ElasticSearch中的细节点
文章目录
1、提示：
1.1 ElasticSearch相关文档：
下面是ElasticSearch的官方文档链接：
如果基础学习ElasticSearch还可以参考我的另外两篇文章（仅供参考，以官网为准）
1.2 Kibana的常用快捷键
这里的快捷键在kibana的help里面可以查看
- Ctrl + / 直接从kibana跳转到官方文档
- Ctrl+Enter 直接执行当前DSL语句
- Ctrl+ I 格式化DSL
- Alt + L 光标在括号处折叠当前的DSL代码块
1.3 kibana的注释方式
# 用于注释
#! 用于警示
2、term与terms的用法以及区别
在 Elasticsearch 中，term 和 terms 都是用于查询文档的查询语句。它们的区别在于：
- term 查询：精确匹配某个字段的值。例如，查询
title: "Elasticsearch"将匹配所有包含Elasticsearch字符串的文档。 - terms 查询：匹配某个字段的多个值。例如，查询
title: ["Elasticsearch", "Apache Solr"]将匹配所有包含Elasticsearch或Apache Solr字符串的文档。
具体来说，term 查询的语法如下：
{
"query": {
"term": {
"字段名": "值"
}
}
}
例如，以下查询将匹配所有包含 Elasticsearch 字符串的文档：
{
"query": {
"term": {
"title": "Elasticsearch"
}
}
}
terms 查询的语法如下：
{
"query": {
"terms": {
"字段名": ["值1", "值2", ...]
}
}
}
例如，以下查询将匹配所有包含 Elasticsearch 或 Apache Solr 字符串的文档：
{
"query": {
"terms": {
"title": ["Elasticsearch", "Apache Solr"]
}
}
}
在实际使用中，term 查询通常用于精确匹配某个字段的值。例如，查询文档的标题是否包含某个特定的关键字。terms 查询通常用于匹配某个字段的多个值。例如，查询文档的标题是否包含某些特定的关键字。
那么为什么在聚合里面使用terms呢？
在 Elasticsearch 中，terms 聚合用于将文档分组，根据某个字段的值将文档分为多个桶。每个桶都包含一组具有相同值的文档。
使用 terms 聚合可以实现以下功能：
- 统计某个字段的值的分布。例如，可以使用 terms 聚合统计文档的标题中包含的所有关键字。
- 查找文档中具有某个特定值的记录。例如，可以使用 terms 聚合查找文档的标题中包含
Elasticsearch关键字的记录。 - 聚合其他聚合。例如，可以使用 terms 聚合将文档分组，然后使用其他聚合来分析每个桶中的文档。
具体来说，terms 聚合的语法如下：
{
"aggs": {
"聚合名称": {
"terms": {
"字段名": {
"参数1": 值1,
"参数2": 值2,
...
}
}
}
}
}
例如，以下查询将统计文档的标题中包含的所有关键字：
{
"query": {
"match_all": {}
},
"aggs": {
"keywords": {
"terms": {
"field": "title"
}
}
}
}
这个查询将返回以下结果：
{
"took": 1,
"timed_out": false,
"hits": {
"total": 1000,
"max_score": 1.0,
"hits": [
{
"_index": "my_index",
"_type": "my_type",
"_id": "1",
"_score": 1.0,
"_source": {
"title": "Elasticsearch 入门"
}
},
{
"_index": "my_index",
"_type": "my_type",
"_id": "2",
"_score": 1.0,
"_source": {
"title": "Elasticsearch 搜索"
}
},
...
]
},
"aggregations": {
"keywords": {
"doc_count_error_upper_bound": 0,
"sum_other_doc_count": 0,
"buckets": [
{
"key": "Elasticsearch",
"doc_count": 500
},
{
"key": "搜索",
"doc_count": 250
},
{
"key": "索引",
"doc_count": 125
},
...
