Elasticsearch

　　elasticsearch 是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容，可以用来实现搜索、日志统计、分析、系统监控等功能。

一、倒排索引

　　 首先，倒排索引的概念是基于 MySQL 这样的正向索引而言的。

　　

  • 倒排索引中有两个非常重要的概念：
    • 文档（Document）：用来搜索的数据，其中的每一条数据就是一个文档。例如一个网页、一个商品信息
    • 词条（Term）：对文档数据或用户搜索数据，利用某种算法分词，得到的具备含义的词语就是词条。例如：我是中国人，就可以分为：我、是、中国人、中国、国人这样的几个词条
  • 创建倒排索引是对正向索引的一种特殊处理，流程如下：
    • 将每一个文档的数据利用算法分词，得到一个个词条
    • 创建表，每行数据包括词条、词条所在文档 id、位置等信息
    • 因为词条唯一性，可以给词条创建索引，例如 hash 表结构索引

  • 倒排索引的搜索流程如下（以搜索"华为手机"为例）

    • 用户输入条件"华为手机"进行搜索
    • 对用户输入内容分词，得到词条：华为、手机
    • 拿着词条在倒排索引中查找，可以得到包含词条的文档 id 有 1、2、3
    • 拿着文档 id 到正向索引中查找具体文档


      虽然要先查询倒排索引，再查询正向索引，但是词条和文档id 都建立了索引，查询速度非常快！无需全表扫描。
      正向索引是最传统的，根据 id 索引的方式。但根据词条查询时，必须先逐条获取每个文档，然后判断文档中是否包含所需要的词条，是根据文档找词条的过程
      倒排索引则相反，是先找到用户要搜索的词条，根据得到的文档 id 获取该文档。是根据词条找文档的过程

二、索引、映射、文档和字段

  • 索引（Index），就是相同类型的文档的集合。

    例如：

    • 所有用户文档，就可以组织在一起，称为用户的索引；
    • 所有商品的文档，可以组织在一起，称为商品的索引；
    • 所有订单的文档，可以组织在一起，称为订单的索引；

       

      因此，我们可以把索引当做是数据库中的表。 

  • 数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。因此，索引库中就有映射（mapping），是索引中文档的字段约束信息，类似表的结构约束。
  • elasticsearch 是面向文档（Document）存储的，可以是数据库中的一条商品数据，一个订单信息。文档数据会被序列化为 json 格式后存储在 elasticsearch。
  • JSON 文档中往往包含很多的字段（Field），类似于数据库中的列。

三、mysql和elasticsearch区别

MySQLElasticsearch说明
Table Index 索引(index)，就是文档的集合，类似数据库的表(table)
Row Document 文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式
Column Field 字段（Field），就是JSON文档中的字段，类似数据库中的列（Column）
Schema Mapping Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema）
SQL DSL DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD
  • 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

四、IK分词器

  • ik_smart：智能切分，粗粒度
  • ik_max_word：最细切分，细粒度
  • 扩展词词典

五、索引库操作

  1. Mapping属性映射mapping 是对索引库中文档的约束，常见的 mapping 属性包括：

    • type：字段数据类型，常见的简单类型有：
      • 字符串：text（可分词的文本）、keyword（精确值，例如：品牌、国家、ip地址）
      • 数值：long、integer、short、byte、double、float、
      • 布尔：boolean
      • 日期：date
      • 对象：object
    • index：是否创建索引，默认为 true
    • analyzer：使用哪种分词器
    • properties：该字段的子字段
      PUT /索引库名称
{
  "mappings": {
    "properties": {
      "字段名":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "字段名2":{
        "type": "keyword",
        "index": "false"
      },
      "字段名3":{
        "properties": {
          "子字段": {
            "type": "keyword"
          }
        }
      }
      // ...略
    }
  }
}
      		 
      PUT /xn2001
{
  "mappings": {
    "properties": {
      "info":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "email":{
        "type": "keyword",
        "index": "false"
      },
      "name":{
        "properties": {
          "firstName": {
            "type": "keyword"
          },
          "lastName": {
            "type": "keyword"
          }
        }
      }
    }
  }
}

       

