Elasticsearch学习(3) :数据聚合、自动补全、数据同步、集群

之前的学习中——Elasticsearch学习(2) ，我们学习了elasticsearch的基本用法和搜索功能，本篇继续深入其搜索功能，看一看更复杂的用法。

1.数据聚合

聚合（aggregations）可以让我们极其方便的实现对数据的统计、分析、运算。例如：

• 什么品牌的手机最受欢迎？
• 这些手机的平均价格、最高价格、最低价格？
• 这些手机每月的销售情况如何？

实现这些统计功能的比数据库的sql要方便的多，而且查询速度非常快，可以实现近实时搜索效果。

1.1.聚合常见种类

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
• 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
• 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

1.2.DSL实现聚合

1.2.1.Bucket(桶)聚合语法

假设我们要统计所有数据中的酒店品牌有几种，其实就是按照品牌对数据分组。此时可以根据酒店品牌的名称做聚合，也就是Bucket(桶)聚合。

语法如下：

GET /hotel/_search
{
  "size": 0,  // 设置size(分页的参数)为0，因为这里结果中不包含文档，只包含聚合结果
  "aggs": { // 定义聚合，可以定义多个聚合，即在aggs里定义多个属性(顶层只能有一个 aggs 字段)
    "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，控制显示结果数量，比如有100个品牌也只会显示前20个
      }
    }
  }
}

结果如图，hits数组为空，因为我们规定了size为0，聚合结果放在aggregations里，bucket数组中，doc_count代表这个桶中文档的数量，比如图示代码7天酒店有34个文档，默认按数量倒序排序。

聚合结果排序

默认情况下，Bucket聚合会统计Bucket内的文档数量，记为_count，并且按照_count降序排序。我们可以指定order属性，自定义聚合的排序方式：

GET /hotel/_search
{
  "size": 0, 
  "aggs": {
    "brandAgg": {
      "terms": {
        "field": "brand",
        "order": {
          "_count": "asc" // 按照_count升序排列
        },
        "size": 20
      }
    }
  }
}

结果发现，现在按照文档数量升序排序了。

限定聚合范围

默认情况下，Bucket聚合是对索引库的所有文档做聚合，但真实场景下，数据库里有亿级的数据时聚合操作是比较耗时的，而且用户会输入搜索条件，因此聚合必须是对搜索结果聚合。那么聚合必须添加限定条件。

我们可以限定要聚合的文档范围，只要添加query条件即可：

GET /hotel/_search
{
  "query": {
    "range": {
      "price": {
        "lte": 200 // 只对200元以下的文档聚合
      }
    }
  }, 
  "size": 0, 
  "aggs": {
    "brandAgg": {
      "terms": {
        "field": "brand",
        "size": 20
      }
    }
  }
}

这次，聚合得到的品牌明显变少了：

1.2.2.Metric(度量)聚合语法

上课，我们对酒店按照品牌分组，形成了一个个桶。现在我们需要对桶内的酒店做运算，比如获取每个品牌的用户评分(索引库里的score字段，数值类型)的min、max、avg等值。

这就要用到Metric(度量)聚合了，例如stat聚合：就可以同时获取min、max、avg等结果。这里注意的是要获取每个品牌的评分min、max、avg等值，而不是所有酒店的，所以就需要跟上节说的bucket聚合结合使用。语法如下：

GET /hotel/_search
{
  "size": 0, 
  "aggs": {
    "brandAgg": { 
      "terms": { 
        "field": "brand", 
        "size": 20
      },
      "aggs": { // 是brands聚合的子聚合，即嵌套聚合，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
          }
        }
      }
    }
  }
}

这次的score_stats聚合是在brandAgg的聚合内部嵌套的子聚合。因为我们需要在每个桶分别计算。结果如下所示，相比以前只有key和doc_count，还多个scoreAgg，因为是对每个桶再做聚合，所以就在桶的内部出现了，统计了每个桶的文档数量，最小得分，最大得分，平均得分，得分和。

另外，我们还可以给聚合结果做个排序，例如按照每个桶的酒店平均分做排序，因为是对每个桶做排序，所以order字段是写在brandAgg里的terms里：

1.2.3.小结

小结 ：
aggs代表聚合，与query同级，此时query的作用是？

• 限定聚合的的文档范围

聚合必须的三要素：

• 聚合名称
• 聚合类型
• 聚合字段

聚合可配置属性有：

• size：指定聚合结果数量
• order：指定聚合结果排序方式
• field：指定聚合字段

1.3.RestAPI实现聚合

1.3.1.API语法

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。

聚合条件的语法：

聚合的结果也与查询结果不同，API也比较特殊。不过同样是JSON逐层解析：

1.3.2.酒店聚合案例实现

需求 ：用户搜索后，页面的品牌、城市等信息不应该是在页面写死，而是通过聚合索引库中的酒店数据得来的：

分析 ：

目前，页面的城市列表、星级列表、品牌列表都是写死的，并不会随着搜索结果的变化而变化。但是用户搜索条件改变时，搜索结果会跟着变化。

例如：用户搜索“东方明珠”，那搜索的酒店肯定是在上海东方明珠附近，因此，城市只能是上海，此时城市列表中就不应该显示北京、深圳、杭州这些信息了。

也就是说，搜索结果中包含哪些城市，页面就应该列出哪些城市；搜索结果中包含哪些品牌，页面就应该列出哪些品牌。如何得知搜索结果中包含哪些品牌？如何得知搜索结果中包含哪些城市？

