写点什么

大数据 ELK(十四):Elasticsearch 编程(基本操作)

作者:Lansonli
  • 2022 年 10 月 06 日
    广东
  • 本文字数:12139 字

    阅读完需:约 40 分钟

大数据ELK(十四):Elasticsearch编程(基本操作)

基本操作

一、根据 ID 检索指定职位数据

1、实现步骤


  • 构建 GetRequest 请求。

  • 使用 RestHighLevelClient.get 发送 GetRequest 请求,并获取到 ES 服务器的响应。

  • 将 ES 响应的数据转换为 JSON 字符串

  • 并使用 FastJSON 将 JSON 字符串转换为 JobDetail 类对象

  • 记得:单独设置 ID


参考代码:


@Overridepublic JobDetail findById(long id) throws IOException {    // 1. 构建GetRequest请求。    GetRequest getRequest = new GetRequest(JOB_IDX_NAME, id + "");
// 2. 使用RestHighLevelClient.get发送GetRequest请求,并获取到ES服务器的响应。 GetResponse response = restHighLevelClient.get(getRequest, RequestOptions.DEFAULT);
// 3. 将ES响应的数据转换为JSON字符串 String json = response.getSourceAsString();
// 4. 并使用FastJSON将JSON字符串转换为JobDetail类对象 JobDetail jobDetail = JSONObject.parseObject(json, JobDetail.class);
// 5. 设置ID字段 jobDetail.setId(id);
return jobDetail;
}
复制代码

2、编写测试用例

参考代码:


@Testpublic void findByIdTest() throws IOException {    JobDetail jobDetail = jobFullTextService.findById(1);    System.out.println(jobDetail);}
复制代码

二、修改职位

1、实现步骤

  • 判断对应 ID 的文档是否存在

  • 构建 GetRequest

  • 执行 client 的 exists 方法,发起请求,判断是否存在

  • 构建 UpdateRequest 请求

  • 设置 UpdateRequest 的文档,并配置为 JSON 格式

  • 执行 client 发起 update 请求


参考代码:


@Overridepublic void update(JobDetail jobDetail) throws IOException {    // 1. 判断对应ID的文档是否存在    // a) 构建GetRequest    GetRequest getRequest = new GetRequest(JOB_IDX_NAME, jobDetail.getId() + "");
// b) 执行client的exists方法,发起请求,判断是否存在 boolean exists = restHighLevelClient.exists(getRequest, RequestOptions.DEFAULT);
if(!exists) return;
// 2. 构建UpdateRequest请求 UpdateRequest updateRequest = new UpdateRequest(JOB_IDX_NAME, jobDetail.getId() + "");
// 3. 设置UpdateRequest的文档,并配置为JSON格式 updateRequest.doc(JSON.toJSONString(jobDetail), XContentType.JSON);
// 4. 执行client发起update请求 restHighLevelClient.update(updateRequest, RequestOptions.DEFAULT);}
复制代码

2、编写测试用例

  • 将 ID 为 1 的职位信息查询出来

  • 将职位的名称设置为:”大数据开发工程师”

  • 执行更新操作

  • 再打印查看职位的名称是否成功更新


参考代码:


@Testpublic void updateTest() throws IOException {    JobDetail jobDetail = jobFullTextService.findById(1);    jobDetail.setTitle("大数据开发工程师");    jobFullTextService.update(jobDetail);    System.out.println(jobFullTextService.findById(1));}
复制代码

三、根据文档 ID 删除职位

1、实现步骤

  • 构建 delete 请求

  • 使用 RestHighLevelClient 执行 delete 请求


参考代码:


@Overridepublic void deleteById(long id) throws IOException {    // 1. 构建delete请求    DeleteRequest deleteRequest = new DeleteRequest(JOB_IDX_NAME, id + "");
// 2. 使用client执行delete请求 restHighLevelClient.delete(deleteRequest, RequestOptions.DEFAULT);}
复制代码

2、编写测试用例

  • 在测试用例中执行根据 ID 删除文档操作

  • 使用 VSCode 发送请求,查看指定 ID 的文档是否已经被删除


参考代码:


@Testpublic void deleteByIdTest() throws IOException {    jobFullTextService.deleteById(1);}
复制代码

四、根据关键字检索数据

1、实现步骤

  • 构建 SearchRequest 检索请求

  • 创建一个 SearchSourceBuilder 专门用于构建查询条件

  • 使用 QueryBuilders.multiMatchQuery 构建一个查询条件(搜索 title、jd),并配置到 SearchSourceBuilder

