商城-学习整理-高级-全文检索-ES（九）

目录

一、ES简介

1、网址

https://www.elastic.co/cn/what-is/elasticsearch
Elastic 的底层是开源库 Lucene。但是，你没法直接用 Lucene，必须自己写代码去调用它的接口。Elastic 是 Lucene 的封装，提供了 REST API 的操作接口，开箱即用。
REST API：天然的跨平台。
官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html
官方中文：https://www.elastic.co/guide/cn/elasticsearch/guide/current/foreword_id.html
社区中文：
https://es.xiaoleilu.com/index.html
http://doc.codingdict.com/elasticsearch/0/
开源的 Elasticsearch 是目前全文搜索引擎的首选。
它可以快速地储存、搜索和分析海量数据

2、基本概念

1、Index（索引）

动词，相当于 MySQL 中的 insert；
名词，相当于 MySQL 中的 Database

2、Type（类型）

在 Index（索引）中，可以定义一个或多个类型。
类似于 MySQL 中的 Table；每一种类型的数据放在一起；

3、Document（文档）

保存在某个索引（Index）下，某种类型（Type）的一个数据（Document），文档是 JSON 格式的，Document 就像是 MySQL 中的某个 Table 里面的内容；

4、倒排索引机制

4.1 正向索引和倒排索引

正向索引与倒排索引，这是在搜索领域中非常重要的两个名词，正向索引通常用于数据库中，在搜索引擎领域使用的最多的就是倒排索引，我们根据如下两个网页来对这两个概念进行阐述：
html1
我爱我的祖国，我爱编程
html2
我爱编程，我是个快乐的小码农

4.2 正向索引

假设我们使用mysql的全文检索，会对如上两句话分别进行分词处理，那么预计得到的结果如下：
我 爱 爱我 祖国 我的祖国 编程 爱编程 我爱编程
我 我爱 爱 编程 爱编程 我爱编程 快乐 码农 小码农

假设我们现在使用正向索引搜索 编程 这个词，那么会到第一句话中去查找是否包含有

编程

这个关键词，如果有则加入到结果集中；第二句话也是如此。假设现在有成千上百个网页，每个网页非常非常的分词，那么搜索的效率将会非常非常低些。

4.3 倒排索引

倒排索引是按照分词与文档进行映射，我们来看看如果按照倒排索引的效果：

如果采用倒排索引的方式搜索

编程

这个词，那么会直接找到关键词中查找到

编程

，然后查找到对应的文档，这就是所谓的倒排索引。

3、相关软件及下载地址

Elasticsearch： https://www.elastic.co/cn/start
Kibana： https://www.elastic.co/cn/start
Logstash： https://www.elastic.co/cn/downloads/logstash

3.1 Kibana简介

Kibana是世界上最受欢迎的开源日志分析平台ELK Stack中的“K” ，它为用户提供了一个工具，用于在存储于Elasticsearch集群中的日志数据进行检索，可视化和构建仪表板。
Kibana的核心功能是数据查询和分析。使用各种方法，用户可以搜索Elasticsearch中索引的数据，以查找其数据中的特定事件或字符串，以进行根本原因分析和诊断。基于这些查询，用户可以使用Kibana的可视化功能，允许用户使用图表，表格，地理图和其他类型的可视化以各种不同的方式可视化数据。

3.2 logstash简介

Logstash是一个开源的服务器端数据处理管道，可以同时从多个数据源获取数据，并对其进行转换，然后将其发送到你最喜欢的“存储”。创建于2009年，于2013年被elasticsearch收购。

二、Docker安装ES

1、下载镜像文件

docker pull elasticsearch:7.4.2 存储和检索数据
docker pull kibana:7.4.2 可视化检索数据

2、创建实例

1、ElasticSearch

mkdir -p /mydata/elasticsearch/config
mkdir -p /mydata/elasticsearch/dataecho"http.host: 0.0.0.0" >> /mydata/elasticsearch/config/elasticsearch.yml
chmod -R 777 /mydata/elasticsearch/ 保证权限
docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \
-e "discovery.type=single-node" \
-e ES_JAVA_OPTS="-Xms64m -Xmx512m" \
-v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
-v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
-d elasticsearch:7.4.2

以后再外面装好插件重启即可；
特别注意：
-e ES_JAVA_OPTS=“-Xms64m -Xmx256m” \ 测试环境下，设置 ES 的初始内存和最大内存，否则导致过大启动不了 ES，生产环境也需要指定一下初始内存和最大内容，要不然会全部占用服务器的内存。

