谷粒商城のElasticsearch

西岭千秋雪_2024-09-17 12:47

文章目录

前言

本篇介绍谷粒商城项目检索服务，从搭建es环境到商城检索业务的实现。（不考虑freeMarker模版中的jquery部分）

对应视频：P173-P192

一、前置知识

1、Elasticsearch 的结构

同传统的关系型数据库进行类比：

  1. 索引 (Index):相当于关系数据库中的表，由多个文档组成。
  2. 文档 (Document):文档是 Elasticsearch 中存储的基本数据单位，相当于关系数据库中的一行。文档以 JSON 格式存储。每个文档属于一个特定的索引，并具有唯一的 ID。
  3. 映射 (Mapping):类似于数据库中的表结构定义，定义了文档的字段及其数据类型。（DDL建表语句）

2、倒排索引 (Inverted Index)

在倒排索引中，每个词项都关联到一个倒排列表（Posting List），该列表存储着包含这个词项的所有文档的 ID。倒排索引的构建和查询主要分为以下两个阶段：

2.1、 索引阶段

当文档被添加到系统中时，首先会进行文档解析（分词），然后将每个词项添加到倒排索引的词典中。词典存储的是文档中所有唯一词项的列表。最后对于每个词项，记录该词项在哪些文档中出现，存储这些文档的 ID 以及该词项在文档中的位置（可选）。这些信息称为倒排列表。

例如我现在有两个文档：文档一：布偶猫吃鱼和文档二：加菲猫吃鱼，分词后可以得到以下倒排索引（假设目前使用的是ik分词器）：

词 文档ID
布偶 1
加菲猫 2
猫 1，2
吃鱼 1，2

2.2、查询阶段

首先会进行分词，布偶猫吃鱼会得到词项【布偶，猫，吃鱼】，加菲猫吃鱼会得到词项【加菲猫，吃鱼】。然后根据分出的词去查找其文档ID：

  • 布偶的文档ID是1。
  • 猫的文档ID是1，2。
  • 吃鱼的文档ID是1，2。
  • 加菲猫的文档ID是2。
      最后找到同时包含所有查询词项的文档，例如我要搜索布偶猫吃鱼，文档1会作为结果返回。

二、环境准备

1、安装Es

在本项目中采用docker安装es的方式。es和kibana均采用7.4.2版本

首先执行：

bash 复制代码 
mkdir -p /mydata/elasticsearch/config
mkdir -p /mydata/elasticsearch/data

然后执行：

bash 复制代码 
echo "http.host: 0.0.0.0" >> /mydata/elasticsearch/config/elasticsearch.yml

这条命令的含义是，在 /mydata/elasticsearch/config/elasticsearch.yml 文件的末尾添加一行配置，内容是http.host: 0.0.0.0，会允许服务通过任何 IP 地址访问Elasticsearch 。

bash 复制代码 
chmod -R 777 /mydata/elasticsearch/

这条命令的含义是，修改指定目录下的所有文件和子目录的权限。777 表示赋予所有用户（文件的所有者、同组用户、其他用户）读取（r）、写入（w） 和 执行（x） 的权限。（权限的 777 是通过组合 rwx（读、写、执行）的权限位来得到的：7 = r + w + x = 4 + 2 + 1，即读、写、执行权限都有。）

最后执行：

bash 复制代码 
docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \
-e "discovery.type=single-node" \
-e ES_JAVA_OPTS="-Xms64m -Xmx512m" \
-v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
-v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
-d elasticsearch:7.4.2

- docker run：启动一个新的 Docker 容器。

---name elasticsearch：给容器命名为 elasticsearch。

--p 9200:9200 -p 9300:9300：-p 选项用于将主机的端口与容器内的端口进行映射。9200:9200：将主机的 9200 端口映射到容器的 9200 端口（Elasticsearch 默认的 HTTP REST API 端口）。9300:9300：将主机的 9300 端口映射到容器的 9300 端口（Elasticsearch 默认的内部节点通信端口）。

