* 启动可视化页面：

           E:\Elasticsearch\elasticsearch\elasticsearch-head-master> 执行 grunt server 或者 npm run start

* 启动Elasticsearch
           E:\Elasticsearch\elasticsearch\elasticsearch-6.2.4\bin elasticsearch.bat

* 启动logstash 同步数据库需要配置

E:\Elasticsearch\elasticsearch\logstash-7.8.1\bin>logstash -f ../mysqletc/mysql.conf

* http://127.0.0.1:9200/ 启动确认
* http://127.0.0.1:9100/ 页面
* 9300 后台调用端口

1.Elasticsearch介绍和安装

本文章所有安装包百度云链接：

链接: https://pan.baidu.com/s/18Fy-IpiGvopHi_vg5KmTZQ 提取码: 5gx5

1.1.简介

1.2.安装和配置

###1.2.1 下载

下载地址：https://www.elastic.co/downloads/past-releases

1.2.2 安装

elasticsearch无需安装，解压即用。

1.3.运行

进入elasticsearch/bin目录，可以看到下面的执行文件：

双击运行

可以看到绑定了两个端口:

9300：java程序访问的端口
9200：浏览器、postman访问接口

我们在浏览器中访问：http://127.0.0.1:9200

1.4.安装Head插件

1.4.1.什么是Head

ealsticsearch只是后端提供各种api，那么怎么直观的使用它呢？elasticsearch-head将是一款专门针对于elasticsearch的客户端工具

elasticsearch-head配置包，下载地址：https://github.com/mobz/elasticsearch-head

第一步：从地址：https://nodejs.org/en/download/ 下载相应系统的msi，双击安装。

第二步：安装完成用cmd进入安装目录执行 node -v可查看版本号

第三步：执行 npm install -g grunt-cli 安装grunt ，【用管理员身份运行CMD】安装完成后执行grunt -version查看是否安装成功，会显示安装的版本号

如果提示grunt 不是内部命令请到执行

1.4.3.配置运行

第一步：进入es安装目录下的config目录，修改elasticsearch.yml文件.在文件的末尾加入以下代码

http.cors.enabled: true
http.cors.allow-origin: "*"
node.master: true
node.data: true

然后去掉network.host: 192.168.0.1的注释并改为network.host: 0.0.0.0，去掉cluster.name；node.name；http.port的注释（也就是去掉#）

第二步：双击elasticsearch.bat重启elasticsearch.bat
重要成败在此如果出现闪退用cmd运行查看报错基本是因为JDK问题这个运行不能闪退闪退就会连接失败重新安装JDK就解决类似下边的错

ERROR: [2] bootstrap checks failed

第三步：在https://github.com/mobz/elasticsearch-head中下载head插件，选择下载zip

第四步：解压到指定文件夹下，D:\environment\elasticsearch-head-master 进入该文件夹，修改D:\environment\elasticsearch-head-master\Gruntfile.js 在对应的位置加上hostname:‘*’，

第五步：在D:\environment\elasticsearch-head-master 下执行npm install

如果失败：

解决方法：
执行 npm install phantomjs-prebuilt@2.1.16 --ignore-scripts

命令用来安装phantomjs-prebuilt@2.1.16，–ignore-scripts参数用于npm install在安装phantomjs-prebuilt@2.1.16时忽略package.json中设置的脚本，意思就是避免package.json中的脚本影响包的正常安装。

安装完成后执行grunt server 或者npm run start 运行head插件，如果不成功重新安装grunt。成功如下

集群健康值是绿色就是成功灰色就是失败见上文

1.4.4.成功

访问：http://127.0.0.1:9100/

集群健康值是绿色就是成功灰色就是失败见上文

1.5.安装ik分词器

ElasticSearch 默认采用分词器，单个字分词，效果很差

搜索【IK Analyzer 3.0】

ikAnalyzer 分词条件   细颗粒【多】：ik_max_word   粗颗粒分词【少】：ik_smart

http://www.oschina.net/news/2660

Lucene的IK分词器早在2012年已经没有维护了，现在我们要使用的是在其基础上维护升级的版本，并且开发为Elasticsearch的集成插件了，与Elasticsearch一起维护升级，版本也保持一致，最新版本：6.2.4