/mydata/elasticsearch 下面的权限必须设置为777，要不然会启动失败。
如果启动失败可以看下日志：docker logs CONTAINER ID

2、Kibana

docker run --name kibana -e ELASTICSEARCH_HOSTS=http://192.168.56.10:9200 -p 5601:5601 \
-d kibana:7.4.2

http://192.168.56.10:9200

一定改为自己虚拟机的地址

三、初步检索

1、_cat

GET /_cat/nodes：查看所有节点
GET /_cat/health：查看 es 健康状况
GET /_cat/master：查看主节点
GET /_cat/indices：查看所有索引 show databases;

2、索引一个文档（保存）

保存一个数据，保存在哪个索引的哪个类型下，指定用哪个唯一标识
PUT customer/external/1；在 customer 索引下的 external 类型下保存 1 号数据为

PUT customer/external/1{"name":"John Doe"}

PUT 和 POST 都可以，
POST 新增。如果不指定 id，会自动生成 id。指定 id 就会修改这个数据，并新增版本号。
PUT 可以新增可以修改。PUT 必须指定 id；由于 PUT 需要指定 id，我们一般都用来做修改操作，不指定 id 会报错。

3、查询文档

GET customer/external/1
结果：
{"_index":"customer",//在哪个索引"_type":"external",//在哪个类型"_id":"1",//记录 id"_version":2,//版本号"_seq_no":1,//并发控制字段，每次更新就会+1，用来做乐观锁"_primary_term":1,//同上，主分片重新分配，如重启，就会变化"found":true,"_source":{//真正的内容"name":"John Doe"}}

更新携带 ?if_seq_no=0&if_primary_term=1

4、更新文档

POST customer/external/1/_update
{"doc":{"name":"John Doew"}}
或者
POST customer/external/1{"name":"John Doe2"}
或者
PUT customer/external/1{"name":"John Doe"}

 不同：POST 操作会对比源文档数据，如果相同不会有什么操作，文档 version 不增加
PUT 操作总会将数据重新保存并增加 version 版本；
带_update 对比元数据如果一样就不进行任何操作。
看场景；
对于大并发更新，不带 update；
对于大并发查询偶尔更新，带 update；对比更新，重新计算分配规则。
 更新同时增加属性
POST customer/external/1/_update
{ “doc”: { “name”: “Jane Doe”, “age”: 20 }
}
PUT 和 POST 不带_update 也可以。

5、删除文档&索引

DELETE customer/external/1DELETE customer

6、bulk 批量 API

POST customer/external/_bulk
{"index":{"_id":"1"}}{"name":"John Doe"}{"index":{"_id":"2"}}{"name":"Jane Doe"}
语法格式：
{ action:{ metadata }}\n
{ request body }\n
{ action:{ metadata }}\n
{ request body }\n
复杂实例：
POST/_bulk
{"delete":{"_index":"website","_type":"blog","_id":"123"}}{"create":{"_index":"website","_type":"blog","_id":"123"}}{"title":"My first blog post"}{"index":{"_index":"website","_type":"blog"}}{"title":"My second blog post"}{"update":{"_index":"website","_type":"blog","_id":"123","_retry_on_conflict":3}}{"doc":{"title":"My updated blog post"}}

bulk API 以此按顺序执行所有的 action（动作）。如果一个单个的动作因任何原因而失败，它将继续处理它后面剩余的动作。当 bulk API 返回时，它将提供每个动作的状态（与发送的顺序相同），所以您可以检查是否一个指定的动作是不是失败了。

7、样本测试数据

我准备了一份顾客银行账户信息的虚构的 JSON 文档样本。每个文档都有下列的 schema（模式）:

{"account_number":0,"balance":16623,"firstname":"Bradshaw","lastname":"Mckenzie","age":29,"gender":"F","address":"244 Columbus Place","employer":"Euron","email":"[email protected]","city":"Hobucken","state":"CO"}

https://github.com/elastic/elasticsearch/blob/master/docs/src/test/resources/accounts.json?raw=true 导入测试数据
POST bank/account/_bulk
测试数据

四、进阶检索

1、SearchAPI

ES 支持两种基本方式检索 :
 一个是通过使用 REST request URI 发送搜索参数（uri+检索参数）
 另一个是通过使用 REST request body 来发送它们（uri+请求体）