- -e "discovery.type=single-node"：-e 选项用于设置环境变量。"discovery.type=single-node"：指定 Elasticsearch 以单节点模式运行，即不需要集群节点的发现（通常用于开发或测试环境）。

--e ES_JAVA_OPTS="-Xms64m -Xmx512m"：ES_JAVA_OPTS 是用于配置 JVM 的选项。-Xms64m：设置 JVM 的最小堆内存为 64MB。-Xmx512m：设置 JVM 的最大堆内存为 512MB。

--v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml：-v 选项用于将主机上的目录或文件挂载到容器中。将主机上 /mydata/elasticsearch/config/elasticsearch.yml 文件挂载到容器内的 /usr/share/elasticsearch/configelasticsearch.yml，用于替换容器中的默认配置文件。

- -v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml：-v 选项用于将主机上的目录或文件挂载到容器中。将主机上/mydata/elasticsearch/config/elasticsearch.yml文件挂载到容器内的 /usr/share/elasticsearch/config/elasticsearch.yml，用于替换容器中的默认配置文件。

--v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins：将主机上的/mydata/elasticsearch/plugins目录挂载到容器的/usr/share/elasticsearch/plugins目录，用于存储和管理 Elasticsearch 插件。

- -d elasticsearch:7.4.2：-d 选项让容器在后台运行（守护模式）。elasticsearch:7.4.2：指定要使用的 Elasticsearch 镜像及其版本号 7.4.2。

2、安装Kibana

Kibana相当于es的可视化界面和控制台：

bash 复制代码 
docker run --name kibana -e ELASTICSEARCH_HOSTS=http://自己的虚拟机地址:9200 -p 5601:5601 \
-d kibana:7.4.2

- docker run：启动一个新的 Docker 容器。

---name kibana： 给容器命名为kibana。

-e ELASTICSEARCH_HOSTS=http://192.168.56.10:9200：指定 Kibana 连接的 Elasticsearch 集群地址为 http://192.168.56.10:9200。

-p 5601:5601：5601:5601：将主机的 5601 端口映射到容器的 5601 端口。

-d kibana:7.4.2：指定使用 7.4.2 版本的 Kibana 镜像，并使容器在后台运行。

3、安装 ik 分词器

将ik分词器拷贝到/mydata/elasticsearch/plugins/ik/下，重启es容器，可使用下面的命令验证是否安装成功：

bash 复制代码 
curl -X GET "http://localhost:9200/_cat/plugins?v"

三、项目整合

1、引入依赖

在gulimall-search模块中引入依赖：

bash 复制代码 
<dependency>
    <groupId>org.elasticsearch.client</groupId>
    <artifactId>elasticsearch-rest-high-level-client</artifactId>
    <version>7.4.2</version>
</dependency>
<dependency>
    <groupId>org.elasticsearch</groupId>
    <artifactId>elasticsearch</artifactId>
    <version>7.4.2</version>
</dependency>
<dependency>
    <groupId>org.elasticsearch.client</groupId>
    <artifactId>elasticsearch-rest-client</artifactId>
    <version>7.4.2</version>
</dependency>

后续在项目中使用，只需要注入RestHighLevelClient即可

bash 复制代码 
@Autowired
private RestHighLevelClient client;

2、整合业务

2.1、创建索引、文档、构建查询语句

在分布式基础篇的后台管理系统中，点击上架，会将商品信息保存在gulimall_product索引中，gulimall_product的映射：（注意，分布式基础篇中，映射是product，和现在的gulimall_product有所不同，需要进行数据迁移）