  • 调用 SearchRequest.source 将查询条件设置到检索请求

  • 执行 RestHighLevelClient.search 发起请求

  • 遍历结果

  • 获取命中的结果

  • 将 JSON 字符串转换为对象

  • 使用 SearchHit.getId 设置文档 ID


参考代码:


@Overridepublic List<JobDetail> searchByKeywords(String keywords) throws IOException {    // 1. 构建SearchRequest检索请求    SearchRequest searchRequest = new SearchRequest(JOB_IDX_NAME);
// 2. 创建一个SearchSourceBuilder专门用于构建查询条件 SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
// 3. 使用QueryBuilders.multiMatchQuery构建一个查询条件,并配置到SearchSourceBuilder MultiMatchQueryBuilder queryBuilder = QueryBuilders.multiMatchQuery(keywords, "jd", "title"); searchSourceBuilder.query(queryBuilder);
// 4. 调用SearchRequest.source将查询条件设置到检索请求 searchRequest.source(searchSourceBuilder);
// 5. 执行RestHighLevelClient.search发起请求 SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
// 6. 遍历结果 SearchHits hits = searchResponse.getHits();
List<JobDetail> jobDetailList = new ArrayList<>();
for (SearchHit hit : hits) { // 1) 获取命中的结果 String json = hit.getSourceAsString(); // 2) 将JSON字符串转换为对象 JobDetail jobDetail = JSON.parseObject(json, JobDetail.class); // 3) 使用SearchHit.getId设置文档ID jobDetail.setId(Long.parseLong(hit.getId()));
jobDetailList.add(jobDetail); }
return jobDetailList;}
复制代码

2、编写测试用例

搜索标题、职位描述中包含销售的职位


@Testpublic void searchByKeywordsTest() throws IOException {    List<JobDetail> jobDetailList = jobFullTextService.searchByKeywords("销售");    for (JobDetail jobDetail : jobDetailList) {        System.out.println(jobDetail);    }}
复制代码

五、分页检索

1、实现步骤

步骤和之前的关键字搜索类似,只不过构建查询条件的时候,需要加上分页的设置


  • 构建 SearchRequest 检索请求

  • 创建一个 SearchSourceBuilder 专门用于构建查询条件

  • 使用 QueryBuilders.multiMatchQuery 构建一个查询条件,并配置到 SearchSourceBuilder

  • 设置 SearchSourceBuilder 的 from 和 size 参数,构建分页

  • 调用 SearchRequest.source 将查询条件设置到检索请求

  • 执行 RestHighLevelClient.search 发起请求

  • 遍历结果

  • 获取命中的结果

  • 将 JSON 字符串转换为对象

  • 使用 SearchHit.getId 设置文档 ID

  • 将结果封装到 Map 结构中(带有分页信息)

  • total -> 使用 SearchHits.getTotalHits().value 获取到所有的记录数

  • content -> 当前分页中的数据


@Overridepublic Map<String, Object> searchByPage(String keywords, int pageNum, int pageSize) throws IOException {    // 1. 构建SearchRequest检索请求    SearchRequest searchRequest = new SearchRequest(JOB_IDX_NAME);
// 2. 创建一个SearchSourceBuilder专门用于构建查询条件 SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
// 3. 使用QueryBuilders.multiMatchQuery构建一个查询条件,并配置到SearchSourceBuilder MultiMatchQueryBuilder queryBuilder = QueryBuilders.multiMatchQuery(keywords, "jd", "title"); searchSourceBuilder.query(queryBuilder);
// 4. 设置SearchSourceBuilder的from和size参数,构建分页 searchSourceBuilder.from((pageNum – 1) * pageSize); searchSourceBuilder.size(pageSize);
// 4. 调用SearchRequest.source将查询条件设置到检索请求 searchRequest.source(searchSourceBuilder);
// 5. 执行RestHighLevelClient.search发起请求 SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
// 6. 遍历结果 SearchHits hits = searchResponse.getHits();
List<JobDetail> jobDetailList = new ArrayList<>();
for (SearchHit hit : hits) { // 1) 获取命中的结果 String json = hit.getSourceAsString(); // 2) 将JSON字符串转换为对象 JobDetail jobDetail = JSON.parseObject(json, JobDetail.class); // 3) 使用SearchHit.getId设置文档ID jobDetail.setId(Long.parseLong(hit.getId()));
jobDetailList.add(jobDetail); }
// 8. 将结果封装到Map结构中(带有分页信息) // a) total -> 使用SearchHits.getTotalHits().value获取到所有的记录数 // b) content -> 当前分页中的数据 Map<String, Object> result = new HashMap<>(); result.put("total", hits.getTotalHits().value); result.put("content", jobDetailList);
return result;}
复制代码

