ElasticSearch7.X.X-初见-模仿京东搜索的实战

简介
- 聊聊Doug Cutting
- ES&Solr&Lucene
ES的安装
ES核心概念
IK分词器插件
Rest风格说明
- 关于索引的基本操作
- 关于文档的基本操作（重点）
集成SpringBoot
京东搜索实战

这里是ElasticSearch7.X.X+模仿京东搜索的实战 的学习笔记，6.X与7.X区别还是挺大的。

简介

Elaticsearch，简称为ES，ES是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理 PB 级别（大数据时代）的数据。

ES由 Java 语言开发并使用 Lucene 作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的 RESTFULL API 来隐藏 Lucene 的复杂性，从而让全文搜索变得简单。

聊聊Doug Cutting

1998年9月4日,Google公司在美国硅谷成立,正如大家所知,它是一家做搜索引擎起家的公司

无独有偶，一位名叫Doug Cutting的美国工程师，也迷上了搜索引擎。他做了一个用于文本搜索的函数库（姑且理解为软件的功能组件），命名为Lucene。

Lucene是用JAVA写成的，目标是为各种中小型应用软件加入全文检索功能。因为好用而且开源，非常受程序员们的欢迎。

早期的时候，这个项目被发布在Doug Cutting的个人网站和SourceForge (一个开源软件网站)。后来，2001年底，Lucene成为Apache软件基金会jakarta项目的一个子项目。

2004年，Doug Cutting再接再励，在Lucene的基础上，和Apache开源伙伴Mike Cafarella合作，开发了一款可以代替当时的主流搜索的开源搜索引擎，命名为Nutch。

Lucene 是一套信息检索工具包，jar包，不包含搜索引擎系统。

包含的：索引结构，读写索引的工具，排序，搜索规则…工具类。

Lucene和ElasticSearch关系

ElasticSearch是基于Lucene做了一些封装和增强(上手简单)。

ES&Solr&Lucene

Elasticsearch简介

Elasticsearch是一个实时分布式搜索和分析引擎。它让你以前所未有的速度处理大数据成为可能。它用于全文搜索、结构化搜索、分析以及将这三者混合使用︰

维基百科使用Elasticsearch提供全文搜索并高亮关键字，以及输入实时搜索(search-asyou-type)和搜索纠错(did-you-mean)等搜索建议功能。

英国卫报使用Elasticsearch结合用户日志和社交网络数据提供给他们的编辑以实时的反馈，以便及时了解公众对新发表的文章的回应。

StackOverflow结合全文搜索与地理位置查询，以及more-like-this功能来找到相关的问题和答案。Github使用Elasticsearch检索1300亿行的代码。

但是Elasticsearch不仅用于大型企业，它还让像DataDog以及Klout这样的创业公司将最初的想法变成可扩展的解决方案。Elasticsearch可以在你的笔记本上运行，也可以在数以百计的服务器上处理PB级别的数据。

Elasticsearch是一个基于Apache Lucene™的开源搜索引擎。无论在开源还是专有领域，Lucene可以被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库。

但是，Lucene只是一个库。想要使用它，你必须使用Java来作为开发语言并将其直接集成到你的应用中，更糟糕的是, Lucene非常复杂，你需要深入了解检索的相关知识来理解它是如何工作的。

Elasticsearch也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。

Solr简介
Solr是Apache下的一个顶级开源项目，采用Java开发，它是基于Lucene的全文搜索服务器。Solr提供了比Lucene更为丰富的查询语言，同时实现了可配置、可扩展，并对索引、搜索性能进行了优化

Solr可以独立运行，运行在)Tomcat等这些Servlet容器中，Solr索引的实现方法很简单，用POST方法向Solr服务器发送一个描述Field及其内容的XML文档，Solr根据xml文档添加、删除、更新索引。Solr搜索只需要发送HTTP GET请求然后对 Solr返回Xml，json等格式的查询结果进行解析，组织页面布局。Solr不提供构建UI的功能，Solr提供了一个管理界面，通过管理界面可以查询Solr的配置和运行情况。

Solr是基于lucene开发企业级搜索服务器，实际上就是封装了lucene。

Solr是一个独立的企业级搜索应用服务器，它对外提供类似于Web-service的APlI接口。用户可以通过http请求，向搜索引擎服务器提衣一定格式的文件，牛成索引:也可以通讨提出杳找请求，并得到返回结果

Lucene简介
Lucene是apache软件基金会 jakarta项目组的一个子项目，是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎（英文与德文两种西方语言)。Lucene的目的是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。Lucene是一套用于全文检索和搜寻的开源程式库，由Apache软件基金会支持和提供。Lucene提供了一个简单却强大的应用程式接口，能够做全文索引和搜寻。在Java开发环境里Lucene是一个成熟的免费开源工具。就其本身而言，Lucene是当前以及最近几年最受欢迎的免费Java信息检索程序库。人们经常提到信息检索程序库，虽然与搜索引擎有关，但不应该将信息检索程序库与搜索引擎相混淆。

Lucene是一个全文检索引擎的架构。那什么是全文搜索引擎?

全文搜索引擎是名副其实的搜索引擎，国外具代表性的有Google、Fast/AliTheWeb、AltaVista、Inktomi、Teoma、WiseNut等，国内著名的有百度(Baidu )。它们都是通过从互联网上提取的各个网站的信息（以网页文字为主）而建立的数据库中，检索与用户查询条件匹配的相关记录，然后按一定的排列顺序将结果返回给用户，因此他们是真正的搜索引擎。

从搜索结果来源的角度，全文搜索引擎又可细分为两种，一种是拥有自己的检索程序(Indexer )，俗称"蜘蛛" ( Spider )程序或"机器人" ( Robot)程序，并自建网页数据库，搜索结果直接从自身的数据库中调用，如上面提到的7家引擎;另一种则是租用其他引擎的数据库，并按自定的格式排列搜索结果，如Lycos引擎。

总结

1、ES基本是开箱即用，非常简单。Solr安装略微复杂一丢丢!