bash 复制代码 
{
  "gulimall_product" : {
    "mappings" : {
      "properties" : {
        "attrs" : {
          "type" : "nested",
          "properties" : {
            "attrId" : {
              "type" : "long"
            },
            "attrName" : {
              "type" : "keyword"
            },
            "attrValue" : {
              "type" : "keyword"
            }
          }
        },
        "brandId" : {
          "type" : "long"
        },
        "brandImg" : {
          "type" : "keyword"
        },
        "brandName" : {
          "type" : "keyword"
        },
        "catalogId" : {
          "type" : "long"
        },
        "catalogName" : {
          "type" : "keyword"
        },
        "hasStock" : {
          "type" : "boolean"
        },
        "hotScore" : {
          "type" : "long"
        },
        "saleCount" : {
          "type" : "long"
        },
        "skuId" : {
          "type" : "long"
        },
        "skuImg" : {
          "type" : "keyword"
        },
        "skuPrice" : {
          "type" : "keyword"
        },
        "skuTitle" : {
          "type" : "text",
          "analyzer" : "ik_smart"
        },
        "spuId" : {
          "type" : "keyword"
        }
      }
    }
  }
}

数据迁移：

bash 复制代码 
# 迁移数据
POST _reindex
{
  "source": {
    "index": "product"
  },
  "dest": {
    "index": "gulimall_product"
  }
}

在页面上点击搜索时，相当于带着搜索条件去ES中进行检索，并且将检索的结果封装成对象返回给前端页面进行展示，我们需要：

  1. 对skuTitle进行模糊匹配，高亮显示。
  2. 对catalogId，brandId，attrs，hasStock，range进行过滤。
  3. 对skuPrice进行排序。
  4. 进行分页。
  5. 根据上面查询的结果进行聚合分析，按照brandId，catalogId，attrId，查询出共有的部分。
      其中must和filter的区别：must 中的条件会参与相关性评分（_score）的计算。如果多个条件都出现在 must 中，满足的条件越多，相关性评分就越高。filter 只用于过滤文档，满足条件的文档会返回，但不会参与相关性评分的计算。因此它比 must 更高效，特别适合用于不需要计算评分的精确匹配或过滤。
      什么是相关性评分？
      相关性评分是 Elasticsearch 在返回搜索结果时，用来衡量每个文档与查询条件的匹配程度的一个分值。每个文档返回时都有一个 _score 值，表示这个文档与查询的匹配程度。分数越高，意味着这个文档与查询条件越相关。
      构建的查询语句：
bash 复制代码 
GET /gulimall_product/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "skuTitle": "iphone"
          }
        }
      ],
      "filter": [
        {
          "term": {
            "catalogId": {
              "value": "225"
            }
          }
        },
        {
          "terms": {
            "brandId": [
              "8",
              "9"
            ]
          }
        },
        {
          "nested": {
            "path": "attrs",
            "query": {
              "bool": {
                "must": [
                  {
                    "term": {
                      "attrs.attrId": {
                        "value": "1"
                      }
                    }
                  },
                  {
                    "terms": {
                      "attrs.attrValue": [
                        "5G",
                        "4G"
                      ]
                    }
                  }
                ]
              }
            }
          }
        },
        {
          "term": {
            "hasStock": {
              "value": "false"
            }
          }
        },
        {
          "range": {
            "skuPrice": {
              "gte": 4999,
              "lte": 5400
            }
          }
        }
      ]
    }
  },
  "sort": [
    {
      "skuPrice": {
        "order": "desc"
      }
    }
  ],
  "from": 0,
  "size": 10,
  "highlight": {
    "fields": {"skuTitle":{}},
    "pre_tags": "<b style='color:red'>",
    "post_tags": "</b>"
  },
  "aggs": {
    "brand_agg": {
      "terms": {
        "field": "brandId",
        "size": 10
      },
      "aggs": {
        "brand_name_agg": {
          "terms": {
            "field": "brandName",
            "size": 10
          }
        },
        "brand_img-agg": {
          "terms": {
            "field": "brandImg",
            "size": 10
          }
        }
      }
    },
    "catalog_agg":{
      "terms": {
        "field": "catalogId",
        "size": 10
      },
      "aggs": {
        "catalog_name_agg": {
          "terms": {
            "field": "catelogName",
            "size": 10
          }
        }
      }
    },
    "attr_agg":{
      "nested": {
        "path": "attrs"
      },
      "aggs": {
        "attr_id_agg": {
          "terms": {
            "field": "attrs.attrId",
            "size": 10
          },
          "aggs": {
            "attr_name_agg": {
              "terms": {
                "field": "attrs.attrName",
                "size": 10
              }
            },
            "attr_value_agg":{
              "terms": {
                "field": "attrs.attrValue",
                "size": 10
              }
            }
          }
        }
      }
    }
  }
}