2、编写测试用例

  • 搜索关键字为“销售”,查询第 0 页,每页显示 10 条数据

  • 打印搜索结果总记录数、对应分页的记录


参考代码:


@Testpublic void searchByPageTest() throws IOException {    Map<String, Object> resultMap = jobFullTextService.searchByPage("销售", 0, 10);    System.out.println("总共:" + resultMap.get("total"));    List<JobDetail> jobDetailList = (List<JobDetail>)resultMap.get("content");
for (JobDetail jobDetail : jobDetailList) { System.out.println(jobDetail); }}
复制代码

六、scroll 分页检索

1、实现步骤

判断 scrollId 是否为空


  1. 如果为空,那么首次查询要发起 scroll 查询,设置滚动快照的有效时间

  2. 如果不为空,就表示之前应发起了 scroll,直接执行 scroll 查询就可以


步骤和之前的关键字搜索类似,只不过构建查询条件的时候,需要加上分页的设置


scrollId 为空:


  • 构建 SearchRequest 检索请求

  • 创建一个 SearchSourceBuilder 专门用于构建查询条件

  • 使用 QueryBuilders.multiMatchQuery 构建一个查询条件,并配置到 SearchSourceBuilder

  • 调用 SearchRequest.source 将查询条件设置到检索请求

  • 设置每页多少条记录,调用 SearchRequest.scroll 设置滚动快照有效时间

  • 执行 RestHighLevelClient.search 发起请求

  • 遍历结果

  • 获取命中的结果

  • 将 JSON 字符串转换为对象

  • 使用 SearchHit.getId 设置文档 ID

  • 将结果封装到 Map 结构中(带有分页信息)

  • scroll_id -> 从 SearchResponse 中调用 getScrollId()方法获取 scrollId

  • content -> 当前分页中的数据


scollId 不为空:


  • 用之前查询出来的 scrollId,构建 SearchScrollRequest 请求

  • 设置 scroll 查询结果的有效时间

  • 使用 RestHighLevelClient 执行 scroll 请求


@Overridepublic Map<String, Object> searchByScrollPage(String keywords, String scrollId, int pageSize) {
Map<String, Object> result = new HashMap<>(); List<JobDetail> jobList = new ArrayList<>();
try { SearchResponse searchResponse = null;
if(scrollId == null) { // 1. 创建搜索请求 SearchRequest searchRequest = new SearchRequest("job_idx"); // 2. 构建查询条件 SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); searchSourceBuilder.query(QueryBuilders.multiMatchQuery(keywords, "title", "jd")); // 3. 设置分页大小 searchSourceBuilder.size(pageSize); // 4. 设置查询条件、并设置滚动快照有效时间 searchRequest.source(searchSourceBuilder); searchRequest.scroll(TimeValue.timeValueMinutes(1)); // 5. 发起请求 searchResponse = client.search(searchRequest, RequestOptions.DEFAULT); } else { SearchScrollRequest searchScrollRequest = new SearchScrollRequest(scrollId); searchScrollRequest.scroll(TimeValue.timeValueMinutes(1)); searchResponse = client.scroll(searchScrollRequest, RequestOptions.DEFAULT); }
// 6. 迭代响应结果 SearchHits hits = searchResponse.getHits(); for (SearchHit hit : hits) { JobDetail jobDetail = JSONObject.parseObject(hit.getSourceAsString(), JobDetail.class); jobDetail.setId(Long.parseLong(hit.getId())); jobList.add(jobDetail); }
result.put("content", jobList); result.put("scroll_id", searchResponse.getScrollId());
} catch (IOException e) { e.printStackTrace(); }
return result;}
复制代码

2、编写测试用例

  • 编写第一个测试用例,不带 scrollId 查询

  • 编写第二个测试用例,使用 scrollId 查询


@Testpublic void searchByScrollPageTest1() throws IOException {    Map<String, Object> result = jobFullTextService.searchByScrollPage("销售", null, 10);    System.out.println("scrollId: " + result.get("scrollId"));    List<JobDetail> content = (List<JobDetail>)result.get("content");
for (JobDetail jobDetail : content) { System.out.println(jobDetail); }}
@Testpublic void searchByScrollPageTest2() throws IOException { Map<String, Object> result = jobFullTextService.searchByScrollPage("销售", "DXF1ZXJ5QW5kRmV0Y2gBAAAAAAAAAA0WRG4zZFVwODJSU2Uxd1BOWkQ4cFdCQQ==", 10); System.out.println("scrollId: " + result.get("scrollId")); List<JobDetail> content = (List<JobDetail>)result.get("content");
for (JobDetail jobDetail : content) { System.out.println(jobDetail); }}
复制代码