2、Solr利用Zookeeper进行分布式管理，而Elasticsearch自身带有分布式协调管理功能。

3、Polr支持更多格式的数据，比如ISON、XML、CSV，而Elasticsearch仅支持json文件格式。

4、Solr官方提供的功能更多，而Elasticsearch本身更注重于核心功能，高级功能多有第三方插件提供，例如图形化界面需要kibana友好支撑。

5、Solr查询快，但更新索引时慢（即插入删除慢），用于电商等查询多的应用。

ES建立索引快（即查询慢），即实时性查询快，用于facebook新浪等搜索。
Solr是传统搜索应用的有力解决方案，但Elasticsearch更适用于新兴的实时搜索应用。

6、Solr比较成熟，有一个更大，更成熟的用户、开发和贡献者社区，而Elasticsearch相对开发维护者较少，更新太快，学习使用成本较高。

ES的安装

官网：https://www.elastic.co/cn

下载地址：https://www.elastic.co/cn/downloads/elasticsearch

Version:

7.15.0

Release date:

September 23, 2021

Downloads:

WINDOWS sha asc

熟悉目录

bin 启动文件
config 配置文件
	log4j 日志配置文件
	jvm.options java虚拟机相关的配置
	elasticSearch.yml ElasticSearch的配置文件 默认9200端口
lib 相关jar包
logs 日志
modules 功能模块
plugins 插件

点击bin文件夹中的bat就可以启动了，然后访问http://127.0.0.1:9200/就可以看到

{
  "name" : "DESKTOP-KFAD8D1",
  "cluster_name" : "elasticsearch",
  "cluster_uuid" : "K8DWmnQISdetKLrPlwchJQ",
  "version" : {
    "number" : "7.15.0",
    "build_flavor" : "default",
    "build_type" : "zip",
    "build_hash" : "79d65f6e357953a5b3cbcc5e2c7c21073d89aa29",
    "build_date" : "2021-09-16T03:05:29.143308416Z",
    "build_snapshot" : false,
    "lucene_version" : "8.9.0",
    "minimum_wire_compatibility_version" : "6.8.0",
    "minimum_index_compatibility_version" : "6.0.0-beta1"
  },
  "tagline" : "You Know, for Search"
}

安装可视化界面ES head插件

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

安装Node环境

前提需要npm, 该目录下安装依赖npm install 也可以用cnpm install

启动测试npm run start（在这个目录里面cmd：D:\java_env\elasticsearch-head-master\elasticsearch-head-master）

再访问http://localhost:9100/就可以看到：

由于跨域问题需要进行配置 config/elsaticsearch.yml

使用Easticsearc时侯启动时，点击elasticsearch.bat发生闪退。

原因：允许elasticsearch跨越访问时，在修改了elasticsearch的配置文件，并且以非UTF-8的格式修改的，结果就报错了。

http.cors.enabled: true
http.cors.allow-origin: "*"

初学时可以把ES当做一个数据库(可以建立索引 (库) ，文档 (库中的数据) )

这个head 我们就把它当做数据展示工具我们后面所有的查询都用Kibana

了解ELK

ELK是Elasticsearch、Logstash、Kibana三大开源框架首字母大写简称。市面上也被成为Elastit Stack。其中Elasticsearch是一个基于Lucene、分布式、通过Restful方式进行交互的近实时搜索平台框架。像类似百度、谷歌这种大数据全文搜索引擎的场景都可以使用Elasticsearch作为底层支持框架，可见Elasticsearch提供的搜索能力确实强大，市面上很多时候我们简称Elasticsearch为ES。Logstash是ELK的中央数据流引擎，用于从不同目标（文件/数据存储/MQ）收集的不同格式数据，经过过滤后支持输出到不同目的地(文件/MQ/redis/elasticsearch/kafka等 )。Kibana可以将elasticsearch的数据通过友好的页面展示出来，提供实时分析的功能。

市面上很多开发只要提到ELK能够一致说出它是一个日志分析架构技术栈总称，但实际上ELK不仅仅适用于日志分析，它还可以支持其它任何数据分析和收集的场景，日志分析和收集只是更具有代表性。并非唯一性。

安装Kibana

Kibana是一个针对Elasticsearch的开源分析及可视化平台，用来搜索、查看交互存储在Elasticsearch索引中的数据。使用Kibana ,可以通过各种图表进行高级数据分析及展示。Kibana让海量数据更容易理解。它操作简单，基于浏览器的用户界面可以快速创建仪表板( dashboard ) 实时显示Elasticsearch查询动态。设置Kibana非常简单。无需编码或者额外的基础架构，几分钟内就可以完成Kibana安装并启动Elasticsearch索引监测。

官网https://www.elastic.co/cn/downloads/kibana

Kibana 版本要和 Es一致，端口5601

好处:ELK都是基本上拆箱即用。

Version:

7.15.0

Release date:

September 23, 2021

Downloads:

WINDOWS sha asc

我们之后的所有的操作都在这里编写：http://localhost:5601/app/dev_tools#/console

这个项目做了国际化，所以在Kibana.yml中改为 i18n.locale: "zh-CN"就可以了。

ES核心概念

索引
字段类型(mapping)
文档(documents)

ElasticSearch是面向文档,关系行数据库和elasticsearch客观的对比 一切都是JSON

Relational DB	ElasticSearch
DataBase	indicate
tables	type，慢慢在弃用
rows	documents
columns	fields

ElasticSearch(集群)中可以包含多个索引(数据库)，每个索引中可以包含多个类型(表)，每个类型下又包含多个文档行)，每个文档中又包含多个字段(列)。

物理设计:

ElasticSearch在后台把每个索引划分成多个分片，每分分片可以在集群中的不同服务器间迁移

一个人就是一个集群,默认的集群名称就是ElasticSearch。

逻辑设计∶

一个索引类型中，包含多个文档，比如说文档1，文档2。当我们索引一篇文档时，可以通过这样的一各顺序找到它：索引》类型文档ID，通过这个组合我们就能索引到某个具体的文档。注意:ID不必是整数，实际上它是个字符串。

文档

之前说ElasticSearch是面向文档的，那么就意味着索引和搜索数据的最小单位是文档，ElasticSearch中，文档有几个重要属性︰

自我包含，一篇文档同时包含字段和对应的值，也就是同时包含key:value !
可以是层次型的，一个文档中包含自文档，复杂的逻辑实体就是这么来的!
灵活的结构，文档不依赖预先定义的模式，我们知道关系型数据库中，要提前定义字段才能使用，在ElasticSearch中，对于字段是非常灵活的，有时候，我们可以忽略该字段，或者动态的添加一个新的字段。

尽管我们可以随意的新增或者忽略某个字段，但是，每个字段的类型非常重要，比如一个年龄字段类型，可以是字符串也可以是整形。因为ElasticSearch会保存字段和类型之间的映射及其他的设置。这种映射具体到每个映射的每种类型，这也是为什么在ElasticSearch中，类型有时候也称为映射类型。

类型

类型是文档的逻辑容器，就像关系型数据库一样，表格是行的容器。类型中对于字段的定义称为映射，比如name映射为字符串类型。我们说文档是无模式的，它们不需要拥有映射中所定义的所有字段，比如新增一个字段，那么elasticsearch是怎么做的呢?elasticsearch会自动的将新字段加入映射，但是这个字段的不确定它是什么类型，elasticsearch就开始猜，如果这个值是18，那么elasticsearch会认为它是整形。但是elasticsearch也可能猜不对，所以最安全的方式就是提前定义好所需要的映射，这点跟关系型数据库殊途同归了，先定义好字段，然后再使用。

索引

就是数据库

索引是映射类型的容器， ElasticSearch中的索引是一个非常大的文档集合。索引存储了映射类型的字段和其他设置。然后它们被存储到了各个分片上了。

物理设计︰节点和分片如何工作

一个集群至少有一个节点，而一个节点就是一个ElasticSearch进程，节点可以有多个索引默认的，如果你创建索引，那么索引将会有个5个分片( primary shard ，又称主分片)构成的，每一个主分片会有一个副本( replica shard ，又称复制分片) 。

上图是一个有3个节点的集群，可以看到主分片和对应的复制分片都不会在同一个节点内，这样有利于某个节点挂掉了，数据也不至于丢失。实际上，一个分片是一个Lucene索引，一个包含倒排索引的文件目录，倒排索引的结构使得 ElasticSearch 在不扫描全部文档的情况下，就能告诉你哪些文档包含特定的关键字。

倒排索引

ElasticSearch 使用的是一种称为倒排索引的结构，采用Lucene倒排索作为底层。这种结构适用于快速的全文搜索，一个索引文档中所有不重复的列表构成，对于每一个词，都有一个包含它的文档列表。

例如，现在有两个文档，每个文档包含如下内容∶

Study every day,good good up to forever # 文档1包含的内容

To forever, study every day, good good up # 文档2包含的内容

为了创建倒排索引，我们首先要将每个文档拆分成独立的词(或称为词条或者tokens)，然后创建一个包含所有不重复的词条的排序列表，然后列出每个词条出现在哪个文档：

现在，我们试图搜索to forever，只需要查看包含每个词条的文档

两个文档都匹配，但是第一个文档比第二个匹配程度更高。如果没有别的条件，现在，这两个包含关键字的文档都将返回。

ElasticSearch 的索引和Lucene的索引对比

在ElasticSearch 中，索引（库)这个词被频繁使用，这就是术语的使用。在ElasticSearch 中，索引被分为多个分片，每份分片是一个Lucene的索引。所以一个ElasticSearch 索引是由多个Lucene索引组成的。别问为什么，谁让elasticElasticSearch search使用Lucene作为底层呢！如无特指，说起索引都是指ElasticSearch 的索引。

接下来的一切操作都在kibana中Dev Tools下的Console里完成。

IK分词器插件

如果要使用中文,建议使用ik分词器

IK提供了两个分词算法: ik smart和ik_max_word，其中ik_smart为最少切分， ik_max_word为最细粒度划分!

下载：https://github.com/medcl/elasticsearch-analysis-ik/releases
下载完毕后,放入我们的ElasticSearch插件中即可
重启观察ES
elasticsearch-plugin list可以通过这个命令来查看加载进来的插件
使用Kibana测试

查看不同的分词效果

ik_smart为最少切分

GET _analyze
{
  "analyzer": "ik_smart",
  "text": "中国我爱你"
}


{
  "tokens" : [
    {
      "token" : "中国",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "我爱你",
      "start_offset" : 2,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 1
    }
  ]
}

ik_max_word为最细粒度划分，穷尽词库的可能

GET _analyze
{
  "analyzer": "ik_max_word",
  "text": "中国我爱你"
}

{
  "tokens" : [
    {
      "token" : "中国",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "我爱你",
      "start_offset" : 2,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 1
    },
    {
      "token" : "爱你",
      "start_offset" : 3,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 2
    }
  ]
}

ik分词器增加自己的配置

GET _analyze
{
  "analyzer": "ik_smart",
  "text": "我爱你贝贝子"
}

{
  "tokens" : [
    {
      "token" : "我爱你",
      "start_offset" : 0,
      "end_offset" : 3,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "贝",
      "start_offset" : 3,
      "end_offset" : 4,
      "type" : "CN_CHAR",
      "position" : 1
    },
    {
      "token" : "贝子",
      "start_offset" : 4,
      "end_offset" : 6,
      "type" : "CN_WORD",
      "position" : 2
    }
  ]
}