1）、检索信息

 一切检索从_search 开始

GET bank/_search 检索 bank 下所有信息，包括 type 和 docs
GET bank/_search?q=*&sort=account_number:asc 请求参数方式检索
响应结果解释：
took - Elasticsearch 执行搜索的时间（毫秒）
time_out - 告诉我们搜索是否超时
_shards - 告诉我们多少个分片被搜索了，以及统计了成功/失败的搜索分片
hits - 搜索结果
hits.total - 搜索结果
hits.hits - 实际的搜索结果数组（默认为前 10 的文档）
sort - 结果的排序 key（键）（没有则按 score 排序）
score 和 max_score –相关性得分和最高得分（全文检索用）

 uri+请求体进行检索

GET bank/_search
{"query":{"match_all":{}},"sort":[{"account_number":{"order":"desc"}}]}

HTTP 客户端工具（POSTMAN），get 请求不能携带请求体，我们变为 post 也是一样的我们 POST 一个 JSON 风格的查询请求体到 _search API。
需要了解，一旦搜索的结果被返回，Elasticsearch 就完成了这次请求，并且不会维护任何服务端的资源或者结果的 cursor（游标）.

2、Query DSL(（domain-specific language 领域特定语言)

1）、基本语法格式

Elasticsearch 提供了一个可以执行查询的 Json 风格的 DSL（domain-specific language 领域特定语言）。这个被称为 Query DSL。该查询语言非常全面，并且刚开始的时候感觉有点复杂，真正学好它的方法是从一些基础的示例开始的。
 一个查询语句 的典型结构

{QUERY_NAME:{ARGUMENT:VALUE,ARGUMENT:VALUE,...}}
 如果是针对某个字段，那么它的结构如下：
{QUERY_NAME:{FIELD_NAME:{ARGUMENT:VALUE,ARGUMENT:VALUE,...}}}

GET bank/_search
{"query":{"match_all":{}},"from":0,"size":5,"sort":[{"account_number":{"order":"desc"}}]}

 query 定义如何查询，
 match_all 查询类型【代表查询所有的所有】，es 中可以在 query 中组合非常多的查
询类型完成复杂查询
 除了 query 参数之外，我们也可以传递其它的参数以改变查询结果。如 sort，size
 from+size 限定，完成分页功能
 sort 排序，多字段排序，会在前序字段相等时后续字段内部排序，否则以前序为准

2）、返回部分字段

GET bank/_search
{"query":{"match_all":{}},"from":0,"size":5,"_source":["age","balance"]}

3）、match【匹配查询】

 基本类型（非字符串），精确匹配

GET bank/_search
{"query":{"match":{"account_number":"20"}}}
match 返回 account_number=20 的

 字符串，全文检索

GET bank/_search
{"query":{"match":{"address":"mill"}}}
最终查询出 address 中包含 mill 单词的所有记录
match 当搜索字符串类型的时候，会进行全文检索，并且每条记录有相关性得分。

 字符串，多个单词（分词+全文检索）

GET bank/_search
{"query":{"match":{"address":"mill road"}}}
最终查询出 address 中包含 mill 或者 road 或者 mill road 的所有记录，并给出相关性得分

4）、match_phrase【短语匹配】

将需要匹配的值当成一个整体单词（不分词）进行检索

GET bank/_search
{"query":{"match_phrase":{"address":"mill road"}}}
查出 address 中包含 mill road 的所有记录，并给出相关性得分

5）、multi_match【多字段匹配】

GET bank/_search
{"query":{"multi_match":{"query":"mill","fields":["state","address"]}}}
state 或者 address 包含 mill

6）、bool【复合查询】

bool 用来做复合查询：
复合语句可以合并 任何 其它查询语句，包括复合语句，了解这一点是很重要的。这就意味着，复合语句之间可以互相嵌套，可以表达非常复杂的逻辑。

 must：必须达到 must 列举的所有条件
GET bank/_search
{"query":{"bool":{"must":[{"match":{"address":"mill"}},{"match":{"gender":"M"}}]}}}

 should：应该达到 should 列举的条件，如果达到会增加相关文档的评分，并不会改变
查询的结果。如果 query 中只有 should 且只有一种匹配规则，那么 should 的条件就会
被作为默认匹配条件而去改变查询结果
GET bank/_search
{"query":{"bool":{"must":[{"match":{"address":"mill"}},{"match":{"gender":"M"}}],"should":[{"match":{"address":"lane"}}]}}}

 must_not 必须不是指定的情况
GET bank/_search
{"query":{"bool":{"must":[{"match":{"address":"mill"}},{"match":{"gender":"M"}}],"should":[{"match":{"address":"lane"}}],"must_not":[{"match":{"email":"baluba.com"}}]}}}
address 包含 mill，并且 gender 是 M，如果 address 里面有 lane 最好不过，但是 email 必
须不包含 baluba.com

