企业官网建设流程全解析

目录引言一、docker中安装Elasticsearch1、创建es专有的网络2、开放端口3、在es-net网络上安装es和kibana4、可能出现的问题5、测试6、安装IK分词器7、测试IK分词器二、结合业务实战1、准备依赖2、配置yml3、读取yml配置4、准备es配置类5、编写测试代码6、使用mq异步修改es的表数据7、实现搜索功能三、简单介绍Elasticsearch1、表结构与Mysql的对比2、Mapping映射属性3、索引库的CRUD创建索引库和映射（ * ）：查询索引库：修改索引库：删除索引库：4、文档操作的CRUD新增文档：查询文档：删除文档：修改文档：批处理：四、RestAPI1、初始化RestClient（1）引入es的RestHighLevelClient依赖（2）初始化RestHighLevelClient2、在kibana的客户端准备创建索引库3、Java客户端创建索引库五、RestClient操作文档（重在方法理解）1、准备实体类2、Java实现CRUD（重点）（1）增：（2）删：（3）改：（4）查：注意:3、批量导入文档：六、JavaRestClient查询基本步骤（重点）1、叶子查询2、复合查询3、排序和分页4、高亮七、数据聚合* *### 引言> Elasticsearch：用于数据存储、计算和搜索Mysql：擅长事务类型操作，可以确保数据的安全和一致性 * Elasticsearch：擅长海量数据的搜索、分析、计算 > 基于这个特点我打算改造用户方面的功能，基于用户量比较多，可能达到一万以上甚至更多，需要对用户进行搜索或者各种操作，我相信es也比较适合。> > 在这篇文章前面是实战，后面是具体讲解，对于某些方法可以在后面讲解中对应查找来使用### 一、docker中安装Elasticsearch先说命令，后面再说可能会出现的问题。#### 1、创建es专有的网络因为测试需要部署kibana容器作为一个图形化界面，创建一个网络方便让es和kibana容器互联。 docker network create es-net#### 2、开放端口宝塔：腾讯云：5601 9200 9300#### 3、在es-net网络上安装es和kibana这里我安装7.12.1版本的es和kibana，因为之前学习有现有的镜像包安装更快分别执行这两条指令： docker run -d
–name es
-e “ES_JAVA_OPTS=-Xms512m -Xmx512m”
-e “discovery.type=single-node”
-v es-data:/usr/share/elasticsearch/data
-v es-plugins:/usr/share/elasticsearch/plugins
–privileged
–network es-net
-p 9200:9200
-p 9300:9300
elasticsearch:7.12.1 docker run -d
–name kibana
-e ELASTICSEARCH_HOSTS=http://es:9200
–network=es-net
-p 5601:5601
kibana:7.12.1#### 4、可能出现的问题这里我是在宝塔上部署的，由于我之前创建容器的时候没有开启防火墙的端口，应该先去开启防火墙再去安装docker容器，我这些流程出现混淆，导致出现下面这些类似的报错： 设置失败!500 Server Error for http+docker://localhost/v1.45/containers/1e013 Error response from daemon: Failed to Setup IP tables: Unable to enable SKIP DNAT rule: (iptables failed: iptables --wait -t nat -I DOCKER -i br-b649822bbcff -j RETURN: iptables: No chain/target/match by that name. (exit status 1))解决办法是先去开放端口然后重启docker服务再去安装es和kibana重启docker： systemctl restart docker然后再去重新安装就行可以参考：【DockerCE】运行Docker的服务器报“Failed to Setup IP tables“的解决方法_error response from daemon: failed to setup ip tab-CSDN博客#### 5、测试es：服务器ip:9200kibana:服务器ip:5601选择Explore on my own之后，进入主页面：测试安装成功！查看docker：或者使用指令： docker ps记住kibana是用于你开发的时候测试使用，比较方便的图形化界面，实际开发也只是用es。#### 6、安装IK分词器 docker exec -it es ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip重启es容器使其生效： docker restart es#### 7、测试IK分词器> IK分词器包含两种模式：> > *ik_smart：智能语义切分> > *ik_max_word：最细粒度切分> 进入Dev tools：先测试Elasticsearch官方提供的标准分词器： POST /_analyze { “analyzer”: “standard”, “text”: “在CSDN学习java太棒了” }测试IK分词器： POST /_analyze { “analyzer”: “ik_smart”, “text”: “在CSDN学习java太棒了” }测试成功，安装分词器成功！### 二、结合业务实战一般使用easy-es比较多，下面是基于原生es的操作，如果想看easy-es可以参考我照片博客：SpringBoot中easy-es入门实战（结合官方文档版）-CSDN博客文章浏览阅读386次，点赞10次，收藏15次。本文主要是参考官方文档进行编写，记录一下自己一些比较常使用easy-es使用方法和内容，其实他的使用和MybatisPlus差不多的，之前我还写了一些关于es的博客可以参考一下：Springboot中使用Elasticsearch（部署+使用+讲解 最完整）_spring boot elasticsearch-CSDN博客最完整最详细的springboot中使用es，在前面有服务器部署es相关的东西，在后面有使用java的实战，对于实战的方法使用结合官网深度去研究和讲解。