前言
ElasticSearch简称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，其扩展性很好，ElasticSearch是企业级应用中较为常见的技术。
下面和大家分享 ElasticSearch 集成在Spring Boot 项目的一些学习心得。
一、ElasticSearch概述
1.1基本认识
ElasticSearch 是基于 Lucene 实现的开源、分布式、RESTful接口的全文搜索引擎。
Elasticsearch 还是一个分布式文档数据库，其中每个字段均是被索引的数据且可被搜索，它能够扩展至数以百计的服务器存储以及处理PB级的数据。
Elasticsearch 可以通过简单的 RESTful 风格 API 来隐藏 Lucene 的复杂性，让搜索变得更加简单。
1.2核心概念
Elasticsearch 的核心概念是 Elasticsearch 搜索的过程，在搜索的过程中，Elasticsearch 的存储过程、数据结构都会有所涉及。
-
对比关系型数据库
表1 关系型数据库 Elasticsearch 数据库（DataBase） 索引（indices） 表（table） types（已弃用） 行（rows） documents 字段（columns） fields
注：
- Elasticsearch （集群）中可以包含多个indices（对应库），每个索引中可以包含多个types（对应表），每个types下面又包含多个documents（对应行记录），每个documents中又含有多个fields（对应字段）。
- Elasticsearch 中一切数据的格式都是 JSON。
-
documents
-
fields
-
types（弃用）
-
indices
Elasticsearch 中的索引是一个非常大的文档集合，存储了映射类型的字段和其它设置，被存储在各个分片上。
1.3倒排索引
Elasticsearch 使用一种名为倒排索引的结构进行搜索，一个索引由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。
传统数据库的搜索结构一般以id为主，可以一一对应数据库中的所有内容，即key-value的形式。
而倒排索引则与之相反，以内容为主，将所有不重复的内容记录按照匹配的程度（阈值）进行展示，即value-key的形式。
以下举两个例子来进行说明。
-
例一：
在关系型数据库中，数据是按照id的顺序进行约定的，记录的id具有唯一性，方便人们使用id去确定内容，如表2所示：
表2 id label 1 java 2 java 3 java,python 4 python -
例二：
在 ElasticSearch 中使用倒排索引：数据是按照不重复的内容进行约定的，不重复的内容具有唯一性，这样可以快速地找出符合内容的记录，再根据匹配的阈值去进行展示，如表3所示：
label id java 1,2,3 python 4,3
1.4了解ELK
ELK 是 ElasticSearch、Logstash、Kibana这三大开源框架首字母大写简称。
其中 Logstash 是中央数据流引擎，用于从不同目标（文件/数据存储/MQ）中收集不同的数据格式，经过过滤后支持输送到不同的目的地（文件/MQ/Redis/elasticsearch/kafka等）。
而 Kibana 可以将 ElasticSearch 的数据通过友好的可视化界面展示出来，且提供实时分析的功能。
ELK一般来说是一个日志分析架构技术栈的总称，但实际上 ELK 不仅仅适用于日志分析，它还可以支持任何其它数据分析和收集的场景，日志的分析和收集只是更具有代表性，并非 ELK 的唯一用途。
二、ElasticSearch（插件）安装
2.1安装声明
- 适用于JDK1.8及以上版本
- ElasticSearch客户端
- 界面工具
- ElasticSearch版本与Maven依赖版本对应
2.2 ElasticSearch下载
下载地址（7.6.1版本）：https://www.elastic.co/downloads/past-releases/elasticsearch-7-6-1，推荐迅雷下载（速度较快）。
2.3安装ElasticSearch
将下载好的压缩包进行安装即可，解压后如下图所示：
-
安装目录
-
bin 启动文件
-
config 配置文件
- log4j2：日志配置文件
- jvm.options：Java 虚拟机相关配置
- elasticsearch.yml：elasticsearch配置文件，默认 9200 端口，解决跨域问题。
-
lib 相关jar包
-
modules 功能模块
-
plugins 插件（如IK分词器）
-
2.4启动ElasticSearch
打开bin文件夹下的elasticsearch.bat文件，双击启动后访问默认地址：localhost:9200，即可得到以下json格式的数据：
{ "name" : "ZHUZQC", "cluster_name" : "elasticsearch", "cluster_uuid" : "AMdLpCANStmY8kvou9-OtQ", "version" : { "number" : "7.6.1", "build_flavor" : "default", "build_type" : "zip", "build_hash" : "aa751e09be0a5072e8570670309b1f12348f023b", "build_date" : "2020-02-29T00:15:25.529771Z", "build_snapshot" : false, "lucene_version" : "8.4.0", "minimum_wire_compatibility_version" : "6.8.0", "minimum_index_compatibility_version" : "6.0.0-beta1" }, "tagline" : "You Know, for Search" } 2.5可视化界面-head安装
下载地址：https://github.com/mobz/elasticsearch-head/
安装要求：先检查计算机是否安装node.js、npm
-
步骤一：在解压后的文件目录下进入cmd，使用 cnpm install 命令安装镜像文件；
-
步骤二：使用 npm run start 命令启动，得到 http://localhost:9100
-
步骤三：解决跨域问题，打开 elasticsearch.yml 文件，输入以下代码后保存：
