Java 程序员如何通过 ElasticSearch 构建极致的搜索体验？

发表于 | 分类于

搜索引擎在任何人的日常生活和工作中都承担着很重要的角色，说到搜索大家想到的最多可能就是百度，谷歌，必应等搜索引擎。

这些确实是 PC 互联网时代的搜索先锋，但是现在移动互联网时代搜索已经很普及了，各大应用基本上都支持搜索，像抖音，微信，知乎等等应用程序，都会内置搜索引擎来实现自家内容的搜索。

Elasticsearch 是一个实时的分布式搜索分析引擎，它的搜索速度和规模，堪称前所未有。我们只需要把数据按照规定的索引格式去存储，后续就可以进行极致的搜索，因此 Elasticsearch 被广泛的应用于各大互联网公司。

根据 Elasticsearch 的官方介绍，Wikipedia，Github，Stack Overflow 等大厂都在使用。

Wikipedia 使用 Elasticsearch 提供带有高亮片段的全文搜索，还有 search-as-you-type 和 did-you-mean 的建议。

卫报使用 Elasticsearch 将网络社交数据结合到访客日志中，为它的编辑们提供公众对于新文章的实时反馈。

Stack Overflow 将地理位置查询融入全文检索中去，并且使用 more-like-this 接口去查找相关的问题和回答。

GitHub 使用 Elasticsearch 对1300亿行代码进行查询。

安装使用

Elasticsearch 提供了开箱即用的功能，我们通过在官网 https://www.elastic.co/downloads/elasticsearch 下载最新的符合自己电脑系统的稳定版本，然后解压后执行./bin/elasticsearch

image-20211219173320698

显示 successfully 表示启动成功，再通过执行命令curl 'http://localhost:9200/?pretty' 可以看到如下输出，表示 Elasticsearch 本地启动成功。

在使用 Elasticsearch 之前，我们先简单介绍一个 Elasticsearch 的存储结构，便于我们后面进行学习。首先我们知道一个事情那就是 Elasticsearch 是面向文档的，所谓文档就是一个 document，如果用过 MongoDB的话，小伙伴对文档应该比较熟悉，是一个 NoSQL 的形式，可以理解为一个 JSON 形式的结构，跟我们常用的 MySQL 关系型的结构不一样，目前基本上任何一门语言的对象都可以直接转化成 JSON 形式，这极大方便了我们的使用。

文档的形式

文档的组成由文档数据和元数据组成，其中元数据包括_index，_type，_id 三个特别重要的元数据，其中 _index 表示文档在哪存放，_type 表示文档的对象类别，_id文档唯一标识。虽然 Elasticsearch 是以文档形式存储的，但这里我们可以用关系型数据库作类比，比如这里的_index 可以类似于 MySQL 的 database，_type 类似有 MySQL 的 table，其中_id 类似于 ID 字段。

与 Elasticsearch 进行交互

通过官方文档我们可以知道一个 Elasticsearch 请求和任何 HTTP 请求一样由若干相同的部件组成：curl -X<VERB> '<PROTOCOL>://<HOST>:<PORT>/<PATH>?<QUERY_STRING>' -d '<BODY>'

被 < > 标记的部分表示含义如下：

标记 含义
VERB 适当的 HTTP 方法 或 谓词 : GET、 POST、 PUT、 HEAD 或者 DELETE。
PROTOCOL http 或者 https（如果你在 Elasticsearch 前面有一个 https 代理）
HOST Elasticsearch 集群中任意节点的主机名，或者用 localhost 代表本地机器上的节点。
PORT 运行 Elasticsearch HTTP 服务的端口号，默认是 9200 。
PATH API 的终端路径（例如 _count 将返回集群中文档数量）。Path 可能包含多个组件，例如：_cluster/stats 和 _nodes/stats/jvm 。
QUERY_STRING 任意可选的查询字符串参数 (例如 ?pretty 将格式化地输出 JSON 返回值，使其更容易阅读)
BODY 一个 JSON 格式的请求体 (如果请求需要的话)

