SpringCloud学习路线（12）——分布式搜索ElasticSeach数据聚合、自动补全、数据同步

一、数据聚合

聚合（aggregations）： 实现对文档数据的统计、分析、运算。

（一）聚合的常见种类

• 桶（Bucket）聚合： 用来做文档分组。
  • TermAggregation： 按照文档字段值分组
  • Date Histogram： 按照日期阶梯分组，例如一周一组，一月一组
• 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的聚合。

参与聚合的字段类型：

• keyword
• 数值
• 日期
• 布尔

（二）DSL实现聚合

1、桶聚合

当我们统计所有数据中的酒店品牌有几种，此时可以根据酒店品牌的名称做聚合。

（1）基本实现

GET /hotel/_search
{"size": 0,	// 设置size为0，结果中不包含文档，只包含聚合结果"aggs": {	// 定义聚合"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}}}
}

（2）Bucket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。

那么如何修改排序?

GET /hotel/_search
{"size": 0,	// 设置size为0，结果中不包含文档，只包含聚合结果"aggs": {	// 定义聚合"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,"order": {	# 排序"_count": "asc"},"size": 20	//	希望获取的聚合结果数量}}}
}

（3）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，可以限定聚合的文档范围，只要添加query条件。

GET /hotel/_search
{"query": {"range": {"price": {"lte": 200	# 只对200元以下的文档聚合}}}"size": 0,	// 设置size为0，结果中不包含文档，只包含聚合结果"aggs": {	// 定义聚合"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,"order": {	# 排序"_count": "asc"},"size": 20	//	希望获取的聚合结果数量}}}
}

2、Metrics聚合

需求： 要求获取每个品牌的用户评分的min、max、avg等值。

GET /hotel/_search
{"size": 0,"aggs": {	// 定义聚合"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","order": {	# 排序"scoreAgg.avg": "desc"},"size": 20},"aggs": {	#是brands聚合的子聚合，也就是对分组后对每组分别计算"score_stats": {	#聚合名称“stats”:	{	#聚合类型，这里的stats可以同时计算min、max、avg等"field": "score"	#聚合字段，这里是score}}}}}
}

（三）RestClient实现聚合

1、桶聚合

//1、创建request对象
SearchRequest request = new SearchRequest("hotel");
//2、DSL组装
request.source().size(0);
request.source().aggregation(AggregationBuilders.term("brand_agg").field("brand").size(20)
);//3、发起请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);//4、解析结果
Aggregations aggregations = response.getAggregations();//5、根据名称获取聚合结果
Terms brandTerms = aggregations.get("brand_agg");//6、获取桶
List<? extends Terms.Bucket> buckets = brandTerms.getBuckets();//7、遍历
for (Terms.Bucket bucket : buckets) {//获取品牌信息String brandName = bucket.getKeyAsString();
}

---

二、自动补全

（一）拼音分词器

1、离线安装拼音分词器

2、重启ES即可

（二）自定义分词器

1、直接使用拼音分词器的问题：

• 拼音分词器不分词，只分拼音
• 每一个字都形成了拼音
• 没有汉字

2、分词器的组成

• character filters： 在tokenizer之前对文本进行处理。例如删除字符、替换字符。
• tokenizer： 将文本按照一定规则切割词条（term）。例如keyword、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。

3、自定义实现结构

在创建索引库时， 通过settings来配置自定义的analyzer（分词器）

PUT /test
{"settings": {	#设置配置"analysis": {	#解析组"analyzer": {	#自定义解析器"my_analyzer": {	#分词器名称，按照character 》 tokenizer 》 filter 顺序进行配置"tokenizer": "ik_max_word","filter": "pinyin"}}}}
}

拓展自定义分词器

PUT /test
{"settings": {	#设置配置"analysis": {	#解析组"analyzer": {	#自定义解析器"my_analyzer": {	#分词器名称，按照character 》 tokenizer 》 filter 顺序进行配置"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，设置为pinyin"keep_full_pinyin": false,	# 是否开启单字拼音"keep_joined_full_pinyin": true,	# 是否开启全拼"keep_original": true,	# 是否保留中文"limit_first_letter_length": 16,"remove_duplicated_term": true,"none_chinese_pinyin_tokenize": false}}}}
}

现在直接使用拼音分词器的问题：

当我们插入两个拼音相同，字义不同的词汇，那么在我们搜索一个同音词汇时，就会出现两者都被搜索出来，显然这是错误的搜索结果。

所以我们需要在创建索引时使用拼音分词器，在搜索索引时使用中文分词器。

"mappings":	{"properties": {"name": {"type": "text","analyzer": "my_analyzer",	# 在索引创建时使用自定义分词器"search_analyzer": "ik_smart"	# 在搜索时使用中文分词器}}
}

（三）自动补全查询

ES 提供 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
• 字段的内容一般是用来补全多个词条形成的数组

#创建索引库
PUT test
{"maapings": {"properties": {"title": {"type": "completion"}}}
}#	示例数据
POST test/_doc
{"title": ["Sony", "WH-1000XM3"]
}
POST test/_doc
{"title": ["SK-II", "PITERA"]
}
POST test/_doc
{"title": ["Nintendo", "switch"]
}

查询示例

GET /test/_search
{"suggest": {"title_suggest": {"text": "s",	# 关键字"completion": {"field": "title",	# 补全查询的字段"skip_duplicates": true,	# 跳过重复的"size": 10	# 获取前10条结果}}}
}

（四）RestClient实现自动补全

//1、准备请求
SearchRequest request = new SearchRequest("hotel");//2、请求参数
request.source().suggest(new SuggestBuilder().addSuggestion("mySuggestion",	SuggestBuilders.completionSuggestion("title").prefix("h").skipDuplicates(true).size(10)
));//3、发送请求
client.search(request, RequestOptions.DEFAULT);//4、解析结果
Suggest suggest = response.getSuggest();//5、根据名称获取补全结果
CompletionSuggestion suggestion = suggest.getSuggestion("title_suggest");//6、获取options并遍历
for (CompletionSuggestion.Entry.Option option : suggestion.getOptions()){//获取option的textString text = option.getText().string();
}

---

三、数据同步

ES的数据来自数据库，而数据库数据发生改变时，ES也必须改变，这个就是ES与数据库的数据同步。

在微服务中，负责 数据操作业务 与 数据搜索业务 可能会出现在两个不同的微服务中，数据同步如何实现？

（一）数据同步思路

方式一：同步调用

新增数据 》 数据管理业务（直接写入数据库） 》 调用更新索引库接口 》 数据搜索服务（更新ES）

• 优点： 实现简单，粗暴
• 缺点： 数据耦合，业务耦合，性能下降。

方式二：异步通知（现阶段最为推荐的一种方式）

新增数据 》 数据管理业务（直接写入数据库，并给MQ发送消息） 》 MQ（搜索服务订阅） 》 数据搜索服务（更新ES）

• 优点： 低耦合，实现难度一般
• 缺点： 依赖mq的可靠性

方式三：监听binlog

新增数据 》 数据管理业务（直接写入mysql数据库，mysql数据库监听binlog库） 》 canal（中间件，通知搜索服务数据变更） 》 数据搜索服务（更新ES）

• 优点： 完全解除服务间的耦合
• 缺点： 开启binlog增加数据库负担，实现复杂度高

（二）实现ES与数据库数据同步

我们采用的是异步通知的方式进行数据同步

实现数据同步

• 声明交换机，queue，RoutingKey
• 在admin中的增删改业务中完成消息发送
• 完成消息监听，并更新ES数据