1.5.1. 下载

源码下载地址：https://github.com/medcl/elasticsearch-analysis-ik/tree/6.2.x

jar包下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases

1.5.1.安装

无需安装，解压即可使用

我们将其改名为ik，并复制到elasticsearch的解压目录，如下图所示

然后重启elasticsearch：

1.5.2.扩展词和停用词

扩展词和停用词文件：

###1.5.4 测试

2.SprignBoot整合Spring Data Elasticsearch

Elasticsearch提供的Java客户端有一些不太方便的地方：

很多地方需要拼接Json字符串，在java中拼接字符串有多恐怖你应该懂的
需要自己把对象序列化为json存储
查询到结果也需要自己反序列化为对象

因此，我们这里就不讲解原生的Elasticsearch客户端API了。

而是学习Spring提供的套件：Spring Data Elasticsearch

2.1.简介

Spring Data Elasticsearch是Spring Data项目下的一个子模块。

查看 Spring Data的官网：http://projects.spring.io/spring-data/

Spring Data 是的使命是给各种数据访问提供统一的编程接口，不管是关系型数据库（如MySQL），还是非关系数据库（如Redis），或者类似Elasticsearch这样的索引数据库。从而简化开发人员的代码，提高开发效率。

包含很多不同数据操作的模块：

Spring Data Elasticsearch的页面：https://projects.spring.io/spring-data-elasticsearch/

特征：

支持Spring的基于@Configuration的java配置方式，或者XML配置方式
提供了用于操作ES的便捷工具类**ElasticsearchTemplate**。包括实现文档到POJO之间的自动智能映射。
利用Spring的数据转换服务实现的功能丰富的对象映射
基于注解的元数据映射方式，而且可扩展以支持更多不同的数据格式
根据持久层接口自动生成对应实现方法，无需人工编写基本操作代码（类似mybatis，根据接口自动得到实现）。当然，也支持人工定制查询

2.2.创建Demo工程

我们新建一个demo，学习Elasticsearch

pom依赖：

<?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 http://maven.apache.org/xsd/maven-4.0.0.xsd"><modelVersion>4.0.0</modelVersion><groupId>com.czxy</groupId><artifactId>bos-es</artifactId><version>0.0.1-SNAPSHOT</version><packaging>jar</packaging><name>bos-es</name><description>Demo project for Spring Boot</description><parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>2.0.4.RELEASE</version><relativePath/> <!-- lookup parent from repository --></parent><properties><project.build.sourceEncoding>UTF-8</project.build.sourceEncoding><project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding><java.version>1.8</java.version></properties><dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter</artifactId></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-elasticsearch</artifactId></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency></dependencies><build><plugins><plugin><groupId>org.springframework.boot</groupId><artifactId>spring-boot-maven-plugin</artifactId></plugin></plugins></build></project>

application.properties文件配置官方给的：

spring.data.elasticsearch.cluster-name=my-application
spring.data.elasticsearch.cluster-nodes=http://127.0.0.1:9300

http协议是关键， 删除， 不删除会报错

2.3.索引操作

2.3.1.创建索引和映射

SpringBoot-data-elasticsearch提供了面向对象的方式操作elasticsearch

业务：创建一个商品对象，有这些属性：

     答：id，title，category，brand，price，图片地址在SpringDataElasticSearch中，只需要操作对象，就可以操作elasticsearch中的数据

实体类

首先我们准备好实体类：

public class Item {private Long id;private String title; //标题private String category;// 分类private String brand; // 品牌private Double price; // 价格private String images; // 图片地址
}

映射—注解

Spring Data通过注解来声明字段的映射属性，有下面的三个注解：

@Document 作用在类，标记实体类为文档对象，一般有两个属性
- indexName：对应索引库名称
- type：对应在索引库中的类型
- shards：分片数量，默认5
- replicas：副本数量，默认1
@Id 作用在成员变量，标记一个字段作为id主键
@Field 作用在成员变量，标记为文档的字段，并指定字段映射属性：
- type：字段类型，是是枚举：FieldType，可以是text、long、short、date、integer、object等
  - text：存储数据时候，会自动分词，并生成索引
  - keyword：存储数据时候，不会分词建立索引
  - Numerical：数值类型，分两类
    - 基本数据类型：long、interger、short、byte、double、float、half_float
    - 浮点数的高精度类型：scaled_float
      - 需要指定一个精度因子，比如10或100。elasticsearch会把真实值乘以这个因子后存储，取出时再还原。
  - Date：日期类型
    - elasticsearch可以对日期格式化为字符串存储，但是建议我们存储为毫秒值，存储为long，节省空间。
- index：是否索引，布尔类型，默认是true
- store：是否存储，布尔类型，默认是false
- analyzer：分词器名称，这里的ik_max_word即使用ik分词器