但是贝贝子是一个名字，所以我要把她加入到字典中。

{
  "tokens" : [
    {
      "token" : "我爱你",
      "start_offset" : 0,
      "end_offset" : 3,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "贝贝子",
      "start_offset" : 3,
      "end_offset" : 6,
      "type" : "CN_WORD",
      "position" : 1
    }
  ]
}

Rest风格说明

一种软件架构风格，而不是标准，只是提供了一组设计原则和约束条件。它主要是用于客户端和服务器交互类的软件。基于这个风格设计的软件可以更简洁，更有层次，更易于实现缓存等机制。

基本Rest命令说明：

关于索引的基本操作

PUT /索引名/~索引名(未来可能取消不写)~/文档id
{请求体}

PUT /test1/type1/1
{
  "name": "lijiatu",
  "age": 12
}

{
  "_index" : "test1",
  "_type" : "type1",
  "_id" : "1",
  "_version" : 1,
  "result" : "created",
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 0,
  "_primary_term" : 1
}

数据就成功添加了

数据类型

字符串类型

text, keyword
数值类型

long, integer, short, byte, double, float, half float, scaled fload
日期类型

date
布尔值类型

boolean
二进制类型

binart
等等…

指定字段的类型

PUT /test2
{
  "mappings": {
    "properties": {
      "name": {
        "type": "text"
      },
      "age": {
        "type": "long"
      },
      "birthday": {
        "type": "date"
      }
    }
  }
}

{
  "acknowledged" : true,
  "shards_acknowledged" : true,
  "index" : "test2"
}

获得这个规则信息, 可以通过GET请求获取具体的信息

GET test2
    
 {
  "test2" : {
    "aliases" : { },
    "mappings" : {
      "properties" : {
        "age" : {
          "type" : "long"
        },
        "birthday" : {
          "type" : "date"
        },
        "name" : {
          "type" : "text"
        }
      }
    },
    "settings" : {
      "index" : {
        "routing" : {
          "allocation" : {
            "include" : {
              "_tier_preference" : "data_content"
            }
          }
        },
        "number_of_shards" : "1",
        "provided_name" : "test2",
        "creation_date" : "1633697875995",
        "number_of_replicas" : "1",
        "uuid" : "SxOsgsKGR0CYM9Lejh4FWg",
        "version" : {
          "created" : "7150099"
        }
      }
    }
  }
}

============================================================
    
PUT test3/_doc/1
{
  "name": "lijiatu"，
  "age": 12
}

{
  "_index" : "test3",
  "_type" : "_doc",
  "_id" : "1",
  "_version" : 1,
  "result" : "created",
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 0,
  "_primary_term" : 1
}

==========================================================
    
GET test3    
    
{
  "test3" : {
    "aliases" : { },
    "mappings" : {
      "properties" : {
        "age" : {
          "type" : "long"
        },
        "name" : {
          "type" : "text",
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          }
        }
      }
    },
    "settings" : {
      "index" : {
        "routing" : {
          "allocation" : {
            "include" : {
              "_tier_preference" : "data_content"
            }
          }
        },
        "number_of_shards" : "1",
        "provided_name" : "test3",
        "creation_date" : "1633698204680",
        "number_of_replicas" : "1",
        "uuid" : "ElIym67sQySiOW1AKCyJ9Q",
        "version" : {
          "created" : "7150099"
        }
      }
    }
  }
}

如果自己的文档字段没有指定，那么es就会给我们默认配置字段类型！

通过get _cat/ 可以获得当前的很多信息。

修改提交还是使用PUT即可,然后覆盖值,或用新办法。

PUT test3/_doc/1
{
  "name": "lijiatubeibeizi",
  "age": 12
}

{
  "_index" : "test3",
  "_type" : "_doc",
  "_id" : "1",
  "_version" : 2,版本号增加了
  "result" : "updated",修改
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 1,
  "_primary_term" : 1
}

或者使用post来更新

POST test3/_doc/1
{
  "doc": {
    "name": "beibeizi"
  }
}

{
  "_index" : "test3",
  "_type" : "_doc",
  "_id" : "1",
  "_version" : 3,版本号增加了
  "result" : "updated",修改
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 3,
  "_primary_term" : 1
}

删除索引

通过DELETE命令实现删除, 根据你的请求来判断是删除索引还是删除文档记录

DELETE test1
    
{
  "acknowledged" : true
}

使用RESTFUL风格是我们ES推荐大家使用的。

关于文档的基本操作（重点）

添加数据

PUT lijiatu/test/1
{
  "name": "lijiatu",
  "age": 21,
  "desc": "愿你拥有大风与烈酒,也能享受孤独与自由",
  "tags": ["二次元","宅男","码农"]
}

PUT lijiatu/test/2
{
  "name": "beibeizi",
  "age": 21,
  "desc": "愿你拥有大风与烈酒,也能享受孤独与自由",
  "tags": ["二次元","女","码农"]
}

获取数据

GET lijiatu/test/1
  
{
  "_index" : "lijiatu",
  "_type" : "test",
  "_id" : "1",
  "_version" : 1,
  "_seq_no" : 0,
  "_primary_term" : 1,
  "found" : true,
  "_source" : {
    "name" : "lijiatu",
    "age" : 21,
    "desc" : "愿你拥有大风与烈酒,也能享受孤独与自由",
    "tags" : [
      "二次元",
      "宅男",
      "码农"
    ]
  }
}

更新数据

PUT lijiatu/test/3
{
  "name": "beibeizi333",
  "age": 21,
  "desc": "愿你拥有大风与烈酒,也能享受孤独与自由",
  "tags": ["二次元","女","码农"]
}

