乐优商城学习Day06：

注意：此次代码都是在第五天的基础上
第五天的链接如下：
https://blog.csdn.net/zcylxzyh/article/details/99655894

此次笔记内容主要为：
1.在linux下安装Elasticsearch
2.安装 jdk1.8
3.安装Kibana和分词器
4.操作索引（增删改查）
5.聚合aggregations
6.java代码操作索引

下面开始第六天的学习：

1.在linux下安装Elasticsearch

1.1 Elasticsearch介绍

用户访问我们的首页，一般都会直接搜索来寻找自己想要购买的商品。

而商品的数量非常多，而且分类繁杂。如果能正确的显示出用户想要的商品，并进行合理的过滤，尽快促成交易，是搜索系统要研究的核心。

面对这样复杂的搜索业务和数据量，使用传统数据库搜索就显得力不从心，一般我们都会使用全文检索技术，比如之前大家学习过的Solr。

不过今天，我们要讲的是另一个全文检索技术：Elasticsearch。

Elasticsearch具备以下特点：

• 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Elasticsearch中几乎是完全同步的。

1.2 Elasticsearch安装

首先文件上传

cd /home/leyou

使用FileZilla


然后解压


删除压缩包

修改权限

cd进入观察后cd退出来

重命名：

cd进入

修改


修改



然后创建目录

然后切换到leyou用户并进入bin（在root下转换账号不需要密码）

然后把当前的目录下权限全都变成leyou用户

然后修改上级目录下的文件

在最下面加

然后新开一个root账号的终端修改一些权限

在最下面添加


改为4096


在最下面加

输入命令让配置生效

sysctl -p

然后关闭终端
重新启动虚拟机
开启新终端
在执行下面命令

访问看到这个，说明配置成功

至此，第一部分结束。

2.安装jdk1.8

安装jdk链接

https://www.cnblogs.com/ocean-sky/p/8392444.html

至此，第二部分结束。

3.安装Kibana和分词器

3.1 安装Kibana

直接解压到相应的目录下

然后进入conf文件

注意：这里是虚拟机的地址。

3.2.安装分词器：

先关闭elastsearch
然后进入目录：

解压：


删除安装包：

修改目录名字：

进入目录

重新运行elasticsearch

结果：

至此，第三部分结束。

4.操作索引（增删改查）

4.1创建索引(库)：

Elasticsearch采用Rest风格API，因此其API就是一次http请求，你可以用任何工具发起http请求

创建索引的请求格式：

• 请求方式：PUT
• 请求路径：/索引库名
• 请求参数：json格式：
  {
  “settings”: {
  “number_of_shards”: 3,
  “number_of_replicas”: 2
  }
  }
  • settings：索引库的设置
    • number_of_shards：分片数量
    • number_of_replicas：副本数量

用Insomnia
3个分片，两个备份：

用kibana

查询刚才创建的：
Get请求可以帮我们查看索引信息，格式：

GET /索引库名

或者，我们可以使用*来查询所有索引库配置。

删除：
删除索引使用DELETE请求

语法

DELETE /索引库名

示例：

再次查看heima2：

当然，我们也可以用HEAD请求，查看索引是否存在：

4.2 映射配置

索引有了，接下来肯定是添加数据。但是，在添加数据之前必须定义映射。

什么是映射？

映射是定义文档的过程，文档包含哪些字段，这些字段是否保存，是否索引，是否分词等

只有配置清楚，Elasticsearch才会帮我们进行索引库的创建（不一定）

创建映射字段：

语法

请求方式依然是PUT

PUT /索引库名/_mapping/类型名称
{
  "properties": {
    "字段名": {
      "type": "类型",
      "index": true，
      "store": true，
      "analyzer": "分词器"
    }
  }
}

• 类型名称：就是前面将的type的概念，类似于数据库中的不同表
  字段名：任意填写 ，可以指定许多属性，例如：
• type：类型，可以是text、long、short、date、integer、object等
• index：是否索引，默认为true
• store：是否存储，默认为false
• analyzer：分词器，这里的ik_max_word即使用ik分词器