七、高亮查询

1、高亮查询简介

在进行关键字搜索时,搜索出的内容中的关键字会显示不同的颜色,称之为高亮。


京东商城搜索"笔记本"


2、高亮显示的 html 分析

通过开发者工具查看高亮数据的 html 代码实现



ElasticSearch 可以对查询出的内容中关键字部分进行标签和样式的设置,但是你需要告诉 ElasticSearch 使用什么标签对高亮关键字进行包裹

3、实现高亮查询

  • 在我们构建查询请求时,我们需要构建一个 HighLightBuilder,专门来配置高亮查询。

  • 构建一个 HighlightBuilder

  • 设置高亮字段(title、jd)

  • 设置高亮前缀()

  • 设置高亮后缀()

  • 将高亮添加到 SearchSourceBuilder


代码如下:


// 设置高亮HighlightBuilder highlightBuilder = new HighlightBuilder();highlightBuilder.field("title");highlightBuilder.field("jd");highlightBuilder.preTags("<font color='red'>");highlightBuilder.postTags("</font>");searchSourceBuilder.highlighter(highlightBuilder);
复制代码


  • 我们将高亮的查询结果取出,并替换掉原先没有高亮的结果

  • 获取高亮字段

  • 获取 title 高亮字段

  • 获取 jd 高亮字段

  • 将高亮字段进行替换普通字段

  • 处理 title 高亮,判断高亮是否为空,不为空则将高亮碎片拼接在一起

  • 替换原有普通字段


参考代码:


// 1. 获取高亮字段Map<String, HighlightField> highlightFieldMap = hit.getHighlightFields();// 1.1 获取title高亮字段HighlightField titleHl = highlightFieldMap.get("title");// 1.2 获取jd高亮字段HighlightField jdHl = highlightFieldMap.get("jd");// 2. 将高亮字段进行替换普通字段// 2.1 处理title高亮,判断高亮是否为空,不为空则将高亮Fragment(碎片)拼接在一起,替换原有普通字段if(titleHl != null) {    Text[] fragments = titleHl.getFragments();    StringBuilder stringBuilder = new StringBuilder();    for (Text fragment : fragments) {        stringBuilder.append(fragment.string());    }    jobDetail.setTitle(stringBuilder.toString());}
// 2.2 处理jd高亮if(jdHl != null) { Text[] fragments = jdHl.getFragments(); StringBuilder stringBuilder = new StringBuilder(); for (Text fragment : fragments) { stringBuilder.append(fragment.string()); } jobDetail.setJd(stringBuilder.toString());}
复制代码