[这里是图片009]https://blog.csdn.net/qq_73440769/article/details/144790200?spm=1001.2014.3001.5501原理：当mysql数据发生改变时发送消息到mq,es服务接收消息,进行更新es操作步骤： 1.创建Request 2.准备请求参数 3.聚合参数 4.发送请求 5.解析聚合结果 5.1.获取聚合 5.2.获取聚合中的桶 5.3.遍历桶内数据#### 1、准备依赖 <elasticsearch.version>7.12.1</elasticsearch.version> org.elasticsearch.client elasticsearch-rest-high-level-client ${elasticsearch.version} #### 2、配置yml quick: elasticsearch: host: ${quick.elasticsearch.host} # 服务器IP地址 port:KaTeX parse error: Expected 'EOF', got '#' at position 28: …icsearch.port} #̲ 服务器端口号#### 3、读…{elasticsearch.version} ###### （2）初始化RestHighLevelClient基本语法如下： RestHighLevelClient client = new RestHighLevelClient(RestClient.builder( HttpHost.create(“http://服务器IP地址:9200”) ));做一个测试类测试一下：成功有输出，测试代码参考如下： package com.quick.es; import org.apache.http.HttpHost; import org.elasticsearch.client.RestClient; import org.elasticsearch.client.RestHighLevelClient; import org.junit.jupiter.api.AfterEach; import org.junit.jupiter.api.BeforeEach; import org.junit.jupiter.api.Test; import java.io.IOException; public class EsTest { private RestHighLevelClient client; // 初始化 @BeforeEach void setUp() { this.client = new RestHighLevelClient(RestClient.builder( HttpHost.create(“http://你的服务器IP地址:9200”) )); } // 测试连接es @Test void testConnect() { System.out.println("client: “+client); } // 销毁 @AfterEach void tearDown() throws IOException { this.client.close(); } } #### 2、在kibana的客户端准备创建索引库下面为我对应我的用户表创建的索引库> 注意：上面演示的图片中quick_user_id位置type后面多加了给逗号，当时不注意到时候记得注意这个错误，后面的Json没有问题。 PUT /user { “mappings”: { “properties”: { “id”: { “type”: “keyword” }, “quick_user_id”:{ “type”: “keyword” }, “name”:{ “type”: “text”, “analyzer”: “ik_max_word” }, “sex”:{ “type”: “keyword” }, “avatar”:{ “type”: “keyword”, “index”: false }, “phone”:{ “type”: “text”, “analyzer”: “ik_max_word” }, “follow”:{ “type”: “integer” }, “fan”:{ “type”: “integer” }, “use_time”:{ “type”: “integer” }, “collect_number”:{ “type”: “integer”, “index”: false }, “mark_number”:{ “type”: “integer”, “index”: false }, “brief_introduction”:{ “type”: “text”, “index”: false }, “create_time”:{ “type”: “date” } } } }拿着上面这些创建好的映射在Java客户端创建#### 3、Java客户端创建索引库关于一些知识点，这里我拿之前在b站学习的PPT的内容展示一下，我觉得这个已经很直观的体现出创建索引库的一些解释：下面给出测试类所有代码，记得服务器IP地址替换成自己的。 package com.quick.es; import org.apache.http.HttpHost; import org.elasticsearch.client.RequestOptions; import org.elasticsearch.client.RestClient; import org.elasticsearch.client.RestHighLevelClient; import org.elasticsearch.client.indices.CreateIndexRequest; import org.elasticsearch.common.xcontent.XContentType; import org.junit.jupiter.api.AfterEach; import org.junit.jupiter.api.BeforeEach; import org.junit.jupiter.api.Test; import java.io.IOException; public class EsTest { private