1.ElasticSearch概念

官网介绍：https://www.elastic.co/cn/what-is/elasticsearch/

官网学习文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html

1.1.ElasticSearch与MySQL的比较

• MySQL有事务性,而ElasticSearch没有事务性,所以你删了的数据是无法恢复的。
• ElasticSearch没有物理外键这个特性，如果你的数据强一致性要求比较高,还是建议慎用
• ElasticSearch和MySql分工不同， MySQL负责存储数据， ElasticSearch负责搜索数据

1.2.为什么要使用Elasticsearch?

因为在我们商城中的数据，将来会非常多，所以采用以往的模糊查询，模糊查询前置配置，会丢弃索引，导致商品查询是全表扫描，在百万级别的数据库中，效率非常低下，而我们使用ES做一个全文索引，我们将经常查询的商品的某些字段，比如说商品名，描述、价格还有id这些字段我们放入我们索引库里，可以提高查询速度。

1.3.ES中核心概念

1.4.倒排索引机制

倒排索引：将各个文档中的内容，进行分词，形成词条。然后记录词条和数据的唯一标识（id）的对应关系，形成的产物 。

倒排索引是搜索引擎的核心。搜索引擎的主要目标是在查找发生搜索条件的文档时提供快速搜索。倒排索引是一种像数据结构一样的散列图，可将用户从单词导向文档或网页。它是搜索引擎的核心。其主要目标是快速搜索从数百万文件中查找数据。

1.5.ElasticSearch数据的存储和搜索原理

2.Docker安装

Support Matrix：https://www.elastic.co/cn/support/matrix#matrix_compatibility

• Elasticsearch 7.10.1 存储和检索数据
• Kibana 7.10.1 可视化检索数据

2.1.下载镜像文件

docker pull elasticsearch:7.10.1 #存储和检索数据
docker pull kibana:7.10.1 #可视化检索数据

2.2.创建实例

2.2.1.ElasticSearch

# 查看虚拟机内存，建议调整到 4096m
free -mmkdir -p /mydata/elasticsearch/config
mkdir -p /mydata/elasticsearch/data
mkdir -p /mydata/elasticsearch/plugins# 修改文件夹权限
chmod -R 777 /mydata/elasticsearch/echo "http.host: 0.0.0.0">>/mydata/elasticsearch/config/elasticsearch.yml# 9200 http请求端口，9300 集群节点之间通信端口
docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \
--restart=always \
-e "discovery.type=single-node" \
-e ES_JAVA_OPTS="-Xms1024m -Xmx1024m" \
-v 
/mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/el
asticsearch.yml \
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
-v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
-d elasticsearch:7.10.1# 查看容器启动日志
docker logs elasticsearch # 容器名或容器id都可以

访问：http://192.168.139.10:9200

查看es所有节点：http://192.168.229.116:9200/_cat/nodes

2.2.2.Kibana

# 注意：http://192.168.139.10:9200 为es的http访问地址
docker run --name kibana \
--restart=always \
-e ELASTICSEARCH_HOSTS=http://192.168.139.10:9200 \
-p 5601:5601 \
-d kibana:7.10.1

访问：http://192.168.139.10:5601

点击 Explore on my own

2.3.安装Nginx

2.3.1.复制配置

启动一个Nginx实例，复制出配置

docker run -p 80:80 --name nginx -d nginx:1.18.0

将容器内的配置文件拷贝到当前目录

cd /mydata
mkdir nginx
docker container cp nginx:/etc/nginx .

停止并删除容器

docker stop nginx
docker rm nginx

修改文件名称

mv nginx conf

mkdir nginx

mv conf/ nginx/

2.3.2. 创建实例

docker run -p 80:80 --name nginx \
--restart=always \
-v /mydata/nginx/html:/usr/share/nginx/html \
-v /mydata/nginx/logs:/var/log/nginx \
-v /mydata/nginx/conf:/etc/nginx \
-d nginx:1.18.0

2.3.3.访问测试

cd /mydata/nginx/htmlvim index.html
<h1>com.atguigu.gmall<h1>

访问：http://192.168.139.10

3.文本分词

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）。

官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-standard-tokenizer.html

3.1.安装ik分词器

GitHub：https://github.com/medcl/elasticsearch-analysis-ik

注意：ik分词器的版本一定要对应es版本安装

https://github.com/medcl/elasticsearch-analysis-ik/releases/tag/v7.10.1

# 进入 plugins 目录
cd /mydata/elasticsearch/plugins# 下载
wget https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.10.1/elasticsearch-analysis-ik-7.10.1.zip# 解压
unzip elasticsearch-analysis-ik-7.10.1.zip -d ik# 删除zip文件
rm -rf *.zip# 修改ik文件夹权限
chmod -R 777 ik/# 确认是否安装好了分词器，进入容器bin目录
docker exec -it elasticsearch /bin/bash
cd bin
# 列出系统的分词器
elasticsearch-plugin list
ik# 重启容器
docker restart elasticsearch