]
}
}
}
可以看到，这个查询返回了两个桶，分别是 Elasticsearch 和 搜索。每个桶都包含具有相同值的文档。
因此，在聚合里面使用 terms 可以实现灵活的聚合分析。
3、ElasticSearch中"index":“false”,“doc_values”:"false"这两个属性是干嘛的
在 Elasticsearch 中，“index”:“false” 和 “doc_values”:“false” 这两个属性用于控制字段的索引和 doc_values 属性。
- “index”:“false” 属性表示该字段不参与索引。这意味着该字段的值不会存储在索引中，因此无法使用该字段进行查询。
- “doc_values”:“false” 属性表示该字段不参与 doc_values。这意味着该字段的值不会存储在 doc_values 中，因此无法使用该字段进行排序、聚合等操作。
默认情况下，所有字段都参与索引和 doc_values。如果需要禁用某个字段的索引或 doc_values，可以设置相应的属性。
以下是这两个属性的具体用途：
- 禁用字段索引
如果需要禁用某个字段的索引，可以设置 “index”:“false” 属性。例如，以下查询将创建一个索引，其中 title 字段不参与索引：
PUT my_index
{
"mappings": {
"my_type": {
"properties": {
"title": {
"type": "text",
"index": false
}
}
}
}
}
这个查询将创建一个名为 my_index 的索引，其中 my_type 类型的 title 字段不参与索引。这意味着该字段的值不会存储在索引中，因此无法使用该字段进行查询。
- 禁用字段 doc_values
如果需要禁用某个字段的 doc_values，可以设置 “doc_values”:“false” 属性。例如，以下查询将创建一个索引，其中 title 字段不参与 doc_values：
PUT my_index
{
"mappings": {
"my_type": {
"properties": {
"title": {
"type": "text",
"doc_values": false
}
}
}
}
}
这个查询将创建一个名为 my_index 的索引，其中 my_type 类型的 title 字段不参与 doc_values。这意味着该字段的值不会存储在 doc_values 中，因此无法使用该字段进行排序、聚合等操作。
4、nested嵌入式扁平化处理是什么，怎么对该字段进行查询呢
4.1 扁平化处理
Elasticsearch 中的 nested 类型用于存储嵌套的对象。嵌套对象可以是任何类型的对象，包括字段、数组、甚至其他嵌套对象。
nested 类型的字段可以进行嵌套扁平化处理。嵌套扁平化处理将嵌套对象转换为扁平的 JSON 格式。这使得嵌套对象可以像普通字段一样进行查询。
例如：在原始数据中，products 字段是一个数组，其中每个元素是一个对象，包含 name 和 price 两个字段。例如：
[
{
"name": "iPhone 13",
"price": 999
},
{
"name": "iPad Pro",
"price": 1099
}
]
经过扁平化处理后，products 字段会被转换为两个字段：products.name 和 products.price。例如：
{
"products.name": ["iPhone 13", "iPad Pro"],
"products.price": [999, 1099]
}
因此，如果要查询 iphone13 1099，可以使用以下查询：
GET my_index/my_type/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"products.name": "iPhone 13"
}
},
{
"match": {
"products.price": 1099
}
}
]
}
}
}
这个查询将返回以下结果：
{
"hits": {
"total": 1,
"hits": [
{
"_index": "my_index",
"_type": "my_type",
"_id": "1",
"_score": 1.0,
"_source": {
"products.name": ["iPhone 13"],
"products.price": [1099]
}
}
]
}
}
从结果中可以看到，Elasticsearch 成功地查询到了 iphone13 1099 的文档。
换句话说，通过扁平化处理，可以将嵌套的对象转换为扁平的 JSON 格式，这样就可以像查询普通字段一样查询嵌套对象。
要对 nested 类型的字段进行嵌套扁平化处理，需要设置 type 属性为 nested。例如，以下查询将创建一个索引，其中 user 字段类型为 nested：
PUT my_index
{
"mappings": {
"my_type": {
"properties": {
"user": {
"type": "nested"
}
}
}
}
}
这个查询将创建一个名为 my_index 的索引，其中 my_type 类型的 user 字段类型为 nested。这意味着 user 字段可以存储嵌套对象。
4.2 nested 类型的字段进行查询
要对 nested 类型的字段进行查询，可以使用 nested 查询。nested 查询可以使用 path 参数指定嵌套对象的路径。例如，以下查询将查询所有包含 age 为 25 的用户：
GET my_index/my_type/_search
{
"query": {
"nested": {
"path": "user",
"query": {
"match": {
"user.age": 25
}
}
}
}
}
这个查询将返回所有包含 age 为 25 的用户的文档。
nested 查询还可以使用 query_filter 参数指定过滤条件。例如，以下查询将查询所有包含 age 为 25 且 name 为 John Doe 的用户：
GET my_index/my_type/_search
{
"query": {
"nested": {
"path": "user",
"query": {
"match": {
"user.age": 25
}
},
"query_filter": {
"match": {
"user.name": "John Doe"
}
}
}
}
}
这个查询将返回所有包含 age 为 25 且 name 为 John Doe 的用户的文档。
5、实际查询案例
5.1先创建索引映射
注意可以新增加字段的映射的类型但是不能直接修改已有的映射，解决办法是备份修改，具体可以参考上面相关文档我的其他的文章。
下面这个是网上的谷粒商城项目的文档，这里直接用来举例了
##建立product索引以及映射
PUT product
{
"mappings": {
"properties": {
"attrs": {
"type": "nested",
"properties": {
"attrId": {