八、完整参考代码

public class JobFullTextServiceImpl implements JobFullTextService {
private RestHighLevelClient restHighLevelClient; private static final String JOB_IDX_NAME = "job_idx";
public JobFullTextServiceImpl() { restHighLevelClient = new RestHighLevelClient(RestClient.builder( new HttpHost("node1", 9200, "http") , new HttpHost("node2", 9200, "http") , new HttpHost("node3", 9200, "http") )); }
@Override public void add(JobDetail jobDetail) { // 1. 构建IndexRequest对象,用来描述ES发起请求的数据。 IndexRequest indexRequest = new IndexRequest(JOB_IDX_NAME);
// 2. 设置文档ID。 indexRequest.id(jobDetail.getId() + "");
// 3. 构建一个实体类对象,并使用FastJSON将实体类对象转换为JSON。 String json = JSON.toJSONString(jobDetail);
// 4. 使用IndexRequest.source方法设置请求数据。 indexRequest.source(json, XContentType.JSON);
try { // 5. 使用ES High level client调用index方法发起请求 restHighLevelClient.index(indexRequest, RequestOptions.DEFAULT); } catch (IOException e) { e.printStackTrace(); }
System.out.println("索引创建成功!"); }
@Override public void update(JobDetail jobDetail) throws IOException { // 1. 判断对应ID的文档是否存在 // a) 构建GetRequest GetRequest getRequest = new GetRequest(JOB_IDX_NAME, jobDetail.getId() + "");
// b) 执行client的exists方法,发起请求,判断是否存在 boolean exists = restHighLevelClient.exists(getRequest, RequestOptions.DEFAULT);
if(!exists) return;
// 2. 构建UpdateRequest请求 UpdateRequest updateRequest = new UpdateRequest(JOB_IDX_NAME, jobDetail.getId() + "");
// 3. 设置UpdateRequest的文档,并配置为JSON格式 updateRequest.doc(JSON.toJSONString(jobDetail), XContentType.JSON);
// 4. 执行client发起update请求 restHighLevelClient.update(updateRequest, RequestOptions.DEFAULT); }
@Override public JobDetail findById(long id) throws IOException { // 1. 构建GetRequest请求。 GetRequest getRequest = new GetRequest(JOB_IDX_NAME, id + "");
// 2. 使用RestHighLevelClient.get发送GetRequest请求,并获取到ES服务器的响应。 GetResponse response = restHighLevelClient.get(getRequest, RequestOptions.DEFAULT);
// 3. 将ES响应的数据转换为JSON字符串 String json = response.getSourceAsString();
// 4. 并使用FastJSON将JSON字符串转换为JobDetail类对象 JobDetail jobDetail = JSONObject.parseObject(json, JobDetail.class);
// 5. 设置ID字段 jobDetail.setId(id);
return jobDetail;
}
@Override public void deleteById(long id) throws IOException { // 1. 构建delete请求 DeleteRequest deleteRequest = new DeleteRequest(JOB_IDX_NAME, id + "");
// 2. 使用client执行delete请求 restHighLevelClient.delete(deleteRequest, RequestOptions.DEFAULT); }
@Override public List<JobDetail> searchByKeywords(String keywords) throws IOException { // 1. 构建SearchRequest检索请求 SearchRequest searchRequest = new SearchRequest(JOB_IDX_NAME);
// 2. 创建一个SearchSourceBuilder专门用于构建查询条件 SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
// 3. 使用QueryBuilders.multiMatchQuery构建一个查询条件,并配置到SearchSourceBuilder MultiMatchQueryBuilder queryBuilder = QueryBuilders.multiMatchQuery(keywords, "jd", "title"); searchSourceBuilder.query(queryBuilder);
// 4. 调用SearchRequest.source将查询条件设置到检索请求 searchRequest.source(searchSourceBuilder);
// 5. 执行RestHighLevelClient.search发起请求 SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
// 6. 遍历结果 SearchHits hits = searchResponse.getHits();
List<JobDetail> jobDetailList = new ArrayList<>();
for (SearchHit hit : hits) { // 1) 获取命中的结果 String json = hit.getSourceAsString(); // 2) 将JSON字符串转换为对象 JobDetail jobDetail = JSON.parseObject(json, JobDetail.class); // 3) 使用SearchHit.getId设置文档ID jobDetail.setId(Long.parseLong(hit.getId()));
jobDetailList.add(jobDetail); }
return jobDetailList; }
@Override public Map<String, Object> searchByPage(String keywords, int pageNum, int pageSize) throws IOException { // 1. 构建SearchRequest检索请求 SearchRequest searchRequest = new SearchRequest(JOB_IDX_NAME);
// 2. 创建一个SearchSourceBuilder专门用于构建查询条件 SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
// 3. 使用QueryBuilders.multiMatchQuery构建一个查询条件,并配置到SearchSourceBuilder MultiMatchQueryBuilder queryBuilder = QueryBuilders.multiMatchQuery(keywords, "jd", "title"); searchSourceBuilder.query(queryBuilder);
// 4. 设置SearchSourceBuilder的from和size参数,构建分页 searchSourceBuilder.from(pageNum); searchSourceBuilder.size(pageSize);
// 4. 调用SearchRequest.source将查询条件设置到检索请求 searchRequest.source(searchSourceBuilder);
// 5. 执行RestHighLevelClient.search发起请求 SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
// 6. 遍历结果 SearchHits hits = searchResponse.getHits();
List<JobDetail> jobDetailList = new ArrayList<>();
for (SearchHit hit : hits) { // 1) 获取命中的结果 String json = hit.getSourceAsString(); // 2) 将JSON字符串转换为对象 JobDetail jobDetail = JSON.parseObject(json, JobDetail.class); // 3) 使用SearchHit.getId设置文档ID jobDetail.setId(Long.parseLong(hit.getId()));
jobDetailList.add(jobDetail); }
// 8. 将结果封装到Map结构中(带有分页信息) // a) total -> 使用SearchHits.getTotalHits().value获取到所有的记录数 // b) content -> 当前分页中的数据 Map<String, Object> result = new HashMap<>(); result.put("total", hits.getTotalHits().value); result.put("content", jobDetailList);
return result; }
@Override public Map<String, Object> searchByScrollPage(String keywords, String scrollId, int pageSize) throws IOException { SearchResponse searchResponse = null;
if(scrollId == null) { // 1. 构建SearchRequest检索请求 SearchRequest searchRequest = new SearchRequest(JOB_IDX_NAME);
// 2. 创建一个SearchSourceBuilder专门用于构建查询条件 SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
// 3. 使用QueryBuilders.multiMatchQuery构建一个查询条件,并配置到SearchSourceBuilder MultiMatchQueryBuilder queryBuilder = QueryBuilders.multiMatchQuery(keywords, "jd", "title"); searchSourceBuilder.query(queryBuilder); searchSourceBuilder.size(pageSize);
// 设置高亮查询 HighlightBuilder highlightBuilder = new HighlightBuilder(); highlightBuilder.preTags("<font color='red'>"); highlightBuilder.postTags("</font>"); highlightBuilder.field("title"); highlightBuilder.field("jd");
searchSourceBuilder.highlighter(highlightBuilder);
// 4. 调用searchRequest.scroll设置滚动快照有效时间 searchRequest.scroll(TimeValue.timeValueMinutes(10));
// 5. 调用SearchRequest.source将查询条件设置到检索请求 searchRequest.source(searchSourceBuilder);
// 6. 执行RestHighLevelClient.search发起请求 searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT); } else { SearchScrollRequest searchScrollRequest = new SearchScrollRequest(scrollId); searchScrollRequest.scroll(TimeValue.timeValueMinutes(10)); searchResponse = restHighLevelClient.scroll(searchScrollRequest, RequestOptions.DEFAULT); }