POST _update，推荐使用这种修改方式

复杂操作-搜索

GET lijiatu/test/1

也可以带条件查询

GET lijiatu/test/_search?q=name:lijiatu
    
{
  "took" : 57,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.2039728,
    "hits" : [
      {
        "_index" : "lijiatu",
        "_type" : "test",
        "_id" : "1",
        "_score" : 1.2039728,
        "_source" : {
          "name" : "lijiatu",
          "age" : 21,
          "desc" : "愿你拥有大风与烈酒,也能享受孤独与自由",
          "tags" : [
            "二次元",
            "宅男",
            "码农"
          ]
        }
      }
    ]
  }
}

简单的条件查询，可以根据默认的映射规则，产生基本的查询。

**复杂查询 (排序,分页,高亮,模糊查询,精准查询等) **

GET lijiatu/test/_search
{
  "query": {
    "match": {
      "name": "李嘉图"
    }
  }
}

{
  "took" : 583,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 0.43278474,
    "hits" : [
      {
        "_index" : "lijiatu",
        "_type" : "test",
        "_id" : "1",
        "_score" : 0.43278474,
        "_source" : {
          "name" : "李嘉图",
          "age" : 21,
          "desc" : "愿你拥有大风与烈酒,也能享受孤独与自由",
          "tags" : [
            "二次元",
            "女",
            "码农"
          ]
        }
      },
      {
        "_index" : "lijiatu",
        "_type" : "test",
        "_id" : "2",
        "_score" : 0.38623023,
        "_source" : {
          "name" : "李嘉图2",
          "age" : 21,
          "desc" : "愿你拥有大风与烈酒,也能享受孤独与自由",
          "tags" : [
            "二次元",
            "女",
            "码农"
          ]
        }
      },
      {
        "_index" : "lijiatu",
        "_type" : "test",
        "_id" : "3",
        "_score" : 0.38623023,
        "_source" : {
          "name" : "李嘉图3",
          "age" : 21,
          "desc" : "愿你拥有大风与烈酒,也能享受孤独与自由",
          "tags" : [
            "二次元",
            "女",
            "码农"
          ]
        }
      }
    ]
  }
}

hit :

索引和文档的信息

查询的结果总数

然后就是查询出来的具体的文档

数据中的东西都可以遍历出来了

分数：我们可以通过来判断谁更加更加符合结果

结果过滤

GET lijiatu/test/_search
{
  "query": {
    "match": {
      "name": "李嘉图"
    }
  },
  "_source": ["name","age"]
}

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 0.43278474,
    "hits" : [
      {
        "_index" : "lijiatu",
        "_type" : "test",
        "_id" : "1",
        "_score" : 0.43278474,
        "_source" : {
          "name" : "李嘉图",
          "age" : 21
        }
      },
      {
        "_index" : "lijiatu",
        "_type" : "test",
        "_id" : "2",
        "_score" : 0.38623023,
        "_source" : {
          "name" : "李嘉图2",
          "age" : 21
        }
      },
      {
        "_index" : "lijiatu",
        "_type" : "test",
        "_id" : "3",
        "_score" : 0.38623023,
        "_source" : {
          "name" : "李嘉图3",
          "age" : 21
        }
      }
    ]
  }
}

排序

GET lijiatu/test/_search
{
  "query": {
    "match": {
      "name": "李嘉图"
    }
  },
  "sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ]
}

{
  "took" : 5,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [
      {
        "_index" : "lijiatu",
        "_type" : "test",
        "_id" : "1",
        "_score" : null,
        "_source" : {
          "name" : "李嘉图",
          "age" : 21,
          "desc" : "愿你拥有大风与烈酒,也能享受孤独与自由",
          "tags" : [
            "二次元",
            "女",
            "码农"
          ]
        },
        "sort" : [
          21
        ]
      },
      {
        "_index" : "lijiatu",
        "_type" : "test",
        "_id" : "2",
        "_score" : null,
        "_source" : {
          "name" : "李嘉图2",
          "age" : 21,
          "desc" : "愿你拥有大风与烈酒,也能享受孤独与自由",
          "tags" : [
            "二次元",
            "女",
            "码农"
          ]
        },
        "sort" : [
          21
        ]
      },
      {
        "_index" : "lijiatu",
        "_type" : "test",
        "_id" : "3",
        "_score" : null,
        "_source" : {
          "name" : "李嘉图3",
          "age" : 21,
          "desc" : "愿你拥有大风与烈酒,也能享受孤独与自由",
          "tags" : [
            "二次元",
            "女",
            "码农"
          ]
        },
        "sort" : [
          21
        ]
      }
    ]
  }
}

分页查询

GET lijiatu/test/_search
{
  "query": {
    "match": {
      "name": "李嘉图"
    }
  },
  "sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ],
  "from": 0,
  "size": 2
}

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [
      {
        "_index" : "lijiatu",
        "_type" : "test",
        "_id" : "1",
        "_score" : null,
        "_source" : {
          "name" : "李嘉图",
          "age" : 21,
          "desc" : "愿你拥有大风与烈酒,也能享受孤独与自由",
          "tags" : [
            "二次元",
            "女",
            "码农"
          ]
        },
        "sort" : [
          21
        ]
      },
      {
        "_index" : "lijiatu",
        "_type" : "test",
        "_id" : "2",
        "_score" : null,
        "_source" : {
          "name" : "李嘉图2",
          "age" : 21,
          "desc" : "愿你拥有大风与烈酒,也能享受孤独与自由",
          "tags" : [
            "二次元",
            "女",
            "码农"
          ]
        },
        "sort" : [
          21
        ]
      }
    ]
  }
}