RestHighLevelClient client; static final String USER_MAPPING_TEMPLATE =”{ " + " “mappings”: { " + " “properties”: { " + " “id”: { " + " “type”: “keyword” " + " }, " + " “quick_user_id”:{ " + " “type”: “keyword” " + " }, " + " “name”:{ " + " “type”: “text”, " + " “analyzer”: “ik_max_word” " + " }, " + " “sex”:{ " + " “type”: “keyword” " + " }, " + " “avatar”:{ " + " “type”: “keyword”, " + " “index”: false " + " }, " + " “phone”:{ " + " “type”: “text”, " + " “analyzer”: “ik_max_word” " + " }, " + " “follow”:{ " + " “type”: “integer” " + " }, " + " “fan”:{ " + " “type”: “integer” " + " }, " + " “use_time”:{ " + " “type”: “integer” " + " }, " + " “collect_number”:{ " + " “type”: “integer”, " + " “index”: false " + " }, " + " “mark_number”:{ " + " “type”: “integer”, " + " “index”: false " + " }, " + " “brief_introduction”:{ " + " “type”: “text”, " + " “index”: false " + " }, " + " “create_time”:{ " + " “type”: “date” " + " } " + " } " + " } " + “}”; // 初始化 @BeforeEach void setUp() { this.client = new RestHighLevelClient(RestClient.builder( HttpHost.create(“http://服务器IP地址:9200”) )); } // 测试连接es @Test void testConnect() { System.out.println("client: "+client); } // 创建索引库 @Test void testCreateIndex() throws IOException { // 1.创建Request对象 CreateIndexRequest request = new CreateIndexRequest(“user”); // 2.准备请求参数 request.source(USER_MAPPING_TEMPLATE, XContentType.JSON); // 3.发送请求 client.indices().create(request, RequestOptions.DEFAULT); } // 销毁 @AfterEach void tearDown() throws IOException { this.client.close(); } } 测试：去kibana客户端测试：创建成功！### 五、RestClient操作文档（重在方法理解）#### 1、准备实体类准备一个对接索引库的es实体类 /* User索引库实体类 */ @Data @Builder @NoArgsConstructor @AllArgsConstructor public class UserDoc { // 这里设计为String类型，因为在发送消息的时候是以字符的形式 @Schema(description = “用户ID”) private String id; @Schema(description = “用户编号”) private String quickUserId; @Schema(description = “姓名”) private String name; @Schema(description = “手机号”) private String phone; @Schema(description = “关注数”) private Long follow; @Schema(description = “粉丝数”) private Long fan; @Schema(description = “性别 0 女 1 男”) private String sex; @Schema(description = “头像”) private String avatar; @Schema(description = “注册时间”) private LocalDateTime createTime; @Schema(description = “用龄，单位：年”) private Long useTime; @Schema(description = “收藏数”) private Long collectNumber; @Schema(description = “评分数”) private Long markNumber; @Schema(description = “个人简介”) private String briefIntroduction; } 这里的id用的是String类型，因为使用RestClient去根据id查，需要传过去的是字符类型的数据，所以在这里需要进行一个转变。#### 2、Java实现CRUD（重点）> 下面讲解一下简单的crud的代码和需要注意的东西，在代码的后面会对注意的东西进行讲解。我会给出测试类全部代码，防止有些同学测试类跑不通，然后会对增删改查逐一给代码，也方便各位同学以后针对性的拿那些方法去改造自己的代码。> > 注意！注意！注意！