共计 5577 个字符，预计需要花费 14 分钟才能阅读完成。
摘要：本文所讲述的内容，为 ElasticSearch（以下简称 ES）全文搜索引擎在实际大数据项目的应用；ES 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。ES 是 Lucene 的封装，Java 开发，提供了 REST API 的操作接口，开箱即用，是目前全文搜索的首选；
本文的使用项目为基于 Spring Boot 的快速开发环境搭建的项目框架，使用 Spring Cloud 作为服务治理的框架；集成 ES 的过程中，考虑过使用 Spring Data 的方式集成，进行数据的对接，后面通过多方面的调研和学习讨论，最终确定了 bboss 的集成方案，一个 高性能 elasticsearch ORM 开发库使用介绍，在这里特别感谢 bboss 的作者大河和他的团队提供的帮助；
一、ES 基础
网上关于 ES 的介绍已经特别多，这里将不再进行详细介绍，只是针对几个重点进行说明；
1、Index（索引）– 可以理解为关系型数据库中的 数据库的概念
一个索引就是含有某些相似特性的文档的集合。例如，你可以有一个用户数据的索引，一个产品目录的索引，还有其他的有规则数据的索引。一个索引被一个名称 (必须都是小写) 唯一标识，并且这个名称被用于索引通过文档去执行索引，搜索，更新和删除操作。
2、Type（类型）– 可以理解为关系型数据库中的 表的概念（6.2 版本中一个 index 下只有一个 Type）
3、Document（文档）– 可以理解为关系型数据库中表的 ROW
一个文档是一个可被索引的数据的基础单元。例如，你可以给一个单独的用户创建一个文档，给单个产品创建一个文档，以及其他的单独的规则。这个文档用 JSON 格式表现，JSON 是一种普遍的网络数据交换格式。
4、Field（字段）– 相当于表中的 COLUMN
5、在一个关系型数据库里面，schema 定义了表、每个表的字段，还有表和字段之间的关系。与之对应的，在 ES 中：Mapping 定义索引下的 Type 的字段处理规则，即索引如何建立、索引类型、是否保存原始索引 JSON 文档、是否压缩原始 JSON 文档、是否需要分词处理、如何进行分词处理等。
6、ELK 是什么？
ELK=elasticsearch+Logstash+kibana
elasticsearch：后台分布式存储以及全文检索
logstash: 日志加工、“搬运工”
kibana：数据可视化展示。特别是在 DSL 的学习过程中，相当于数据库的可视化工具，实时交互操作。
ELK 架构为数据分布式存储、可视化查询和日志解析创建了一个功能强大的管理链。三者相互配合，取长补短，共同完成分布式大数据处理工作。
二、ES 能解决什么样的问题？
实际项目开发实战中，几乎每个系统都会有一个搜索的功能，当搜索做到一定程度时，维护和扩展起来难度就会慢慢变大，所以很多公司都会把搜索单独独立出一个模块，用 ElasticSearch 等来实现。近年 ElasticSearch 发展迅猛，已经超越了其最初的纯搜索引擎的角色，现在已经增加了数据聚合分析（aggregation）和可视化的特性，如果你有数百万的文档需要通过关键词进行定位时，ElasticSearch 肯定是最佳选择。当然，如果你的文档是 JSON 的，你也可以把 ElasticSearch 当作一种“NoSQL 数据库”，应用 ElasticSearch 数据聚合分析（aggregation）的特性，针对数据进行多维度的分析。
而在本文的项目中，舆情监测部分，搜索功能将是该模块的核心功能；包括条件检索，中文分词，全文搜索等功能，而 BBOSS 对于该部分功能的实现，提供了极大的便利；
三、ES 环境搭建和在项目中的应用
1、ES 集群搭建，关于 ES 集群的搭建，这里不再单独介绍，推荐的博客特别多。但有一点要注意，就是不同版本的 ES 对于功能的支持会有一些区别，要注意；
2、ES 的查询语法；项目集成 BBOSS 后，比较类似 Mybatis 框架，直接完成 DSL 语句的编写放入 XML，通过对应的 DAO 方法调用即可，所以 ES 的查询语法是 ES 学习的重点，也是 ES 进阶的重点，不同的需求对于 DSL 的查询复杂度不一，可以通过 ES 的中文官方网站进行阅读学习，并在自身搭建的 ES 集群提供的 kibana 中进行操作，ES 权威中文指南
3、项目集成 bboss
第一步、maven 引入包
<dependency>
<groupId>com.bbossgroups.plugins</groupId>
<artifactId>bboss-elasticsearch-rest</artifactId>
<version>5.0.6.3</version>
</dependency>
第二步、bboss elasticsearch 配置
运行 bboss es 需要三个配置文件，放到资源目录（resources）的 conf 目录下即可：
conf/elasticsearch.xml es 客户端配置文件
conf/httpclient.xml es http 连接池配置文件
conf/elasticsearch.properties es 参数配置文件，在上面的两个 xml 文件中引用，所以我们只需要修改 elasticsearch.properties 即可。
第三步、配置 ES 查询 DSL
在 resources 下创建配置文件 estrace/xxx.xml，配置一个 query dsl 脚本，名称为 queryServiceByCondition，我们将在后面的 ClientInterface 组件中通过 queryServiceByCondition 引用这个脚本，定义脚本内容；