示例：

@Document(indexName = "item",type = "docs", shards = 1, replicas = 0)
public class Item {@Idprivate Long id;@Field(type = FieldType.Text, analyzer = "ik_max_word")private String title; //标题@Field(type = FieldType.Keyword)private String category;// 分类@Field(type = FieldType.Keyword)private String brand; // 品牌@Field(type = FieldType.Double)private Double price; // 价格@Field(index = false, type = FieldType.Keyword)private String images; // 图片地址
}

创建索引

ElasticsearchTemplate中提供了创建索引的API：

可以根据类的信息自动生成，也可以手动指定indexName和Settings

映射

映射相关的API：

一样，可以根据类的字节码信息（注解配置）来生成映射，或者手动编写映射

我们这里采用类的字节码信息创建索引并映射：

@Test
public void createIndex() {// 创建索引，会根据Item类的@Document注解信息来创建esTemplate.createIndex(Item.class);// 配置映射，会根据Item类中的id、Field等字段来自动完成映射esTemplate.putMapping(Item.class);
}

索引信息：

2.3.2.删除索引

删除索引的API：

可以根据类名或索引名删除。

示例：

@Test
public void deleteIndex() {esTemplate.deleteIndex(Item.class);// 根据索引名字删除//esTemplate.deleteIndex("item1");
}

结果：OK

2.4.新增文档数据

2.4.1.Repository接口

Spring Data 的强大之处，就在于你不用写任何DAO处理，自动根据方法名或类的信息进行CRUD操作。只要你定义一个接口，然后继承Repository提供的一些子接口，就能具备各种基本的CRUD功能。

来看下Repository的继承关系：

我们看到有一个ElasticsearchCrudRepository接口：

所以，我们只需要定义接口，然后继承它就OK了。

public interface ItemRepository extends ElasticsearchRepository<Item,Long> {
}

接下来，我们测试新增数据：

2.4.2.新增一个对象

@Autowired
private ItemRepository itemRepository;@Test
public void index() {Item item = new Item(1L, "小米手机7", " 手机","小米", 3499.00, "http://image.baidu.com/13123.jpg");itemRepository.save(item);
}

去页面查询看看：

2.4.3.批量新增

代码：

@Test
public void indexList() {List<Item> list = new ArrayList<>();list.add(new Item(2L, "坚果手机R1", " 手机", "锤子", 3699.00, "http://image.baidu.com/13123.jpg"));list.add(new Item(3L, "华为META10", " 手机", "华为", 4499.00, "http://image.baidu.com/13123.jpg"));// 接收对象集合，实现批量新增itemRepository.saveAll(list);
}

再次去页面查询：

2.4.4.修改

elasticsearch中本没有修改，它的是该是先删除在新增

修改和新增是同一个接口，区分的依据就是id。

@Test
public void index(){Item item = new Item(1L, "苹果XSMax", " 手机","小米", 3499.00, "http://image.baidu.com/13123.jpg");itemRepository.save(item);
}

查看结果：

2.5.查询

2.5.1.基本查询

ElasticsearchRepository提供了一些基本的查询方法：

我们来试试查询所有：

@Testpublic void testQueryAll(){// 查找所有//Iterable<Item> list = this.itemRepository.findAll();// 对某字段排序查找所有 Sort.by("price").descending() 降序// Sort.by("price").ascending():升序Iterable<Item> list = this.itemRepository.findAll(Sort.by("price").ascending());for (Item item:list){System.out.println(item);}}

结果：

2.5.2.自定义方法

Spring Data 的另一个强大功能，是根据方法名称自动实现功能。

比如：你的方法名叫做：findByTitle，那么它就知道你是根据title查询，然后自动帮你完成，无需写实现类。

当然，方法名称要符合一定的约定：

Keyword	Sample
`And`	`findByNameAndPrice`
`Or`	`findByNameOrPrice`
`Is`	`findByName`
`Not`	`findByNameNot`
`Between`	`findByPriceBetween`
`LessThanEqual`	`findByPriceLessThan`
`GreaterThanEqual`	`findByPriceGreaterThan`
`Before`	`findByPriceBefore`
`After`	`findByPriceAfter`
`Like`	`findByNameLike`
`StartingWith`	`findByNameStartingWith`
`EndingWith`	`findByNameEndingWith`
`Contains/Containing`	`findByNameContaining`
`In`	`findByNameIn(Collection<String>names)`
`NotIn`	`findByNameNotIn(Collection<String>names)`
`Near`	`findByStoreNear`
`True`	`findByAvailableTrue`
`False`	`findByAvailableFalse`
`OrderBy`	`findByAvailableTrueOrderByNameDesc`