示例：

PUT /heima/_mapping/goods
{
    
    
  "properties": {
    
    
    "title": {
    
    
      "type": "text",
      "analyzer": "ik_max_word"
    },
    "images": {
    
    
      "type": "keyword",
      "index": "false"
    },
    "price": {
    
    
      "type": "float"
    }
  }
}

查看映射关系：
语法：

GET /索引库名/_mapping

示例：

4.3 字段属性详解

type ：

Elasticsearch中支持的数据类型非常丰富：

我们说几个关键的：

• String类型，又分两种：
  • text：可分词，不可参与聚合
  • keyword：不可分词，数据会作为完整字段进行匹配，可以参与聚合
• 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 ：

index影响字段的索引情况。

• true：字段会被索引，则可以用来进行搜索。默认值就是true
• false：字段不会被索引，不能用来搜索

index的默认值就是true，也就是说你不进行任何配置，所有字段都会被索引。

但是有些字段是我们不希望被索引的，比如商品的图片信息，就需要手动设置index为false。

store ：

是否将数据进行额外存储。

在学习lucene和solr时，我们知道如果一个字段的store设置为false，那么在文档列表中就不会有这个字段的值，用户的搜索结果中不会显示出来。

但是在Elasticsearch中，即便store设置为false，也可以搜索到结果。

原因是Elasticsearch在创建文档索引时，会将文档中的原始数据备份，保存到一个叫做_source的属性中。而且我们可以通过过滤_source来选择哪些要显示，哪些不显示。

而如果设置store为true，就会在_source以外额外存储一份数据，多余，因此一般我们都会将store设置为false，事实上，store的默认值就是false。

4.4 新增数据：

随机生成id

通过POST请求，可以向一个已经存在的索引库中添加数据。

语法：

POST /索引库名/类型名
{
    "key":"value"
}

示例：

• _source：源文档信息，所有的数据都在里面。
• _id：这条文档的唯一标示，与文档自己的id字段没有关联

POST /heima/goods/
{
    
    
    "title":"小米手机",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":2699.00
}

自定义id：
如果我们想要自己新增的时候指定id，可以这么做：

POST /索引库名/类型/id值
{
    ...
}

示例：

POST /heima/goods/1
{
    
    
    "title":"大米手机",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":2899.00
}

查询刚才新增的：
查所有：

查id为1

智能判断：

在学习Solr时我们发现，我们在新增数据时，只能使用提前配置好映射属性的字段，否则就会报错。

不过在Elasticsearch中并没有这样的规定。

事实上Elasticsearch非常智能，你不需要给索引库设置任何mapping映射，它也可以根据你输入的数据来判断类型，动态添加数据映射。

测试一下：

POST /heima/goods/3
{
    
    
    "title":"超米手机",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":2899.00,
    "stock": 200,
    "saleable":true,
    "subTitle":"呵呵"
}

查询一下：

4.5 修改数据：

把刚才新增的请求方式改为PUT，就是修改了。不过修改必须指定id，

• id对应文档存在，则修改
• id对应文档不存在，则新增

先增加一个：

查询：

修改：

PUT /heima/goods/2
{
    
    
    "title":"超大米手机",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":3899.00,
    "stock": 100,
    "saleable":true
}

查一下：

4.6 删除数据

删除使用DELETE请求，同样，需要根据id进行删除：

语法

DELETE /索引库名/类型名/id值

示例：

4.7 查询

基本查询：全文检索的查询：(先分词后查询)
基本语法

GET /索引库名/_search
{
    "query":{
        "查询类型":{
            "查询条件":"查询条件值"
        }
    }
}

这里的query代表一个查询对象，里面可以有不同的查询属性

• 查询类型：
  • 例如：match_all， match，term ， range 等等
• 查询条件：查询条件会根据类型的不同，写法也有差异，后面详细讲解

查询所有（match_all)

示例：

GET /heima/_search
{
    "query":{
        "match_all": {}
    }
}

• query：代表查询对象
• match_all：代表查询所有

结果：

{
  "took": 2,
  "timed_out": false,
  "_shards": {
    "total": 3,
    "successful": 3,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 2,
    "max_score": 1,
    "hits": [
      {
        "_index": "heima",
        "_type": "goods",
        "_id": "2",
        "_score": 1,
        "_source": {
          "title": "大米手机",
          "images": "http://image.leyou.com/12479122.jpg",
          "price": 2899
        }
      },
      {
        "_index": "heima",
        "_type": "goods",
        "_id": "r9c1KGMBIhaxtY5rlRKv",
        "_score": 1,
        "_source": {
          "title": "小米手机",
          "images": "http://image.leyou.com/12479122.jpg",
          "price": 2699
        }
      }
    ]
  }
}