数据下标还是从0开始

布尔值查询

must (and) 所有的条件都要符合相当于 where id = 1 and name = xxx

GET lijiatu/test/_search
{
  "query": {
    "bool": {
      "must": [
        {
        "match": {
          "name": "李"
        }
      },
      {
        "match": {
          "age": 21
        }
      }
      ]
    }
  }
}

should (or) 所有的条件符合其一相当于 where id = 1 or name = xxx

GET lijiatu/test/_search
{
  "query": {
    "bool": {
      "should": [
        {
        "match": {
          "name": "李"
        }
      },
      {
        "match": {
          "age": 21
        }
      }
      ]
    }
  }
}

must_not (not) 反向查询

GET lijiatu/test/_search
{
  "query": {
    "bool": {
      "must_not": [
        {
          "match": {
            "age": 21
          }
        }
      ]
    }
  }
}

过滤器 filter

"filter": [
        {}
      ]


gt 大于
gte 大于等于
lt 小于
lte 小于等于

匹配多个条件

GET lijiatu/test/_search
{
  "query": {
    "match": {
      "tags": "男 码农"
    }
  }
}

多个条件使用空格隔开

只要满足其中一个结果既可以被查出

这个时候可以通过分值基本的判断

精确查询

term 查询是直接通过倒排索引指定的词条进程精确的查找的

关于分词:

term，直接查询精确的
match，会使用分词器解析 (先分析文档,然后通过分析的文档进行查询)

两个类型 text keyword

GET _analyze
{
  "analyzer": "keyword",
  "text": ["李嘉图"]
}
没有被拆分
{
  "tokens" : [
    {
      "token" : "李嘉图",
      "start_offset" : 0,
      "end_offset" : 3,
      "type" : "word",
      "position" : 0
    }
  ]
}


GET _analyze
{
  "analyzer": "standard",
  "text": "李嘉图"
}
拆分了
    
{
  "tokens" : [
    {
      "token" : "李",
      "start_offset" : 0,
      "end_offset" : 1,
      "type" : "<IDEOGRAPHIC>",
      "position" : 0
    },
    {
      "token" : "嘉",
      "start_offset" : 1,
      "end_offset" : 2,
      "type" : "<IDEOGRAPHIC>",
      "position" : 1
    },
    {
      "token" : "图",
      "start_offset" : 2,
      "end_offset" : 3,
      "type" : "<IDEOGRAPHIC>",
      "position" : 2
    }
  ]
}

多个值匹配的精确查询

bool should term

高亮查询

GET lijiatu/test/_search
{
  "query": {
    "match": {
      "name": "李嘉图"
    }
  },
  "highlight": {
    "pre_tags": "<p class='key' style='color:red'>",
    "post_tags": "</p>",
    "fields": {
      "name": {}
    }
  }
}

集成SpringBoot

项目地址：https://gitee.com/zwtgit/elastic-search-jing-dong-and-apistudy

找到原生的依赖

<repositories>
    <repository>
        <id>es-snapshots</id>
        <name>elasticsearch snapshot repo</name>
        <url>https://snapshots.elastic.co/maven/</url>
    </repository>
</repositories>

然后就是要注意导入SpringBoot项目后ES的版本不一致的问题。

例如我导入后：

所以要相应的修改一下

快速开始，使用源码中提供的对象

package com.zwt.esapi.config;

import org.apache.http.HttpHost;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

//Spring俩个步骤 1.找对象 2.放到Spring中
@Configuration
public class ESConfig {

    @Bean
    public RestHighLevelClient restHighLevelClient(){
        RestHighLevelClient client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("127.0.0.1",9200,"http")
                )
        );
        return client;
    }
    
}

具体的API测试

创建索引
判断索引是否存在
删除索引
创建文档
CRUD文档

关于索引的API操作

@Autowired
    @Qualifier("restHighLevelClient")   //不加也行 但定义的名字要是这个名字
    private RestHighLevelClient client;

    //测试索引的创建 Request PUT lijiatu_index
    @Test
    void testCreateIndex() throws IOException {
        //1. 创建索引请求
        CreateIndexRequest request = new CreateIndexRequest("lijiatu_index");
        //2. 客户端执行请求
        CreateIndexResponse createIndexRequest = client.indices().create(request, RequestOptions.DEFAULT);

        System.out.println(createIndexRequest);
    }

    //测试获取索引,判断其是否存在
    @Test
    void testExistIndex() throws IOException {
        GetIndexRequest request = new GetIndexRequest("lijiatu_index");
        boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);
        System.out.println(exists);
    }

    //测试删除索引
    @Test
    void testDeleteIndex() throws IOException {
        DeleteIndexRequest request = new DeleteIndexRequest("lijiatu_index");
        //删除
        AcknowledgedResponse delete = client.indices().delete(request, RequestOptions.DEFAULT);
        System.out.println(delete.isAcknowledged());
    }

关于文档的API操作

//测试添加文档
    @Test
    void testAddDocument() throws IOException {
        //创建对象
        User user = new User("李嘉图", 12);
        //创建请求
        IndexRequest request = new IndexRequest("ahui_index");

        //规则 put lijiatu_index/_doc/1
        request.id("1");
        request.timeout(TimeValue.timeValueSeconds(1));
        request.timeout("1s");

        //将我们的数据放入请求 json (使用fastjson进行转换)
        IndexRequest source = request.source(JSON.toJSONString(user), XContentType.JSON);

        //客户端发送请求, 获取响应的结果
        IndexResponse indexResponse = client.index(request, RequestOptions.DEFAULT);

        //返回具体的json信息
        System.out.println(indexResponse.toString());
        //对应我们命令返回的状态 CREATED
        System.out.println(indexResponse.status());

    }


    //获取文档
    @Test
    void testIsExistes() throws IOException {
        GetRequest getRequest = new GetRequest("lijiatu_index", "1");
        //不获取返回的_source 的上下文了
        getRequest.fetchSourceContext(new FetchSourceContext(false));
        getRequest.storedFields("_none_");

        boolean exists = client.exists(getRequest, RequestOptions.DEFAULT);
        System.out.println(exists);