例如，我们来按照价格区间查询，定义这样的一个方法：

public interface ItemRepository extends ElasticsearchRepository<Item,Long> {/*** 根据价格区间查询* @param price1* @param price2* @return*/List<Item> findByPriceBetween(double price1, double price2);
}

然后添加一些测试数据：

@Test
public void indexList() {List<Item> list = new ArrayList<>();list.add(new Item(1L, "小米手机7", "手机", "小米", 3299.00, "http://image.baidu.com/13123.jpg"));list.add(new Item(2L, "坚果手机R1", "手机", "锤子", 3699.00, "http://image.baidu.com/13123.jpg"));list.add(new Item(3L, "华为META10", "手机", "华为", 4499.00, "http://image.baidu.com/13123.jpg"));list.add(new Item(4L, "小米Mix2S", "手机", "小米", 4299.00, "http://image.baidu.com/13123.jpg"));list.add(new Item(5L, "荣耀V10", "手机", "华为", 2799.00, "http://image.baidu.com/13123.jpg"));// 接收对象集合，实现批量新增itemRepository.saveAll(list);
}

不需要写实现类，然后我们直接去运行：

@Test
public void queryByPriceBetween(){List<Item> list = this.itemRepository.findByPriceBetween(2000.00, 3500.00);for (Item item : list) {System.out.println("item = " + item);}
}

结果：

2.5.3.自定义查询

先来看最基本的match query：

@Test
public void search(){// 构建查询条件NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder();// 添加基本分词查询queryBuilder.withQuery(QueryBuilders.matchQuery("title", "小米手机"));// 搜索，获取结果Page<Item> items = this.itemRepository.search(queryBuilder.build());// 总条数long total = items.getTotalElements();System.out.println("total = " + total);for (Item item : items) {System.out.println(item);}
}

NativeSearchQueryBuilder：Spring提供的一个查询条件构建器，帮助构建json格式的请求体
QueryBuilders.matchQuery(“title”, “小米手机”)：利用QueryBuilders来生成一个查询。QueryBuilders提供了大量的静态方法，用于生成各种不同类型的查询：

Page<item>：默认是分页查询，因此返回的是一个分页的结果对象，包含属性：
- totalElements：总条数
- totalPages：总页数
- Iterator：迭代器，本身实现了Iterator接口，因此可直接迭代得到当前页的数据
- 其它属性：

结果：

总的测试代码：

/**** termQuery* wildcardQuery* fuzzyquery* booleanQuery* numericRangeQuery**/@Testpublic void testMathQuery(){// 创建对象NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder();// 在queryBuilder对象中自定义查询//matchQuery:底层就是使用的termQueryqueryBuilder.withQuery(QueryBuilders.matchQuery("title","坚果"));//查询，search 默认就是分页查找Page<Item> page = this.itemRepository.search(queryBuilder.build());//获取数据long totalElements = page.getTotalElements();System.out.println("获取的总条数:"+totalElements);for(Item item:page){System.out.println(item);}}/*** termQuery:功能更强大，除了匹配字符串意外，还可以匹配int/long/double/float/....*/@Testpublic void testTermQuery(){NativeSearchQueryBuilder builder = new NativeSearchQueryBuilder();builder.withQuery(QueryBuilders.termQuery("price",998.0));// 查找Page<Item> page = this.itemRepository.search(builder.build());for(Item item:page){System.out.println(item);}}@Testpublic void testBooleanQuery(){NativeSearchQueryBuilder builder = new NativeSearchQueryBuilder();builder.withQuery(QueryBuilders.boolQuery().must(QueryBuilders.matchQuery("title","华为")).must(QueryBuilders.matchQuery("brand","华为")));// 查找Page<Item> page = this.itemRepository.search(builder.build());for(Item item:page){System.out.println(item);}}@Testpublic void testFuzzyQuery(){NativeSearchQueryBuilder builder = new NativeSearchQueryBuilder();builder.withQuery(QueryBuilders.fuzzyQuery("title","faceoooo"));Page<Item> page = this.itemRepository.search(builder.build());for(Item item:page){System.out.println(item);}}