7）、filter【结果过滤】

并不是所有的查询都需要产生分数，特别是那些仅用于 “filtering”（过滤）的文档。为了不
计算分数 Elasticsearch 会自动检查场景并且优化查询的执行。
GET bank/_search
{"query":{"bool":{"must":[{"match":{"address":"mill"}}],"filter":{"range":{"balance":{"gte":10000,"lte":20000}}}}}}

8）、term

和 match 一样。匹配某个属性的值。全文检索字段用 match，其他非 text 字段匹配用 term。

GET bank/_search
{"query":{"bool":{"must":[{"term":{"age":{"value":"28"}}},{"match":{"address":"990 Mill Road"}}]}}}

9）、aggregations（执行聚合）
聚合提供了从数据中分组和提取数据的能力。最简单的聚合方法大致等于 SQL GROUP BY 和 SQL 聚合函数。在 Elasticsearch 中，您有执行搜索返回 hits（命中结果），并且同时返回聚合结果，把一个响应中的所有 hits（命中结果）分隔开的能力。这是非常强大且有效的，
您可以执行查询和多个聚合，并且在一次使用中得到各自的（任何一个的）返回结果，使用一次简洁和简化的 API 来避免网络往返。

 搜索 address 中包含 mill 的所有人的年龄分布以及平均年龄，但不显示这些人的详情。
GET bank/_search
{"query":{"match":{"address":"mill"}},"aggs":{"group_by_state":{"terms":{"field":"age"}},"avg_age":{"avg":{"field":"age"}}},"size":0}
size：0 不显示搜索数据
aggs：执行聚合。聚合语法如下
"aggs":{"aggs_name 这次聚合的名字，方便展示在结果集中":{"AGG_TYPE 聚合的类型（avg,term,terms）":{}}},

复杂：
按照年龄聚合，并且请求这些年龄段的这些人的平均薪资
GET bank/account/_search
{"query":{"match_all":{}},"aggs":{"age_avg":{"terms":{"field":"age","size":1000},"aggs":{"banlances_avg":{"avg":{"field":"balance"}}}}},"size":1000}

复杂：查出所有年龄分布，并且这些年龄段中 M 的平均薪资和 F 的平均薪资以及这个年龄
段的总体平均薪资
GET bank/account/_search
{"query":{"match_all":{}},"aggs":{"age_agg":{"terms":{"field":"age","size":100},"aggs":{"gender_agg":{"terms":{"field":"gender.keyword","size":100},"aggs":{"balance_avg":{"avg":{"field":"balance"}}}},"balance_avg":{"avg":{"field":"balance"}}}}},"size":1000}

3、Mapping

1）、字段类型

2）、映射

Mapping（映射）
Mapping 是用来定义一个文档（document），以及它所包含的属性（field）是如何存储和索引的。比如，使用 mapping 来定义：
 哪些字符串属性应该被看做全文本属性（full text fields）。
 哪些属性包含数字，日期或者地理位置。
 文档中的所有属性是否都能被索引（_all 配置）。
 日期的格式。
 自定义映射规则来执行动态添加属性。
 查看 mapping 信息：
GET bank/_mapping
 修改 mapping 信息
https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping.html

3）、新版本改变

Es7 及以上移除了 type 的概念。
 关系型数据库中两个数据表示是独立的，即使他们里面有相同名称的列也不影响使用，
但 ES 中不是这样的。elasticsearch 是基于 Lucene 开发的搜索引擎，而 ES 中不同 type
下名称相同的 filed 最终在 Lucene 中的处理方式是一样的。
 两个不同 type 下的两个 user_name，在 ES 同一个索引下其实被认为是同一个 filed，你必须在两个不同的 type 中定义相同的 filed 映射。否则，不同 type 中的相同字段名称就会在处理中出现冲突的情况，导致 Lucene 处理效率下降。
 去掉 type 就是为了提高 ES 处理数据的效率。
Elasticsearch 7.x
 URL 中的 type 参数为可选。比如，索引一个文档不再要求提供文档类型。
Elasticsearch 8.x
 不再支持 URL 中的 type 参数。
解决：
1）、将索引从多类型迁移到单类型，每种类型文档一个独立索引
2）、将已存在的索引下的类型数据，全部迁移到指定位置即可。详见数据迁移