• took：查询花费时间，单位是毫秒
• time_out：是否超时
• _shards：分片信息
• hits：搜索结果总览对象
  • total：搜索到的总条数
  • max_score：所有结果中文档得分的最高分
  • hits：搜索结果的文档对象数组，每个元素是一条搜索到的文档信息
    • _index：索引库
    • _type：文档类型
    • _id：文档id
    • _score：文档得分
    • _source：文档的源数据

匹配查询（match）

GET /heima/_search
{
    
    
  "query": {
    
    
    "match": {
    
    
      "title": "大米手机"
    }
    
  }
}

这个是分词后按照or去查

• or关系

match类型查询，会把查询条件进行分词，然后进行查询,多个词条之间是or的关系

GET /heima/_search
{
    
    
  "query": {
    
    
    "match": {
    
    
      "title": {
    
    "query":"大米手机","operator": "and"}
    }
    
  }
}

这个是分词后按照and去查

• and关系

某些情况下，我们需要更精确查找，我们希望这个关系变成and，可以这样做：

词条匹配(term) （词条搜索：分词后有的词条才能找到）

term 查询被用于精确值 匹配，这些精确值可能是数字、时间、布尔或者那些未分词的字符串

GET /heima/_search
{
    
    
  "query": {
    
    
    "term": {
    
    
      "title": {
    
    
        "value": "大米手机" 
      }
    }
  }
}

结果过滤：
默认情况下，elasticsearch在搜索的结果中，会把文档中保存在_source的所有字段都返回。

如果我们只想获取其中的部分字段，我们可以添加_source的过滤

GET /heima/_search
{
    
    
  "_source": "title", 
  "query": {
    
    
    "match": {
    
    
      "title": "大米手机"
    }
  }
}

GET /heima/_search
{
    
    
  "_source": ["title","price"], 
  "query": {
    
    
    "match": {
    
    
      "title": "大米手机"
    }
  }
}

GET /heima/_search
{
    
    
  "_source": {
    
    
    "includes": "price"
  }, 
  "query": {
    
    
    "match": {
    
    
      "title": "大米手机"
    }
  }
}

包含price信息

GET /heima/_search
{
    
    
  "_source": {
    
    
    "excludes": "images"
  }, 
  "query": {
    
    
    "match": {
    
    
      "title": "大米手机"
    }
  }
}

不包含image信息

高级查询：

模糊查询(fuzzy)
fuzzy 查询是 term 查询的模糊等价。它允许用户搜索词条与实际词条的拼写出现偏差，但是偏差的编辑距离不得超过2

GET /heima/_search
{
    
    
  "_source": {
    
    
    "excludes": "images"
  }, 
  "query": {
    
    
    "fuzzy": {
    
    
      "title":"appla"
    }
  }
}

范围查询(range)：

range 查询找出那些落在指定区间内的数字或者时间

range查询允许以下字符：

GET /heima/_search
{
    
    
  "_source": {
    
    
    "excludes": "images"
  }, 
  "query": {
    
    
    "range": {
    
    
      "price": {
    
    
        "gte": 1000,
        "lte": 3000
      }
    }
  }
}

布尔查询（bool) ：
must：一定，与
must_not：一定不，非

bool把各种其它查询通过must（与）、must_not（非）、should（或）的方式进行组合

GET /heima/_search
{
    
    
  "_source": {
    
    
    "excludes": "images"
  }, 
  "query": {
    
    
    "bool": {
    
    
      "must": [
        {
    
    "match": {
    
    
            "title": "apple"
          }},
          {
    
    
            "range": {
    
    
              "price": {
    
    
                "gte": 3000
              }
            }
          }
      ]
    }
  }
}

名字是Apple，价格在3000以上

把过滤字段写到filter中，这样就不会影响搜索的得分等等东西

GET /heima/_search
{
    
    
  "_source": {
    
    
    "excludes": "images"
  }, 
  "query": {
    
    
    "bool": {
    
    
      "must": [
        {
    
    "match": {
    
    
            "title": "大米"
          }}
      ],
      "filter": {
    
    
            "range": {
    
    
              "price": {
    
    
                "gte": 1000
              }
            }
      }
    }
  }
}

排序：

排序通过NativeSearchQueryBuilder完成

GET /heima/_search
{
    
    
  "_source": {
    
    
    "excludes": "images"
  }, 
  "query": {
    
    