2.5.4.分页查询

利用NativeSearchQueryBuilder可以方便的实现分页：

@Test
public void searchByPage(){// 构建查询条件NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder();// 添加基本分词查询queryBuilder.withQuery(QueryBuilders.termQuery("category", "手机"));// 分页：int page = 0;int size = 2;queryBuilder.withPageable(PageRequest.of(page,size));// 搜索，获取结果Page<Item> items = this.itemRepository.search(queryBuilder.build());// 总条数long total = items.getTotalElements();System.out.println("总条数 = " + total);// 总页数System.out.println("总页数 = " + items.getTotalPages());// 当前页System.out.println("当前页：" + items.getNumber());// 每页大小System.out.println("每页大小：" + items.getSize());for (Item item : items) {System.out.println(item);}
}

结果：

可以发现，Elasticsearch中的分页是从第0页开始。

2.5.5.排序

排序也通用通过NativeSearchQueryBuilder完成：

@Test
public void searchAndSort(){// 构建查询条件NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder();// 添加基本分词查询queryBuilder.withQuery(QueryBuilders.termQuery("category", "手机"));// 排序queryBuilder.withSort(SortBuilders.fieldSort("price").order(SortOrder.ASC));// 搜索，获取结果Page<Item> items = this.itemRepository.search(queryBuilder.build());// 总条数long total = items.getTotalElements();System.out.println("总条数 = " + total);for (Item item : items) {System.out.println(item);}
}

结果：

2.6.聚合（NB！！solr无此功能）

聚合可以让我们极其方便的实现对数据的统计、分析。例如：

什么品牌的手机最受欢迎？
这些手机的平均价格、最高价格、最低价格？
这些手机每月的销售情况如何？

实现这些统计功能的比数据库的sql要方便的多，而且查询速度非常快，可以实现近实时搜索效果。

2.6.1 基本概念

Elasticsearch中的聚合，包含多种类型，最常用的两种，一个叫桶，一个叫度量：

桶（bucket）

桶的作用，是按照某种方式对数据进行分组，每一组数据在ES中称为一个桶，例如我们根据国籍对人划分，可以得到中国桶、英国桶，日本桶……或者我们按照年龄段对人进行划分：010,1020,2030,3040等。

Elasticsearch中提供的划分桶的方式有很多：

Date Histogram Aggregation：根据日期阶梯分组，例如给定阶梯为周，会自动每周分为一组
Histogram Aggregation：根据数值阶梯分组，与日期类似
Terms Aggregation：根据词条内容分组，词条内容完全匹配的为一组
Range Aggregation：数值和日期的范围分组，指定开始和结束，然后按段分组
……

综上所述，我们发现bucket aggregations 只负责对数据进行分组，并不进行计算，因此往往bucket中往往会嵌套另一种聚合：metrics aggregations即度量

度量（metrics）

分组完成以后，我们一般会对组中的数据进行聚合运算，例如求平均值、最大、最小、求和等，这些在ES中称为度量

比较常用的一些度量聚合方式：

Avg Aggregation：求平均值
Max Aggregation：求最大值
Min Aggregation：求最小值
Percentiles Aggregation：求百分比
Stats Aggregation：同时返回avg、max、min、sum、count等
Sum Aggregation：求和
Top hits Aggregation：求前几
Value Count Aggregation：求总数
……

注意：在ES中，需要进行聚合、排序、过滤的字段其处理方式比较特殊，因此不能被分词。这里我们将color和make这两个文字类型的字段设置为keyword类型，这个类型不会被分词，将来就可以参与聚合

2.6.2.聚合为桶

桶就是分组，比如这里我们按照品牌brand进行分组：

@Test
public void testAgg(){NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder();// 不查询任何结果queryBuilder.withSourceFilter(new FetchSourceFilter(new String[]{""}, null));// 1、添加一个新的聚合，聚合类型为terms，聚合名称为brands，聚合字段为brandqueryBuilder.addAggregation(AggregationBuilders.terms("brands").field("brand"));// 2、查询,需要把结果强转为AggregatedPage类型AggregatedPage<Item> aggPage = (AggregatedPage<Item>) this.itemRepository.search(queryBuilder.build());// 3、解析// 3.1、从结果中取出名为brands的那个聚合，// 因为是利用String类型字段来进行的term聚合，所以结果要强转为StringTerm类型StringTerms agg = (StringTerms) aggPage.getAggregation("brands");// 3.2、获取桶List<StringTerms.Bucket> buckets = agg.getBuckets();// 3.3、遍历for (StringTerms.Bucket bucket : buckets) {// 3.4、获取桶中的key，即品牌名称System.out.println(bucket.getKeyAsString());// 3.5、获取桶中的文档数量System.out.println(bucket.getDocCount());}}