3.2.测试分词器:

使用默认

GET _analyze
{"text":"我是中国人"
}

使用分词器 ik_smart

GET _analyze
{"analyzer":"ik_smart","text":"我是中国人"
}

另一个分词器 ik_max_word

GET _analyze
{"analyzer":"ik_max_word","text":"我是中国人"
}

3.3.自定义词库

配置远程词库，在nginx的 html 目录下新创建自定义词库

# 在html目录下创建es文件夹
mkdir es
# 创建新的分词并保存
vim participle.txt
尚硅谷
谷粒商城

修改 /mydata/elasticsearch/plugins/ik/config/ 中的 IKAnalyzer.cfg.xml

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "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 -><entry key="ext_dict"></entry><!-- 用户可以在这里配置自己的扩展停止词字典-><entry key="ext_stopwords"></entry><!-- 用户可以在这里配置远程扩展字典，这里使用的是nginx来访问 -><entry key="remote_ext_dict">http://192.168.139.10/es/participle.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>

重启elasticsearch容器

docker restart elasticsearch

3.4.测试自定义词库

更新词库完成后，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

4.创建检索服务模块

4.1ElasticSearch-Rest-Client

1）9300：TCP

spring-data-elasticsearch:transport-api.jar

• Spring Boot 版本不同，transport-api.jar不同，不能适配 elasticsearch 版本
• 官方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，很麻烦
• HttpClient/OkHttp：模拟发HTTP请求，ES很多操作需要自己封装，很麻烦
• ElasticSearch-Rest-Client：官方RestClient，封装了ES操作，API层次分明，上手简单

官方文档：https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/index.html

4.2.创建检索服务模块

4.2.1.新建Module gmall-search

1）聚合模块

<modules><module>gmall-search</module>
</modules>

2）导入版本依赖

<properties><elasticsearch.version>7.10.1</elasticsearch.version>
</properties>
<dependency><groupId>com.atguigu.gmall</groupId><artifactId>gmall-common</artifactId><version>0.0.1-SNAPSHOT</version><exclusions><exclusion><groupId>com.baomidou</groupId><artifactId>mybatis-plus-boot-starter</artifactId></exclusion><exclusion><groupId>mysql</groupId><artifactId>mysql-connector-java</artifactId></exclusion></exclusions>
</dependency>
<dependency><groupId>org.elasticsearch.client</groupId><artifactId>elasticsearch-rest-high-level-client</artifactId><version>${elasticsearch.version}</version>
</dependency>

3）加入到Nacos注册中心和配置中心

application.yml

server:port: 20000
spring:application:name: gmall-searchcloud:nacos:discovery:server-addr: 192.168.139.10:8848namespace: 36854647-e68c-409b-9233-708a2d41702c

bootstrap.properties

spring.application.name=gmall-search
spring.cloud.nacos.config.server-addr=192.168.139.10:8848
spring.cloud.nacos.config.namespace=873d6587-5969-47dd-accb-a4d33a13817d
spring.cloud.nacos.config.group=dev

4）网关路由配置

spring:cloud:gateway:routes:- id: search_routeuri: lb://gmall-searchpredicates:- Path=/api/search/**filters:- RewritePath=/api/(?<segment>.*), /$\{segment}

4.2.3.配置ElasticSearch

编写ElasticSearch配置类 ElasticSearchConfig

package com.atguigu.gmall.search.config;import org.apache.http.HttpHost;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;/*** ElasticSearch 配置类 {@link ElasticSearchConfig}*  * @author zhangwen* @email: 1466787185@qq.com*/
@Configuration
public class ElasticSearchConfig {public static final RequestOptions COMMON_OPTIONS;/*** https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/java-rest-low-usage-requests.html#java-rest-low-usage-request-options*/static {RequestOptions.Builder builder = RequestOptions.DEFAULT.toBuilder();COMMON_OPTIONS = builder.build();}@Beanpublic RestHighLevelClient restHighLevelClient () {RestHighLevelClient restHighLevelClient = new RestHighLevelClient(RestClient.builder(// es集群模式下，可以指定多个 HttpHostnew HttpHost("192.168.139.10", 9200, "http")));return restHighLevelClient;}
}

# 5.商品上架到ES

• 上架的商品才可以在网站展示

• 上架的商品可以被检索
  
  
  
  