    "bool": {
    
    
      "must": [
        {
    
    "match": {
    
    
            "title": "大米"
          }}
      ],
      "filter": {
    
    
            "range": {
    
    
              "price": {
    
    
                "gte": 1000
              }
            }
      }
    }
  },
  "sort": [
    {
    
    
      "price": {
    
    
        "order": "desc"
      }
    }
  ]
}

分页：

利用NativeSearchQueryBuilder可以方便的实现分页：

GET /heima/_search
{
    
    
  "_source": {
    
    
    "excludes": "images"
  }, 
  "query": {
    
    
    "bool": {
    
    
      "must": [
        {
    
    "match": {
    
    
            "title": "大米"
          }}
      ],
      "filter": {
    
    
            "range": {
    
    
              "price": {
    
    
                "gte": 1000
              }
            }
      }
    }
  },
  "sort": [
    {
    
    
      "price": {
    
    
        "order": "desc"
      }
    }
  ],
  "from": 1,
  "size": 1
}

至此，第四部分结束。

5.聚合aggregations

重新准备一个索引库用作聚合的操作：

PUT /cars
{
    
    
  "settings": {
    
    
    "number_of_shards": 1,
    "number_of_replicas": 0
  },
  "mappings": {
    
    
    "transactions": {
    
    
      "properties": {
    
    
        "color": {
    
    
          "type": "keyword"
        },
        "make": {
    
    
          "type": "keyword"
        }
      }
    }
  }
}

POST /cars/transactions/_bulk
{
    
     "index": {
    
    }}
{
    
     "price" : 10000, "color" : "red", "make" : "honda", "sold" : "2014-10-28" }
{
    
     "index": {
    
    }}
{
    
     "price" : 20000, "color" : "red", "make" : "honda", "sold" : "2014-11-05" }
{
    
     "index": {
    
    }}
{
    
     "price" : 30000, "color" : "green", "make" : "ford", "sold" : "2014-05-18" }
{
    
     "index": {
    
    }}
{
    
     "price" : 15000, "color" : "blue", "make" : "toyota", "sold" : "2014-07-02" }
{
    
     "index": {
    
    }}
{
    
     "price" : 12000, "color" : "green", "make" : "toyota", "sold" : "2014-08-19" }
{
    
     "index": {
    
    }}
{
    
     "price" : 20000, "color" : "red", "make" : "honda", "sold" : "2014-11-05" }
{
    
     "index": {
    
    }}
{
    
     "price" : 80000, "color" : "red", "make" : "bmw", "sold" : "2014-01-01" }
{
    
     "index": {
    
    }}
{
    
     "price" : 25000, "color" : "blue", "make" : "ford", "sold" : "2014-02-12" }

聚合为桶：
桶就是分组，比如这里我们按照品牌brand进行分组

GET /cars/_search
{
    
    
  "size": 0, 
  "aggs": {
    
    
    "popular_brand": {
    
    
      "terms": {
    
    
        "field": "make"
      }
    }
  }
}

size ： 0是不显示查询结果

加上了价格的平均值：

GET /cars/_search
{
    
    
  "size": 0, 
  "aggs": {
    
    
    "popular_brand": {
    
    
      "terms": {
    
    
        "field": "make"
      },
       "aggs": {
    
    
        "price_avg": {
    
    
          "avg": {
    
    
            "field": "price"
          }
        }
      }
    }
  }
}

至此，第五部分结束。

6.java代码操作索引

要记得：打开Kibana，还有打开虚拟机（按照上面配置的）

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。

我们新建一个工程，取名为es-demo：

然后导入所需要依赖：

es-pom代码如下：

<?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.leyou.demo</groupId>
    <artifactId>es-demo</artifactId>
    <version>1.0-SNAPSHOT</version>