===>重要的事情说三遍代码： package com.quick.es; import cn.hutool.core.bean.BeanUtil; import cn.hutool.json.JSONUtil; import com.quick.entity.User; import com.quick.service.UserService; import jakarta.annotation.Resource; import org.apache.http.HttpHost; import org.elasticsearch.action.delete.DeleteRequest; import org.elasticsearch.action.get.GetRequest; import org.elasticsearch.action.get.GetResponse; import org.elasticsearch.action.index.IndexRequest; import org.elasticsearch.action.update.UpdateRequest; import org.elasticsearch.client.RequestOptions; import org.elasticsearch.client.RestClient; import org.elasticsearch.client.RestHighLevelClient; import org.elasticsearch.common.xcontent.XContentType; import org.junit.jupiter.api.AfterEach; import org.junit.jupiter.api.BeforeEach; import org.junit.jupiter.api.Test; import org.springframework.boot.test.context.SpringBootTest; import java.io.IOException; import java.util.HashMap; import java.util.Map; @SpringBootTest(properties = “spring.profiles.active=dev”) public class EsDocTest { @Resource private UserService userService; private RestHighLevelClient client; // 初始化 @BeforeEach void setUp() { this.client = new RestHighLevelClient(RestClient.builder( HttpHost.create(“http://服务器IP地址:9200”) )); } // 测试连接es @Test void testConnect() { System.out.println("client: "+client); } // 测试添加文档信息 @Test void testAddDocument() throws IOException { // 1.根据id查询商品数据 User user = userService.getById(1L); System.out.println("user = " + user); // 2.转换为文档类型 UserDoc userDoc = BeanUtil.copyProperties(user, UserDoc.class); System.out.println("userDoc = " + userDoc); // 3.将UserDoc转json String doc = JSONUtil.toJsonStr(userDoc); // 1.准备Request对象 /IndexRequest request = new IndexRequest(“user”).id(String.valueOf(userDoc.getId()));/ IndexRequest request = new IndexRequest(“user”).id(userDoc.getId()); // 2.准备Json文档 request.source(doc, XContentType.JSON); // 3.发送请求 client.index(request, RequestOptions.DEFAULT); } // 测试删除文档 @Test void testDeleteDocument() throws IOException { // 1.准备Request，两个参数，第一个是索引库名，第二个是文档id DeleteRequest request = new DeleteRequest(“user”, “1”); // 2.发送请求 client.delete(request, RequestOptions.DEFAULT); } // 测试更新文档 @Test void testUpdateDocument() throws IOException { // 1.准备Request UpdateRequest request = new UpdateRequest(“user”, “1”); // 2.准备请求参数 // 方法一 /request.doc( “userTime”, 1, “briefIntroduction”, “hello world” );/ // 方法二 /UserDoc userDoc=new UserDoc(); userDoc.setUseTime(1L); userDoc.setBriefIntroduction(“hello world”); // 构造参数 Map<String, Object> jsonMap = new HashMap<>(); jsonMap.put(“userTime”, userDoc.getUseTime()); jsonMap.put(“briefIntroduction”, userDoc.getBriefIntroduction()); // 将数据放入请求参数 request.doc(jsonMap);/ // 方法三 UserDoc userDoc=new UserDoc(); //userDoc.setUseTime(1L); userDoc.setBriefIntroduction(“hello world！”); // 将UserDoc转json String doc = JSONUtil.toJsonStr(userDoc); // 准备Json文档,XContentType.JSON表示json格式 request.doc(doc, XContentType.JSON); // 3.