      特殊字段说明：

      • location：地理坐标，里面包含精度、纬度
      • all：一个组合字段，其目的是将多字段的值利用 copy_to 合并，提供给用户搜索，
        这样一来就只需要搜索一个字段就可以得到结果，性能更好。
      		 
      PUT /hotel
{
  "mappings": {
    "properties": {
      "id": {
        "type": "keyword"
      },
      "name":{
        "type": "text",
        "analyzer": "ik_max_word",
        "copy_to": "all"
      },
      "address":{
        "type": "keyword",
        "index": false
      },
      "price":{
        "type": "integer"
      },
      "score":{
        "type": "integer"
      },
      "brand":{
        "type": "keyword",
        "copy_to": "all"
      },
      "city":{
        "type": "keyword",
        "copy_to": "all"
      },
      "starName":{
        "type": "keyword"
      },
      "business":{
        "type": "keyword"
      },
      "location":{
        "type": "geo_point"
      },
      "pic":{
        "type": "keyword",
        "index": false
      },
      "all":{
        "type": "text",
        "analyzer": "ik_max_word"
      }
    }
  }
}

  2. 修改索引库

    倒排索引结构虽然不复杂，但是一旦数据结构改变（比如改变了分词器），就需要重新创建倒排索引，这简直是灾难。因此索引库一旦创建，无法修改 mapping，虽然无法修改 mapping 中已有的字段，但是却允许添加新的字段到 mapping 中，不会对倒排索引产生影响。
    PUT /索引库名/_mapping
{
  "properties": {
    "新字段名":{
      "type": "integer"
    }
  }
}

  3. 删除索引库

    DELETE /索引库名

  4. 查询索引库

    GET /数据库名

六、DSL文档操作

  1. 新增文档

    POST /索引库名/_doc/文档id
{
    "字段1": "值1",
    "字段2": "值2",
    "字段3": {
        "子属性1": "值3",
        "子属性2": "值4"
    }
    // ...
}
    		 
    POST /xn2001/_doc/1
{
    "info": "我不会Java",
    "email": "jialna@qq.com",
    "name": {
        "firstName": "钟",
        "lastName": "弟弟"
    }
}

     

  2. 修改文档

    PUT /{索引库名}/_doc/id
{
    "字段1": "值1",
    "字段2": "值2",
    // ... 略
}

    全量修改是覆盖原来的文档，其本质是：

    • 根据指定的 id 删除文档
    • 新增一个相同 id 的文档

    注意：如果根据 id 删除时，id 不存在，第二步的新增也会执行，也就是变成了新增操作

    		 
    PUT /xn2001/_doc/1
{
    "info": "我也不会敲代码",
    "email": "3300123589@qq.com",
    "name": {
        "firstName": "弟弟",
        "lastName": "钟"
    }
}

     

    		 
    POST /{索引库名}/_update/文档id
{
    "doc": {
         "字段名": "新的值",
    }
}

    增量修改是只修改指定 id 匹配的文档中的部分字段

    		 
    POST /xn2001/_update/1
{
  "doc": {
    "email": "update@qq.com"
  }
}

     

  3. 查询文档

    GET /{索引库名称}/_doc/{id}

  4. 删除文档

    DELETE /{索引库名}/_doc/{id}

七、RestClint文档操作

  1. 初始化RestClient

    • 引入依赖 
      <dependency>
    <groupId>org.elasticsearch.client</groupId>
    <artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>

      注意：springBoot默认es版本会覆盖引入如的es依赖版本，需要覆盖默认es版本

  2. 初始化RestHighLevelClient

    public class HotelIndexTest {

    private RestHighLevelClient restHighLevelClient;

    @Test
    void testInit(){
        System.out.println(this.restHighLevelClient);
    }

    　　// 初始化
    @BeforeEach
        void init(){
        this.restHighLevelClient = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://x.x.x.x:9200")
        ));
    }

    @AfterEach
    void down() throws IOException {
        this.restHighLevelClient.close();
    }
}