    <name>elasticsearch</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-data-elasticsearch</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
            </plugin>
        </plugins>
    </build>
</project>

然后按照如下结构进行构造：

配置文件代码如下：

spring:
  data:
    elasticsearch:
      cluster-name: elasticsearch
      cluster-nodes: 192.168.133.128:9300

启动类EsApplication代码如下：

package com.leyou;

        import org.springframework.boot.SpringApplication;
        import org.springframework.boot.autoconfigure.SpringBootApplication;

@SpringBootApplication
public class EsApplication {
    
    
    public static void main(String[] args) {
    
    
        SpringApplication.run(EsApplication.class);
    }
}

映射

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，取值是枚举：FieldType
  • 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

Item实体类代码如下：

package com.leyou.es.pojo;

import lombok.AllArgsConstructor;
import lombok.Data;
import lombok.NoArgsConstructor;
import org.springframework.data.annotation.Id;
import org.springframework.data.elasticsearch.annotations.Document;
import org.springframework.data.elasticsearch.annotations.Field;
import org.springframework.data.elasticsearch.annotations.FieldType;
@AllArgsConstructor
@NoArgsConstructor
@Data
@Document(indexName = "heima3",type = "item",shards = 1)
public class Item {
    
    
    @Field(type = FieldType.Long)
    @Id
    Long id;

    @Field(type = FieldType.Text,analyzer = "ik_smart")
    String title; //标题
    @Field(type = FieldType.Keyword)
    String category;// 分类
    @Field(type = FieldType.Keyword)
    String brand; // 品牌
    @Field(type = FieldType.Double)
    Double price; // 价格
    @Field(type = FieldType.Keyword , index = false)
    String images; // 图片地址
}

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。

我们只需要定义接口，然后继承它就OK了。

ItemRepository接口代码如下：

package com.leyou.es.repository;

import com.leyou.es.pojo.Item;
import org.springframework.data.elasticsearch.repository.ElasticsearchRepository;

import java.util.List;

public interface ItemRepository extends ElasticsearchRepository<Item,Long>{
    
    
    List<Item> findByPriceBetween(Double begin , Double end);
}

EsTest代码如下：

package com.leyou.es.demo;

import com.leyou.es.pojo.Item;
import com.leyou.es.repository.ItemRepository;
import lombok.AllArgsConstructor;
import org.junit.Test;
import org.junit.runner.RunWith;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.data.elasticsearch.core.ElasticsearchTemplate;
import org.springframework.test.context.junit4.SpringRunner;

import java.util.ArrayList;
import java.util.List;

@RunWith(SpringRunner.class)
@SpringBootTest
public class EsTest {
    
    

    @Autowired
    ElasticsearchTemplate template;
    @Autowired
    private ItemRepository repository;
    @Test
    public void testCreate(){
    
    
        //创建索引库
        template.createIndex(Item.class);
        //映射关系
        template.putMapping(Item.class);
    }

    @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.leyou.com/13123.jpg"));
        list.add(new Item(2L, "坚果手机R1", "手机", "锤子", 3699.00, "http://image.leyou.com/13123.jpg"));
        list.add(new Item(3L, "华为META10", "手机", "华为", 4499.00, "http://image.leyou.com/13123.jpg"));
        list.add(new Item(4L, "小米Mix2S", "手机", "小米", 4299.00, "http://image.leyou.com/13123.jpg"));
        list.add(new Item(5L, "荣耀V10", "手机", "华为", 2799.00, "http://image.leyou.com/13123.jpg"));
        // 接收对象集合，实现批量新增
        repository.saveAll(list);
    }

    @Test
    public void testFind(){
    
    
        Iterable<Item> all = repository.findAll();
        for (Item item : all){
    
    
            System.out.println("item = " + item);
        }
    }

    @Test
    public void testFindBy(){
    
    
        List<Item> list = repository.findByPriceBetween(2000d, 4000d);
        for (Item item : list){
    
    
            System.out.println("item = "+item);
        }
    }
}

创建索引：

结果：

新增：

结果：

查询：

自定义查询：

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：



自己写方法名，他帮你生成
结果：

至此，今天的学习结束。