对于其中一些关键点的解释：

  • nested：用于处理文档中的嵌套字段，嵌套字段指的是ES文档中存储的对象类型的数据，而普通的对象的ES中会被扁平化处理，可能会导致错误匹配的现象。而定义一个字段为嵌套类型时，Elasticsearch 会将每个嵌套对象视为独立的小文档，但它仍然与父文档保持关联。
bash 复制代码 
#定义嵌套字段
{
  "mappings": {
    "properties": {
      "attrs": {
        "type": "nested", 
        "properties": {
          "attrId": { "type": "integer" },
          "attrValue": { "type": "text" }
        }
      }
    }
  }
}

```bash
# 查询嵌套字段
{
  "nested": {
    "path": "attrs",
    "query": {
      "bool": {
        "must": [
          { "term": { "attrs.attrId": 1 } },
          { "term": { "attrs.attrValue": "红色" } }
        ]
      }
    }
  }
}
  • aggs：是一种用于计算统计信息、汇总数据的功能。可以对查询到的结果进行分析、分组、统计等操作，aggs还可以嵌套使用，即在一个聚合内部定义另一个聚合：
bash 复制代码 
#先根据 brandId 字段对文档进行分组，然后对每个 brandId 组计算该组中文档的 price 字段的平均值。
{
  "aggs": {
    "brand_agg": {
      "terms": {
        "field": "brandId"
      },
      "aggs": {
        "avg_price": {
          "avg": {
            "field": "price"
          }
        }
      }
    }
  }
}

而对于嵌套字段的聚合，需要进行特殊处理：

bash 复制代码 
# 首先对嵌套字段 attrs 进行聚合，然后对 attrs.attrId 进行 terms 聚合
{
  "aggs": {
    "nested_attrs": {
      "nested": {
        "path": "attrs"
      },
      "aggs": {
        "attr_id": {
          "terms": {
            "field": "attrs.attrId"
          }
        }
      }
    }
  }
}

2.2、整合业务代码

到这里查询语句就已经构建完毕了，但是还需要将查询语句转化成Java语言，利用RestHighLevelClient发送请求进行查询并且解析返回结果：

bash 复制代码 
    /**
     * 商品上架后信息保存在es->根据前端传递的搜索条件构建dsl去es中搜索->解析并封装查询结果给前端页面
     * @param searchDTO 条件
     * @return
     */
    @Override
    public SearchVO searchForCondition(SearchDTO searchDTO) {
        //构建查询请求
        SearchRequest searchRequest = this.getSearchRequest(searchDTO);
        SearchVO vo;
        try {
            //查询
            SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);
            System.out.println("返回的结果"+searchResponse.toString());
            //解析查询结果，封装成SearchVO
            vo = this.parseSearchRequest(searchResponse,searchDTO);
        } catch (Exception e) {
            throw new RuntimeException(e);
        }

        return vo;
    }

查询：

bash 复制代码 
    private SearchRequest getSearchRequest(SearchDTO searchDTO) {

        // 构建查询
        SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

        // Bool查询
        BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();

        // 模糊匹配 skuTitle
        this.likeSearch(searchDTO, boolQuery);
        //过滤查询
        this.filter(searchDTO, boolQuery, searchSourceBuilder);
        //分页高亮排序
        this.sortPageAndHighlight(searchDTO, searchSourceBuilder);
        //对搜索的结果进行聚合分析
        this.termsAggregation(searchSourceBuilder);
        //测试 打印构建结果
        String s = searchSourceBuilder.toString();
        System.out.println("构建的 DSL" + s);

        //创建搜索请求
        SearchRequest searchRequest = new SearchRequest(new
                String[]{ESConstants.PRODUCT_INDEX}, searchSourceBuilder);
        return searchRequest;
    }

标题模糊匹配：

bash 复制代码 