因为是对搜索结果聚合，因此聚合是限定范围的聚合，也就是说聚合的限定条件跟搜索文档的条件一致。查看浏览器可以发现，当点击搜索按钮时，前端其实已经发出了这样的一个请求：

一共发出两个请求，一个请求是/list，另一个是/filter，前者用于查询具体的文档数据，后者用于返回页面的城市列表、星级列表、品牌列表。并且/filter请求参数与搜索文档的/list参数完全一致。返回值类型就是页面要展示的最终结果：

结果是一个Map结构：

• key是字符串，城市、星级、品牌、价格
• value是集合，例如多个城市的名称

业务实现

在cn.itcast.hotel.web包的HotelController中添加一个方法，遵循下面的要求：

• 请求方式：POST
• 请求路径：/hotel/filters
• 请求参数：RequestParams，与搜索文档的参数一致
• 返回值类型：Map<String, List>

@RestController
@RequestMapping("/hotel")
public class HotelController {

    @Autowired
    private IHotelService hotelService;
    // 搜索酒店数据
    @PostMapping("/list")
    public PageResult search(@RequestBody RequestParams params){
        return hotelService.search(params);
    }
	//返回酒店可选项，用于用户过滤城市、星级、品牌、价格
	 @PostMapping("filters")
    public Map<String, List<String>> getFilters(@RequestBody RequestParams params){
        return hotelService.getFilters(params);
    }
}

这里调用了IHotelService中的getFilters方法，尚未实现。在 cn.itcast.hotel.service.IHotelService中定义新方法：

Map<String, List<String>> filters(RequestParams params);

在cn.itcast.hotel.service.impl.HotelService中实现该方法：

@Override
public Map<String, List<String>> filters(RequestParams params) {
    try {
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        // 2.1.query
        buildBasicQuery(params, request);
        // 2.2.设置size
        request.source().size(0);
        // 2.3.聚合
        buildAggregation(request);
        // 3.发出请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.解析结果
        Map<String, List<String>> result = new HashMap<>();
        Aggregations aggregations = response.getAggregations();
        // 4.1.根据品牌名称，获取品牌结果
        List<String> brandList = getAggByName(aggregations, "brandAgg");
        result.put("品牌", brandList);
        // 4.2.根据品牌名称，获取品牌结果
        List<String> cityList = getAggByName(aggregations, "cityAgg");
        result.put("城市", cityList);
        // 4.3.根据品牌名称，获取品牌结果
        List<String> starList = getAggByName(aggregations, "starAgg");
        result.put("星级", starList);

        return result;
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}

private void buildAggregation(SearchRequest request) {
    request.source().aggregation(AggregationBuilders
                                 .terms("brandAgg")
                                 .field("brand")
                                 .size(100)
                                );
    request.source().aggregation(AggregationBuilders
                                 .terms("cityAgg")
                                 .field("city")
                                 .size(100)
                                );
    request.source().aggregation(AggregationBuilders
                                 .terms("starAgg")
                                 .field("starName")
                                 .size(100)
                                );
}

private List<String> getAggByName(Aggregations aggregations, String aggName) {
    // 4.1.根据聚合名称获取聚合结果
    Terms brandTerms = aggregations.get(aggName);
    // 4.2.获取buckets
    List<? extends Terms.Bucket> buckets = brandTerms.getBuckets();
    // 4.3.遍历
    List<String> brandList = new ArrayList<>();
    for (Terms.Bucket bucket : buckets) {
        // 4.4.获取key
        String key = bucket.getKeyAsString();
        brandList.add(key);
    }
    return brandList;
}

其中buildBasicQuery，我们在上一节博客中已经实现了：

private void buildBasicQuery(RequestParams params, SearchRequest request) {
    // 1.构建BooleanQuery
    BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
    // 关键字搜索
    String key = params.getKey();
    if (key == null || "".equals(key)) {
        boolQuery.must(QueryBuilders.matchAllQuery());
    } else {
        boolQuery.must(QueryBuilders.matchQuery("all", key));
    }
    // 城市条件
    if (params.getCity() != null && !params.getCity().equals("")) {
        boolQuery.filter(QueryBuilders.termQuery("city", params.getCity()));
    }
    // 品牌条件
    if (params.getBrand() != null && !params.getBrand().equals("")) {
        boolQuery.filter(QueryBuilders.termQuery("brand", params.getBrand()));
    }
    // 星级条件
    if (params.getStarName() != null && !params.getStarName().equals("")) {
        boolQuery.filter(QueryBuilders.termQuery("starName", params.getStarName()));
    }
    // 价格
    if (params.getMinPrice() != null && params.getMaxPrice() != null) {
        boolQuery.filter(QueryBuilders
                         .rangeQuery("price")
                         .gte(params.getMinPrice())
                         .lte(params.getMaxPrice())
                        );
    }