显示的结果：

关键API：

AggregationBuilders：聚合的构建工厂类。所有聚合都由这个类来构建，看看他的静态方法：

（1）统计某个字段的数量ValueCountBuilder vcb=  AggregationBuilders.count("count_uid").field("uid");
（2）去重统计某个字段的数量（有少量误差）CardinalityBuilder cb= AggregationBuilders.cardinality("distinct_count_uid").field("uid");
（3）聚合过滤
FilterAggregationBuilder fab= AggregationBuilders.filter("uid_filter").filter(QueryBuilders.queryStringQuery("uid:001"));
（4）按某个字段分组
TermsBuilder tb=  AggregationBuilders.terms("group_name").field("name");
（5）求和
SumBuilder  sumBuilder=    AggregationBuilders.sum("sum_price").field("price");
（6）求平均
AvgBuilder ab= AggregationBuilders.avg("avg_price").field("price");
（7）求最大值
MaxBuilder mb= AggregationBuilders.max("max_price").field("price");
（8）求最小值
MinBuilder min=    AggregationBuilders.min("min_price").field("price");
（9）按日期间隔分组
DateHistogramBuilder dhb= AggregationBuilders.dateHistogram("dh").field("date");
（10）获取聚合里面的结果
TopHitsBuilder thb=  AggregationBuilders.topHits("top_result");
（11）嵌套的聚合
NestedBuilder nb= AggregationBuilders.nested("negsted_path").path("quests");
（12）反转嵌套
AggregationBuilders.reverseNested("res_negsted").path("kps ");

AggregatedPage：聚合查询的结果类。它是Page<T>的子接口：

AggregatedPage在Page功能的基础上，拓展了与聚合相关的功能，它其实就是对聚合结果的一种封装。

而返回的结果都是Aggregation类型对象，不过根据字段类型不同，又有不同的子类表示

2.6.2.嵌套聚合，求平均值

代码：

@Test
public void testSubAgg(){NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder();// 不查询任何结果queryBuilder.withSourceFilter(new FetchSourceFilter(new String[]{""}, null));// 1、添加一个新的聚合，聚合类型为terms，聚合名称为brands，聚合字段为brandqueryBuilder.addAggregation(AggregationBuilders.terms("brands").field("brand").subAggregation(AggregationBuilders.avg("priceAvg").field("price")) // 在品牌聚合桶内进行嵌套聚合，求平均值);// 2、查询,需要把结果强转为AggregatedPage类型AggregatedPage<Item> aggPage = (AggregatedPage<Item>) this.itemRepository.search(queryBuilder.build());// 3、解析// 3.1、从结果中取出名为brands的那个聚合，// 因为是利用String类型字段来进行的term聚合，所以结果要强转为StringTerm类型StringTerms agg = (StringTerms) aggPage.getAggregation("brands");// 3.2、获取桶List<StringTerms.Bucket> buckets = agg.getBuckets();// 3.3、遍历for (StringTerms.Bucket bucket : buckets) {// 3.4、获取桶中的key，即品牌名称  3.5、获取桶中的文档数量System.out.println(bucket.getKeyAsString() + "，共" + bucket.getDocCount() + "台");// 3.6.获取子聚合结果：InternalAvg avg = (InternalAvg) bucket.getAggregations().asMap().get("priceAvg");System.out.println("平均售价：" + avg.getValue());}}

结果：

2.7.基本概念

Elasticsearch也是基于Lucene的全文检索库，本质也是存储数据，很多概念与MySQL类似的。

对比关系：

索引库（indices）--------------------------------Databases 数据库

类型（type）-----------------------------Table 数据表文档（Document）----------------Row 行字段（Field）-------------------Columns 列

详细说明：

概念	说明
索引库（indices)	indices是index的复数，代表许多的索引，
类型（type）	类型是模拟mysql中的table概念，一个索引库下可以有不同类型的索引，比如商品索引，订单索引，其数据格式不同。不过这会导致索引库混乱，因此未来版本中会移除这个概念
文档（document）	存入索引库原始的数据。比如每一条商品信息，就是一个文档
字段（field）	文档中的属性
映射配置（mappings）	字段的数据类型、属性、是否索引、是否存储等特性

是不是与Lucene中的概念类似。

另外，在Elasticsearch有一些集群相关的概念：

索引集（Indices，index的复数）：逻辑上的完整索引
分片（shard）：数据拆分后的各个部分
副本（replica）：每个分片的复制

要注意的是：Elasticsearch本身就是分布式的，因此即便你只有一个节点，Elasticsearch默认也会对你的数据进行分片和副本操作，当你向集群添加新数据时，数据也会在新加入的节点中进行平衡。

