转载：https://blog.csdn.net/weixin_42633131/article/details/82902812
1.Elasticsearch介绍和安装
1.1.简介1.1.1.ElasticElastic官网：https://www.elastic.co/cn/
Elastic有一条完整的产品线：Elasticsearch、Kibana、Logstash等，前面说的三个就是大家常说的ELK技术栈。
1.1.2.ElasticsearchElasticsearch官网：https://www.elastic.co/cn/products/elasticsearch
如上所述，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。1.1.3.版本目前Elasticsearch最新的版本是6.2.4，我们就使用这个版本
需要JDK1.8及以上
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。
[外链图片转存失败(img-vQVf2nZn-1562576542887)(assets/1537967155637.png)]
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程序访问的断就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Headealsticsearch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
1.4.2.安装es5以上版本安装head需要安装node和grunt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 ，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
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: truenode.data: true1234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#）(!!!如果出现bat闪退的现象，注释就别去掉)
第二步：双击elasticsearch.bat重启es
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 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
1.4.4.成功
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】
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 ElasticsearchElasticsearch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>
123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354application.properties文件配置：
spring.data.elasticsearch.repositories.enabled = truespring.data.elasticsearch.cluster-nodes =127.0.0.1:9300122.3.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123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}12345678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5replicas：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truestore：是否存储，布尔类型，默认是falseanalyzer：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 { @Id private 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}1234567891011121314151617181920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：
@Testpublic 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);}1234567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：
@Testpublic void deleteIndex() { esTemplate.deleteIndex(Item.class); // 根据索引名字删除 //esTemplate.deleteIndex("item1");}123456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> {}12接下来，我们测试新增数据：
2.4.2.新增一个对象@Autowiredprivate ItemRepository itemRepository;
@Testpublic 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);}123456789去页面查询看看：
2.4.3.批量新增代码：
@Testpublic 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);}12345678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。
@Testpublic 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);}123456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：
@Test public 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); } }123456789101112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 SampleAnd findByNameAndPriceOr findByNameOrPriceIs findByNameNot findByNameNotBetween findByPriceBetweenLessThanEqual findByPriceLessThanGreaterThanEqual findByPriceGreaterThanBefore findByPriceBeforeAfter findByPriceAfterLike findByNameLikeStartingWith findByNameStartingWithEndingWith findByNameEndingWithContains/Containing findByNameContainingIn findByNameIn(Collection<String>names)NotIn findByNameNotIn(Collection<String>names)Near findByStoreNearTrue findByAvailableTrueFalse findByAvailableFalseOrderBy 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);}12345678910然后添加一些测试数据：
@Testpublic 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);}1234567891011不需要写实现类，然后我们直接去运行：
@Testpublic void queryByPriceBetween(){ List<Item> list = this.itemRepository.findByPriceBetween(2000.00, 3500.00); for (Item item : list) { System.out.println("item = " + item); }}1234567结果：
2.5.3.自定义查询先来看最基本的match query：
@Testpublic 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); }}123456789101112131415NativeSearchQueryBuilder：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 * */ @Test public 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termQuery queryBuilder.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/.... */ @Test public 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); } }
@Test public 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); } }
@Test public 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); }
}1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071722.5.4.分页查询利用NativeSearchQueryBuilder可以方便的实现分页：
@Testpublic 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); }}123456789101112131415161718192021222324252627结果：
[外链图片转存失败(img-4q9Esx9y-1562576542892)(assets/1538083677832.png)]
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：
@Testpublic 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); }}1234567891011121314151617181920结果：
2.6.聚合（牛逼！！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：
@Testpublic 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brand queryBuilder.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()); }
}12345678910111213141516171819202122232425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 ");
12345678910111213141516171819202122232425AggregatedPage：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：
@Testpublic 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brand queryBuilder.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()); }
}1234567891011121314151617181920212223242526272829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 12345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。
##2.8bug1：Must be in the format host:port!
(一个综合查询方法)
@Override public DatagridResult conditionQuery(WayBill wayBill, Integer page, Integer rows) { NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder(); BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
//判断订单号 if (StringUtils.isNotBlank(wayBill.getWayBillNum())){ WildcardQueryBuilder wayBillNum = QueryBuilders.wildcardQuery("wayBillNum", "*" + wayBill.getWayBillNum() + "*"); boolQuery.must(wayBillNum); } // 2 发货地 分词 if (StringUtils.isNotBlank(wayBill.getSendAddress())){ // 2 改进的第一个问题：北京市顺义区 北 京 市 北京 顺义 义区 这种方式允许查吗？ WildcardQueryBuilder sendAddressequeryBuilder1 = QueryBuilders.wildcardQuery("sendAddress", "*" + wayBill.getSendAddress() + "*"); // 3 改进的第二个问题：北京顺义 这种方式要被允许-->这种方式需要对 查询词条进行分词后 再进行查询 // QueryStringQueryBuilder此对象会对查询的词条分词后的各种情况进行分词查找 // 参数：就是前台传过来的查询内容 // QueryStringQueryBuilder queryStringQueryBuilder = new QueryStringQueryBuilder(wayBill.getSendAddress());// queryStringQueryBuilder.field("sendAddress").defaultOperator(Operator.AND); QueryStringQueryBuilder queryStringQueryBuilder = new QueryStringQueryBuilder(wayBill.getSendAddress()).field("sendAddress").defaultOperator(Operator.AND); BoolQueryBuilder should = QueryBuilders.boolQuery().should(sendAddressequeryBuilder1).should(queryStringQueryBuilder); boolQuery.must(should); } //收货地址 if (StringUtils.isNotBlank(wayBill.getRecAddress())){ WildcardQueryBuilder recAddressQuery = QueryBuilders.wildcardQuery("recAddress", "*" + wayBill.getRecAddress() + "*");
//改进 允许对词条分词后 在查询 QueryStringQueryBuilder recAddressQueryString = new QueryStringQueryBuilder(wayBill.getRecAddress()).field("recAddress").defaultOperator(Operator.AND);
//取并集 BoolQueryBuilder should = QueryBuilders.boolQuery().should(recAddressQuery).should(recAddressQueryString); boolQuery.must(should); } //4 速运当日、速运次日、速运隔日 sds if (StringUtils.isNotBlank(wayBill.getSendProNum())){ TermQueryBuilder sendProNumQuery = QueryBuilders.termQuery("sendProNum", wayBill.getSendProNum()); boolQuery.must(sendProNumQuery); } //5 运单状态： 1 待发货、 2 派送中、3 已签收、4 异常 if (wayBill.getSignStatus()!=null&& wayBill.getSignStatus()!=0){ TermQueryBuilder signStatus = QueryBuilders.termQuery("signStatus", wayBill.getSignStatus()); boolQuery.must(signStatus); } // 执行分页 queryBuilder.withPageable(PageRequest.of(page-1,rows)); // 执行查询 queryBuilder.withQuery(boolQuery); Page<ESWayBill> list = wayBillRepository.search(queryBuilder.build()); //拼接结果 DatagridResult result = new DatagridResult(); result.setTotal(list.getTotalElements()); result.setRows(list.getContent()); return result; }
123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657扶贫！！ 帮助一下孩子吧。感谢♥：
--------------------- 版权声明：本文为博主「maojunfang」的原创文章，遵循CC 4.0 by-sa版权协议，转载请附上原文出处链接及本声明。原文链接：https://blog.csdn.net/weixin_42633131/article/details/82902812
转载于:https://www.cnblogs.com/Jeely/p/11315157.html