    // 2.算分控制
    FunctionScoreQueryBuilder functionScoreQuery =
        QueryBuilders.functionScoreQuery(
        // 原始查询，相关性算分的查询
        boolQuery,
        // function score的数组
        new FunctionScoreQueryBuilder.FilterFunctionBuilder[]{
            // 其中的一个function score 元素
            new FunctionScoreQueryBuilder.FilterFunctionBuilder(
                // 过滤条件
                QueryBuilders.termQuery("isAD", true),
                // 算分函数
                ScoreFunctionBuilders.weightFactorFunction(10)
            )
        });
    request.source().query(functionScoreQuery);
}

结果 ：

刷新前端页面，发现品牌等信息可以自动渲染出来了，因为前端自动调用了filter方法：

添加价格过滤，发现可选城市变少了。然后再加上搜索字段“虹桥”，城市栏目直接就没了，因为前端发现只有一个城市有该字段，就没必要渲染了：

2.自动补全

当用户在搜索框输入字符时，我们应该提示出与该字符有关的搜索项，如图：

这种根据用户输入的字母，提示完整词条的功能，就是自动补全了。因为需要根据拼音字母来推断，因此要用到拼音分词功能。

2.1.拼音分词器

要实现根据字母做补全，就必须对文档按照拼音分词。在GitHub上恰好有elasticsearch的拼音分词插件。地址

课前资料中也提供了拼音分词器的安装包：

安装方式与IK分词器一样，分三步：

• 解压
• 上传到虚拟机中，elasticsearch的plugin目录
• 重启elasticsearch
• 测试

详细安装步骤可以参考IK分词器的安装过程。测试用法如下：

POST /_analyze
{
  "text": "如家酒店还不错",
  "analyzer": "pinyin"
}

对输入进行分词测试的结果：

2.2.自定义分词器

默认的拼音分词器会将每个汉字单独分为拼音，以及全拼的首字母(如家酒店还不错->rjjdhbc)。而我们希望的是每个词条不仅形成一组拼音，还要保留汉字的分词。所以需要我们进行自定义分词器。

elasticsearch中分词器（analyzer）的组成包含三部分：

• character filters：在tokenizer之前对文本进行处理。例如删除字符、替换字符
• tokenizer：将文本按照一定的规则切割成词条（term）。比如系统默认的keyword，就是不分词；还有比如我们之前学习的ik_smart
• tokenizer filter：将tokenizer输出的词条做进一步处理。例如大小写转换、同义词处理、拼音处理等

文档分词时会依次由这三部分来处理文档，示例如下：

我们可以在创建索引库时，通过settings来配置自定义的analyzer(分词器)，声明自定义分词器的语法如下，比如创造一个名为test的索引库，并指定tokenizer和tokenizer filter：

因为之前我们发现pinyin是对分好词的词语一个字一个字的去转成拼音，还会把中文给删除。所以需要对pinyin过滤器做进一步的定制。在pinyin的官方网站上可以看到其实有很多可选参数去控制pinyin分词器的效果，需要的时候可以根据需要去配置。

我们这里给出一个配置的参考。把filter的名称修改为py，然后再下面去定义它，本质上它还是pinyin，只不过指定了pinyin的各种属性。

定义好my_analyzer之后，在下面的mapping(索引库的字段)里去指定，比如name字段，他的属性就是text(可分词)，analyzer(分词器)为我们自定义的my_analyzer

PUT /test
{
  "settings": {
    "analysis": {
      "analyzer": { // 自定义分词器
        "my_analyzer": {  // 分词器名称
          "tokenizer": "ik_max_word",
          "filter": "py"
        }
      },
      "filter": { // 自定义tokenizer filter
        "py": { // 过滤器名称
          "type": "pinyin", // 过滤器类型，这里是pinyin
          "keep_full_pinyin": false, // 不保留每个汉字的完整拼音
          "keep_joined_full_pinyin": true, // 将每个汉字的完整拼音合并
          "keep_original": true, // 同时保留原始输入，即中文
          "limit_first_letter_length": 16,
          "remove_duplicated_term": true,
          "none_chinese_pinyin_tokenize": false
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "my_analyzer", // 创造倒排索引时使用的分词器
        "search_analyzer": "ik_smart" // 指定字段在搜索时应该使用的分词器
      }
    }
  }
}

怎么测试呢，如果还是跟原来一样测试的话，会报错，提示找不到my_analyzer，那当然找不到了，因为我们是在test索引库里定义的。

需要这样测试，指定是哪个索引库的：

这里还有个细节，就是"search_analyzer": "ik_smart"。为什么要指定这句话，我们测试一个案例，如果不写这句话时，往索引库插入"狮子"和"虱子"，但是搜索"掉入狮子笼咋办"，却还能搜到"虱子"。这就发现问题了，居然把同音字也搜到了。

这是因为拼音分词器适合在创建倒排索引的时候使用，但不能在搜索的时候使用。因此字段在创建倒排索引时应该用my analyzer分词器;字段在搜索时应该使用iksmart分词器;