注意：

如果后台报错：

解决方法：

在 Elasticsearch中的 config/jvm.options 文件里把“-Dfile.encoding=UTF-8”改为“-Dfile.encoding=GBK”
然后重启 Elasticsearch 即可

另外：如何查看自己分词后的结果：

package com.wl.partner.controller;import com.alibaba.fastjson.JSON;
import com.alibaba.fastjson.JSONObject;
import com.cre.dmp.osp.common.config.openapi.OpenApi;
import com.cre.dmp.osp.common.web.BaseController;
import com.wl.partner.dao.PartnerDao;
import com.wl.partner.entity.Dealer;
import com.wl.partner.entity.Partner;
import org.elasticsearch.action.admin.indices.analyze.AnalyzeAction;
import org.elasticsearch.action.admin.indices.analyze.AnalyzeRequestBuilder;
import org.elasticsearch.action.admin.indices.analyze.AnalyzeResponse;
import org.elasticsearch.index.query.QueryBuilders;import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.domain.Page;
import org.springframework.data.domain.PageRequest;
import org.springframework.data.elasticsearch.core.ElasticsearchTemplate;
import org.springframework.data.elasticsearch.core.query.NativeSearchQueryBuilder;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestMethod;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;import java.util.ArrayList;
import java.util.List;/*** 启动可视化页面：    E:\Elasticsearch\elasticsearch\elasticsearch-head-master>npm run start* 启动Elasticsearch  E:\Elasticsearch\elasticsearch\elasticsearch-6.2.4\bin  elasticsearch.bat* http://127.0.0.1:9200/ 启动确认* http://127.0.0.1:9100/ 页面* 9300 后台调用端口** 1.如何页面创建索引?* 2.如何页面删除索引* 3.如何查看分词之后得结果* 4.如何实时更新修改已建立索引的的数据（变更删除更细新增怎么办）*/
@RestController
@RequestMapping("/testController")
public class TestController extends BaseController {@AutowiredElasticsearchTemplate elasticsearchTemplate;@Autowiredprivate PartnerDao partnerDao;//合伙人@RequestMapping(value = "/createIndex", method = {RequestMethod.POST})public void createIndex() {// 创建索引，会根据Item类的@Document注解信息来创建elasticsearchTemplate.createIndex(Dealer.class);// 配置映射，会根据Item类中的id、Field等字段来自动完成映射elasticsearchTemplate.putMapping(Dealer.class);}@RequestMapping(value = "/deleteIndex", method = {RequestMethod.POST})public void deleteIndex() {elasticsearchTemplate.deleteIndex(Partner.class);// 根据索引名字删除//esTemplate.deleteIndex("item1");}@RequestMapping(value = "/createPartnerIndex", method = {RequestMethod.POST})public void createPartnerIndex() {// 创建索引，会根据Item类的@Document注解信息来创建elasticsearchTemplate.createIndex(Partner.class);// 配置映射，会根据Item类中的id、Field等字段来自动完成映射// elasticsearchTemplate.putMapping(Partner.class);}/*** http://localhost:7102/wl-ltx-partner-api/testController/testPartnerAll*/@RequestMapping(value = "/testPartnerAll", method = {RequestMethod.POST})public void testPartnerAll(){// 构建查询条件NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder();// 添加基本分词查询//queryBuilder.withQuery(QueryBuilders.termQuery("partnerName", "郑"));queryBuilder.withQuery(QueryBuilders.termQuery("partnerAddress", "漯河"));// 分页：int page = 0;int size = 2;queryBuilder.withPageable(PageRequest.of(page,size));// 搜索，获取结果Page<Partner> items = this.partnerDao.search(queryBuilder.build());// 总条数long total = items.getTotalElements();System.out.println("总条数 = " + total);// 总页数System.out.println("总页数 = " + items.getTotalPages());// 当前页System.out.println("当前页：" + items.getNumber());// 每页大小System.out.println("每页大小：" + items.getSize());for (Partner item : items) {System.out.println(item);}}/***  查看分词之后得结果数据*  searchContent  分词内容*  ikAnalyzer 分词条件   细颗粒【多】：ik_max_word   粗颗粒分词【少】：ik_smart*   http://localhost:7102/wl-ltx-partner-api/testController/getIkAnalyzeSearchTerms** {"searchContent":"中华人民共和国人民大会堂","ikAnalyzer":"ik_max_word" }*"{searchContent":"中华人民共和国人民大会堂","ikAnalyzer":"ik_smart" }* [partner_item] 参数 为http://127.0.0.1:9100/ 所建立的索引** @return*/@OpenApi@RequestMapping(value = "/getIkAnalyzeSearchTerms", method = {RequestMethod.POST})private List<String> getIkAnalyzeSearchTerms(@OpenApi  @RequestParam(value = "jsonDate", required = true) String jsonDateString) {JSONObject jsonObject = JSON.parseObject(jsonDateString);String searchContent = (String) jsonObject.get("searchContent");String ikAnalyzer = (String) jsonObject.get("ikAnalyzer");// 调用 IK 分词分词AnalyzeRequestBuilder ikRequest = new AnalyzeRequestBuilder(elasticsearchTemplate.getClient(),AnalyzeAction.INSTANCE, "partner_item", searchContent);//【partner_item 】自定义的http://127.0.0.1:9100/ 数据浏览中的自己索引名字ikRequest.setTokenizer(ikAnalyzer);List<AnalyzeResponse.AnalyzeToken> tokenList = ikRequest.execute().actionGet().getTokens();// 循环赋值List<String> searchTermList = new ArrayList<>();tokenList.forEach(ikToken -> {searchTermList.add(ikToken.getTerm());});return searchTermList;}}