发送请求 client.update(request, RequestOptions.DEFAULT); } // 测试根据id查询文档 @Test void testGetDocumentById() throws IOException { // 1.准备Request对象 GetRequest request = new GetRequest(“user”).id(“1”); // 2.发送请求 GetResponse response = client.get(request, RequestOptions.DEFAULT); // 3.获取响应结果中的source String json = response.getSourceAsString(); UserDoc userDoc = JSONUtil.toBean(json, UserDoc.class); System.out.println("userDoc= " + userDoc); } // 销毁 @AfterEach void tearDown() throws IOException { this.client.close(); } } 其中：##### （1）增： // 测试添加文档信息 @Test void testAddDocument() throws IOException { // 1.根据id查询商品数据 User user = userService.getById(1L); System.out.println("user = " + user); // 2.转换为文档类型 UserDoc userDoc = BeanUtil.copyProperties(user, UserDoc.class); System.out.println(“userDoc = " + userDoc); // 3.将UserDoc转json String doc = JSONUtil.toJsonStr(userDoc); // 1.准备Request对象 /IndexRequest request = new IndexRequest(“user”).id(String.valueOf(userDoc.getId()));/ IndexRequest request = new IndexRequest(“user”).id(userDoc.getId()); // 2.准备Json文档 request.source(doc, XContentType.JSON); // 3.发送请求 client.index(request, RequestOptions.DEFAULT); }##### （2）删： // 测试删除文档 @Test void testDeleteDocument() throws IOException { // 1.准备Request，两个参数，第一个是索引库名，第二个是文档id DeleteRequest request = new DeleteRequest(“user”, “1”); // 2.发送请求 client.delete(request, RequestOptions.DEFAULT); }##### （3）改： // 测试更新文档 @Test void testUpdateDocument() throws IOException { // 1.准备Request UpdateRequest request = new UpdateRequest(“user”, “1”); // 2.准备请求参数 UserDoc userDoc=new UserDoc(); userDoc.setUseTime(1L); userDoc.setBriefIntroduction(“hello world！”); // 将UserDoc转json String doc = JSONUtil.toJsonStr(userDoc); // 准备Json文档,XContentType.JSON表示json格式 request.doc(doc, XContentType.JSON); // 3.发送请求 client.update(request, RequestOptions.DEFAULT); }##### （4）查： // 测试根据id查询文档 @Test void testGetDocumentById() throws IOException { // 1.准备Request对象 GetRequest request = new GetRequest(“user”).id(“1”); // 2.发送请求 GetResponse response = client.get(request, RequestOptions.DEFAULT); // 3.获取响应结果中的source String json = response.getSourceAsString(); UserDoc userDoc = JSONUtil.toBean(json, UserDoc.class); System.out.println(“userDoc= " + userDoc); }###### 注意:可以看到在增加和修改那边会构造请求参数，我在改那边提供了三个方法，在上面测试类的完整代码中有那三种方法，其实添加的构造请求参数的实现也是一样的，下面我来逐一讲解一下构造的实现：> 官方API文档位置：Update API | Java REST Client [7.12] | Elastic> > 在前面有教过怎么去找到对应版本文档方法一：官网的链式编程也很推荐，下面就是浓缩的修改操作： UpdateRequest request = new UpdateRequest(“posts”, “1”) .doc(“updated”, new Date(), “reason”, “daily update”); client.update(request, RequestOptions.DEFAULT);方法二：因为根据方法一可知那个数据的格式类似 Map<String, Object> 这样的格式，可以通过map来构造。官网示例如下：方法三：官网在这里也提到，可以先构造默认Json格式，然后再换一种类型的Json此外官网还提供了一个方法我觉得也很优雅，当然还不只这个。