"type": "long"
},
"attrName": {
"type": "keyword"
},
"attrValue": {
"type": "keyword"
}
}
},
"brandId": {
"type": "long"
},
"brandImg": {
"type": "keyword"
},
"brandName": {
"type": "keyword"
},
"catalogId": {
"type": "long"
},
"catalogName": {
"type": "keyword"
},
"hasStock": {
"type": "boolean"
},
"hotScore": {
"type": "long"
},
"saleCount": {
"type": "long"
},
"skuId": {
"type": "long"
},
"skuImg": {
"type": "keyword"
},
"skuPrice": {
"type": "keyword"
},
"skuTitle": {
"type": "text",
"analyzer": "ik_smart"
},
"spuId": {
"type": "keyword"
}
}
}
}
5.2 添加数据
es的数据是由项目中的商品上架功能存入es的。先发布商品，对商品的属性以及库存等进行维护管理，然后再上架商品，想好哪些字段数据需要存入es之后构建es的模型数据使用接口把数据存入es。
5.3 写DSL 语句查询
查询的DSL语句，需要结合业务来理解，仅供参考（最好使用kibana格式化观看）。 需要注意的是 如果是嵌入式的属性一定得用嵌入式的查询方式，不然可能查不出结果来。
GET product/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"skuTitle": "测试"
}
}
],
"filter": [
{
"term": {
"catalogId": "225"
}
},
{
"terms": {
"brandId": [
"1",
"2",
"9"
]
}
},
{
"nested": {
"path": "attrs",
"query": {
"bool": {
"must": [
{
"term": {
"attrs.attrId": {
"value": "15"
}
}
},
{
"terms": {
"attrs.attrValue": [
"高通(Qualcomm)",
"以官网信息为准"
]
}
}
]
}
}
}
},
{
"term": {
"hasStock": {
"value": "false"
}
}
},
{
"range": {
"skuPrice": {
"gte": 0,
"lte": 6000
}
}
}
]
}
},
"aggs": {
"brand_aggs": {
"terms": {
"field": "brandId",
"size": 10
},
"aggs": {
"brand_name_aggs": {
"terms": {
"field": "brandName",
"size": 10
}
},
"brand_img_aggs": {
"terms": {
"field": "brandImg",
"size": 10
}
}
}
},
"catelog_aggs": {
"terms": {
"field": "catalogId",
"size": 10
},
"aggs": {
"catelog_name_aggs": {
"terms": {
"field": "catalogName",
"size": 10
}
}
}
},
"attr_aggs": {
"nested": {
"path": "attrs"
},
"aggs": {
"attr_id_aggrs": {
"terms": {
"field": "attrs.attrId",
"size": 10
}
, "aggs": {
"attr_name_aggs": {
"terms": {
"field": "attrs.attrName",
"size": 10
}
},
"attr_value_aggs":{
"terms": {
"field": "attrs.attrValue",
"size": 10
}
}
}
}
}
}
},
"sort": [
{
"skuPrice": {
"order": "desc"
}
}
],
"from": 0,
"size": 5,
"highlight": {
"fields": {
"skuTitle": {
}},
"pre_tags": "<b style='color:red'>",
"post_tags": "</b>"
}
}
5.4 改写DSL语句为java API
@Slf4j
@Service
public class MallSearchServiceImpl implements MallSearchService {
@Autowired
private RestHighLevelClient esRestClient;
@Resource
private ProductFeignService productFeignService;
@Override
public SearchResult search(SearchParam param) {
//1、动态构建出查询需要的DSL语句
SearchResult result = null;
//1、准备检索请求
SearchRequest searchRequest = buildSearchRequest(param);
try {
//2、执行检索请求
SearchResponse response = esRestClient.search(searchRequest, GulimallElasticSearchConfig.COMMON_OPTIONS);
//3、分析响应数据，封装成我们需要的格式
result = buildSearchResult(response,param);
} catch (IOException e) {
e.printStackTrace();
}
return result;
}
/**
* 构建结果数据
* 模糊匹配，过滤（按照属性、分类、品牌，价格区间，库存），完成排序、分页、高亮,聚合分析功能
* @param response
* @return
*/
private SearchResult buildSearchResult(SearchResponse response,SearchParam param) {
SearchResult result = new SearchResult();
//1、返回的所有查询到的商品
SearchHits hits = response.getHits();
List<SkuEsModel> esModels = new ArrayList<>();
//遍历所有商品信息
if (hits.getHits() != null && hits.getHits().length > 0) {
