传统的搜索是直接访问数据库来搜索，一旦数据量和访问量上升了，对数据库的压力非常大，极有可能造成数据库服务宕机。就算服务器能抗住访问量，搜索速度也会很慢。你可能会说，给数据库建个索引，确实，这样是会快很多，但是相比Elasticsearch来说，还是比较慢了。并且注意一点，加了索引之后，搜索效果就不好了，前置模糊查询时，会使索引失效，然后变成全表扫描，大数据量的时候，来个全表扫描? 太恐怖了！！！

所以，这个时候就该 Elasticsearch上场了~~~

二、什么是Elasticsearch

官网说明：Elasticsearch 是一个分布式的RESTful风格的搜索和数据分析引擎，能够解决不断涌现的各种用例。作为Elastic Stack 的核心，它集中存储了您的数据，帮助您发现意料之中以及意料之外的情况。👉官网

简单来说Elasticsearch是一个搜索引擎，并且可以对数据进行分析。

Elasticsearch的一些特点：

分布式，无需人工搭建集群，并尽力隐藏分布式系统的复杂性。
RESTful，API遵循REST原则，容易上手。
对海量数据进行近实时的处理

三、Elasticsearch相关

（一）Kibana

Kibana是一个基于Node.js的Elasticsearch索引库数据统计工具，可以利用Elasticsearch的聚合功能，生成各种图表，如柱形图，线状图，饼图等。并且Kibana还提供了操作Elasticsearch索引数据的控制台，还API提示，不论是学习Elasticsearch的时候，还是使用Elasticsearch的时候，都很方便，用处也很大。

（二）IK分词器

项目中使用的一个中文分词器，想深入了解的可以去ik的社区看看：ik分词器社区

（这两个以及Elasticsearch的基础概念和语法这里就不详述了，本文重点不在这。）

四、Elasticsearch的使用

（一）将数据导入Elasticsearch的索引库

Ⅰ、创建搜索微服务

我用Springboot搭的，没什么好说的，注意配置文件配置一下节点和默认名称。

spring:
  application:
    name: search-service
  data:
    elasticsearch:
      cluster-name: elasticsearch #默认其实就是elasticsearch，但最好还是配置一下
      cluster-nodes: xxx.xxx.xxx.xxx:9301 #节点地址和端口

（我没用集群，需要使用集群的可以去找一下大佬写的教程。）

Ⅱ、索引库数据格式分析

1.首先作为一个商城项目，搜索结果是一个个的SPU，既多个SKU的集合。
所以索引库中存储的应该也是SPU,但是要包含SKU的信息。

2.为了方便后面实现搜索的过滤，所以我们的搜索结果不仅需要图片、价格、标题、SpuId、SkuId，
还需要搜索过滤条件商品分类、品牌、创建时间等可用来搜索的规格参数等数据。

3.最终数据结构参考

@Document(indexName = "goods", type = "docs", shards = 1, replicas = 0)
public class Goods {
    @Id
    private Long id; // spuId
    @Field(type = FieldType.Text, analyzer = "ik_max_word")
    private String all; // 用来进行全文检索的字段，里面包含标题、商品分类，品牌等信息
    @Field(type = FieldType.Keyword, index = false)
    private String subTitle;// 卖点
    private Long brandId;// 品牌id
    private Long cid1;// 1级分类id
    private Long cid2;// 2级分类id
    private Long cid3;// 3级分类id
    private Date createTime;// 创建时间，用于搜索过滤时的 最新 
    private List<Long> price;//价格数组，是所有sku的价格集合。方便根据价格进行筛选过滤
    @Field(type = FieldType.Keyword, index = false)
    private String skus;// List<sku>信息的json结构，用于页面展示的sku信息，不索引，不搜索。包含skuId、image、price、title字段
    private Map<String, Object> specs;// 可搜索的规格参数，key是参数名，值是参数值。例如：我们在specs中存储 内存：8G,256G，颜色为黑色，
}

Ⅲ、商品微服务提供接口

1. 为了避免代码冗余，降低开发成本。商品微服务方不仅提供实体类的相关方法，还提供这些方法的api接口声明。
搜索微服务及其他服务需要使用时，直接继承并调用该api接口即可使用。

即：商品的微服务要提供相关实体类的API接口，当我们搜索微服务或者其他微服务需要使用该实体类，只需使用一个接口继承该API接口，然后调用即可。

Ⅳ、导入数据

我使用的是 Spring Data Elasticsearch来操作。
Spring Data 的强大之处，就在于你不用写任何DAO处理，自动根据方法名或类的信息进行CRUD操作。只要你定
义一个接口，然后继承Repository提供的一些子接口，就能具备各种基本的CRUD功能。
我们只需要定义接口，然后继承它就OK了。（就像使用Mapper接口操作数据库一样）

1. 创建 xxxRepository接口

public interface GoodsRepository extends ElasticsearchRepository<Goods,Long>{

}

2. 创建索引 createIndex()

3. 导入数据
查询出所需要的数据，根据需要的字段，把查询到的SPU构建成所需要的goods，然后调用xxxRepository写入刚刚创建的索引库。

（这个数据导入一次就可以了，后面的数据同步用的是别的方法。）

（二）实现基本的搜索

Ⅰ、页面发送搜索请求

页面发送过来的请求包括搜索字段和分页page，排序字段，是否降序等字段，所以后台要有相关对象来接收这些字段。

可以新建一个对象，继承已有对象并扩展，这样不会影响到已写好的功能。

Ⅱ、Controller

获取请求中的内容，并调用Service处理，然后返回。

Ⅲ、Service

1.自定义查询构建器NativeSearchQueryBuilder

2.添加查询条件

3.添加分页，分页页码从0开始

4.添加结果集过滤

5.执行查询，获取结果集

6.封装结果集并返回

查询结果中可能会有空值，可以通过如下设置来忽略：

spring:
  jackson:
    default-property-inclusion: non_null # 配置json处理时忽略空值

（三）搜索过滤

Ⅰ、过滤功能分析

根据用户输入的搜索字段，查出相应的可供用于过滤的字段
比如，用户搜索手机，那我们可以提供出所有手机的品牌，规格参数等，供用户选择来过滤。
比如，用户搜索苹果手机，那我们可以提供出苹果品牌下的所有手机的款式，规格等，供用户来选择过滤。

Ⅱ、生成分类和品牌的过滤

1.分析

分类和品牌。在我们的数据库中已经有所有的分类和品牌信息。那在这个位置，是不是把所有的分类和品牌信息都展示出来呢？
显然不是，用户搜索的条件会对商品进行过滤，而在搜索结果中，不一定包含所有的分类和品牌，直接展示出所有商品分类，让用户选择显然是不合适的。
比如，用户搜索一个手机，结果你给用户提供的过滤选项是所有的商品的分类和品牌，那体验就特别差了。
所以无论是分类信息，还是品牌信息，都应该从搜索的结果商品中进行聚合得到。

2.扩展返回的结果

分类：需要分类名称，以及绑定分类id信息
品牌：logo，文字，id ，基本是品牌的完整信息
扩展：新建一个类，继承PageResult，扩展两个新属性，分类集合、品牌集合。
(为什么是新建一个类继承，而不是在原类上修改？因为如果在原类上修改，会影响之前已经写好的相关方法。)

3.聚合商品分类和品牌

①处理聚合结果集

②获取所有的品牌(或分类)的id桶

③定义一个品牌（或分类）的集合，搜集所有的品牌（或分类）对象

④解析所有的id桶，查询品牌（或分类）