearch的开源分析及可视化平台，用来搜索，查看交互存储在ElasticSearch索引中的数据，使用Kibana，可以通过各种图表进行高级数据分析及展示，Kibana让海量数据更容易理解，基于浏览器的用户界面可以快速创建仪表板实时显示ElasticSearch查询动态，设置Kibana非常简单，无序编码或者额外的基础架构，几分钟内就可以完成Kibana安装并启动ElasticSearch索引检测。

官网：https://www.elastic.co/cn/kibana

Kibana版本要和ES版本一致

启动测试

1、目录结构

2、启动

3、开发工具！（POST、curl、head、谷歌浏览器插件）

之后的所有的操作都在这里编写

4、汉化！自己修改Kibana.yml ! zh-CN

ES核心概念

概述

集群、节点、索引、类型、文档、分片、映射是什么？

elasticSearch是面向文档，关系型数据库和 ElasticSearch 客观的对比！一切都是JSON

Relational DB	ElasticSearch
数据库（database）	索引（indices）
表（tables）	types
行（rows）	documents
字段（columns）	fields

elasticsearch(集群)中可以包含多个索引（数据库），每个索引中可以包含多个类型（表），每个类型下又包含多个文档（行），每个文档重女又包含多个字段（列）

物理设计：

ElasticSearch在后台把每个索引划分为多个分片，每分分片可以在集群中的不同服务器间迁移

逻辑设计：

一个索引类型中，包含多个文档，比如说文档1，文档2，当我们索引一篇文档时，可以通过这样的一个顺序找到它：索引–>类型–>文档ID。通过这个组合我们就能索引到某个具体的文档，注意：ID不必是整数，实际上它是个字符串

文档

之前说ElasticSearch是面向文档的，那么就意味着索引和搜索数据的最小单位是文档，ElasticSearch，文档有几个重要属性：

自我包含，一篇文档同时包含字段和对应的值，也就是同时包含key:value
可以是层次型的，一个文档中包含自文档，复杂的逻辑实体就是这么来的
灵活的结构，文档不依赖预先定义的模式，我们知道关系型数据库中，要提前定义字段才能使用，在ElasticSearch中，对于字段是非常灵活的，有时候，我们可以忽略改字段，或者动态的添加一个新的字段
尽管我们可以随意的新增或者忽略某个字段，但是，每个字段的类型非常重要，比如一个年龄字段类型，可以是字符串也可以是整型，因为ElasticSearch会保存字段和类型之间的映射及其他的设置，这种映射具体到每个映射的每种类型，这也是为什么在ElasticSearch中，类型有时候也称为映射类型。

类型

索引（就是一个数据库）

倒排索引

IK分词器

什么是IK分词器

分词：即把一段中文或者别的划分成一个个的关键字，我们把搜索时会把自己的信息进行分词，会把数据库中或索引库中的数据进行分词，然后进行一个匹配操作，默认的中文分词是将每个字看成一个词。比如：“我爱狂神”会被分为：”我“，”爱“，”狂“，”神“，这显然是不符合要求的，所以我们需要安装中文分词器IK来解决这个问题

IK提供了两个分词算法：ik_smart和ik_max_word，其中ik_smart为最少切分，ik_max_word为最细粒度划分

下载安装

1、https://github.com/medcl/elasticsearch-analysis-ik

2、下载完毕之后，直接放在ElasticSearch插件中即可！

3、重启ElasticSearch

测试分词器效果

ik__smart

ik_max_word

ik分词器增加自己的配置！

保存后重启ES！

Rest风格说明

一种软件架构风格，而不是标准，只是提供了一组设计原则和约束条件，它主要用于客户端和服务端交互类的软件，基于这个风格设计的软件可以更简洁，更有层次，更易于实现缓存等机制。

基本的Rest命令说明：

method	url地址	描述
PUT	localhost:9200/索引名称/类型名称/文档id	创建文档（指定文档id）
POST	localhost:9200/索引名称/类型名称	创建文档（随机文档id）
POST	localhost:9200/索引名称/类型名称/文档id/_update	修改文档
DELETE	localhost:9200/索引名称/类型名称/文档id	删除文档
GET	localhost:9200/索引名称/类型名称/文档id	查询文档通过文档id
POST	localhost:9200/索引名称/类型名称/_search	查询所有数据