    private void likeSearch(SearchDTO searchDTO, BoolQueryBuilder boolQuery) {
        String keyword = searchDTO.getKeyword();
        if (StringUtils.isNotBlank(keyword)) {
            boolQuery.must(QueryBuilders.matchQuery("skuTitle", keyword)); //对应es中的must
        }
    }

过滤查询：

bash 复制代码 
    private void filter(SearchDTO searchDTO, BoolQueryBuilder boolQuery, SearchSourceBuilder searchSourceBuilder) {
        // catalogId 查询
        Long catalog3Id = searchDTO.getCatalog3Id();
        if (!ObjectUtils.isEmpty(catalog3Id)) {
            boolQuery.filter(QueryBuilders.termsQuery("catalogId", new long[]{catalog3Id})); //对应es中的filter
        }

        //bool - filter - 按照品牌 id 查询
        List<Long> brandId = searchDTO.getBrandId();
        if (!CollectionUtils.isEmpty(brandId)) {
            boolQuery.filter(QueryBuilders.termsQuery("brandId",
                    brandId));
        }

        //bool - filter - 按照所有指定的属性进行查询
        List<String> attrs = searchDTO.getAttrs();
        if (!CollectionUtils.isEmpty(attrs)) {
            BoolQueryBuilder nestedboolQuery = QueryBuilders.boolQuery(); //对应es中的nested
            //进行处理
            //attr=1_5寸:8寸
            for (String attr : attrs) {
                String attrId = attr.split("_")[0];
                String value = attr.split("_")[1];
//                String[] attrValues = s.split(":");

                nestedboolQuery.must(QueryBuilders.termQuery("attrs.attrId",
                        attrId));
                nestedboolQuery.must(QueryBuilders.termsQuery("attrs.attrValue",
                        value));

                //每一个必须都得生成一个 nested 查询
                NestedQueryBuilder nestedQuery =
                        QueryBuilders.nestedQuery("attrs", nestedboolQuery, ScoreMode.None);
                boolQuery.filter(nestedQuery);
            }
        }

        //bool - filter - 按照库存是否有进行查询
        if (searchDTO.getHasStock() != null) {
            boolQuery.filter(QueryBuilders.termQuery("hasStock",
                    searchDTO.getHasStock() == 1));
        }

        //1.2、bool - filter - 按照价格区间
        if (!StringUtils.isEmpty(searchDTO.getSkuPrice())) {
            //1_500/_500/500_
            /**
             * "range": {
             * "skuPrice": {
             * "gte": 0,
             * "lte": 6000
             * }
             * }
             */
            RangeQueryBuilder rangeQuery =
                    QueryBuilders.rangeQuery("skuPrice"); //对应es中的range
            String[] s = searchDTO.getSkuPrice().split("_");
            if (s.length == 2) {
                //区间
                rangeQuery.gte(s[0]).lte(s[1]);
            } else if (s.length == 1) {
                if (searchDTO.getSkuPrice().startsWith("_")) {
                    rangeQuery.lte(s[0]);
                }
                if (searchDTO.getSkuPrice().endsWith("_")) {
                    rangeQuery.gte(s[0]);
                }
            }
            boolQuery.filter(rangeQuery);