  3. 创建索引库

    @Test
void createHotelIndex() throws IOException {
    //指定索引库名
    CreateIndexRequest hotel = new CreateIndexRequest("hotel");
    //写入JSON数据，这里是Mapping映射
    hotel.source(HotelConstants.MAPPING_TEMPLATE, XContentType.JSON);
    //创建索引库
    restHighLevelClient.indices().create(hotel, RequestOptions.DEFAULT);
}

     

    		 
    public class HotelConstants {
    public static String MAPPING_TEMPLATE = "{\n" +
            "  \"mappings\": {\n" +
            "    \"properties\": {\n" +
            "      \"id\": {\n" +
            "        \"type\": \"keyword\"\n" +
            "      },\n" +
            "      \"name\":{\n" +
            "        \"type\": \"text\",\n" +
            "        \"analyzer\": \"ik_max_word\",\n" +
            "        \"copy_to\": \"all\"\n" +
            "      },\n" +
            "      \"address\":{\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": false\n" +
            "      },\n" +
            "      \"price\":{\n" +
            "        \"type\": \"integer\"\n" +
            "      },\n" +
            "      \"score\":{\n" +
            "        \"type\": \"integer\"\n" +
            "      },\n" +
            "      \"brand\":{\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"copy_to\": \"all\"\n" +
            "      },\n" +
            "      \"city\":{\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"copy_to\": \"all\"\n" +
            "      },\n" +
            "      \"starName\":{\n" +
            "        \"type\": \"keyword\"\n" +
            "      },\n" +
            "      \"business\":{\n" +
            "        \"type\": \"keyword\"\n" +
            "      },\n" +
            "      \"location\":{\n" +
            "        \"type\": \"geo_point\"\n" +
            "      },\n" +
            "      \"pic\":{\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": false\n" +
            "      },\n" +
            "      \"all\":{\n" +
            "        \"type\": \"text\",\n" +
            "        \"analyzer\": \"ik_max_word\"\n" +
            "      }\n" +
            "    }\n" +
            "  }\n" +
            "}";
}

  4. 删除索引库

    @Test
void deleteHotelIndex() throws IOException {
    DeleteIndexRequest hotel = new DeleteIndexRequest("hotel");
    restHighLevelClient.indices().delete(hotel,RequestOptions.DEFAULT);
}

  5. 判断索引库

    @Test
void existHotelIndex() throws IOException {
    GetIndexRequest hotel = new GetIndexRequest("hotel");
    boolean exists = restHighLevelClient.indices().exists(hotel, RequestOptions.DEFAULT);
    System.out.println(exists);
}

  6. 新增文档

        @Test
    void createHotelIndex() throws IOException {
        Hotel hotel = hotelService.getById(61083L);
        HotelDoc hotelDoc = new HotelDoc(hotel);
        // 1.准备Request对象
        IndexRequest hotelIndex = new IndexRequest("hotel").id(hotelDoc.getId().toString());
        // 2.准备Json文档
        hotelIndex.source(JSON.toJSONString(hotelDoc), XContentType.JSON);
        // 3.发送请求
        restHighLevelClient.index(hotelIndex, RequestOptions.DEFAULT);
    }

  7. 查询文档

    @Test
void testGetDocumentById() throws IOException {
    // 1.准备Request
    GetRequest hotel = new GetRequest("hotel", "61083");
    // 2.发送请求，得到响应
    GetResponse hotelResponse = restHighLevelClient.get(hotel, RequestOptions.DEFAULT);
    // 3.解析响应结果
    String hotelDocSourceAsString = hotelResponse.getSourceAsString();
    // 4.json转实体类
    HotelDoc hotelDoc = JSON.parseObject(hotelDocSourceAsString, HotelDoc.class);
    System.out.println(hotelDoc);
}

  8. 删除文档

    @Test
void testDeleteDocumentById() throws IOException {
    DeleteRequest hotel = new DeleteRequest("hotel", "61083");
    restHighLevelClient.delete(hotel,RequestOptions.DEFAULT);
}

  9. 修改文档：增量修改

    @Test
void testUpdateDocument() throws IOException {
    // 1.准备Request
    UpdateRequest request = new UpdateRequest("hotel", "61083");
    // 2.准备请求参数
    request.doc(
        "price", "952",
        "starName", "四钻"
    );
    // 3.发送请求
    restHighLevelClient.update(request, RequestOptions.DEFAULT);
}