1、创建映射
1、创建索引并指定映射
PUT/my-index
{"mappings":{"properties":{"age":{"type":"integer"},"email":{"type":"keyword"},"name":{"type":"text"}}}}

2、添加新的字段映射
PUT/my-index/_mapping
{"properties":{"employee-id":{"type":"keyword","index":false}}}

3、更新映射
对于已经存在的映射字段，我们不能更新。更新必须创建新的索引进行数据迁移

4、数据迁移
先创建出 new_twitter 的正确映射。然后使用如下方式进行数据迁移
POST _reindex [固定写法]{"source":{"index":"twitter"},"dest":{"index":"new_twitter"}}
将旧索引的 type 下的数据进行迁移
POST _reindex
{"source":{"index":"twitter","type":"tweet"},"dest":{"index":"tweets"}}

4、分词

一个 tokenizer（分词器）接收一个字符流，将之分割为独立的 tokens（词元，通常是独立的单词），然后输出 tokens 流。
例如，whitespace tokenizer 遇到空白字符时分割文本。它会将文本 “Quick brown fox!” 分割为 [Quick, brown, fox!]。
该 tokenizer（分词器）还负责记录各个 term（词条）的顺序或 position 位置（用于 phrase 短语和 word proximity 词近邻查询），以及 term（词条）所代表的原始 word（单词）的 start（起始）和 end（结束）的 character offsets（字符偏移量）（用于高亮显示搜索的内容）。
Elasticsearch 提供了很多内置的分词器，可以用来构建 custom analyzers（自定义分词器）。

1）、安装 ik 分词器

注意：不能用默认 elasticsearch-plugin install xxx.zip 进行自动安装
https://github.com/medcl/elasticsearch-analysis-ik/releases?after=v6.4.2 对应 es 版本安装

进入 es 容器内部 plugins 目录
docker exec -it 容器 id /bin/bash
wget
https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.4.2/elasticsearch-anal
ysis-ik-7.4.2.zip
unzip 下载的文件
rm –rf *.zip
mv elasticsearch/ ik
可以确认是否安装好了分词器
cd ../bin
elasticsearch plugin list：即可列出系统的分词器

因为容器里面只有核心的软件，因此没有wget,可以直接去外面的安装wget,在外面下载wget,最好不要在容器里面下载，增加容器内容。

yum install wget

在外面解压好上传上去

容器一旦启动，最好不要删除里面的挂载目录，要不然就需要重启容器重新挂载一下目录。

安装好分词器后，需要重新启动一下容器，加载插件。

docker restart elasticsearch

2）、测试分词器

使用默认
POST _analyze
{"text":"我是中国人"}
请观察结果
使用分词器
POST _analyze
{"analyzer":"ik_smart","text":"我是中国人"}
请观察结果
另外一个分词器
ik_max_word
POST _analyze
{"analyzer":"ik_max_word","text":"我是中国人"}

请观察结果
能够看出不同的分词器，分词有明显的区别，所以以后定义一个索引不能再使用默认的 mapping 了，要手工建立 mapping, 因为要选择分词器。

3）、调整虚拟机内存大小

1、关闭虚拟机
2、打开设置里面的系统，调到3G。
3、然后无界面启动虚拟机，再启动容器。

4）、安装nginx

先在mydata下面创建nginx目录，以后所有的nginx文件都放到这个目录下面

 随便启动一个 nginx 实例，只是为了复制出配置

 docker run -p 80:80 --name nginx -d nginx:1.10

本地没有找到镜像会自动下载并启动

 将容器内的配置文件拷贝到当前目录（

别忘了后面的点

）：

docker container cp nginx:/etc/nginx .

nginx容器下的/etc/nginx目录下的文件 拷贝到刚才创建的nginx文件夹下

 修改文件名称：mv nginx conf
把这个 conf 移动到/mydata/nginx 下

 终止原容器：docker stop nginx
 执行命令删除原容器：docker rm $ContainerId
 创建新的 nginx；执行以下命令

docker run -p 80:80 --name nginx \
-v /mydata/nginx/html:/usr/share/nginx/html \
-v /mydata/nginx/logs:/var/log/nginx \
-v /mydata/nginx/conf:/etc/nginx \
-d nginx:1.10