基础测试

1、创建一个索引

PUT /索引名/类型名/文档id
{请求体}

2、向索引中PUT值

3、name这个字段用不用指定类型呢，毕竟我们关系型数据库，是需要指定类型的

字符串类型

text 、keyword
数值类型

long、integer、short、byte、double、float、half、float、scaled
日期类型

date
te布尔值类型

boolean
二进制类型

binary
等等……

4、指定字段的类型（创建规则）

获取规则，可以通过get请求获取具体的信息

GET test2

测试

如果自己的文档字段没有自定，那么es会给我们配置默认字段类型！

扩展：通过命令ElasticSearch索引情况！通过get _cat/ 可以获得ElasticSearch的很多信息

修改索引提交还是使用PUT

曾经的方法：

关于文档的基本操作（重点）

基本操作

1、添加一条数据

PUT /wumao/user/1
{"name":"wumao","age":21,"desc":"一顿操作猛如虎，一看工资2500","tags":["技术宅","无聊者"]
}

2、获取数据 GET

3、更新操作 POST _update推荐使用这种更新方式

简单的搜索

GET wumao/user/1

简单的条件查询，可以根据默认的映射规则，产生基本的查询！

复杂操作搜索 select（排序、分页、高亮、精准查询！）

输出结果，不想要那么多结果！select name,desc . . . .

之后使用Java操作es，所有的方法和对象就是这里面的key！

排序

分页

数据下标还是从0开始的，和学的所有数据结构是一样的！

/search/{current}/{pageSize}

布尔值查询

must (and)，所有的条件都要符合 where id = 1 and name =xxx

should( or )，所有的条件都要符合 where id = 1 orname =xxx

must_not（not）

过滤器filter

 gt  >  大于gte >= 大于等于lt  <  小于lte <= 小于等于

匹配多个条件

精确查询！

trem 查询是直接通过倒排索引指定的词条进行精确的查找的！

关于分词：

term，直接查询精确地
match，会使用分词器解析（先分析文档，通过分析的文档进行查询）

两个类型 text keyword

多个值精确匹配

高亮查询！

匹配
按条件匹配
精确匹配
区间范围匹配
匹配字段过滤
多条件查询
高亮查询

集成SpringBoot

找官方文档！

https://www.elastic.co/guide/en/elasticsearch/client/java-rest/7.12/index.html

1、找到原生的依赖

<dependency><groupId>org.elasticsearch.client</groupId><artifactId>elasticsearch-rest-high-level-client</artifactId><version>7.13.2</version>
</dependency>