  10. 批量导入

     

八、DSL文档查询

  1. 查询所有：查询出所有数据，一般测试用。例如：match_all

    // 查询所有
GET /indexName/_search
{
  "query": {
    "match_all": {
    }
  }
}

  2. 全文检索（full text）查询：利用分词器对用户输入内容分词，然后去倒排索引库中匹配。例如：

    • match_query：单字段查询
      GET /indexName/_search
{
  "query": {
    "match": {
      "FIELD": "TEXT"
    }
  }
}
      		 
      GET /hotel/_search
{
  "query": {
    "match": {
      "all": "7天酒店"
    }
  }
}
    • multi_match_query：多字段查询，任意一个字段符合条件就算符合查询条件
      GET /indexName/_search
{
  "query": {
    "multi_match": {
      "query": "TEXT",
      "fields": ["FIELD1", " FIELD12"]
    }
  }
}
      		 
      GET /hotel/_search
{
  "query": {
    "multi_match": {
      "query": "7天酒店",
      "fields": ["brand","name"]
    }
  }
}
      注意：搜索字段越多，对查询性能影响越大，因此建议采用 copy_to 将多个字段合并为一个，然后使用单字段查询的方式。

  3. 精确查询：一般是查找 keyword、数值、日期、boolean 等类型字段。所以不会对搜索条件分词。

    • term：根据词条精确值查询
      // term查询
GET /indexName/_search
{
  "query": {
    "term": {
      "FIELD": {
        "value": "VALUE"
      }
    }
  }
}
      		 
      GET /hotel/_search
{
  "query": {
    "term": {
      "brand": {
        "value": "7天酒店"
      }
    }
  }
}
    • range：根据值的范围查询
      // range查询
GET /indexName/_search
{
  "query": {
    "range": {
      "FIELD": {
        "gte": 10, // 这里的gte代表大于等于，gt则代表大于
        "lte": 20 // lte代表小于等于，lt则代表小于
      }
    }
  }
}

  4. 复合（compound）查询：复合查询可以将其它简单查询组合起来，实现更复杂的搜索逻辑。

    • fuction score：算分函数查询，可以控制文档相关性算分，控制文档排名

      function score 的运行流程如下：
      • 根据原始条件查询搜索文档，并且计算相关性算分，称为原始算分（query score）
      • 根据过滤条件，过滤文档
      • 符合过滤条件的文档，基于算分函数运算，得到函数算分（function score）
      • 将原始算分（query score）和函数算分（function score）基于运算模式做运算，得到最终结果，作为相关性算分。
    • bool query：布尔查询，利用逻辑关系组合多个其它的查询，实现复杂搜索
      GET /hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {"term": {"city": "上海" }}
      ],
      "should": [
        {"term": {"brand": "皇冠假日" }},
        {"term": {"brand": "华美达" }}
      ],
      "must_not": [
        { "range": { "price": { "lte": 500 } }}
      ],
      "filter": [
        { "range": {"score": { "gte": 45 } }}
      ]
    }
  }
}
      子查询的组合方式有：
      • must：必须匹配每个子查询，类似“与”
      • should：选择性匹配子查询，类似“或”
      • must_not：必须不匹配，不参与算分，类似“非”
      • filter：必须匹配，不参与算分
      注意：搜索时，参与打分的字段越多，查询的性能也越差。因此这种多条件查询时，建议这样做：
      • 搜索框的关键字搜索，是全文检索查询，使用 must 查询，参与算分
      • 其它过滤条件，采用 filter 查询，不参与算分

  5. 相关性算分

    在后来的5.1版本升级中，elasticsearch 将算法改进为 BM25 算法，公式如下：

九、搜索结果处理

  1. 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。可以排序字段类型有：keyword 类型、数值类型、地理坐标类型、日期类型等

    GET /indexName/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "FIELD": "desc"  // 排序字段、排序方式ASC、DESC
    }
  ]
}

