ElasticSearch-全文检索

ElasticSearch-全文检索

简介

https://www.elastic.co/cn/what-is/elasticsearch
全文搜索属于最常见的需求，开源的 Elasticsearch 是目前全文搜索引擎的首选。
它可以快速地储存、搜索和分析海量数据。维基百科、StackOverflow、Github 都采用它

Elastic 的底层是开源库 Lucene。但是，你没法直接用 Lucene，必须自己写代码去调用它的
接口。Elastic 是Lucene的封装，提供了 RESTAPI的操作接口，开箱即用。
RESTAPI：天然的跨平台。
官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html
官方中文：https://www.elastic.co/guide/cn/elasticsearch/guide/current/foreword_id.html
社区中文：
https://es.xiaoleilu.com/index.html
http://doc.codingdict.com/elasticsearch/0/

一、基本概念

1 、Index（索引）

动词，相当于MySQL中的insert；
名词，相当于MySQL中的Database

2 、Type（类型）

在 Index（索引）中，可以定义一个或多个类型。
类似于MySQL中的Table；每一种类型的数据放在一起；

3 、Document（文档）

保存在某个索引（Index）下，某种类型（Type）的一个数据（Document），文档是JSON格
式的，Document就像是MySQL中的某个Table里面的内容；

4 、倒排索引机制

二、Docker 安装 Es

1、下载镜像文件

docker pull elasticsearch:7.4.2 存储和检索数据
docker pull kibana:7.4.2 可视化检索数据

2、创建实例

1、ElasticSearch

mkdir -p /mydata/elasticsearch/config
mkdir -p /mydata/elasticsearch/data
echo "http.host: 0.0.0.0 " >> /mydata/elasticsearch/config/elasticsearch.yml

chmod -R 777 /mydata/elasticsearch/ 保证权限

docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \
-e "discovery.type=single-node" \
-e ES_JAVA_OPTS="-Xms64m -Xmx512m" \
-v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
-v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
-d elasticsearch:7.4.2

以后再外面装好插件重启即可；

特别注意：
-e ES_JAVA_OPTS="-Xms6m -Xmx512m"\ 测试环境下，设置 ES 的初始内存和最大内存，否则导致过大启动不了 ES

2、Kibana

docker run --name kibana -e ELASTICSEARCH_HOSTS=http://192.168.56.10:9200 -p 5601:5601 \
-d kibana:7.4.2

http://192.168.56.10:9200 一定改为自己虚拟机的地址

三、初步检索

1、_cat

GET /_cat/nodes： 查看所有节点
GET /_cat/health： 查看es健康状况
GET /_cat/master： 查看主节点
GET /_cat/indices： 查看所有索引 show databases;

2、索引一个文档（保存）

保存一个数据，保存在哪个索引的哪个类型下，指定用哪个唯一标识
PUT customer/external/1；在 customer 索引下的external类型下保存 1 号数据为

PUT customer/external/1
{
  "name":"John Doe"
}

PUT 和 POST 都可以，
POST 新增。如果不指定id，会自动生成id。指定id就会修改这个数据，并新增版本号

PUT 可以新增可以修改。PUT必须指定id；由于PUT需要指定id，我们一般都用来做修改操作，不指定id会报错。

3、查询文档

GET customer/external/1

结果：

{
  "_index":"customer",   //在哪个索引
  "_type":"external",   //在哪个类型
  "_id":" 1 ",   //记录id
  "_version": 2,   //版本号
  "_seq_no": 1,   //并发控制字段，每次更新就会 +1，用来做乐观锁
  "_primary_term": 1,   //同上，主分片重新分配，如重启，就会变化
  "found":true,
  "_source":{   //真正的内容
    "name":"John Doe"
  }
}