http.cors.enabled: true http.cors.allow-origin: "*" -
再次重启elasticsearch，进入http://localhost:9200 验证是否启动成功
-
最后进入 http://localhost:9100，得到以下界面，则head启动成功：
2.6初步创建索引
可以把索引当作一个数据库来使用，具体的创建如下步骤所示：
-
步骤一：点击Indices，在弹出的提示框中填写索引名称，点击确认；
-
步骤二：可以在head界面中看到该索引，如下图所示：
注：head仅可以当作一个数据可视化的展示工具，对于查询语句推荐使用Kibana。
2.7安装Kibana工具
Kibana是一个针对 ElasticSearch 的开源分析、可视化平台，用于搜索、查看交互存储在ElasticSearch中的数据。
Kibana 操作简单，基于浏览器的的用户界面可以快速创建仪表板（dashboard）并实时显示数据。
官网下载：https://www.elastic.co/downloads/past-releases/kibana-7-6-1
注意事项：Kibana 版本需要和 ElasticSearch 的版本保持一致。
安装步骤如下：
- 步骤一：打开解压缩后的bin文件夹，双击.bat文件；
- 步骤二：打开 http://localhost:5601 进入 Kibana 界面
2.8使用Kibana工具
在开发的过程中，可供数据测试的工具有很多，比如postman、head、Chrome浏览器等，这里推荐使用 Kibana 进行数据测试。
操作界面如下图所示：
三、IK分词器
3.1基本介绍
在使用中文进行搜索时，我们会对要搜索的信息进行分词：将一段中文分成一个个的词语或者句子，然后将分出的词进行搜索。
默认的中文分词是一个汉字一个词，如：“你好世界”，会被分成：“你”，“好”，“世”，“界”。但这样的分词方式显然并不全面，比如还可以分成：“你好”，“世界”。
ik分词器就解决了默认分词不全面的问题，可以将中文进行不重复的分词。
ik分词器提供了两种2算法：ik_smart（最少切分）以及ik_max_word（最细颗粒度划分）。
github下载：https://github.com/medcl/elasticsearch-analysis-ik/releases/tag/v7.6.1
- 步骤一：将解压后的所有文件放置在 elasticsearch 下的plugins文件夹下；
- 步骤二：重启 elasticsearch
3.2使用Kibana测试
-
首先测试 ik_smart（最少切分）算法的分词效果，具体如图3-1所示：
图3-1 -
再测试 ik_max_word（最细颗粒度划分）算法的分词效果，具体如图3-2所示：
3.3修改本地字典
ik分词的默认字典并不能完全涵盖所有的中文分词，当我们想自定义分词时，就需要修改ik分词器的字典配置。
- 步骤一：打开elasticsearch-7.6.1pluginsikconfig文件夹，增加自定义dic文件；
- 步骤二：在同一文件夹中的IKAnalyzer.cfg.xml里，将上述步骤的dic文件写入自己的扩展字典；
具体效果如下图3-3所示：
四、Rest风格操作
ElasticSearch 使用 Rest 风格来进行一系列操作，具体的命令如图4-1所示：
4.1创建索引
PUT /test_1/type/1 { "name": "zhuzqc", "age": 35364 } 4.2修改索引内容
GET /test_1 { "mappings": { "properties": { "name": { "type": "text" }, "age": { "type": "long" }, "birthdy": { "type": "date" } } } } 4.3更新索引内容
POST /test_1/_doc/1/_update { "doc": { "name": "noone" } } 4.4删除索引
DELETE test_2 4.5关于documents的操作
4.5.1基本操作
documents 可以看作是数据库中的行记录;
- 首先先生产一些 documents 数据：
PUT zhuzqc/user/3 { "name": "李四", "age": 894, "desc": "影流之主", "tags": ["劫","刺客","中单"] } 2.获取数据：
GET zhuzqc/user/1 3.更新数据
// POST请求对指定内容进行更新 POST zhuzqc/user/1/_update { "doc": { "name": "342rfd", "age": 243234 } } 4.简单的条件查询
// 查询统一GET开头，_search后接?，q代表query，属性:内容 GET zhuzqc/user/_search?q=name:李 如：查询zhuzqc索引中name为李四的信息，其中李四遵循默认的分词规则 GET zhuzqc/user/_search?q=name:李四 4.5.2复杂操作
上述的一些简单查询操作在企业级应用开发中使用地较少，更多地还是使用查询实现复杂的业务。
随着业务的复杂程度增加，查询的语句也随之复杂起来，在使用复杂查询的过程中必然会涉及一些 elasticsearch 的进阶语法。
对于复杂查询的操作在下一章会详细介绍。
五、查询详解
ElasticSearch引擎首先分析需要查询的字符串，根据分词器规则对其进行分词。分词之后，才会根据查询条件进行结果返回。
5.1关键字介绍
- query 关键字：将需要查询的 JSON 参数体进行包裹，声明这是一条查询语句。
- bool 关键字：表明返回结果类型为布尔类型。
- keyword 关键字：keyword代表一种分词类型，表明该字段的值不会被分词器分词。
- must 关键字：在 must 中的内容表明都是必须执行的内容，在 must 中可以创建多条语句，多条语句需同时满足条件才能执行，作用相当于 SQL 语句中的 AND 。
- should 关键字：在 should 关键字里的内容只要满足其中一项就可以执行，作用相当于 SQL 语句中的 OR 。
- must_not 关键字：类似于 Java 中的 != 作用，展示查询内容之外的内容。
- match 关键字：match 的作用是匹配查询，首先经过分词器的分词，后再执行 match 查询，默认情况下：字段内容必须完整地匹配到任意一个词条（分词后），才会有返回结果。
- 注：如果需要查询的词有多个，可以用空格隔开。