总结 ：
如何使用拼音分词器？

• ①下载pinyin分词器
• ②解压并放到elasticsearch的plugin目录
• ③重启即可

如何自定义分词器？

• ①创建索引库时，在settings中配置，可以包含三部分
• ②character filter
• ③tokenizer
• ④filter

拼音分词器注意事项？

• 为了避免搜索到同音字，搜索时不要使用拼音分词器

2.3.自动补全查询

虽然上面完成了拼音分词，但是还是没有实现根据拼音字母来推断的自动补全功能。对此，elasticsearch提供了Completion Suggester查询来实现自动补全功能。这个查询会匹配以用户输入内容开头的词条并返回。为了提高补全查询的效率，对于文档中字段的类型有一些约束：

• 参与补全查询的字段必须是completion类型(专用于自动补全的类型)。
• 字段的内容一般是用来补全的多个词条形成的数组(为的就是查询某个词条时，能够建议出数组中其他的词条)。

比如，一个这样的索引库：

// 创建索引库
PUT test
{
  "mappings": {
    "properties": {
      "title":{
        "type": "completion" // 指定title字段为completion类型
      }
    }
  }
}

然后插入下面的数据：

// 示例数据
POST test/_doc
{
  "title": ["Sony", "WH-1000XM3"] //数组形式，这样不论搜索0，还是搜索1，都能推荐出数组内的其他词条
}
POST test/_doc
{
  "title": ["SK-II", "PITERA"]
}
POST test/_doc
{
  "title": ["Nintendo", "switch"]
}

查询的DSL语句也有其对应的语法格式，如下：

// 自动补全查询
GET /test/_search // 这里跟之前的搜索还是一样的
{
  "suggest": { // 不再是query，而是自动补全->suggest
    "title_suggest": { // 给查询起的名称
      "text": "s", // 用户输入的关键字，即前缀，就会提示出s开头的词条
      "completion": { // 指定自动补全的类型为completion，还有另外两种
        "field": "title", // 需要补全查询的字段
        "skip_duplicates": true, // 跳过重复的(s开头的词条)
        "size": 10 // 只获取前10条结果
      }
    }
  }
}

搜索的结果放在suggest里,hits也是空的因为这里也没有搜索文档

里面的options数组就是自动补全的结果了，里面是各种s开头的词条

搜索so开头，则只返回Sony：

2.4.酒店搜索框自动补全案例实现

现在，我们的hotel索引库还没有设置拼音分词器，需要修改索引库中的配置。但是我们知道索引库是无法修改的，只能删除然后重新创建。

另外，我们需要添加一个字段，用来做自动补全，将brand、suggestion、city等都放进去，作为自动补全的提示。

因此，总结一下，我们需要做的事情包括：

• 删除并重建hotel索引库结构，设置好自定义拼音分词器
• 设置索引库的name、all字段，使用自定义拼音分词器
• 索引库添加一个新字段suggestion，类型为completion类型，使用自定义的分词器
• 给HotelDoc这个pojo类添加suggestion字段，内容包含brand、business
• 重新导入数据到hotel库

1.修改酒店映射结构

删除完索引库之后，重建。可以用GET /hotel/_mapping看一下之前的索引库结构定义。

新索引库的代码如下：

// 酒店数据索引库
PUT /hotel
{
  "settings": {
    "analysis": { 
      "analyzer": { // 自定义分词器
        "text_anlyzer": {
          "tokenizer": "ik_max_word",
          "filter": "py" // 自定义的pinyin过滤器
        },
        "completion_analyzer": { // 这个分词器不使用ik_max_word
          "tokenizer": "keyword", // keyword即不分词
          // 因为参与补全的肯定都是固定的词条，都放到数组当中，本身就是词条就不需要分词了
          // 将来做全文检索的用text_anlyzer，做自动补全的用completion_analyzer
          "filter": "py"
        }
      },
      "filter": {
        "py": {
          "type": "pinyin",
          "keep_full_pinyin": false,
          "keep_joined_full_pinyin": true,
          "keep_original": true,
          "limit_first_letter_length": 16,
          "remove_duplicated_term": true,
          "none_chinese_pinyin_tokenize": false
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "id":{
        "type": "keyword"
      },
      "name":{
        "type": "text",
        "analyzer": "text_anlyzer", // 分词器用text_anlyzer
        "search_analyzer": "ik_smart", // 但是搜索时不能用text_anlyzer
        "copy_to": "all"
      },
      "address":{
        "type": "keyword",
        "index": false
      },
      "price":{
        "type": "integer"
      },
      "score":{
        "type": "integer"
      },
      "brand":{
        "type": "keyword",
        "copy_to": "all"
      },
      "city":{
        "type": "keyword"
      },
      "starName":{
        "type": "keyword"
      },
      "business":{
        "type": "keyword",
        "copy_to": "all"
      },
      "location":{
        "type": "geo_point"
      },
      "pic":{
        "type": "keyword",
        "index": false
      },
      "all":{
        "type": "text",
        "analyzer": "text_anlyzer", // 分词器用text_anlyzer
        "search_analyzer": "ik_smart" // 但是搜索时不能用text_anlyzer
      },
      "suggestion":{ // 用于做自动补全的字段
          "type": "completion", // 所以类型定义成completion
          "analyzer": "completion_analyzer" // 使用completion_analyzer分词器
      }
    }
  }
}

这里suggestion是不需要copy_to将普通字段的内容复制到其中的，因为数据和类型都不匹配，completion本质上还是个数组类型，需要我们自己手动导入，下面会介绍。