if(searchResponse != null) { // 7. 遍历结果 SearchHits hits = searchResponse.getHits();
List<JobDetail> jobDetailList = new ArrayList<>();
for (SearchHit hit : hits) {
// 1) 获取命中的结果 String json = hit.getSourceAsString(); // 2) 将JSON字符串转换为对象 JobDetail jobDetail = JSON.parseObject(json, JobDetail.class); // 3) 使用SearchHit.getId设置文档ID jobDetail.setId(Long.parseLong(hit.getId()));

// 1. 获取高亮字段 Map<String, HighlightField> highlightFieldMap = hit.getHighlightFields(); // 1.1 获取title高亮字段 HighlightField titleHl = highlightFieldMap.get("title"); // 1.2 获取jd高亮字段 HighlightField jdHl = highlightFieldMap.get("jd"); // 2. 将高亮字段进行替换普通字段 // 2.1 处理title高亮,判断高亮是否为空,不为空则将高亮Fragment(碎片)拼接在一起,替换原有普通字段 if(titleHl != null) { Text[] fragments = titleHl.getFragments(); StringBuilder stringBuilder = new StringBuilder(); for (Text fragment : fragments) { stringBuilder.append(fragment.string()); } jobDetail.setTitle(stringBuilder.toString()); }
// 2.2 处理jd高亮 if(jdHl != null) { Text[] fragments = jdHl.getFragments(); StringBuilder stringBuilder = new StringBuilder(); for (Text fragment : fragments) { stringBuilder.append(fragment.string()); } jobDetail.setJd(stringBuilder.toString()); }
jobDetailList.add(jobDetail); }
// 8. 将结果封装到Map结构中(带有分页信息) // a) total -> 使用SearchHits.getTotalHits().value获取到所有的记录数 // b) content -> 当前分页中的数据 Map<String, Object> result = new HashMap<>(); result.put("scrollId", searchResponse.getScrollId()); result.put("content", jobDetailList);
return result; }
return null; }
@Override public void close() { try { restHighLevelClient.close(); } catch (IOException e) { e.printStackTrace(); } }}
复制代码


发布于: 刚刚阅读数: 6
用户头像

Lansonli

关注

微信公众号:三帮大数据 2022.07.12 加入

CSDN大数据领域博客专家,华为云享专家、阿里云专家博主、腾云先锋(TDP)核心成员、51CTO专家博主,全网六万多粉丝,知名互联网公司大数据高级开发工程师

评论

发布
暂无评论
大数据ELK(十四):Elasticsearch编程(基本操作)_ES_Lansonli_InfoQ写作社区