- match_all 关键字：待补充。
- match_phrase 关键字：待补充。
- term 关键字：精确查询关键字，使用 term 时首先不会对需要查询的词条进行分词，只有精确地匹配到一模一样的内容才会返回结果。
- terms 关键字：待补充。
- filter 关键字：对查询的内容进行筛选过滤，常使用 gt（大于）、gte（大于等于）、lt（小于）和 lte （小于等于）来进行筛选。
GET product_cloud/_search { "query": { "bool": { "must": [ { "bool": { "should": [ {"match": {"product_comment":"持续交付 工程师"}} ] } }, { "bool": { "should": [ {"terms": {"label_ids": [3]}} ] } } ], "filter": { "range": { "label_ids": { "gte": 0 } } } } } -
score 关键字：字段内容与词条的匹配程度，分数越高，表明匹配度越高，就越符合查询结果。
-
hits 关键字：对应 Java 代码中的 hit 对象，包含了索引和文档信息，包括查询结果总数，查询出来的_doc内容（一串 JSON），分数（score）等。
-
source：需要展示的内容字段，默认是展示索引的所有字段，也可以自定义指定需要展示的字段。
-
sort关键字：可以对字段的展示进行排序；
"_source": ["product_comment","product_name","label_ids","product_solution","company_name"], "sort": [ { "label_ids": { "order": "desc" } } ], "from": 0, "size": 3 5.2 highlight 高亮
使用 highlight 关键字可以在搜索结果中对需要高亮的字段进行高亮（可自定义样式）展示，具体代码如下：
GET product_cloud/_search { "query": { "term": { "product_comment": "世界" } }, "highlight": { "pre_tags": "<p class='key' style='color:red'>", "post_tags": "</p>", "fields": { "product_comment": {} } } } 六、Spring Boot集成ElasticSearch
在 Elasticsearch 的官方文档中有对 Elasticsearch 客户端使用的详细介绍： https://www.elastic.co/guide/en/elasticsearch/client/java-api-client/8.0/installation.html
6.1添加依赖
<properties> <java.version>11</java.version> <!-- 自定义 ElasticSearch 依赖版本与安装的版本一致 --> <elasticsearch.verson>7.6.1</elasticsearch.verson> </properties> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-elasticsearch</artifactId> </dependency> 6.2创建对象
定义一个客户端对象：
@Configuration public class EsConfig { @Bean public RestHighLevelClient restHighLevelClient(){ RestHighLevelClient restHighLevelClient = new RestHighLevelClient( RestClient.builder( new HttpHost("127.0.0.1",9200,"http") ) ); return restHighLevelClient; } } 6.3分析类中的方法（索引相关API）
-
创建索引
@Autowired private RestHighLevelClient restHighLevelClient; // 测试索引的创建 @Test void testCreateIndex() throws IOException { //1、创建索引请求 CreateIndexRequest request = new CreateIndexRequest("zhu_index"); //2、执行创建请求，并获得响应 CreateIndexResponse createIndexResponse = restHighLevelClient.indices().create(request, RequestOptions.DEFAULT); System.out.println(createIndexResponse); } -
获取索引
// 测试获取索引 @Test void testExistIndex() throws IOException { GetIndexRequest getIndexRequest = new GetIndexRequest("zhu_index"); boolean exists = restHighLevelClient.indices().exists(getIndexRequest, RequestOptions.DEFAULT); System.out.println(exists); } -
删除索引
// 测试删除索引 @Test void testDeleteIndex() throws IOException { DeleteIndexRequest deleteIndexRequest = new DeleteIndexRequest(); AcknowledgedResponse delete = restHighLevelClient.indices().delete(deleteIndexRequest, RequestOptions.DEFAULT); System.out.println(delete); }
七、相关API操作
API 的操作主要是将Spring Boot项目与 Elasticsearch 的 indices 与 docs 相关联起来，这样可以做到在 Elasticsearch 中对项目数据进行一系列的操作。
7.1文档API