    }


    //获取文档的信息
    @Test
    void testGetDocument() throws IOException {
        GetRequest getRequest = new GetRequest("lijiatu_index", "1");
        GetResponse getResponse = client.get(getRequest, RequestOptions.DEFAULT);
        //打印文档的内容
        System.out.println(getResponse.getSourceAsString());
        //返回的全部内容和命令是一样的
        System.out.println(getResponse);

    }


    //获取文档的信息
    @Test
    void testUpdateRequest() throws IOException {
        UpdateRequest updateRequest = new UpdateRequest("lijiatu_index", "1");
        updateRequest.timeout("1s");

        User user = new User("李嘉图学Java", 22);
        updateRequest.doc(JSON.toJSONString(user), XContentType.JSON);

        UpdateResponse updateResponse = client.update(updateRequest, RequestOptions.DEFAULT);
        System.out.println(updateResponse.status());

    }


    //删除文档记录
    @Test
    void testDeleteRequest() throws IOException {
        DeleteRequest deleteRequest = new DeleteRequest("lijiatu_index", "1");
        deleteRequest.timeout("1s");

        DeleteResponse delete = client.delete(deleteRequest, RequestOptions.DEFAULT);
        System.out.println(delete.status());

    }

    //特殊的，实际项目中一般都会批量插入数据
    @Test
    void testBulkRequest() throws IOException {
        BulkRequest bulkRequest = new BulkRequest();
        bulkRequest.timeout("10s");

        ArrayList<User> userList = new ArrayList<>();
        userList.add(new User("lijiatu1", 18));
        userList.add(new User("lijiatu1", 18));
        userList.add(new User("lijiatu1", 18));
        userList.add(new User("lijiatu1", 18));
        userList.add(new User("lijiatu1", 18));
        userList.add(new User("lijiatu1", 18));

        //批量处理请求
        for (int i = 0; i < userList.size(); i++) {
            //批量更新和批量修改等, 就在这里修改对应的请求就可以了
            bulkRequest.add(new IndexRequest("ahui_index")
                    .id("" + (i + 1)) //不加id的话会默认生成随机id
                    .source(JSON.toJSONString(userList.get(i)), XContentType.JSON));
        }
        BulkResponse bulkResponse = client.bulk(bulkRequest, RequestOptions.DEFAULT);
        //是够失败, 返回false代表成功
        System.out.println(bulkResponse.hasFailures());
    }


    //查询
    //SearchRequest 搜索请求
    //SearchSourceBuilder 条件构造
    //HighLightBuilder 构建高亮
    //xxx QueryBuilder 对应我们刚才看到的所有命令
    @Test
    void testSearch() throws IOException {
        SearchRequest searchRequest = new SearchRequest("lijiatu_index");
        //构建搜索条件
        SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();

        //查询条件,我们可以使用QueryBuilders 工具类来实现
        //QueryBuilders.termQuery  精确匹配
        //QueryBuilders.matchAllQuery 匹配所有
        TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", "lijiatu");
//        MatchAllQueryBuilder matchAllQueryBuilder = QueryBuilders.matchAllQuery();
        sourceBuilder.query(termQueryBuilder);
        sourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));

        searchRequest.source(sourceBuilder);

        SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);
        System.out.println(JSON.toJSONString(searchResponse.getHits()));
        System.out.println("==========================================");
        for (SearchHit documentFileds : searchResponse.getHits().getHits()) {
            System.out.println(documentFileds.getSourceAsMap());
        }
    }

源码

@Import({ RestClientConfigurations.RestClientBuilderConfiguration.class,
		RestClientConfigurations.RestHighLevelClientConfiguration.class,
		RestClientConfigurations.RestClientFallbackConfiguration.class })


/*
 * Copyright 2012-2019 the original author or authors.
 *
 * Licensed under the Apache License, Version 2.0 (the "License");
 * you may not use this file except in compliance with the License.
 * You may obtain a copy of the License at
 *
 *      https://www.apache.org/licenses/LICENSE-2.0
 *
 * Unless required by applicable law or agreed to in writing, software
 * distributed under the License is distributed on an "AS IS" BASIS,
 * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
 * See the License for the specific language governing permissions and
 * limitations under the License.
 */

package org.springframework.boot.autoconfigure.elasticsearch.rest;

import java.time.Duration;

import org.apache.http.HttpHost;
import org.apache.http.auth.AuthScope;
import org.apache.http.auth.Credentials;
import org.apache.http.auth.UsernamePasswordCredentials;
import org.apache.http.client.CredentialsProvider;
import org.apache.http.impl.client.BasicCredentialsProvider;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestClientBuilder;
import org.elasticsearch.client.RestHighLevelClient;

import org.springframework.beans.factory.ObjectProvider;
import org.springframework.boot.autoconfigure.condition.ConditionalOnClass;
import org.springframework.boot.autoconfigure.condition.ConditionalOnMissingBean;
import org.springframework.boot.context.properties.PropertyMapper;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

/**
 * Elasticsearch rest client infrastructure configurations.
 *
 * @author Brian Clozel
 * @author Stephane Nicoll
 */
class RestClientConfigurations {

	@Configuration(proxyBeanMethods = false)
	static class RestClientBuilderConfiguration {