        }
        //把以前的所有条件都拿来进行封装
        searchSourceBuilder.query(boolQuery);
    }

分页高亮排序：

bash 复制代码 
    private void sortPageAndHighlight(SearchDTO searchDTO, SearchSourceBuilder searchSourceBuilder) {
        //排序
        //sort=hotScore_asc/desc
        String sort = searchDTO.getSort();
        if (StringUtils.isNotBlank(sort)) {
            String sortStr = sort.split("_")[1];
            SortOrder order = sortStr.equalsIgnoreCase("asc") ? SortOrder.ASC : SortOrder.DESC;
            searchSourceBuilder.sort(sort.split("_")[0], order);
        }

        //分页
        searchSourceBuilder.from((searchDTO.getPageNum() - 1) *
                ESConstants.PRODUCT_PAGESIZE);
        searchSourceBuilder.size(ESConstants.PRODUCT_PAGESIZE);

        //高亮
        if (!StringUtils.isEmpty(searchDTO.getKeyword())) {
            HighlightBuilder builder = new HighlightBuilder();
            builder.field("skuTitle");
            builder.preTags("<b style='color:red'>");
            builder.postTags("</b>");
            searchSourceBuilder.highlighter(builder);
        }
    }

聚合分析：

bash 复制代码 
    private void termsAggregation(SearchSourceBuilder searchSourceBuilder) {
        /**
         * 聚合分析
         */
        //1、品牌聚合
        TermsAggregationBuilder brand_agg =
                AggregationBuilders.terms("brand_agg");
        brand_agg.field("brandId").size(50);
        //品牌聚合的子聚合
        brand_agg.subAggregation(AggregationBuilders.terms("brand_name_agg").field("brandName").size(1));
        brand_agg.subAggregation(AggregationBuilders.terms("brand_img_agg").field("brandImg").size(1));
        /*
        1、聚合 brand
         */
        searchSourceBuilder.aggregation(brand_agg);


        //2、分类聚合 catalog_agg
        TermsAggregationBuilder catalog_agg =
                AggregationBuilders.terms("catalog_agg").field("catalogId").size(20);
        catalog_agg.subAggregation(AggregationBuilders.terms("catalog_name_agg"
        ).field("catalogName").size(1));

        /*
        2、聚合 catalog
         */
        searchSourceBuilder.aggregation(catalog_agg);


        //3、属性聚合 attr_agg
        NestedAggregationBuilder attr_agg =
                AggregationBuilders.nested("attr_agg", "attrs");
        //聚合出当前所有的 attrId
        TermsAggregationBuilder attr_id_agg =
                AggregationBuilders.terms("attr_id_agg").field("attrs.attrId");
        //聚合分析出当前 attr_id 对应的名字
        attr_id_agg.subAggregation(AggregationBuilders.terms("attr_name_agg").field("attrs.attrName").size(1));
        //聚合分析出当前 attr_id 对应的所有可能的属性值 attrValue
        attr_id_agg.subAggregation(AggregationBuilders.terms("attr_value_agg").
                field("attrs.attrValue").size(50));
        attr_agg.subAggregation(attr_id_agg);

        /*
        3、聚合 attr
         */
        searchSourceBuilder.aggregation(attr_agg);
    }

解析返回结果：

bash 复制代码 
    private SearchVO parseSearchRequest(SearchResponse resp, SearchDTO searchDTO) {