2、找对象

3、分析这个类中的方法

配置基本的项目

问题：创建项目默认的elasticsearch的默认版本是7.12.1,版本和本地不一致！

需要自己定义版本的依赖

分析源码

虽然导入了三个类，静态内部类，核心类只有一个

/*** Elasticsearch rest client configurations.** @author Stephane Nicoll*/
class ElasticsearchRestClientConfigurations {@Configuration(proxyBeanMethods = false)@ConditionalOnMissingBean(RestClientBuilder.class)static class RestClientBuilderConfiguration {@BeanRestClientBuilderCustomizer defaultRestClientBuilderCustomizer(ElasticsearchRestClientProperties properties) {return new DefaultRestClientBuilderCustomizer(properties);}//第一个bean  RestClientBuilder@BeanRestClientBuilder elasticsearchRestClientBuilder(ElasticsearchRestClientProperties properties,ObjectProvider<RestClientBuilderCustomizer> builderCustomizers) {HttpHost[] hosts = properties.getUris().stream().map(this::createHttpHost).toArray(HttpHost[]::new);RestClientBuilder builder = RestClient.builder(hosts);builder.setHttpClientConfigCallback((httpClientBuilder) -> {builderCustomizers.orderedStream().forEach((customizer) -> customizer.customize(httpClientBuilder));return httpClientBuilder;});builder.setRequestConfigCallback((requestConfigBuilder) -> {builderCustomizers.orderedStream().forEach((customizer) -> customizer.customize(requestConfigBuilder));return requestConfigBuilder;});builderCustomizers.orderedStream().forEach((customizer) -> customizer.customize(builder));return builder;}private HttpHost createHttpHost(String uri) {try {return createHttpHost(URI.create(uri));}catch (IllegalArgumentException ex) {return HttpHost.create(uri);}}private HttpHost createHttpHost(URI uri) {if (!StringUtils.hasLength(uri.getUserInfo())) {return HttpHost.create(uri.toString());}try {return HttpHost.create(new URI(uri.getScheme(), null, uri.getHost(), uri.getPort(), uri.getPath(),uri.getQuery(), uri.getFragment()).toString());}catch (URISyntaxException ex) {throw new IllegalStateException(ex);}}}@Configuration(proxyBeanMethods = false)@ConditionalOnMissingBean(RestHighLevelClient.class)static class RestHighLevelClientConfiguration {//第二个bean  RestHighLevelClient 高级客户端，后面项目会用到！@BeanRestHighLevelClient elasticsearchRestHighLevelClient(RestClientBuilder restClientBuilder) {return new RestHighLevelClient(restClientBuilder);}}@Configuration(proxyBeanMethods = false)@ConditionalOnClass(Sniffer.class)@ConditionalOnSingleCandidate(RestHighLevelClient.class)static class RestClientSnifferConfiguration {@Bean@ConditionalOnMissingBeanSniffer elasticsearchSniffer(RestHighLevelClient client, ElasticsearchRestClientProperties properties) {SnifferBuilder builder = Sniffer.builder(client.getLowLevelClient());PropertyMapper map = PropertyMapper.get().alwaysApplyingWhenNonNull();map.from(properties.getSniffer().getInterval()).asInt(Duration::toMillis).to(builder::setSniffIntervalMillis);map.from(properties.getSniffer().getDelayAfterFailure()).asInt(Duration::toMillis).to(builder::setSniffAfterFailureDelayMillis);return builder.build();}}static class DefaultRestClientBuilderCustomizer implements RestClientBuilderCustomizer {private static final PropertyMapper map = PropertyMapper.get();private final ElasticsearchRestClientProperties properties;DefaultRestClientBuilderCustomizer(ElasticsearchRestClientProperties properties) {this.properties = properties;}@Overridepublic void customize(RestClientBuilder builder) {}@Overridepublic void customize(HttpAsyncClientBuilder builder) {builder.setDefaultCredentialsProvider(new PropertiesCredentialsProvider(this.properties));}@Overridepublic void customize(RequestConfig.Builder builder) {map.from(this.properties::getConnectionTimeout).whenNonNull().asInt(Duration::toMillis).to(builder::setConnectTimeout);map.from(this.properties::getReadTimeout).whenNonNull().asInt(Duration::toMillis).to(builder::setSocketTimeout);}}private static class PropertiesCredentialsProvider extends BasicCredentialsProvider {PropertiesCredentialsProvider(ElasticsearchRestClientProperties properties) {if (StringUtils.hasText(properties.getUsername())) {Credentials credentials = new UsernamePasswordCredentials(properties.getUsername(),properties.getPassword());setCredentials(AuthScope.ANY, credentials);}properties.getUris().stream().map(this::toUri).filter(this::hasUserInfo).forEach(this::addUserInfoCredentials);}private URI toUri(String uri) {try {return URI.create(uri);}catch (IllegalArgumentException ex) {return null;}}private boolean hasUserInfo(URI uri) {return uri != null && StringUtils.hasLength(uri.getUserInfo());}private void addUserInfoCredentials(URI uri) {AuthScope authScope = new AuthScope(uri.getHost(), uri.getPort());Credentials credentials = createUserInfoCredentials(uri.getUserInfo());setCredentials(authScope, credentials);}private Credentials createUserInfoCredentials(String userInfo) {int delimiter = userInfo.indexOf(":");if (delimiter == -1) {return new UsernamePasswordCredentials(userInfo, null);}String username = userInfo.substring(0, delimiter);String password = userInfo.substring(delimiter + 1);return new UsernamePasswordCredentials(username, password);}}}