		@Bean
		@ConditionalOnMissingBean
		RestClientBuilder elasticsearchRestClientBuilder(RestClientProperties properties,
				ObjectProvider<RestClientBuilderCustomizer> builderCustomizers) {
			HttpHost[] hosts = properties.getUris().stream().map(HttpHost::create).toArray(HttpHost[]::new);
			RestClientBuilder builder = RestClient.builder(hosts);
			PropertyMapper map = PropertyMapper.get();
			map.from(properties::getUsername).whenHasText().to((username) -> {
				CredentialsProvider credentialsProvider = new BasicCredentialsProvider();
				Credentials credentials = new UsernamePasswordCredentials(properties.getUsername(),
						properties.getPassword());
				credentialsProvider.setCredentials(AuthScope.ANY, credentials);
				builder.setHttpClientConfigCallback(
						(httpClientBuilder) -> httpClientBuilder.setDefaultCredentialsProvider(credentialsProvider));
			});
			builder.setRequestConfigCallback((requestConfigBuilder) -> {
				map.from(properties::getConnectionTimeout).whenNonNull().asInt(Duration::toMillis)
						.to(requestConfigBuilder::setConnectTimeout);
				map.from(properties::getReadTimeout).whenNonNull().asInt(Duration::toMillis)
						.to(requestConfigBuilder::setSocketTimeout);
				return requestConfigBuilder;
			});
			builderCustomizers.orderedStream().forEach((customizer) -> customizer.customize(builder));
			return builder;
		}

	}

	@Configuration(proxyBeanMethods = false)
	@ConditionalOnClass(RestHighLevelClient.class)
	static class RestHighLevelClientConfiguration {

		@Bean
		@ConditionalOnMissingBean
		RestHighLevelClient elasticsearchRestHighLevelClient(RestClientBuilder restClientBuilder) {
			return new RestHighLevelClient(restClientBuilder);
		}

		@Bean
		@ConditionalOnMissingBean
		RestClient elasticsearchRestClient(RestClientBuilder builder,
				ObjectProvider<RestHighLevelClient> restHighLevelClient) {
			RestHighLevelClient client = restHighLevelClient.getIfUnique();
			if (client != null) {
				return client.getLowLevelClient();
			}
			return builder.build();
		}

	}

	@Configuration(proxyBeanMethods = false)
	static class RestClientFallbackConfiguration {

		@Bean
		@ConditionalOnMissingBean
		RestClient elasticsearchRestClient(RestClientBuilder builder) {
			return builder.build();
		}

	}

}

京东搜索实战

项目地址：https://gitee.com/zwtgit/elastic-search-jing-dong-and-apistudy

项目导入静态资源后：

数据爬取京东的首页，可以看之前的爬虫小项目爬取数据

爬虫项目地址：https://www.cnblogs.com/zwtblog/p/15216808.html

具体的业务编写

package com.zwt.service;

import com.alibaba.fastjson.JSON;
import com.zwt.pojo.Content;
import com.zwt.utils.HtmlParseUtil;
import org.elasticsearch.action.bulk.BulkRequest;
import org.elasticsearch.action.bulk.BulkResponse;
import org.elasticsearch.action.index.IndexRequest;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.common.xcontent.XContentType;
import org.elasticsearch.core.TimeValue;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.index.query.TermQueryBuilder;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.builder.SearchSourceBuilder;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

import java.io.IOException;
import java.util.ArrayList;
import java.util.List;
import java.util.Map;
import java.util.concurrent.TimeUnit;


@Service
public class ContentService {

    @Autowired
    private RestHighLevelClient restHighLevelClient;

    //1.解析数据 放入 ES 索引中
    public Boolean parseContent(String ketwords) throws IOException {
        List<Content> contents = new HtmlParseUtil().parseJD(ketwords);
        //把查询出来的数据放入 ES中
        BulkRequest bulkRequest = new BulkRequest();
        bulkRequest.timeout("2m");

        for (int i = 0; i < contents.size(); i++) {
            bulkRequest.add(
                    new IndexRequest("jd_goods")
                            .source(JSON.toJSONString(contents.get(i)), XContentType.JSON)
            );
        }

        BulkResponse bulk = restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT);
        return !bulk.hasFailures();
    }

    //2.获取这些数据  实现搜索功能
    public List<Map<String, Object>> searchPage(String keyword, int pageNo, int pageSize) throws IOException {
        if (pageNo <= 1) {
            pageNo = 1;
        }

        //条件搜索
        SearchRequest searchRequest = new SearchRequest("jd_goods");
        SearchSourceBuilder searcheBuilder = new SearchSourceBuilder();

        //分页
        searcheBuilder.from(pageNo);
        searcheBuilder.size(pageSize);

        //精准匹配
        TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("title", keyword);
        searcheBuilder.query(termQueryBuilder);
        searcheBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));

        //执行搜索
        searchRequest.source(searcheBuilder);
        SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);

        //解析结果
        ArrayList<Map<String, Object>> list = new ArrayList<>();
        for (SearchHit documentFields : searchResponse.getHits().getHits()) {
            list.add(documentFields.getSourceAsMap());
        }

        return list;
    }


}

package com.zwt.controller;

import com.zwt.service.ContentService;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.PathVariable;
import org.springframework.web.bind.annotation.RestController;


import java.io.IOException;
import java.util.List;
import java.util.Map;


//请求编写
@RestController
public class ContentController {

    @Autowired
    private ContentService contentService;

    @GetMapping("/parse/{keyword}")
    public Boolean parse(@PathVariable("keyword") String keyword) throws Exception {
        return contentService.parseContent(keyword);

    }


    @GetMapping("/search/{keyword}/{pageNo}/{pageSize}")
    public List<Map<String, Object>> search(@PathVariable("keyword") String keyword,
                                            @PathVariable("pageNo") int pageNo,
                                            @PathVariable("pageSize") int pageSize) throws IOException {
        return contentService.searchPage(keyword, pageNo, pageSize);
    }

}

业务基本编写完成，准备进行前后端交换

最后实现“高亮”

效果图

posted @ 2021-10-09 19:23 Ricardo_ML 阅读(760) 评论(7) 编辑收藏举报

刷新页面返回顶部

ZWT

慢就是快！