  2. 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 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
        GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "from": 0, // 分页开始的位置，默认为0
  "size": 10, // 期望获取的文档总数
  "sort": [
    {"price": "asc"}
  ]
}
    • 深度分页 
      GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "from": 990, // 分页开始的位置，默认为0
  "size": 10, // 期望获取的文档总数
  "sort": [
    {"price": "asc"}
  ]
}
      注意：elasticsearch 内部分页时，必须先查询 0~1000条，然后截取其中的 990 ~ 1000 的这10条
    • 分页查询的常见实现方案以及优缺点
      • from + size
        • 优点：支持随机翻页
        • 缺点：深度分页问题，默认查询上限（from + size）是10000
        • 场景：百度、京东、谷歌、淘宝这样的随机翻页搜索
      • after search
        • 优点：没有查询上限（单次查询的size不超过10000）
        • 缺点：只能向后逐页查询，不支持随机翻页
        • 场景：没有随机翻页需求的搜索，例如手机向下滚动翻页
      • scroll
        • 优点：没有查询上限（单次查询的size不超过10000）
        • 缺点：会有额外内存消耗，并且搜索结果是非实时的
        • 场景：海量数据的获取和迁移。从ES7.1开始不推荐，建议用 after search方案。

  3. 高亮：我们在百度，京东搜索时，关键字会变成红色，比较醒目，这叫高亮显示

    GET /hotel/_search
{
  "query": {
    "match": {
      "FIELD": "TEXT" // 查询条件，高亮一定要使用全文检索查询
    }
  },
  "highlight": {
    "fields": { // 指定要高亮的字段
      "FIELD": {
        "pre_tags": "<em>",  // 用来标记高亮字段的前置标签
        "post_tags": "</em>" // 用来标记高亮字段的后置标签
      }
    }
  }
}
    注意：
    • 高亮是对关键字高亮，因此搜索条件必须带有关键字，而不能是范围这样的查询。
    • 默认情况下，高亮的字段，必须与搜索指定的字段一致，否则无法高亮
    • 如果要对非搜索字段高亮，则需要添加一个属性：required_field_match=false

十、RestClient文档查询

  1. 发起查询请求

        @Test
    public void match_All() throws IOException {
        SearchRequest request = new SearchRequest("hotel");
        request.source()
                .query(QueryBuilders.matchAllQuery());
        SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);
    }
    • 第一步，创建SearchRequest对象，指定索引库名
    • 第二步，利用request.source()构建 DSL，DSL 中可以包含查询、分页、排序、高亮等
      • query()：代表查询条件，利用 QueryBuilders.matchAllQuery() 构建一个 match_all 查询的 DSL
      • request.source()，其中包含了查询、排序、分页、高亮等所有功能
      • QueryBuilders，其中包含 matchAllQuery、match、term、function_score、bool 等各种查询
    • 第三步，利用 client.search() 发送请求，得到响应

  2. match查询

    public void matchQuery() throws IOException {
    SearchRequest request = new SearchRequest("hotel");
    request.source()
            .query(QueryBuilders.matchQuery("all","如家"));
    SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);
    SearchHits searchHits = response.getHits();
    System.out.println("hits.getTotalHits().条数 = " + searchHits.getTotalHits().value);
    SearchHit[] hits = searchHits.getHits();
    for (SearchHit hit : hits) {
        String sourceAsString = hit.getSourceAsString();
        HotelDoc hotelDoc = JSON.parseObject(sourceAsString, HotelDoc.class);
        System.out.println(hotelDoc);
    }
}

  3. 精确查询、布尔查询

    void testBool() throws IOException {
    // 1.准备Request
    SearchRequest request = new SearchRequest("hotel");
    // 2.准备DSL
    request.source()
            .query(
                    QueryBuilders.boolQuery()
                            .must(QueryBuilders.termQuery("city", "上海"))
                            .filter(QueryBuilders.rangeQuery("price").lte(300))
            );
    // 3.发送请求
    SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);
    // 4.解析响应
    SearchHits searchHits = response.getHits();
    System.out.println("hits.getTotalHits().条数 = " + searchHits.getTotalHits().value);
    SearchHit[] hits = searchHits.getHits();
    for (SearchHit hit : hits) {
        String sourceAsString = hit.getSourceAsString();
        HotelDoc hotelDoc = JSON.parseObject(sourceAsString, HotelDoc.class);
        System.out.println(hotelDoc);
    }
}