具体的API测试

1、创建索引

2、判断文档是否存在

3、删除索引

4、创建文档

5、CRUD文档

@SpringBootTest
class WumaoEsApiApplicationTests {@Autowired@Qualifier("restHighLevelClient")private RestHighLevelClient client;//测试创建索引 在java中所有的请求都是用Request  PUT wumao_index@Testpublic void testCreateIndex() throws IOException {//1、创建索引请求CreateIndexRequest request = new CreateIndexRequest("wumao_index");//2、客户端执行请求  IndicesClient,请求后获取响应CreateIndexResponse createIndexResponse = client.indices().create(request, RequestOptions.DEFAULT);System.out.println(createIndexResponse);}//测试获取索引@Testvoid testExistsIndex() throws IOException {GetIndexRequest re = new GetIndexRequest("wumao_index");boolean exists = client.indices().exists(re,RequestOptions.DEFAULT);System.out.println(exists);}//测试删除索引@Testvoid testDeleteIndex() throws IOException {DeleteIndexRequest request = new DeleteIndexRequest("wumao_index");AcknowledgedResponse delete = client.indices().delete(request, RequestOptions.DEFAULT);System.out.println(delete);}//添加文档@Testvoid testAddDocument() throws IOException {//创建对象User user = new User("五毛",3);//创建请求IndexRequest request = new IndexRequest("wumao_index");//设值一些规则 put /wumao_index/_doc/1request.id("1");request.timeout(TimeValue.timeValueSeconds(1));request.timeout("1s");//将我们的数据放入请求 jsonString string = JSON.toJSONString(user);request.source(string, XContentType.JSON);//客户端发送请求，获取响应的结果IndexResponse index = client.index(request, RequestOptions.DEFAULT);System.out.println(index.toString());System.out.println(index.status());//对应我们命令的返回状态}//获取文档@Testvoid testIsExists() throws IOException {//获取文档，判断是否存在 get/index/doc/1GetRequest index = new GetRequest("wumao_index", "1");//不获取返回的_source的上下文了index.fetchSourceContext(new FetchSourceContext(false));index.storedFields("_none_");boolean exists = client.exists(index, RequestOptions.DEFAULT);System.out.println(exists);}//获取文档的信息@Testvoid testGetDocument() throws IOException {GetRequest index = new GetRequest("wumao_index", "1");GetResponse fields = client.get(index, RequestOptions.DEFAULT);System.out.println(fields.getSourceAsString());System.out.println(fields);}//更新文档记录@Testvoid testUpdateDocument() throws IOException {UpdateRequest index = new UpdateRequest("wumao_index", "1");//设置超时时间index.timeout(TimeValue.timeValueSeconds(1));User user = new User("法外狂徒张三", 12);UpdateRequest doc = index.doc(JSON.toJSONString(user),XContentType.JSON);UpdateResponse update = client.update(index, RequestOptions.DEFAULT);System.out.println(update);}//删除文档记录@Testvoid testDeleteDocument() throws IOException {DeleteRequest request = new DeleteRequest("wumao_index", "1");//设置请求过期时间request.timeout("1s");DeleteResponse delete = client.delete(request, RequestOptions.DEFAULT);System.out.println(delete.status());}//特殊的，真的项目一般都是批量插入数据@Testvoid testBulkRequest() throws IOException {BulkRequest bulkRequest = new BulkRequest();bulkRequest.timeout("10s");ArrayList<User> userList = new ArrayList<>();userList.add(new User("wumao",3));userList.add(new User("wumao1",23));userList.add(new User("wumao2",21));userList.add(new User("wumao3",12));userList.add(new User("wumao4",13));userList.add(new User("wumao5",23));userList.add(new User("wumao6",33));for (int i = 0; i < userList.size(); i++) {bulkRequest.add(new IndexRequest("wumao_index").source(JSON.toJSONString(userList.get(i)),XContentType.JSON));}BulkResponse bulk = client.bulk(bulkRequest, RequestOptions.DEFAULT);System.out.println(bulk.hasFailures());//是否失败！}//查询// SearchRequest 搜索请求// SearchSourceBuilder 条件构造// HighlightBuilder 构建高亮// TermQueryBuilder 精确查询// MatchAllQueryBuilder 查询全部// xxxxQueryBuilder 对应之前的那些命令@Testvoid testSearch() throws IOException {SearchRequest request = new SearchRequest("wumao_index");//构建搜索条件SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();//查询条件，我么可以使用QueryBuilders 工具类来实现//QueryBuilders.termQuery 精确查询//QueryBuilders.matchAllQuery(); 匹配所有MatchAllQueryBuilder matchAllQueryBuilder = QueryBuilders.matchAllQuery();TermQueryBuilder termQuery = QueryBuilders.termQuery("name", "wumao");//查询过期时间sourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));request.source(sourceBuilder);SearchResponse search = client.search(request, RequestOptions.DEFAULT);System.out.println(JSON.toJSONString(search.getHits()));for (SearchHit hit : search.getHits().getHits()) {System.out.println(hit.getSourceAsMap());}}//批量创建文档@Testvoid testBulkDocument() throws IOException {BulkRequest bulkRequest = new BulkRequest();//设置过期时间bulkRequest.timeout("60s");ArrayList<User> userList = new ArrayList<>();userList.add(new User("qinfeng",3));userList.add(new User("qinfeng1",3));userList.add(new User("qinfeng2",3));userList.add(new User("qinfeng3",3));userList.add(new User("qinfeng4",3));userList.add(new User("qinfeng5",3));for (int i = 0; i < userList.size(); i++) {bulkRequest.add(new IndexRequest("wumao_index").id(""+(i+1)).source(JSON.toJSONString(userList.get(i)),XContentType.JSON));}BulkResponse bulk = client.bulk(bulkRequest, RequestOptions.DEFAULT);System.out.println(bulk.hasFailures());//判断是否失败}}