加载 query dsl 文件, 并执行查询操作
@Override
public String searchInfo(JSONObject jsonObject) {
Map<String, Object> params = formatParams(jsonObject);
JSONObject result = new JSONObject();
// 创建加载配置文件的客户端工具，用来检索文档，单实例多线程安全
ClientInterface clientUtil = ElasticSearchHelper.getConfigRestClientUtil(“esmapper/opinion.xml”);
ESDatas<OpinionInfo> esDatas = clientUtil.searchList(“act_yq_info_summary/_search”,//act_yq_info_summary 为索引名称，search 为操作的 action
“searchOpinionInfo”,//esmapper/opinion.xml 中定义的 dsl 语句
params, OpinionInfo.class);
result.put(“esDatas”, esDatas);
return JSONObject.toJSONString(result);
}
关于 BBOSS 语法的具体学习，可以移步到 高性能 elasticsearch ORM 开发库使用介绍，或者入 QQ 群 166471282
4、提供一个 mapping 设置和 dsl 的示例，仅供参考；
PUT /act_yq_info_summary/
{
“settings”:{
“number_of_shards”:6,
“index.refresh_interval”: “5s”,
“analysis” : {
“analyzer” : {
“ik” : {
“tokenizer” : “ik_max_word”
}
}
}
},
“mappings”:{
“articles”:{
“dynamic_date_formats”:[
“yyyy-MM-dd HH:mm:ss”,
“yyyyMMdd”,
“yyyy-MM-dd”
],
“dynamic”:”false”,
“properties”:{
“infoUid”:{
“type”:”text”
},
“compareId”:{
“type”:”text”
},
“plats”:{
“type”:”keyword”
},
“keyWords”:{
“type”:”keyword”
},
“infoTitle”:{
“type”:”text”,
“store”:true,
“analyzer” : “ik_max_word”
},
“infoDetail”:{
“type”:”text”,
“store”:true,
“analyzer” : “ik_max_word”
},
“infoUrl”:{
“type”:”text”
},
“pubTime”:{
“type”:”date”,
“format”:”yyyy-MM-dd HH:mm:ss”
},
“platsType”:{
“type”:”keyword”
},
“mlEmotion”:{
“type”:”keyword”
},
“userEmotion”:{
“type”:”keyword”
}
}
}
}
}
查询的 DSL
GET act_yq_info_summary/_search
{
“query”: {
“bool”: {
“must”: [{
“bool”: {
“should”: [{
“match”: {
“infoDetail”: “ 乔军 ”
}
},
{
“match”: {
“infoTitle”: “ 乔军 ”
}
}
]
}
},
{
“terms”: {
“userEmotion”: [“pos”, “neg”, “neu”]
}
}
],
“filter”: {
“bool”: {
“must”: [{
“terms”: {
“plats”: [“jingdong”, “toutiao_news”, “toutiao_ans”, “sina_blog”, “sina_com”, “bd_news”, “bd_konws”, “bd_tieba”, “zhihu_ques”, “zhihu_ans”]
}
},
{
“range”: {
“pubTime”: {
“gte”: “2016-05-01 00:00:00”,
“lte”: “2018-05-07 23:59:59”
}
}
},
{
“terms”: {
“keyWords”: [“ 蓝月亮湖南卫视中秋晚会 ”, “ 蓝月亮央视中秋晚会 ”, “ 蓝月亮旋风孝子 ”]
}
}
]
}
}
}
},
“highlight”: {
“fields”: [{
“infoTitle”: {}
},
{
“infoDetail”: {}
}
]
},
“from”: 0,
“size”: 10,
“sort”: [{
“_score”: {
“order”: “desc”
}
},
{
“pubTime”: {
“order”: “desc”
}
}
]
}
5、关于分词器，这里还是推荐 IK 分词吧，IK 分词可以设置 ik_smart 或者 ik_max_word，这里不做详解，推荐使用 ik_max_word
写在最后的话，ES 是一个非常强大的搜索引擎，要入门不是很难，但是要精通查询，查询优化，最大程度的搜索最想要的结果是有很多优化的余地的，包括评分机制，包括新版本提供的聚合功能等，只能说，加油学习吧
：