5.1.API

POST /product/spuinfo/{spuId}/up

5.2.后台接口实现

SpuInfoController

/*** 商品上架* @param spuId* @return*/@PostMapping("/{spuId}/up")public R spuUp(@PathVariable("spuId") Long spuId) {spuInfoService.up(spuId);return R.ok();}

SpuInfoServiceImpl

/*** 商品上架* @param spuId*/
@Override
public void up(Long spuId) {// 组装数据// 查询当前sku的所有可以被用来检索规格属性List<ProductAttrValueEntity> baseAttrs = productAttrValueService.listBaseAttrForSpu(spuId);List<Long> attrIds = baseAttrs.stream().map(ProductAttrValueEntity::getAttrId).collect(Collectors.toList());// 在指定的属性集合里面，查找出能够被检索的属性List<Long> searchAttrIds = attrService.selectSearchAttrIds(attrIds);Set<Long> idSet = new HashSet<>(searchAttrIds);List<SkuEsModel.Attrs> attrsList = baseAttrs.stream().filter(attr -> {return idSet.contains(attr.getAttrId());}).map(attr -> {SkuEsModel.Attrs attrs = new SkuEsModel.Attrs();BeanUtils.copyProperties(attr, attrs);return attrs;}).collect(Collectors.toList());// 查询出当前spuId对应的所有sku信息List<SkuInfoEntity> skus = skuInfoService.getSkusBySpuId(spuId);// 发送远程调用，库存系统查询是否有库存List<Long> skuIds =skus.stream().map(SkuInfoEntity::getSkuId).collect(Collectors.toList());Map<Long, Boolean> stockMap = null;try {List<SkuHasStockTO> tos = wareFeignService.getSkuHasStock(skuIds);stockMap = tos.stream().collect(Collectors.toMap(SkuHasStockTO::getSkuId, value ->value.getHasStock()));} catch (Exception e) {log.error("调用远程库存服务 gmall-ware 查询异常：{}", e);}// 封装每个sku的信息Map<Long, Boolean> finalStockMap = stockMap;List<SkuEsModel> skuEsModelList = skus.stream().map(skuInfoEntity -> {SkuEsModel skuEsModel = new SkuEsModel();BeanUtils.copyProperties(skuInfoEntity, skuEsModel);skuEsModel.setSkuPrice(skuInfoEntity.getPrice());skuEsModel.setSkuImg(skuInfoEntity.getSkuDefaultImg());// 远程调用异常，默认设置有库存if (finalStockMap == null) {skuEsModel.setHasStock(true);} else {skuEsModel.setHasStock(finalStockMap.get(skuInfoEntity.getSkuId()));}// TODO 热度评分（应该设计为后台可控的复杂操作）skuEsModel.setHotScore(0L);BrandEntity brandEntity = brandService.getById(skuEsModel.getBrandId());skuEsModel.setBrandName(brandEntity.getName());skuEsModel.setBrandImg(brandEntity.getLogo());CategoryEntity categoryEntity = categoryService.getById(skuEsModel.getCatalogId());skuEsModel.setCatalogName(categoryEntity.getName());// 设置检索属性skuEsModel.setAttrs(attrsList);return skuEsModel;}).collect(Collectors.toList());// 将数据发送给 ES保存R r = searchFeignService.productUp(skuEsModelList);if (r.getCode() == 0) {// 远程调用成功// 更新spu状态为已上架状态baseMapper.updateSpuStatus(spuId, ProductConstant.StatusEnum.SPU_UP.getCode());} else {// 远程调用失败// TODO 重试机制？接口幂等性？}}

5.3.远程接口

5.3.1.查询sku是否有库存

WareFeignService

package com.atguigu.gmall.product.feign;import com.atguigu.common.to.SkuHasStockTO;
import org.springframework.cloud.openfeign.FeignClient;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestBody;import java.util.List;/*** Ware 仓储服务远程接口 {@link WareFeignService}** @author zhangwen* @email: 1466787185@qq.com*/
@FeignClient("gmall-ware")
public interface WareFeignService {/*** 查询sku是否有库存* @param skuIds* @return*/@PostMapping("/ware/waresku/hasstock")List<SkuHasStockTO> getSkuHasStock(@RequestBody List<Long> skuIds);
}

远程接口实现

WareSkuController

 /*** 查询sku是否有库存* @param skuIds* @return*/@PostMapping("/hasstock")public List<SkuHasStockTO> getSkuHasStock(@RequestBody List<Long> skuIds) {List<SkuHasStockTO> tos = wareSkuService.getSkuHasStock(skuIds);return tos;}