for (SearchHit hit : hits.getHits()) {
String sourceAsString = hit.getSourceAsString();
SkuEsModel esModel = JSON.parseObject(sourceAsString, SkuEsModel.class);
//判断是否按关键字检索，若是就显示高亮，否则不显示
if (!StringUtils.isEmpty(param.getKeyword())) {
//拿到高亮信息显示标题
HighlightField skuTitle = hit.getHighlightFields().get("skuTitle");
String skuTitleValue = skuTitle.getFragments()[0].string();
esModel.setSkuTitle(skuTitleValue);
}
esModels.add(esModel);
}
}
result.setProduct(esModels);
//2、当前商品涉及到的所有属性信息
List<SearchResult.AttrVo> attrVos = new ArrayList<>();
//获取属性信息的聚合
ParsedNested attrsAgg = response.getAggregations().get("attr_agg");
ParsedLongTerms attrIdAgg = attrsAgg.getAggregations().get("attr_id_agg");
for (Terms.Bucket bucket : attrIdAgg.getBuckets()) {
SearchResult.AttrVo attrVo = new SearchResult.AttrVo();
//1、得到属性的id
long attrId = bucket.getKeyAsNumber().longValue();
attrVo.setAttrId(attrId);
//2、得到属性的名字
ParsedStringTerms attrNameAgg = bucket.getAggregations().get("attr_name_agg");
String attrName = attrNameAgg.getBuckets().get(0).getKeyAsString();
attrVo.setAttrName(attrName);
//3、得到属性的所有值
ParsedStringTerms attrValueAgg = bucket.getAggregations().get("attr_value_agg");
List<String> attrValues = attrValueAgg.getBuckets().stream().map(item -> item.getKeyAsString()).collect(Collectors.toList());
attrVo.setAttrValue(attrValues);
attrVos.add(attrVo);
}
result.setAttrs(attrVos);
//3、当前商品涉及到的所有品牌信息
List<SearchResult.BrandVo> brandVos = new ArrayList<>();
//获取到品牌的聚合
ParsedLongTerms brandAgg = response.getAggregations().get("brand_agg");
for (Terms.Bucket bucket : brandAgg.getBuckets()) {
SearchResult.BrandVo brandVo = new SearchResult.BrandVo();
//1、得到品牌的id
long brandId = bucket.getKeyAsNumber().longValue();
brandVo.setBrandId(brandId);
//2、得到品牌的名字
ParsedStringTerms brandNameAgg = bucket.getAggregations().get("brand_name_agg");
String brandName = brandNameAgg.getBuckets().get(0).getKeyAsString();
brandVo.setBrandName(brandName);
//3、得到品牌的图片
ParsedStringTerms brandImgAgg = bucket.getAggregations().get("brand_img_agg");
String brandImg = brandImgAgg.getBuckets().get(0).getKeyAsString();
brandVo.setBrandImg(brandImg);
brandVos.add(brandVo);
}
result.setBrands(brandVos);
//4、当前商品涉及到的所有分类信息
//获取到分类的聚合
List<SearchResult.CatalogVo> catalogVos = new ArrayList<>();
ParsedLongTerms catalogAgg = response.getAggregations().get("catalog_agg");
for (Terms.Bucket bucket : catalogAgg.getBuckets()) {
SearchResult.CatalogVo catalogVo = new SearchResult.CatalogVo();
//得到分类id
String keyAsString = bucket.getKeyAsString();
catalogVo.setCatalogId(Long.parseLong(keyAsString));
//得到分类名
ParsedStringTerms catalogNameAgg = bucket.getAggregations().get("catalog_name_agg");
String catalogName = catalogNameAgg.getBuckets().get(0).getKeyAsString();
catalogVo.setCatalogName(catalogName);
catalogVos.add(catalogVo);
}
result.setCatalogs(catalogVos);
//===============以上可以从聚合信息中获取====================//
//5、分页信息-页码
result.setPageNum(param.getPageNum());
//5、1分页信息、总记录数
long total = hits.getTotalHits().value;
result.setTotal(total);
//5、2分页信息-总页码-计算
int totalPages = (int)total % EsConstant.PRODUCT_PAGESIZE == 0 ?