更新携带 ?if_seq_no=0&if_primary_term=1

4、更新文档

POST customer/external/1/_update
{
  "doc":{
    "name":"John Doew"
  }
}

或者

POST customer/external/1/
{
  "name":"John Doe2"
}

或者

PUT customer/external/1
{
  "name":"John Doe"
}

• 不同：POST 操作会对比源文档数据，如果相同不会有什么操作，文档 version 不增加；PUT操作总会将数据重新保存并增加 version 版本；

  • 带 _update 对比元数据如果一样就不进行任何操作。
  • 看场景：
    • 对于大并发更新，不带 update；
    • 对于大并发查询偶尔更新，带 update；对比更新，重新计算分配规则。

• 更新同时增加属性

POST customer/external/1/_update
{
  "doc":{"name":"Jane Doe","age":20 }
}

PUT 和 POST 不带_update也可以

5、删除文档&索引

DELETE customer/external/1
DELETE customer

6、bulk 批量 API

POST customer/external/_bulk
{"index":{"_id":"1"}}
{"name":"John Doe"}
{"index":{"_id":"2"}}
{"name":"Jane Doe"}

语法格式：
{action:{metadata}}\n
{request body }\n

{action:{metadata}}\n
{request body }\n

复杂实例：

POST /_bulk
{"delete":{"_index":"website","_type":"blog","_id":"123"}}
{"create":{"_index":"website","_type":"blog","_id":"123"}}
{"title": "My first blog post"}
{"index": {"_index":"website","_type":"blog"}}
{"title": "My second blog post"}
{"update":{"_index":"website","_type":"blog","_id":"123","_retry_on_conflict":3}}
{"doc":{"title":"My updated blog post"}}

bulk API 以此按顺序执行所有的 action（动作）。如果一个单个的动作因任何原因而失败，
它将继续处理它后面剩余的动作。当 bulk API 返回时，它将提供每个动作的状态（与发送
的顺序相同），所以您可以检查是否一个指定的动作是不是失败了。

7、样本测试数据

我准备了一份顾客银行账户信息的虚构的 JSON 文档样本。每个文档都有下列的 schema（模式）:

{
  "account_number":0,
  "balance":16623,
  "firstname":"Bradshaw",
  "lastname":"Mckenzie",
  "age":29,
  "gender":"F",
  "address":"244 Columbus Place",
  "employer":"Euron",
  "email":"bradshawmckenzie@euron.com",
  "city":"Hobucken",
  "state":"CO"
}

https://gitee.com/lqs0911/common_module/blob/master/es测试数据.json 导入测试数据
POST bank/account/_bulk
测试数据

四、进阶检索

1、SearchAPI

ES支持两种基本方式检索 :

• 一个是通过使用 REST request URI 发送搜索参数（uri+检索参数）
• 另一个是通过使用 REST request body 来发送它们（uri+请求体）

1）、检索信息

• 一切检索从_search开始

GET bank/_search 检索 bank 下所有信息，包括type和docs
GET bank/_search?q=*&sort=account_number:asc 请求参数方式检索

响应结果解释：
took-Elasticsearch 执行搜索的时间（毫秒）
time_out- 告诉我们搜索是否超时
_shards- 告诉我们多少个分片被搜索了，以及统计了成功/失败的搜索分片
hits- 搜索结果
hits.total- 搜索结果
hits.hits- 实际的搜索结果数组（默认为前 10 的文档）
sort- 结果的排序key（键）（没有则按 score 排序）
score 和 max_score– 相关性得分和最高得分（全文检索用）

• uri+请求体进行检索

GET bank/_search

{
  "query":{
    "match_all":{}
  },
  "sort":[
    {
      "account_number":{
        "order":"desc"
      }
    }
  ]
}

HTTP客户端工具（POSTMAN），get请求不能携带请求体，我们变为post也是一样的
我们 POST 一个 JSON 风格的查询请求体到 _searchAPI 。
需要了解，一旦搜索的结果被返回， Elasticsearch 就完成了这次请求，并且不会维护任何服务端的资源或者结果的 cursor （游标）

2、QueryDSL

1）、基本语法格式

Elasticsearch 提供了一个可以执行查询的 Json 风格的 DSL （ domain-specificlanguage 领域特定语言）。这个被称为QueryDSL。该查询语言非常全面，并且刚开始的时候感觉有点复杂，真正学好它的方法是从一些基础的示例开始的。