2.修改HotelDoc实体

HotelDoc中要添加一个字段，对应索引库结构里的suggestion字段，用来做自动补全，内容可以是酒店品牌、城市、商圈等信息。按照自动补全字段的要求，最好是这些字段的数组。

因此我们在HotelDoc中添加一个suggestion字段，因为completion其实是个数组，所以定义其类型为List<String>，然后将brand、city、business(商圈)等现有的信息放到里面。

代码如下：

package cn.itcast.hotel.pojo;

import lombok.Data;
import lombok.NoArgsConstructor;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.Collections;
import java.util.List;

@Data
@NoArgsConstructor
public class HotelDoc {
    private Long id;
    private String name;
    private String address;
    private Integer price;
    private Integer score;
    private String brand;
    private String city;
    private String starName;
    private String business;
    private String location;
    private String pic;
    private Object distance;
    private Boolean isAD;
    private List<String> suggestion;

    public HotelDoc(Hotel hotel) {
        this.id = hotel.getId();
        this.name = hotel.getName();
        this.address = hotel.getAddress();
        this.price = hotel.getPrice();
        this.score = hotel.getScore();
        this.brand = hotel.getBrand();
        this.city = hotel.getCity();
        this.starName = hotel.getStarName();
        this.business = hotel.getBusiness();
        this.location = hotel.getLatitude() + ", " + hotel.getLongitude();
        this.pic = hotel.getPic();
        // 组装suggestion
        if(this.business.contains("/")){
            // business有多个值，需要切割
            String[] arr = this.business.split("/");
            // 添加元素
            this.suggestion = new ArrayList<>();
            this.suggestion.add(this.brand);
            Collections.addAll(this.suggestion, arr);
        }else {
            this.suggestion = Arrays.asList(this.brand, this.business);
        }
    }
}

if(this.business.contains("/"))有这个逻辑是因为有的酒店有多个商圈，比如江湾/五角场商圈，这种应该每个都独立存在，所以需要切割拆分。

3.重新导入

重新执行之前编写的导入数据功能-testBulkRequest，可以看到新的酒店数据中包含了suggestion：

试一下以h开头的自动补全也可以发现补全成功：

4.自动补全查询的JavaAPI

之前我们学习了自动补全查询的DSL，而没有学习对应的JavaAPI，这里给出一个示例：

而自动补全的结果也比较特殊，解析的代码如下：

5.实现搜索框自动补全

查看前端页面，可以发现当我们在输入框键入h时，前端会发起ajax请求：

返回值是补全词条的集合，类型为List<String>

1）在cn.itcast.hotel.web包下的HotelController中添加新接口，接收新的请求：

@GetMapping("suggestion")
public List<String> getSuggestions(@RequestParam("key") String prefix) {
    return hotelService.getSuggestions(prefix);
}

2）在cn.itcast.hotel.service包下的IhotelService中添加方法：

List<String> getSuggestions(String prefix);

3）在cn.itcast.hotel.service.impl.HotelService中实现该方法：

@Override
public List<String> getSuggestions(String prefix) {
    try {
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        request.source().suggest(new SuggestBuilder().addSuggestion(
            "suggestions",
            SuggestBuilders.completionSuggestion("suggestion")
            .prefix(prefix)
            .skipDuplicates(true)
            .size(10)
        ));
        // 3.发起请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.解析结果
        Suggest suggest = response.getSuggest();
        // 4.1.根据补全查询名称，获取补全结果
        CompletionSuggestion suggestions = suggest.getSuggestion("suggestions");
        // 4.2.获取options
        List<CompletionSuggestion.Entry.Option> options = suggestions.getOptions();
        // 4.3.遍历
        List<String> list = new ArrayList<>(options.size());
        for (CompletionSuggestion.Entry.Option option : options) {
            String text = option.getText().toString();
            list.add(text);
        }
        return list;
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}

3.数据同步

elasticsearch中的酒店数据来自于mysql数据库，因此mysql数据发生改变时，elasticsearch也必须跟着改变，以保证搜索数据的准确性和一致性，这个就是elasticsearch与mysql之间的数据同步。

3.1.常见方案及优缺点：同步调用、异步通知、监听binlog

常见的数据同步方案有三种：

• 同步调用
• 异步通知
• 监听binlog

1.同步调用

基本步骤如下：

• hotel-demo对外提供接口，用来修改elasticsearch中的数据
• 酒店管理服务在完成数据库操作后，直接调用hotel-demo提供的接口

2.异步通知

流程如下：

• hotel-admin对mysql数据库数据完成增、删、改后，发送MQ消息
• hotel-demo监听MQ，接收到消息后完成elasticsearch数据修改

3.监听binlog

流程如下：

• 给mysql开启binlog功能
• mysql完成增、删、改操作都会记录在binlog中
• hotel-demo基于canal中间件去监听binlog变化，实时更新elasticsearch中的内容

4.选择总结

方式一：同步调用

• 优点：实现简单，逻辑直接，开发和调试成本较低。
• 缺点：服务间耦合度高，也会导致酒店管理服务接口性能下降。由于在业务流程中需要直接调用第三方服务接口，一旦其中一个服务出现问题，可能会影响整个业务流程的稳定性和可靠性。