-
新增数据
// 测试添加文档 @Test void testAddDocument() throws IOException { // 创建对象 User user = new User("zzz",3); // 创建请求 IndexRequest zhu_index_request = new IndexRequest("zhu_index"); // 规则：put /zhu_index/_doc/1 zhu_index_request.id("1"); zhu_index_request.timeout(TimeValue.timeValueSeconds(1)); // 将数据放入 ElasticSearch 请求（JSON格式） zhu_index_request.source(JSON.toJSONString(user), XContentType.JSON); // 客户端发送请求 IndexResponse indexResponse = restHighLevelClient.index(zhu_index_request, RequestOptions.DEFAULT); } // 添加大批量的数据 @Test void testBulkRequest() throws IOException { BulkRequest bulkRequest = new BulkRequest(); bulkRequest.timeout("10s"); //创建数据集合 ArrayList<User> userList = new ArrayList<>(); userList.add(new User("zzz2",22)); userList.add(new User("zzz3",23)); userList.add(new User("zzz4",24)); userList.add(new User("zzz5",25)); userList.add(new User("zzz6",26)); //遍历数据：批量处理 for (int i = 0; i < userList.size(); i++) { // 批量添加（或更新、或删除） bulkRequest.add( new IndexRequest("zhu_index") //.id(""+(i+1)) .source(JSON.toJSONString(userList.get(i)), XContentType.JSON)); } BulkResponse bulkResponse = restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT); } -
获取_doc信息
@Test void testGetDocument() throws IOException { GetRequest getRequest = new GetRequest("zhu_index","1"); GetResponse getResponse = restHighLevelClient.get(getRequest, RequestOptions.DEFAULT); // 返回_source的上下文 getRequest.fetchSourceContext(new FetchSourceContext(true)); } -
更新数据
// 更新文档信息 @Test void testUpdateDocument() throws IOException { UpdateRequest updateRequest = new UpdateRequest("zhu_index","1"); updateRequest.timeout("1s"); User user = new User("ZhuZhuQC",18); updateRequest.doc(JSON.toJSONString(user), XContentType.JSON); UpdateResponse updateResponse = restHighLevelClient.update(updateRequest, RequestOptions.DEFAULT); } -
删除数据
与添加数据、更新数据类似，创建 DeleteRequest 对象即可。
-
查询数据（重点）
// 查询数据 @Test void testSearch() throws IOException { // 创建查询对象 SearchRequest searchRequest = new SearchRequest(EsConst.ES_INDEX); // 构建搜索条件（精确查询、全匹配查询） TermQueryBuilder termQuery = QueryBuilders.termQuery("name","zzz2"); MatchAllQueryBuilder matchAllQuery = QueryBuilders.matchAllQuery(); // 执行构造器 SearchSourceBuilder sourceBuilder = new SearchSourceBuilder(); sourceBuilder.query(termQuery); sourceBuilder.query(matchAllQuery); // 设置查询时间，3秒内 sourceBuilder.timeout(new TimeValue(3, TimeUnit.SECONDS)); // 设置分页 sourceBuilder.from(0); sourceBuilder.size(3); // 最后执行搜索，并返回搜索结果 searchRequest.source(sourceBuilder); SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT); searchResponse.getHits(); // 打印结果 System.out.println(JSON.toJSONString(searchResponse.getHits())); for (SearchHit documentFields : searchResponse.getHits().getHits()) { System.out.println(documentFields.getSourceAsMap()); } } 八、实战分析
实战部分会模拟一个真实的 ElasticSearch 搜索过程：从创建项目开始，到使用爬虫爬取数据、编写业务，再到前后端分离交互，最后搜索结果高亮展示。
8.1创建项目