去nginx外部挂载目录,html下，创建index.html,编写html页面，请求就能够默认展示，说明nginx是ok的。（

nginx会自动默认访问html文件夹下面的内容，默认访问index.html页面，因此请求http://192.168.56.10:80，就是请求http://192.168.56.10/index.html，80是默认端口含，不展示

）
在nginx下面的html文件夹下面创建es文件夹，有关的es文件就放到里面，给 nginx 的 html 下面放的所有资源可以直接访问；

http://192.168.56.10/es/fenci.txt

5）、自定义词库

修改/usr/share/elasticsearch/plugins/ik/config/中的 IKAnalyzer.cfg.xml
/usr/share/elasticsearch/plugins/ik/config

<?xml version="1.0" encoding="UTF-8"?><!DOCTYPEpropertiesSYSTEM"http://java.sun.com/dtd/properties.dtd"><properties><comment>IK Analyzer 扩展配置</comment><!--用户可以在这里配置自己的扩展字典 --><entrykey="ext_dict"></entry><!--用户可以在这里配置自己的扩展停止词字典--><entrykey="ext_stopwords"></entry><!--用户可以在这里配置远程扩展字典 --><entrykey="remote_ext_dict">http://192.168.128.130/fenci/myword.txt</entry><!--用户可以在这里配置远程扩展停止词字典--><!-- <entry key="remote_ext_stopwords">words_location</entry> --></properties>
原来的 xml
<?xml version="1.0" encoding="UTF-8"?><!DOCTYPEpropertiesSYSTEM"http://java.sun.com/dtd/properties.dtd"><properties><comment>IK Analyzer 扩展配置</comment><!--用户可以在这里配置自己的扩展字典 --><entrykey="ext_dict"></entry><!--用户可以在这里配置自己的扩展停止词字典--><entrykey="ext_stopwords"></entry><!--用户可以在这里配置远程扩展字典 --><!-- <entry key="remote_ext_dict">words_location</entry> --><!--用户可以在这里配置远程扩展停止词字典--><!-- <entry key="remote_ext_stopwords">words_location</entry> --></properties>

按照远程扩展字典的路径利用 nginx 发布静态资源,按照请求路径，创建对应的文件夹以及文件，放在nginx 的 html 下
然后重启 es 服务器，重启 nginx。

修改es一直自动重启，这样修改配置，es就会自动重启：

 docker update  elasticsearch --restart=always

在 kibana 中测试分词效果

更新完成后，es 只会对新增的数据用新词分词。历史数据是不会重新分词的。如果想要历史数据重新分词。需要执行：
POST my_index/_update_by_query?conflicts=proceed

五、Elasticsearch-Rest-Client

1、Rest客户端选型

1）、9300：TCP

 spring-data-elasticsearch:transport-api.jar；
 springboot 版本不同， transport-api.jar 不同，不能适配 es 版本
 7.x 已经不建议使用，8 以后就要废弃

2）、9200：HTTP

 JestClient：非官方，更新慢
 RestTemplate：模拟发 HTTP 请求，ES 很多操作需要自己封装，麻烦
 HttpClient：同上
 Elasticsearch-Rest-Client：官方 RestClient，封装了 ES 操作，API 层次分明，上手简单
最终选择 Elasticsearch-Rest-Client（elasticsearch-rest-high-level-client）
https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/java-rest-high.html

2、创建检索服务

配置服务注册和配置中心。

3、SpringBoot 整合

<dependency><groupId>org.elasticsearch.client</groupId><artifactId>elasticsearch-rest-high-level-client</artifactId><version>7.4.2</version></dependency>

发现其中的依赖有6.4.3版本，因为我们是spring-boot下spring-boot-dependencies对es也做了版本管理



然后我们在子项目配置中引用的版本设置为7.4.2

刷新一下，就全部变成7.4.2了

4、配置

@BeanRestHighLevelClientclient(){RestClientBuilder builder =RestClient.builder(newHttpHost("192.168.56.10",9200,"http"));returnnewRestHighLevelClient(builder);}

5、使用

参照官方文档：
@Testvoidtest1()throwsIOException{Product product =newProduct();
product.setSpuName("华为");
product.setId(10L);IndexRequest request =newIndexRequest("product").id("20").source("spuName","华为","id",20L);try{IndexResponse response = client.index(request,RequestOptions.DEFAULT);System.out.println(request.toString());IndexResponse response2 = client.index(request,RequestOptions.DEFAULT);}catch(ElasticsearchException e){if(e.status()==RestStatus.CONFLICT){}}}