方式二：异步通知

• 优点：服务耦合度低。各个服务通过消息队列解耦合，使得系统更加灵活和可维护。实现难度适中，相比于同步调用，多了异步处理的复杂性，但仍在可控范围内。
• 缺点：依赖消息队列的可靠性。如果消息队列出现故障或消息丢失，将影响数据同步的准确性和及时性。

方式三：监听binlog

• 优点：完全解耦服务之间的依赖。由于是直接监听数据库的变更日志，业务服务之间无需直接通信，降低了系统耦合度。
• 缺点：开启 Binlog 功能会增加数据库的负担，尤其是在高并发环境下，可能对性能产生一定影响。实现复杂度较高。需要熟悉 Binlog、Canal 等技术，对系统架构设计和维护的要求较高。

3.2.酒店数据同步案例实现(rabbitmq)

1.思路

利用课前资料提供的hotel-admin项目作为酒店管理的微服务。当酒店数据发生增、删、改时，要求对elasticsearch中数据也要完成相同操作。

步骤：

• 导入课前资料提供的hotel-admin项目，启动并测试酒店数据的CRUD
• 声明exchange、queue、RoutingKey
• 在hotel-admin中的增、删、改业务中完成消息发送
• 在hotel-demo中完成消息监听，并更新elasticsearch中数据
• 启动并测试数据同步功能

2.导入demo

导入课前资料提供的hotel-admin项目：

运行后，访问 http://localhost:8099

其中包含了酒店的CRUD功能：

3.声明交换机、队列

MQ结构如图：

1）引入依赖

在hotel-admin、hotel-demo中引入rabbitmq的依赖：

<!--amqp-->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-amqp</artifactId>
</dependency>

2）声明队列交换机名称

在hotel-admin和hotel-demo中的cn.itcast.hotel.constatnts包下新建一个类MqConstants：

package cn.itcast.hotel.constatnts;

    public class MqConstants {
    /**
     * 交换机
     */
    public final static String HOTEL_EXCHANGE = "hotel.topic";
    /**
     * 监听新增和修改的队列
     */
    public final static String HOTEL_INSERT_QUEUE = "hotel.insert.queue";
    /**
     * 监听删除的队列
     */
    public final static String HOTEL_DELETE_QUEUE = "hotel.delete.queue";
    /**
     * 新增或修改的RoutingKey
     */
    public final static String HOTEL_INSERT_KEY = "hotel.insert";
    /**
     * 删除的RoutingKey
     */
    public final static String HOTEL_DELETE_KEY = "hotel.delete";
}

3）声明队列交换机

在hotel-demo中，定义配置类，声明队列、交换机：

package cn.itcast.hotel.config;

import cn.itcast.hotel.constants.MqConstants;
import org.springframework.amqp.core.Binding;
import org.springframework.amqp.core.BindingBuilder;
import org.springframework.amqp.core.Queue;
import org.springframework.amqp.core.TopicExchange;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class MqConfig {
    @Bean
    public TopicExchange topicExchange(){
        return new TopicExchange(MqConstants.HOTEL_EXCHANGE, true, false);
    }

    @Bean
    public Queue insertQueue(){
        return new Queue(MqConstants.HOTEL_INSERT_QUEUE, true);
    }

    @Bean
    public Queue deleteQueue(){
        return new Queue(MqConstants.HOTEL_DELETE_QUEUE, true);
    }

    @Bean
    public Binding insertQueueBinding(){
        return BindingBuilder.bind(insertQueue()).to(topicExchange()).with(MqConstants.HOTEL_INSERT_KEY);
    }

    @Bean
    public Binding deleteQueueBinding(){
        return BindingBuilder.bind(deleteQueue()).to(topicExchange()).with(MqConstants.HOTEL_DELETE_KEY);
    }
}

4.发送MQ消息

在hotel-admin中的增、删、改业务中分别发送MQ消息：

5.接收MQ消息

hotel-demo接收到MQ消息要做的事情包括：

• 新增消息：根据传递的hotel的id查询hotel信息，然后新增一条数据到索引库
• 删除消息：根据传递的hotel的id删除索引库中的一条数据

1）首先在hotel-demo的cn.itcast.hotel.service包下的IHotelService中新增新增、删除业务

void deleteById(Long id);

void insertById(Long id);

2）给hotel-demo中的cn.itcast.hotel.service.impl包下的HotelService中实现业务：

@Override
public void deleteById(Long id) {
    try {
        // 1.准备Request
        DeleteRequest request = new DeleteRequest("hotel", id.toString());
        // 2.发送请求
        client.delete(request, RequestOptions.DEFAULT);
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}

@Override
public void insertById(Long id) {
    try {
        // 0.根据id查询酒店数据
        Hotel hotel = getById(id);
        // 转换为文档类型
        HotelDoc hotelDoc = new HotelDoc(hotel);

        // 1.准备Request对象
        IndexRequest request = new IndexRequest("hotel").id(hotel.getId().toString());
        // 2.准备Json文档
        request.source(JSON.toJSONString(hotelDoc), XContentType.JSON);
        // 3.发送请求
        client.index(request, RequestOptions.DEFAULT);
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}