XContentBuilder builder = XContentFactory.jsonBuilder(); builder.startObject(); { builder.timeField(“updated”, new Date()); builder.field(“reason”, “daily update”); } builder.endObject(); UpdateRequest request = new UpdateRequest(“posts”, “1”) .doc(builder); #### 3、批量导入文档：我们需要导入我们用户表里面的数据，非常多，不可能一个一个操作，基本上是批操作，这就需要我们学会批量导入文档> 我们利用BulkRequest**实现这个操作。**BulkRequest本身其实并没有请求参数，其本质就是将多个普通的CRUD请求组合在一起发送，利用他的add方法来实现这个过程，BulkRequest中提供了add方法，用以添加其它CRUD的请求。> > 能添加的请求有：> > *IndexRequest，也就是新增> > *UpdateRequest，也就是修改> > *DeleteRequest，也就是删除> 在我的理解add相当于加入你的请求到那里面，然后再根据具体请求的实现来执行各样的操作基本语法如下： @Test void testBulk() throws IOException { // 1.创建Request BulkRequest request = new BulkRequest(); // 2.准备请求参数 request.add(new IndexRequest(“items”).id(“1”).source(“json doc1”, XContentType.JSON)); request.add(new IndexRequest(“items”).id(“2”).source(“json doc2”, XContentType.JSON)); // 3.发送请求 client.bulk(request, RequestOptions.DEFAULT); }下面是实战，用于添加我用户表信息：在之前那个EsDocTest测试类里面加上这么一个测试方法： @Test void testLoadUserDocs() throws IOException { // 分页查询商品数据 int pageNo = 1; int size = 100; while (true) { Page page = userService.lambdaQuery().page(new Page(pageNo, size)); // 非空校验 List users = page.getRecords(); if (CollUtil.isEmpty(users)) { return; } log.info(“加载第{}页数据，共{}条”, pageNo, users.size()); // 1.创建Request BulkRequest request = new BulkRequest(“user”); // 2.准备参数，添加多个新增的Request for (User user : users) { // 2.1.转换为文档类型ItemDTO UserDoc userDoc = BeanUtil.copyProperties(user, UserDoc.class); // 2.2.创建新增文档的Request对象 request.add(new IndexRequest() .id(userDoc.getId()) .source(JSONUtil.toJsonStr(userDoc), XContentType.JSON)); } // 3.发送请求 client.bulk(request, RequestOptions.DEFAULT); // 翻页 pageNo++; } }运行：再去随便搜一个id的用户：来到kibana：### 六、JavaRestClient查询#### 基本步骤（重点）> 查询的基本步骤是：> > 1. 创建 SearchRequest 对象> > 2. 准备 Request.source () ，也就是 DSL 。> > ① QueryBuilders 来构建查询条件> > ② 传入 Request.source () 的 query() 方法> > 3. 发送请求，得到结果> > 4. 解析结果（参考 JSON 结果，从外到内，逐层解析） @Test void testSearch() throws IOException { // 1.创建Request SearchRequest request = new SearchRequest(“user”); // 2.组织请求参数 request.source().query(QueryBuilders.matchAllQuery()); // 3.发送请求 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.解析响应 handleResponse(response); } private static void handleResponse(SearchResponse response) { SearchHits searchHits = response.getHits(); // 4.1 获取总条数 long total = 0; if (searchHits.getTotalHits() != null) { total = searchHits.getTotalHits().value; } // 4.2 获取命中的数据 SearchHit[] hits = searchHits.getHits(); List userDocList=new ArrayList<>(); for (SearchHit hit : hits) { // 4.2.1 获取source结果(结果是一个json对象) String json = hit.getSourceAsString(); // 4.2.2 转为实体对象 UserDoc userDoc = JSONUtil.toBean(json, UserDoc.class); userDocList.add(userDoc); } System.out.println(“userDocList = " + userDocList); System.out.println(“total = " + total); }下面是对一些查询的讲解，这里我用学习的资料总结展示一下，如果只想实战可以参考后面实战#### 1、叶子查询全文检索查询（Full Text Queries）：利用分词器对用户输入搜索条件先分词，得到词条，然后再利用倒排索引搜索词条。