创建项目的步骤可如以下几步：
-
步骤一：导入相关依赖
<properties> <java.version>11</java.version> <!-- 自定义 ElasticSearch 依赖版本与安装的版本一致 --> <elasticsearch.version>7.6.1</elasticsearch.version> </properties> <dependency> <groupId>com.alibaba</groupId> <artifactId>fastjson</artifactId> <version>1.2.83</version> </dependency> -
步骤二：编写 properties 文件
server.port=9090 # 关闭 thymeleaf 缓存 spring.thymeleaf.cache=false #mysql连接配置 spring.datasource.username=root spring.datasource.password=password123 spring.datasource.url=jdbc:mysql://localhost:3306/elasticsearch-test?useSSL=false&useUnicode=true&characterEncoding=utf-8 spring.datasource.driver-class-name=com.mysql.cj.jdbc.Driver #mybatis-plus日志配置 mybatis-plus.configuration.log-impl=org.apache.ibatis.logging.stdout.StdOutImpl #mybatis-plus逻辑删除配置，删除为1，未删除为0 mybatis-plus.global-config.db-config.logic-delete-value = 1 mybatis-plus.global-config.db-config.logic-not-delete-value = 0 -
步骤三：导入前端样式
这个步骤可以在网盘
地址：https://pan.baidu.com/s/1yk_yekYoGXCuO0dc5B-Ftg
密码： rwpq
获取对应的 zip 包，里面包括了一些前端的静态资源和样式，直接放入 resources 文件夹中即可。
-
步骤四：编写controller
@Controller public class IndexController { @GetMapping({"/","/index"}) public String index(){ return "index"; } }
8.2爬取数据
在真实的项目中，数据可以从数据库获得，也可以从MQ（消息队列）中获得，也可以通过爬取数据（爬虫）获得，在这里介绍一下使用爬虫获取项目所需数据的过程。
1.首先导入网页解析依赖：
<!--网页解析依赖--> <dependency> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.11.2</version> </dependency> 2.编写网页解析工具类（返回爬取到的数据）：
@Component public class HtmlParseUtil { public static List<Content> parseJD(String keyword) throws IOException { // 1、获取请求：https://search.jd.com/Search?keyword=java String reqUrl = "https://search.jd.com/Search?keyword=" + keyword; // 2、解析网页，返回的document对象就是页面的 js 对象 Document document = Jsoup.parse(new URL(reqUrl), 30000); // 3、js 中使用的方法获取页面信息 Element j_goodList = document.getElementById("J_goodsList"); // 4、获取所有的 li 元素 Elements liElements = j_goodList.getElementsByTag("li"); //5、返回List封装对象 ArrayList<Content> goodsList = new ArrayList<>(); //5、获取元素中的内容，遍历的 li 对象就是每一个 li 标签 for (Element el : liElements) { String price = el.getElementsByClass("p-price").eq(0).text(); String title = el.getElementsByClass("p-name").eq(0).text(); String img = el.getElementsByTag("img").eq(0).attr("data-lazy-img"); // 将爬取的信息放入 List 对象中 Content content = new Content(); content.setTitle(title); content.setImg(img); content.setPrice(price); goodsList.add(content); } return goodsList; } } 8.3编写业务
要编写的业务只有两部分：1、将上述获取的数据放入 ElasticSearch 的索引中；2、实现 ElasticSearch 的搜索功能；
步骤一：
1.controller层：
@Autowired private ContentService contentService; @GetMapping("/parse/{keyword}") public Boolean parse(@PathVariable("keyword") String keyword) throws IOException { return contentService.parseContent(keyword); } 2.service层：
@Autowired private RestHighLevelClient restHighLevelClient; /** * 1、将解析后的数据放入 ElasticSearch 的索引中 * */ public Boolean parseContent(String keyword) throws IOException { List<Content> contents = new HtmlParseUtil().parseJD(keyword); //批量插入 es 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(); } 步骤二：