3）编写监听器

在hotel-demo中的cn.itcast.hotel.mq包新增一个类：

package cn.itcast.hotel.mq;

import cn.itcast.hotel.constants.MqConstants;
import cn.itcast.hotel.service.IHotelService;
import org.springframework.amqp.rabbit.annotation.RabbitListener;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;

@Component
public class HotelListener {

    @Autowired
    private IHotelService hotelService;

    /**
     * 监听酒店新增或修改的业务
     * @param id 酒店id
     */
    @RabbitListener(queues = MqConstants.HOTEL_INSERT_QUEUE)
    public void listenHotelInsertOrUpdate(Long id){
        hotelService.insertById(id);
    }

    /**
     * 监听酒店删除的业务
     * @param id 酒店id
     */
    @RabbitListener(queues = MqConstants.HOTEL_DELETE_QUEUE)
    public void listenHotelDelete(Long id){
        hotelService.deleteById(id);
    }
}

4.ES集群搭建实战

4.1.单点问题及解决思路

单机的elasticsearch做数据存储，必然面临两个问题：海量数据存储问题、单点故障问题。

• 海量数据存储问题：将索引库从逻辑上拆分为N个分片（shard），存储到多个节点
• 单点故障问题：将分片数据在不同节点备份（replica ）

此处，我们把数据分成3片：shard0、shard1、shard2

• 主分片（Primary shard）：相对于副本分片的定义。
• 副本分片（Replica shard）每个主分片可以有一个或者多个副本，数据和主分片一样。

​
数据备份可以保证高可用，但是每个分片备份一份，所需要的节点数量就会翻一倍，成本实在是太高了！为了在高可用和成本间寻求平衡，我们可以这样做：

• 首先对数据分片，存储到不同节点
• 然后对每个分片进行备份，放到对方节点，完成互相备份

这样可以大大减少所需要的服务节点数量，如图，我们以3分片，每个分片备份一份为例：

现在，每个分片都有1个备份，存储在3个节点：

• node0：保存了分片0和1
• node1：保存了分片0和2
• node2：保存了分片1和2

这种设计是一种工程上的权衡方案，是在一定程度上牺牲了单点服务节点的性能，以减少服务节点的数量，实现高可用和成本之间的平衡。但是，如果性能问题成为瓶颈，就需要结合业务需求，适当扩展集群规模或优化配置。

4.2.搭建ES集群

部署单点es、部署kibana、安装IK分词器不再赘述，之前的文章中有介绍。

我们会在单机上利用docker容器运行多个es实例来模拟es集群。不过生产环境推荐大家每一台服务节点仅部署一个es的实例。部署es集群可以直接使用docker-compose来完成，但这要求你的Linux虚拟机至少有4G的内存空间。

1.创建es集群

首先编写一个docker-compose文件，内容如下：

version: '2.2'
services:
  es01:
    image: elasticsearch:7.12.1
    container_name: es01
    environment:
      - node.name=es01
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es02,es03
      - cluster.initial_master_nodes=es01,es02,es03
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    volumes:
      - data01:/usr/share/elasticsearch/data
    ports:
      - 9200:9200
    networks:
      - elastic
  es02:
    image: elasticsearch:7.12.1
    container_name: es02
    environment:
      - node.name=es02
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es01,es03
      - cluster.initial_master_nodes=es01,es02,es03
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    volumes:
      - data02:/usr/share/elasticsearch/data
    ports:
      - 9201:9200
    networks:
      - elastic
  es03:
    image: elasticsearch:7.12.1
    container_name: es03
    environment:
      - node.name=es03
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es01,es02
      - cluster.initial_master_nodes=es01,es02,es03
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    volumes:
      - data03:/usr/share/elasticsearch/data
    networks:
      - elastic
    ports:
      - 9202:9200
volumes:
  data01:
    driver: local
  data02:
    driver: local
  data03:
    driver: local

networks:
  elastic:
    driver: bridge

粗略介绍一下这个compose文件的逻辑。docker-compose是在一个文本文件里去描述多个容器的部署方式，从而完成一键部署的效果。
我们在这里部署了三个es节点：es01、es02、es03，它们的写法基本上一致。
首先镜像：image: elasticsearch:7.12.1，都是选用这个。
容器名称：container_name: es01
环境变量：environment:
节点名称：- node.name=es01，在Es里每个节点都要有自己名称且不能重复，这里方便记忆也采用了跟容器一样的名字，但是不是必须一致
集群名称：- cluster.name=es-docker-cluster，必须一致，es天然支持集群，只需要让他们的集群名称一样就行，es就会自动把它们组装成一个集群
- discovery.seed_hosts=es02,es03，指定集群中另外两个节点的ip地址，这里docker互联可以直接用容器名替代。
初始化主节点：- cluster.initial_master_nodes=es01,es02,es03，集群有主从之分，配置为主节点的节点则可以参与选举，成为主节点(注意不是主副结点，厘清区别)
- "ES_JAVA_OPTS=-Xms512m -Xmx512m"配置JVM堆内存大小
数据卷：volumes:
端口映射：ports:，这里三个节点需要不同的端口避免冲突，容器内倒是可以都用9200因为它们都是独立的

es运行需要修改一些linux系统权限，修改/etc/sysctl.conf文件

vi /etc/sysctl.conf

添加下面的内容：

vm.max_map_count=262144

然后执行命令，让配置生效：

sysctl -p

通过docker-compose启动集群：

docker-compose up -d

2.集群状态监控

kibana可以监控es集群，但是它默认只能连到一个结点上，切换比较麻烦，新版本集群需要依赖es的x-pack 功能，配置比较复杂。这里推荐使用cerebro来监控es集群状态，官方网址