WareSkuServiceImpl

/*** 查询sku是否有库存* @param skuIds* @return*/
@Override
public List<SkuHasStockTO> getSkuHasStock(List<Long> skuIds) {List<SkuHasStockTO> tos = skuIds.stream().map(skuId -> {SkuHasStockTO to = new SkuHasStockTO();to.setSkuId(skuId);// 查询当前sku的库存量long count = baseMapper.getSkuStock(skuId);to.setHasStock(count > 0);return to;}).collect(Collectors.toList());return tos;
}

5.3.2.商品上架到ES库

SearchFeignService

package com.atguigu.gmall.product.feign;import com.atguigu.common.to.es.SkuEsModel;
import com.atguigu.common.utils.R;
import org.springframework.cloud.openfeign.FeignClient;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestBody;import java.util.List;/*** Search 检索远程服务接口 {@link SearchFeignService}** @author zhangwen* @email: 1466787185@qq.com*/
@FeignClient("gmall-search")
public interface SearchFeignService {/*** 商品上架* @param skuEsModelList* @return*/@PostMapping("/search/save/product")R productUp(@RequestBody List<SkuEsModel> skuEsModelList);
}

远程接口实现

ElasticSaveController

package com.atguigu.gmall.search.controller;import com.atguigu.common.exception.BizCode;
import com.atguigu.common.to.es.SkuEsModel;
import com.atguigu.common.utils.R;
import com.atguigu.gmall.search.service.ProductServcie;
import lombok.extern.slf4j.Slf4j;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestBody;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;import java.io.IOException;
import java.util.List;/*** ElasticSearch 存储 {@link ElasticSaveController}** @author zhangwen* @email: 1466787185@qq.com*/
@Slf4j
@RequestMapping("/search/save")
@RestController
public class ElasticSaveController {@Autowiredprivate ProductServcie productServcie;/*** 商品上架* @param skuEsModelList* @return*/@PostMapping("/product")public R productUp(@RequestBody List<SkuEsModel> skuEsModelList) {boolean flag = false;try {// 返回 false，说明商品上架没有异常flag = productServcie.productUp(skuEsModelList);} catch (IOException e) {log.error("ElasticSaveController商品上架错误：{}", e);return R.error(BizCode.PRODUCT_UP_EXCEPTION.getCode(), BizCode.PRODUCT_UP_EXCEPTION.getMessage());}if (!flag) {return R.ok();} else {return R.error(BizCode.PRODUCT_UP_EXCEPTION.getCode(), BizCode.PRODUCT_UP_EXCEPTION.getMessage());}}
}

ProductServiceImpl

package com.atguigu.gmall.search.service.impl;import com.atguigu.common.to.es.SkuEsModel;
import com.atguigu.gmall.search.config.ElasticSearchConfig;
import com.atguigu.gmall.search.service.ProductServcie;
import io.micrometer.core.instrument.util.JsonUtils;
import lombok.extern.slf4j.Slf4j;
import org.elasticsearch.action.bulk.BulkItemResponse;
import org.elasticsearch.action.bulk.BulkRequest;
import org.elasticsearch.action.bulk.BulkResponse;
import org.elasticsearch.action.index.IndexRequest;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.common.xcontent.XContentType;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;import java.io.IOException;
import java.util.Arrays;
import java.util.List;
import java.util.stream.Collectors;/*** 商品服务 {@link ProductServiceImpl}** @author zhangwen* @email: 1466787185@qq.com*/
@Slf4j
@Service
public class ProductServiceImpl implements ProductServcie {@Autowiredprivate RestHighLevelClient restHighLevelClient;/*** 商品上架* @param skuEsModelList*/@Overridepublic boolean productUp(List<SkuEsModel> skuEsModelList) throws IOException {// 给 es 中建立索引，并建立好映射关系// ES批量保存BulkRequest bulkRequest = new BulkRequest();skuEsModelList.forEach(skuEsModel -> {// 指定索引IndexRequest indexRequest = new IndexRequest(EsConstant.PRODUCT_INDEX);// 指定索引idindexRequest.id(skuEsModel.getSkuId().toString());// 转换为jsonString jsonString = JsonUtils.objectToJson(skuEsModel);// 设置数据indexRequest.source(jsonString, XContentType.JSON);bulkRequest.add(indexRequest);});BulkResponse bulk = restHighLevelClient.bulk(bulkRequest, ElasticSearchConfig.COMMON_OPTIONS);// TODO 处理批量保存错误// true 有错误，false 没有错误boolean b = bulk.hasFailures();// 记录日志List<String> collect = Arrays.stream(bulk.getItems()).map(BulkItemResponse::getId).collect(Collectors.toList());log.info("商品上架：{}", collect);return b;}
}

5.4.ES库查询

在Kibana中查询商品是否成功入库