        SearchVO vo = new SearchVO();
        //外层hits
        SearchHits hits = resp.getHits();
        //里层hits
        SearchHit[] hitsArr = hits.getHits();

        List<ESPojo> esPojos = Arrays.stream(hitsArr).map(searchHit -> {
            //_source
            String sourceAsString = searchHit.getSourceAsString();
            ESPojo esPojo = JSON.parseObject(sourceAsString, ESPojo.class);
            //判断是否按关键字检索，若是就显示高亮，否则不显示
            if (!StringUtils.isEmpty(searchDTO.getKeyword())) {
                //拿到高亮信息显示标题
                HighlightField skuTitle = searchHit.getHighlightFields().get("skuTitle");
                String skuTitleValue = skuTitle.getFragments()[0].string();
                esPojo.setSkuTitle(skuTitleValue);
            }
            return esPojo;
        }).collect(Collectors.toList());
        //返回的所有商品
        vo.setProducts(esPojos);

        //聚合信息
        ParsedLongTerms brandAgg = resp.getAggregations().get("brand_agg");
        List<? extends Terms.Bucket> brandAggBuckets = brandAgg.getBuckets();
        List<SearchVO.BrandsVO> brandsVOS = brandAggBuckets.stream().map(bucket -> {
            SearchVO.BrandsVO brandsVO = new SearchVO.BrandsVO();
            //得到品牌id
            long brandId = bucket.getKeyAsNumber().longValue();
            brandsVO.setBrandId(brandId);

            //得到品牌名字
            ParsedStringTerms brandNameAgg = bucket.getAggregations().get("brand_name_agg");
            String brandName = brandNameAgg.getBuckets().get(0).getKeyAsString();
            brandsVO.setBrandName(brandName);

            //3、得到品牌的图片
            ParsedStringTerms brandImgAgg = bucket.getAggregations().get("brand_img_agg");
            String brandImg = brandImgAgg.getBuckets().get(0).getKeyAsString();
            brandsVO.setBrandImg(brandImg);

            return brandsVO;
        }).collect(Collectors.toList());

        //封装品牌信息
        vo.setBrands(brandsVOS);

        ParsedLongTerms catalogAgg = resp.getAggregations().get("catalog_agg");
        List<? extends Terms.Bucket> catalogAggBuckets = catalogAgg.getBuckets();
        List<SearchVO.CatalogsVO> catalogsVOS = catalogAggBuckets.stream().map(bucket -> {
            SearchVO.CatalogsVO catalogsVO = new SearchVO.CatalogsVO();
            //得到分类ID
            //得到品牌id
            long catelogId = bucket.getKeyAsNumber().longValue();
            catalogsVO.setCatalogId(catelogId);

            //得到品牌名称
            ParsedStringTerms catalogNameAgg = bucket.getAggregations().get("catalog_name_agg");
            String catalogName = catalogNameAgg.getBuckets().get(0).getKeyAsString();
            catalogsVO.setCatalogName(catalogName);

            return catalogsVO;
        }).collect(Collectors.toList());

        //封装分类信息
        vo.setCatalogs(catalogsVOS);

        ParsedNested attrsAgg = resp.getAggregations().get("attr_agg");
        ParsedLongTerms attrIdAgg = attrsAgg.getAggregations().get("attr_id_agg");