  4. 排序、分页

    void testPageAndSort() throws IOException {
    // 页码，每页大小
    int page = 1, size = 5;

    // 1.准备Request
    SearchRequest request = new SearchRequest("hotel");
    // 2.准备DSL
    // 2.1.query
    request.source().query(QueryBuilders.matchAllQuery());
    // 2.2.排序 sort
    request.source().sort("price", SortOrder.ASC);
    // 2.3.分页 from、size
    request.source().from((page - 1) * size).size(5);
    // 3.发送请求
    SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);
    // 4.解析响应
    SearchHits searchHits = response.getHits();
    System.out.println("hits.getTotalHits().条数 = " + searchHits.getTotalHits().value);
    SearchHit[] hits = searchHits.getHits();
    for (SearchHit hit : hits) {
        String sourceAsString = hit.getSourceAsString();
        HotelDoc hotelDoc = JSON.parseObject(sourceAsString, HotelDoc.class);
        System.out.println(hotelDoc);
    }
}

  5. 高亮

    void testHighlight() throws IOException {
    // 1.准备Request
    SearchRequest request = new SearchRequest("hotel");
    // 2.准备DSL
    // 2.1.query
    request.source().query(QueryBuilders.matchQuery("all", "如家"));
    // 2.2.高亮
    request.source().highlighter(new HighlightBuilder().field("name").requireFieldMatch(false));
    // 3.发送请求
    SearchResponse response = client.search(request, RequestOptions.DEFAULT);
}

十一、DSL数据聚合

　　聚合常见的有三类

  • 桶（Bucket）聚合：用来对文档做分组

    • TermAggregation：按照文档字段值分组，例如按照品牌值分组、按照国家分组
    • Date Histogram：按照日期阶梯分组，例如一周为一组，或者一月为一组
      GET /hotel/_search
{
  "size": 0,  // 设置size为0，结果中不包含文档，只包含聚合结果
  "aggs": { // 定义聚合
    "brandAgg": { //给聚合起个名字
      "terms": { // 聚合的类型，按照品牌值聚合，所以选择term
        "field": "brand", // 参与聚合的字段
        "size": 20 // 希望获取的聚合结果数量
      }
    }
  }
}

  • 度量（Metric）聚合：用以计算一些值，比如：最大值、最小值、平均值等

    • Avg：求平均值
    • Max：求最大值
    • Min：求最小值
    • Stats：同时求 max、min、avg、sum 等
      GET /hotel/_search
{
  "size": 0, 
  "aggs": {
    "brandAgg": { 
      "terms": { 
        "field": "brand", 
        "size": 20，
              "order": { 
                "score_stats.avg": "asc" // 按照score_stats.avg升序排列 
               }
      
      },
      "aggs": { // 是brands聚合的子聚合，也就是分组后对每组分别计算
        "score_stats": { // 聚合名称
          "stats": { // 聚合类型，这里stats可以计算min、max、avg等
            "field": "score" // 聚合字段，这里是score
          }
        }
      }
    }
  }
}
  • 管道（pipeline）聚合：其它聚合的结果为基础做聚合
    注意：参加聚合的字段必须是keyword、日期、数值、布尔类型

十二、RestAPI数据聚合

　　聚合条件与 query 条件同级别，因此需要使用 request.source() 来指定聚合条件

  • public void testAggregation() throws IOException {
    SearchRequest request = new SearchRequest("hotel");
    request.source().aggregation(AggregationBuilders.terms("brandAgg").field("brand").size(20));
    SearchResponse response = client.search(request, RequestOptions.DEFAULT);
    Terms brandAgg = response.getAggregations().get("brandAgg");
    List<? extends Terms.Bucket> buckets = brandAgg.getBuckets();
    for (Terms.Bucket bucket : buckets) {
        String key = bucket.getKeyAsString();
        System.out.println("key = " + key);
    }
}

十三、数据同步

　　常见的数据同步方案有三种

  • 同步调用
  • 异步通知
  • 监听 binlog
posted @ 2022-03-22 16:46  美少女战士就是我  阅读(84)  评论(0)    收藏  举报