(int)total / EsConstant.PRODUCT_PAGESIZE : ((int)total / EsConstant.PRODUCT_PAGESIZE + 1);
result.setTotalPages(totalPages);
List<Integer> pageNavs = new ArrayList<>();
for (int i = 1; i <= totalPages; i++) {
pageNavs.add(i);
}
result.setPageNavs(pageNavs);
//6、构建面包屑导航
if (param.getAttrs() != null && param.getAttrs().size() > 0) {
List<SearchResult.NavVo> collect = param.getAttrs().stream().map(attr -> {
//1、分析每一个attrs传过来的参数值
SearchResult.NavVo navVo = new SearchResult.NavVo();
String[] s = attr.split("_");
navVo.setNavValue(s[1]);
R r = productFeignService.attrInfo(Long.parseLong(s[0]));
if (r.getCode() == 0) {
AttrResponseVo data = r.getData("attr", new TypeReference<AttrResponseVo>() {
});
navVo.setNavName(data.getAttrName());
} else {
navVo.setNavName(s[0]);
}
//2、取消了这个面包屑以后，我们要跳转到哪个地方，将请求的地址url里面的当前置空
//拿到所有的查询条件，去掉当前
String encode = null;
try {
encode = URLEncoder.encode(attr,"UTF-8");
encode.replace("+","%20"); //浏览器对空格的编码和Java不一样，差异化处理
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
}
String replace = param.get_queryString().replace("&attrs=" + attr, "");
navVo.setLink("http://search.gulimall.com/list.html?" + replace);
return navVo;
}).collect(Collectors.toList());
result.setNavs(collect);
}
return result;
}
/**
* 准备检索请求
* 模糊匹配，过滤（按照属性，分类，品牌，价格区间，库存），排序，分页，高亮，聚合分析
* @return
*/
private SearchRequest buildSearchRequest(SearchParam param) {
SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
/**
* 模糊匹配，过滤（按照属性，分类，品牌，价格区间，库存）
*/
//1. 构建bool-query
BoolQueryBuilder boolQueryBuilder=new BoolQueryBuilder();
//1.1 bool-must
if(!StringUtils.isEmpty(param.getKeyword())){
boolQueryBuilder.must(QueryBuilders.matchQuery("skuTitle",param.getKeyword()));
}
//1.2 bool-fiter
//1.2.1 catelogId
if(null != param.getCatalog3Id()){
boolQueryBuilder.filter(QueryBuilders.termQuery("catalogId",param.getCatalog3Id()));
}
//1.2.2 brandId
if(null != param.getBrandId() && param.getBrandId().size() >0){
boolQueryBuilder.filter(QueryBuilders.termsQuery("brandId",param.getBrandId()));
}
//1.2.3 attrs
if(param.getAttrs() != null && param.getAttrs().size() > 0){
param.getAttrs().forEach(item -> {
//attrs=1_5寸:8寸&2_16G:8G
BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
//attrs=1_5寸:8寸
String[] s = item.split("_");
String attrId=s[0];
String[] attrValues = s[1].split(":");//这个属性检索用的值
boolQuery.must(QueryBuilders.termQuery("attrs.attrId",attrId));
boolQuery.must(QueryBuilders.termsQuery("attrs.attrValue",attrValues));
NestedQueryBuilder nestedQueryBuilder = QueryBuilders.nestedQuery("attrs",boolQuery, ScoreMode.None);
boolQueryBuilder.filter(nestedQueryBuilder);
});
}
//1.2.4 hasStock
if(null != param.getHasStock()){
boolQueryBuilder.filter(QueryBuilders.termQuery("hasStock",param.getHasStock() == 1));
}
//1.2.5 skuPrice
if(!StringUtils.isEmpty(param.getSkuPrice())){