细颗粒分词：ik_max_word

粗颗粒分词：ik_smart

错误二：

解决办法：

1、原因：防火墙拦截

2、解决方法：关闭防火墙。

elasticSearch搜索引擎安装使用，SprignBoot整合Spring Data Elasticsearch，百度云 Elasticsearch安装包相关推荐

2022年appium超详细环境安装步骤（Mac版本，附带百度网盘安装包）
二年没有搭建appium环境里,百度了一下,网上帖子倒是很多,但坑也是很多的,决定在此发布一篇较为详细的appium环境安装,让小伙伴们少踩坑 mac 上 Appium 环境搭建第一步:安装 nod ...
SpringBoot整合Spring Data Elasticsearch
特点: 分布式,无需人工搭建集群(solr就需要人为配置,使用Zookeeper作为注册中心) Restful风格,一切API都遵循Rest原则,容易上手近实时搜索,数据更新在Elasticsear ...
springboot整合hibernate_峰哥说技术系列-17 .Spring Boot 整合 Spring Data JPA
今日份主题 Spring Boot 整合 Spring Data JPA JPA(Java Persistence API)是用于对象持久化的 API,是Java EE 5.0 平台标准的 ORM 规 ...
Spring Boot整合Spring Data Redis-整合步骤
如何通过SpringBoot去整合我们的Redis,这里我们先对SpringBoot Redis做一个简单的介绍,其实SpringBoot Redis,和我们之前讲的Spring JPA都是Sprin ...
第九篇：Spring Boot整合Spring Data JPA_入门试炼01
Spring Data JPA:介绍: Spring Data就是spring提供操作数据库的框架,而Spring Data JPA只是Spring Data框架下的一个基于JPA标准操作数据库的模块 ...
springboot学习笔记(三)使用JDBC以及整合spring data jpa
spring boot JDBC的使用: 1.引入依赖 <dependency><groupId>mysql</groupId><artifactId> ...
阿里云Redis (安装包安装篇)
2019独角兽企业重金招聘Python工程师标准>>> 之前通过yum安装Redis,挺简单的:这次来试试安装包安装! 一.天才第一步,***** 找个安装包吧,直接到官网下载.ht ...
r语言从网页下载东西内容 r安装特定版本的r包 r从网页下载安装包
加载 library(RCurl) getBinaryURL(url, -, .opts = list(), curl = getCurlHandle(), .buf = binaryBuffer(. ...
Spring Boot整合Spring Data JPA操作数据
一. Sping Data JPA 简介 Spring Data JPA 是 Spring 基于 ORM 框架.JPA 规范的基础上封装的一套 JPA 应用框架,底层使用了 Hibernate 的 J ...
java 整合solr_SpringBoot整合Spring Data Solr
此文不讲solr相关,只讲整合,内容清单如下 1. maven依赖坐标 2. application.properties配置 3. Java Config配置 1. maven坐标 org.spri ...

elasticSearch搜索引擎安装使用，SprignBoot整合Spring Data Elasticsearch，百度云 Elasticsearch安装包

1.Elasticsearch介绍和安装

elasticSearch搜索引擎安装使用，SprignBoot整合Spring Data Elasticsearch，百度云 Elasticsearch安装包相关推荐

最新文章

热门文章