例如：match（全文检索查询的一种，会对用户输入内容分词，然后去倒排索引库检索） // 单字段查询 QueryBuilders.matchQuery(“name”, “脱脂牛奶”);multi_match**(**与match查询类似，只不过允许同时查询多个字段) // 多字段查询 QueryBuilders.multiMatchQuery(“脱脂牛奶”, “name”, “category”);>精确查询（Term-level queries）：不对用户输入搜索条件分词，根据字段内容精确值匹配。但只能查找keyword、数值、日期、boolean类型的字段。例如term_(_词条查询)equest.source().query(QueryBuilders.termQuery(“brand”, “华为”));range（范围查询）request.source().query(QueryBuilders.rangeQuery(“price”).gte(10000).lte(30000))>#### 2、复合查询bool查询（基于逻辑运算组合叶子查询，实现组合条件）// 创建布尔查询 BoolQueryBuilder boolQuery = QueryBuilders.boolQuery(); // 添加filter条件 boolQuery.must(QueryBuilders.termQuery(“brand”, “华为”)); // 添加filter条件 boolQuery.filter(QueryBuilders.rangeQuery(“price”).lte(2500));>#### 3、排序和分页> 排序：elasticsearch默认是根据相关度算分（_score）来排序，但是也支持自定义方式对搜索结果排序。不过分词字段无法排序，能参与排序字段类型有：keyword类型、数值类型、地理坐标类型、日期类型等。> 分页：elasticsearch 默认情况下只返回top10的数据。而如果要查询更多数据就需要修改分页参数了。elasticsearch中通过修改from、size参数来控制要返回的分页结果：> > *from：从第几个文档开始> > *size：总共查询几个文档> // 查询 request.source().query(QueryBuilders.matchAllQuery()); // 分页 request.source().from(0).size(5); // 价格排序 request.source().sort(“price”, SortOrder.ASC);>#### 4、高亮// 1.创建Request SearchRequest request = new SearchRequest(“items”); // 2.组织请求参数 // 2.1.query条件 request.source().query(QueryBuilders.matchQuery(“name”, “脱脂牛奶”)); // 2.2.高亮条件 request.source().highlighter( SearchSourceBuilder.highlight() .field(“name”) .preTags(””) .postTags(””) ); // 3.发送请求 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.解析响应 handleResponse(response);SearchHits searchHits = response.getHits(); // 1.获取总条数 long total = searchHits.getTotalHits().value; System.out.println(“共搜索到” + total + “条数据”); // 2.遍历结果数组 SearchHit[] hits = searchHits.getHits(); for (SearchHit hit : hits) { // 3.得到_source，也就是原始json文档 String source = hit.getSourceAsString(); // 4.反序列化 ItemDoc item = JSONUtil.toBean(source, ItemDoc.class); // 5.获取高亮结果 Map<String, HighlightField> hfs = hit.getHighlightFields(); if (CollUtils.isNotEmpty(hfs)) { // 5.1.有高亮结果，获取name的高亮结果 HighlightField hf = hfs.get(“name”); if (hf != null) { // 5.2.获取第一个高亮结果片段，就是商品名称的高亮值 String hfName = hf.getFragments()[0].string(); item.setName(hfName); } } System.out.println(item); }### 七、数据聚合聚合（aggregations）可以让我们极其方便的实现对数据的统计、分析、运算。>request.source().size(0); // 分页 request.source().aggregation( AggregationBuilders .terms(“brand_agg”) // 聚合名称 .field(“brand”) // 聚合字段 .size(20)); // 聚合结果条数>// 解析聚合结果 Aggregations aggregations = response.getAggregations(); // 根据名称获取聚合结果 Terms brandTerms = aggregations.get(“brand_agg”); // 获取桶 List<? extends Terms.Bucket> buckets = brandTerms.getBuckets(); // 遍历 for (Terms.Bucket bucket : buckets) { // 获取key，也就是品牌信 String brandName = bucket.getKeyAsString(); System.out.println(brandName); }>