//skuPrice形式为：1_500或_500或500_
RangeQueryBuilder rangeQueryBuilder = QueryBuilders.rangeQuery("skuPrice");
String[] price = param.getSkuPrice().split("_");
if(price.length==2){
rangeQueryBuilder.gte(price[0]).lte(price[1]);
}else if(price.length == 1){
if(param.getSkuPrice().startsWith("_")){
rangeQueryBuilder.lte(price[1]);
}
if(param.getSkuPrice().endsWith("_")){
rangeQueryBuilder.gte(price[0]);
}
}
boolQueryBuilder.filter(rangeQueryBuilder);
}
//封装所有的查询条件
searchSourceBuilder.query(boolQueryBuilder);
/**
* 排序，分页，高亮
*/
//排序
//形式为sort=hotScore_asc/desc
if(!StringUtils.isEmpty(param.getSort())){
String sort = param.getSort();
String[] sortFileds = sort.split("_");
SortOrder sortOrder="asc".equalsIgnoreCase(sortFileds[1])?SortOrder.ASC:SortOrder.DESC;
searchSourceBuilder.sort(sortFileds[0],sortOrder);
}
//分页
searchSourceBuilder.from((param.getPageNum()-1)*EsConstant.PRODUCT_PAGESIZE);
searchSourceBuilder.size(EsConstant.PRODUCT_PAGESIZE);
//高亮
if(!StringUtils.isEmpty(param.getKeyword())){
HighlightBuilder highlightBuilder = new HighlightBuilder();
highlightBuilder.field("skuTitle");
highlightBuilder.preTags("<b style='color:red'>");
highlightBuilder.postTags("</b>");
searchSourceBuilder.highlighter(highlightBuilder);
}
/**
* 聚合分析
*/
//1. 按照品牌进行聚合
TermsAggregationBuilder brand_agg = AggregationBuilders.terms("brand_agg");
brand_agg.field("brandId").size(50);
//1.1 品牌的子聚合-品牌名聚合
brand_agg.subAggregation(AggregationBuilders.terms("brand_name_agg")
.field("brandName").size(1));
//1.2 品牌的子聚合-品牌图片聚合
brand_agg.subAggregation(AggregationBuilders.terms("brand_img_agg")
.field("brandImg").size(1));
searchSourceBuilder.aggregation(brand_agg);
//2. 按照分类信息进行聚合
TermsAggregationBuilder catalog_agg = AggregationBuilders.terms("catalog_agg");
catalog_agg.field("catalogId").size(20);
catalog_agg.subAggregation(AggregationBuilders.terms("catalog_name_agg").field("catalogName").size(1));
searchSourceBuilder.aggregation(catalog_agg);
//2. 按照属性信息进行聚合
NestedAggregationBuilder attr_agg = AggregationBuilders.nested("attr_agg", "attrs");
//2.1 按照属性ID进行聚合
TermsAggregationBuilder attr_id_agg = AggregationBuilders.terms("attr_id_agg").field("attrs.attrId");
attr_agg.subAggregation(attr_id_agg);
//2.1.1 在每个属性ID下，按照属性名进行聚合
attr_id_agg.subAggregation(AggregationBuilders.terms("attr_name_agg").field("attrs.attrName").size(1));
//2.1.1 在每个属性ID下，按照属性值进行聚合
attr_id_agg.subAggregation(AggregationBuilders.terms("attr_value_agg").field("attrs.attrValue").size(50));
searchSourceBuilder.aggregation(attr_agg);
log.debug("构建的DSL语句 {}",searchSourceBuilder.toString());
SearchRequest searchRequest = new SearchRequest(new String[]{
EsConstant.PRODUCT_INDEX},searchSourceBuilder);
return searchRequest;
}
}
结语：
这些语法等只知识都是仅供参考，真正学习得结合业务与官方文档进行理解，先学基础语法，然后再学习与Spring框架的整合使用,其实会写DSL了之后java API 就是按部就班。但是对查询出的结果进行解析也挺麻烦的。