实战案例

爬虫

数据问题数据库中获取，消息队列获取

爬取数据（获取请求返回的页面信息，筛选出我们所需要的）

<!--解析网页-->
<dependency><groupId>org.jsoup</groupId><artifactId>jsoup</artifactId><version>1.14.2</version>
</dependency>

 public List<Content> parseJD(String keyWords) throws Exception {//获取请求  https://search.jd.com/Search?keyword=javaString url = "https://search.jd.com/Search?keyword="+keyWords;//解析网页 (Jsoup返回的Document就是Document对象)Document document = Jsoup.parse(new URL(url), 30000);//所有在js中使用的方法，在这里都可以使用Element element = document.getElementById("J_goodsList");ArrayList<Content> list = new ArrayList<>();//获取所有的li元素Elements elements = element.getElementsByTag("li");//这里的el就是每一个li标签for (Element el : elements) {//关于这种图片特别多的网站，都是延时加载的String price = el.getElementsByClass("p-price").eq(0).text();String title = el.getElementsByClass("p-name").eq(0).text();Content content = new Content();content.setTitle(title);content.setPrice(price);list.add(content);}return list;}

前后端分离
搜索高亮

   //解析数据放入到es中public Boolean parseContent(String keyWords) throws Exception {List<Content> contents = new HtmlParseUtil().parseJD(keyWords);//把查询到的数据放入到es中BulkRequest request = new BulkRequest();request.timeout("2m");for (int i = 0; i < contents.size(); i++) {System.out.println(JSON.toJSONString(contents.get(i)));request.add(new IndexRequest("jd_goods").source(JSON.toJSONString(contents.get(i)), XContentType.JSON));}BulkResponse bulkResponse = restHighLevelClient.bulk(request, RequestOptions.DEFAULT);return !bulkResponse.hasFailures();}

    //3.实现搜索高亮功能public List<Map<String,Object>> searchHighlightPage(String keyword,int pageNO,int pageSize) throws IOException {if (pageNO <=1){pageNO =1;}//条件搜索SearchRequest searchRequest = new SearchRequest("jd_goods");SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();//分页sourceBuilder.from(pageNO);sourceBuilder.size(pageSize);//精准匹配QueryBuilders.termQuery("title",keyword);sourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));HighlightBuilder highlightBuilder = new HighlightBuilder();highlightBuilder.field("title");highlightBuilder.requireFieldMatch(false); //高亮显示一个title只显示一个高亮就可以highlightBuilder.preTags("<span style='color:red'>");highlightBuilder.postTags("</span>");sourceBuilder.highlighter(highlightBuilder);//执行搜索searchRequest.source(sourceBuilder);SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);//解析结果ArrayList<Map<String,Object>> list = new ArrayList<>();for (SearchHit hit : searchResponse.getHits()) {//解析高亮字段Map<String, HighlightField> highlightFields = hit.getHighlightFields();HighlightField title = highlightFields.get("title");Map<String, Object> sourceAsMap = hit.getSourceAsMap();//原来的结果//解析高亮字段,将原来的字段换为我们高亮的字段即可！if (title!=null){Text[] fragments = title.fragments();String n_title="";for (Text text : fragments) {n_title += text;}sourceAsMap.put("title",n_title); //高亮字段替换掉原来的内容即可！}list.add(sourceAsMap);}return list;}

本篇到这里就结束了！后续还会继续更新ElasticSearch调优、ElasticSearch集群以及面试题相关的内容，
感谢诸佬的点赞和支持。
如有不足之处，还希望诸佬指出不足之处，加以修正。

再见了各位小伙伴！