        List<? extends Terms.Bucket> attrsAggBuckets = attrIdAgg.getBuckets();
        List<SearchVO.AttrsVo> attrsVoList = attrsAggBuckets.stream().map(bucket -> {
            SearchVO.AttrsVo attrsVo = new SearchVO.AttrsVo();
            //属性ID
            long attrId = bucket.getKeyAsNumber().longValue();
            attrsVo.setAttrId(attrId);
            //属性名称
            ParsedStringTerms attrNameAgg = bucket.getAggregations().get("attr_name_agg");
            attrsVo.setAttrName(attrNameAgg.getBuckets().get(0).getKeyAsString());
            //属性值
            ParsedStringTerms attrValueAgg = bucket.getAggregations().get("attr_value_agg");
            List<String> attrValues = attrValueAgg.getBuckets().stream().map(item -> item.getKeyAsString()).collect(Collectors.toList());
            attrsVo.setAttrValue(attrValues);
            return attrsVo;
        }).collect(Collectors.toList());
        
        //封装属性信息
        vo.setAttrs(attrsVoList);
        
        //封装分页参数
        vo.setPageNum(searchDTO.getPageNum());
        int total = (int) resp.getHits().getTotalHits().value;
        vo.setTotal(total);

        int totalPages = (int)total % ESConstants.PRODUCT_PAGESIZE == 0 ?
                (int)total / ESConstants.PRODUCT_PAGESIZE : ((int)total / ESConstants.PRODUCT_PAGESIZE + 1);
        vo.setTotalPages(totalPages);
        return vo;
    }

到这里为止，构建查询语句，查询ES，解析返回结果的操作就完成了。在高亮展示这一块，有一个很坑的点：如果在对标题进行匹配时，是这样写的：boolQuery.must(QueryBuilders.matchQuery("skuTitle", keyword)).fuzziness(Fuzziness.AUTO)); 实测高亮展示会失效。因为.fuzziness(Fuzziness.AUTO)是模糊匹配的一个配置选项，表示自动确定模糊匹配的程度。下面简单说一下它的工作机制：

对于长度较短的词（1到2个字符），不进行模糊匹配。对于长度为3到5个字符的词，允许最多一个字符不同。也就是说，输入的词和索引中的词之间最多可以有一个字符的差异。对于长度超过5个字符的词，允许最多两个字符不同，即输入的词和索引中的词之间可以有两处字符差异。

为什么加上了会使高亮展示失效？因为模糊匹配会容忍一定的字符变化，比如拼写错误或词形变化。高亮显示依赖于精确匹配的词，只有当查询中的词语与索引中的词精确匹配时，ES才会高亮显示。

后记

本篇主要介绍了ES的组成和基本概念，以及环境搭建，项目业务整合ES。因为项目的重点是后端的逻辑，所以前端模板页面的改造没有写入本篇。在做这个项目之前，去年有曾经专门去看过某马的关于ES的专题教学视频，语法介绍的很详细，当时还跟着敲了一遍。但是工作中至今未遇到使用场景，在做这个项目的时候不出意外地发现几乎全部遗忘了。在这里想说的是，语法并非重点，重点是理解各自项目的业务逻辑，做好笔记，能根据案例和实际的业务场景举一反三。

下一篇：认证服务

相关推荐
2401_8830410836 分钟前
新锐品牌电商代运营公司都有哪些？
大数据·人工智能
青云交39 分钟前
大数据新视界 -- 大数据大厂之 Impala 性能优化：融合机器学习的未来之路（上 （2-1））（11/30）
大数据·计算资源·应用案例·数据交互·impala 性能优化·机器学习融合·行业拓展
魔道不误砍柴功41 分钟前
Java 中如何巧妙应用 Function 让方法复用性更强
java·开发语言·python
NiNg_1_23441 分钟前
SpringBoot整合SpringSecurity实现密码加密解密、登录认证退出功能
java·spring boot·后端
闲晨44 分钟前
C++ 继承：代码传承的魔法棒，开启奇幻编程之旅
java·c语言·开发语言·c++·经验分享
种树人2024081944 分钟前
如何在 Spring Boot 中启用定时任务
spring boot
2401_850410831 小时前
文件系统和日志管理
linux·运维·服务器
测开小菜鸟2 小时前
使用python向钉钉群聊发送消息
java·python·钉钉
一只哒布刘3 小时前
NFS服务器
运维·服务器
P.H. Infinity3 小时前
【RabbitMQ】04-发送者可靠性
java·rabbitmq·java-rabbitmq
热门推荐
01如何才能让手机厂商主动拥抱华为，接入鸿蒙系统？02【HarmonyOS】HUAWEI DevEco Studio 下载地址汇总03组基轨迹建模 GBTM的介绍与实现（Stata 或 R）04Macbook pro M1 安装Ubuntu教程05基于YOLOv10深度学习的CT扫描图像肾结石智能检测系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标检测06【经验分享】Ubuntu22.04安装微信(linux官方版)07文件或文件夹名称中有空格如何批量去除08RAG 实践- Ollama+RagFlow 部署本地知识库09Windows10安装PCL1.14.0及点云配准10【TC3xx芯片】TC3xx芯片电源管理系统PMS详解