示例

查看 Elasticsearch 集群中文档的个数:

1
2
3
4
5
6
 curl -XGET 'http://localhost:9200/_count?pretty' -H 'Content-Type:application/json' -d '
{
    "query": {
        "match_all": {}
    }
}'

返回如下，其中 count 为 0，表示我们集群中暂时还没有文档：

索引文档

通过我们上面提到的内容，这里我们尝试进行一个文档的索引，语句如下，然后再查询一下文档的数据，结果如下

1
2
3
4
5
6
7
curl -XPUT 'http://localhost:9200/student/class1/1?pretty' -H 'Content-Type:application/json' -d '
{
  "name": "ziyou",
  "age":  "18",
  "date":  "2021/12/19"
}
'

这里我们通过像 student 索引 class1 的 type 下面索引了一篇 id 为 1 的学生，通过 pretty 参数将返回美化查看，通过上面的操作，现在我们的 Elasticsearch 集群里面已经存在了一个 id 为 1 的学生了。

查询文档

索引文档过后，我们再根据下面的语句进行文档的获取

1
curl -XGET 'http://localhost:9200/student/class1/1?pretty'

更新文档

我们可以通过前面 PUT 语句再次执行，进行文档的更新，如下所示

1
2
3
4
5
6
curl -XPUT 'http://localhost:9200/student/class1/1?pretty' -H 'Content-Type:application/json' -d '
{
  "name": "ziyou",
  "age":  "20",
  "date":  "2021/12/19"
}

说明：可以看到 age 这个字段已经变更了，但是这里我们还看到多了一个 version 字段，正常这里应该是 2 ，阿粉只是多操作了几次所以这里是 7，需要说明的是，更新文档并不是更新原来的文档，Elasticsearch 底层帮我们把原来的文档标记成删除状态，然后创建了一个新的文档，再加上了一个版本号，因为文档 ID 是没有变化的。当随着我们索引数据的越来越多，Elasticsearch 底层会帮我们清理这些删除的文档数据，从我们的视角来看，就是文档已经更新了。

删除文档

1
curl -XDELETE 'http://localhost:9200/student/class1/1

通过 DELETE 指令，我们可以将文档进行删除，删除也同更新一样，只是标记为删除状态，并不会立马从磁盘中删除，随着不断的索引更多的数据，Elasticsearch 将会在后台清理标记为已删除的文档。同时进行删除的时候，version 版本也会进行增加。

福利时间

前面提到了都只是 Elasticsearch 作为搜索引擎的基本操作，还有很多更重要的功能都没有提到，包括索引分词，查询语法，健康检查，搜索匹配、搜索排序和聚合等很多高级功能。

本书从Elasticsearch的基本概念和原理讲起，然后系统介绍Elasticsearch的使用场景，带领读者近距离接触Elasticsearch。本书涵盖客户端的安装和使用、索引的创建、文档的操作、搜索匹配、搜索排序和聚合，可以帮助读者循序渐进地掌握Elasticsearch的相关知识。 本书共8章，分为3篇。第1篇“Elasticsearch基础”，主要介绍Elasticsearch的基础知识和基本用法；第2篇“Elasticsearch提高”，首先介绍文本搜索和排序原理，然后介绍聚合的使用方法；第3篇“Elasticsearch实战”，以酒店搜索为例，详细介绍Elasticsearch在实际搜索应用中涉及的相关技术，帮助读者全面了解搜索引擎，并提高开发水平。本书重点介绍Elasticsearch的核心功能——搜索匹配和排序，其中对中文匹配的实现用较大篇幅讲解，便于读者进行中文搜索的落地工作。另外，结合具体实例讲解排序功能，帮助读者更加透彻地理解Elasticsearch排序算法的原理。 本书内容丰富，语言通俗易懂，讲解图文并茂，案例典型而实用，适合Elasticsearch初学者和有一定基础而想提高水平的进阶人员阅读，另外还适合相关院校和培训机构作为教材。

Java Geek Tech wechat
欢迎订阅 Java 极客技术，这里分享关于 Java 的一切。