1.controller层：
@GetMapping("/search/{keyword}/{pageNo}/{pageSize}") public List<Map<String, Object>> search(@PathVariable("keyword") String keyword, @PathVariable("pageNo") Integer pageNo, @PathVariable("pageSize") Integer pageSize) throws IOException { return contentService.searchPage(keyword, pageNo, pageSize); } 2.service层：
/** * 2、获取数据后实现搜索功能 * */ public List<Map<String,Object>> searchPage(String keyword, Integer pageNo, Integer pageSize) throws IOException { if (pageNo <= 1){ pageNo = 1; } //条件搜索 SearchRequest searchRequest = new SearchRequest("jd_goods"); SearchSourceBuilder sourceBuilder = new SearchSourceBuilder(); //精准匹配 TermQueryBuilder titleTermQuery = QueryBuilders.termQuery("title", keyword); sourceBuilder.query(titleTermQuery); sourceBuilder.timeout(new TimeValue(3, TimeUnit.SECONDS)); //分页 sourceBuilder.from(pageNo); sourceBuilder.size(10); //执行搜索 searchRequest.source(sourceBuilder); 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; } 8.4前后端交互
前后端交互主要是通过接口查询数据并返回：前端有请求参数（关键字、分页参数）后，后端通过关键字去 elasticsearch 索引中进行筛选，最终将结果返回给前端现实的一个过程。
在这里主要分析一下前端是怎么获得后端接口参数的，后端的接口在上述业务编写中已经包含了。
-
引入Vue、axios
<!--前端使用Vue--> <script th:src="@{/js/axios.min.js}"></script> <script th:src="@{/js/vue.min.js}"></script> -
在Vue中绑定
<script> new Vue({ el: '#app', data:{ // 搜索关键字 keyword: '', //返回结果 results: [] } }) </script> -
对接后端接口并返回
<script> methods: { searchKey(){ let keyword = this.keyword; console.log(keyword); //对接后端接口：关键字、分页参数 axios.get('search/' + keyword + '/1/20').then(response=>{ console.log(response); //绑定数据 this.results = response.data; }) } } </script> 8.4搜索高亮
关键字高亮总结来说，就是将原来搜索内容中的关键字置换为加了样式的关键字，进而展示出高亮效果。
主要逻辑在于，获取到 Hits 对象后，遍历关键字字段，将高亮的关键字重新放入 Hits 集合中。
具体代码如下：
//解析结果 ArrayList<Map<String, Object>> list = new ArrayList<>(); for (SearchHit documentFields : searchResponse.getHits().getHits()) { //解析高亮字段，遍历整个 Hits 对象 Map<String, HighlightField> highlightFields = documentFields.getHighlightFields(); //获取到关键字的字段 HighlightField title = highlightFields.get("title"); Map<String, Object> sourceAsMap = documentFields.getSourceAsMap(); //置换为高亮字段：将原来的字段替换为高亮的字段 if(title != null){ Text[] fragments = title.fragments(); //定义新的高亮字段 String new_title = ""; for (Text text : fragments) { new_title += text; } //将高亮的字段放入 Map 集合 sourceAsMap.put("title",new_title); } list.add(sourceAsMap); } 九、总结
ElasticSearch 作为一个分布式全文检索引擎，也可以应用在集群当中（K8S、Docker）。
ElasticSearch 实现全文检索的过程并不复杂，只要在业务需要的地方创建 ElasticSearch 索引，将数据放入索引中，就可以使用 ElasticSearch 集成在各个语言中的搜索对象进行查询操作了。
而在集成了 ElasticSearch 的 Spring Boot 项目中，无论是创建索引、精准匹配、还是字段高亮等，都是使用 ElasticSearch 对象在操作，本质上还是一个面向对象的过程。
和 Java 中的其它“对象”一样，只要灵活运用这些“对象”的使用规则和特性，就可以满足业务上的需求，对这个过程的把控也是工程师能力 的一种体现。
在 Spring Boot 项目中集成 ElasticSearch 就和大家分享到这里，如有不足，还望大家不吝赐教！