课前资料已经提供了安装包。解压即可使用，非常方便。

解压好的目录如下：

进入对应的bin目录，双击其中的cerebro.bat文件即可启动服务。

访问http://localhost:9000 即可进入管理界面：

输入你的elasticsearch的任意节点的地址和端口，点击connect即可：

这里最上方绿色条代表当前集群的状态是健康的。
这里显示了三个节点信息，包含内存占用、磁盘空间、cpu情况等待。
实心的五角星代表这个结点为主节点，第二和第三个是空心五角星代表是候选结点，即它们可以参与选举但目前不是主节点。

3.创建索引库

有两种方式：

1）利用kibana的DevTools创建索引库

在DevTools中输入指令，在创建索引库的时候在settings里去配置：

PUT /itcast
{
  "settings": {
    "number_of_shards": 3, // 分片数量
    "number_of_replicas": 1 // 副本数量
  },
  "mappings": {
    "properties": {
      // mapping映射定义 ...
    }
  }
}

2）利用cerebro创建索引库

利用cerebro还可以创建索引库：

填写索引库信息，指定索引库名称、分片数量、备份数量：

点击右下角的create按钮：

4.查看分片效果

回到首页，即可查看索引库分片效果：

4.3.集群脑裂问题

1.集群职责划分

elasticsearch中集群节点有不同的职责划分：

默认情况下，集群中的任何一个节点都同时具备上述四种角色。但是真实的集群一定要将集群职责分离：

• master节点：对CPU要求高，但是内存要求低
• data节点：对CPU和内存要求都高
• coordinating节点：对网络带宽、CPU要求高

职责分离可以让我们根据不同节点的需求分配不同的硬件去部署。而且避免业务之间的互相干扰。一个典型的es集群职责划分如图：

LB：负载均衡器，比如nginx
coordinating：协调结点，将请求路由到数据结点data
master-eligible：候选主节点

2.脑裂问题

脑裂是因为集群中的节点失联导致的。例如一个集群中，主节点与其它节点失联：

此时，node2和node3认为node1宕机，就会重新选主：

当node3当选后，集群继续对外提供服务，node2和node3自成集群，node1自成集群，两个集群数据不同步，出现数据差异。

当网络恢复后，因为集群中有两个master节点，集群状态的不一致，出现脑裂的情况：

解决脑裂的方案是，要求选票超过 ( eligible节点数量 + 1 ）/ 2 才能当选为主，因此eligible节点数量最好是奇数。对应配置项是discovery.zen.minimum_master_nodes，在es7.0以后，已经成为默认配置，因此一般不会发生脑裂问题

例如：3个节点形成的集群，选票必须超过 （3 + 1） / 2 ，也就是2票。node3得到node2和node3的选票，当选为主。node1只有自己1票，没有当选。集群中依然只有1个主节点，没有出现脑裂。

小结 ：master eligible节点的作用是什么？

• 参与集群选主
• 主节点可以管理集群状态、管理分片信息、处理创建和删除索引库的请求

data节点的作用是什么？

• 数据的CRUD

coordinator节点的作用是什么？

• 路由请求到其它节点
• 合并查询到的结果，返回给用户

4.4.集群分布式存储流程

当新增文档时，应该保存到不同分片，保证数据均衡，那么coordinating node如何确定数据该存储到哪个分片呢？

1.分片存储测试

插入三条数据：

测试可以看到，三条数据分别在不同分片：

2.分片存储原理

elasticsearch会通过hash算法来计算文档应该存储到哪个分片：

说明：

• _routing默认是文档的id
• 算法与分片数量有关，因此索引库一旦创建，分片数量不能修改！

新增文档的流程如下：

解读：

• 1）新增一个id=1的文档
• 2）对id做hash运算，假如得到的是2，则应该存储到shard-2
• 3）shard-2的主分片在node3节点，将数据路由到node3
• 4）保存文档
• 5）同步给shard-2的副本replica-2，在node2节点
• 6）返回结果给coordinating-node节点

4.5.集群分布式查询流程

elasticsearch的查询分成两个阶段：

• scatter phase：分散阶段，coordinating node会把请求分发到每一个分片
• gather phase：聚集阶段，coordinating node汇总data node的搜索结果，并处理为最终结果集返回给用户

4.6.集群故障转移流程

集群的master节点会监控集群中的节点状态，如果发现有节点宕机，会立即将宕机节点的分片数据迁移到其它节点，确保数据安全，这个叫做故障转移。

1）例如一个集群结构如图：

现在，node1是主节点，其它两个节点是从节点。

2）突然，node1发生了故障：

宕机后的第一件事，需要重新选主，例如选中了node2：

node2成为主节点后，会检测集群监控状态，发现：shard-1、shard-0没有副本节点。因此需要将node1上的数据迁移到node2、node3：