• 一个查询语句 的典型结构

{
  QUERY_NAME:{
    ARGUMENT:VALUE,
    ARGUMENT:VALUE,...
  }
}

• 如果是针对某个字段，那么它的结构如下：

{
  QUERY_NAME:{
    FIELD_NAME:{
      ARGUMENT:VALUE,
      ARGUMENT:VALUE,...
    }
  }
}

GET bank/_search

{
  "query":{
    "match_all":{}
  },
  "from":0,
  "size":5,
  "sort":[
    {
      "account_number":{
        "order":"desc"
      }
    }
  ]
}

• query定义如何查询，
• match_all 查询类型【代表查询所有的所有】，es中可以在query中组合非常多的查询类型完成复杂查询
• 除了 query参数之外，我们也可以传递其它的参数以改变查询结果。如sort，size
• from+size限定，完成分页功能
• sort排序，多字段排序，会在前序字段相等时后续字段内部排序，否则以前序为准

2）、返回部分字段

GET bank/_search

{
  "query":{
    "match_all":{}
  },
  "from":0,
  "size":5,
  "_source":["age","balance"]
}

3）、match【匹配查询】

• 基本类型（非字符串），精确匹配

GET bank/_search

{
  "query":{
    "match":{
      "account_number":"20"
    }
  }
}

match 返回 account_number=20 的

• 字符串，全文检索

GET bank/_search

{
  "query":{
    "match":{
      "address":"mill"
    }
  }
}

最终查询出address中包含mill单词的所有记录
match当搜索字符串类型的时候，会进行全文检索，并且每条记录有相关性得分。

• 字符串，多个单词（分词+全文检索）
  GET bank/_search

{
  "query":{
    "match":{
      "address":"mill road"
    }
  }
}
## 全文检索按照评分进行排序，会对检索条件进行分词匹配

最终查询出address中包含mill或者road或者mill road的所有记录，并给出相关性得分

4）、match_phrase【短语匹配】

将需要匹配的值当成一个整体单词（不分词）进行检索

GET bank/_search

{
  "query":{
    "match_phrase":{
      "address":"mill road"
    }
  }
}

查出address中包含mill road的所有记录，并给出相关性得分

5）、multi_match【多字段匹配】

GET bank/_search

{
  "query":{
    "multi_match":{
      "query":"mill",
      "fields":["state","address"]
    }
  }
}

state或者address包含mill

6）、bool【复合查询】

bool用来做复合查询：
复合语句可以合并任何其它查询语句，包括复合语句，了解这一点是很重要的。这就意味着，复合语句之间可以互相嵌套，可以表达非常复杂的逻辑。

• must：必须达到 must 列举的所有条件

GET bank/_search

{
  "query":{
    "bool":{
      "must":[
        {"match":{"address":"mill"}},
        {"match":{"gender":"M"}}
      ]
    }
  }
}

• should：应该达到 should 列举的条件，如果达到会增加相关文档的评分，并不会改变查询的结果。如果query中只有should且只有一种匹配规则，那么should的条件就会被作为默认匹配条件而去改变查询结果

GET bank/_search

{
  "query":{
    "bool":{
      "must":[
        {"match":{"address":"mill"}},
        {"match":{"gender":"M"}}
      ],
      "should":[
        {"match":{"address":"lane"}}
      ]
    }
  }
}

• must_not 必须不是指定的情况

GET bank/_search

{
  "query":{
    "bool":{
      "must":[
        {"match":{"address":"mill"}},
        {"match":{"gender":"M"}}
      ],
      "should":[
        {"match":{"address":"lane"}}
      ],
      "must_not":[
        {"match":{"email":"baluba.com"}}
      ]
    }
  }
}

address包含mill，并且gender是M，如果address里面有lane最好不过，但是email必须不包含baluba.com

7）、filter【结果过滤】

并不是所有的查询都需要产生分数，特别是那些仅用于 “filtering”（过滤）的文档。为了不
计算分数 Elasticsearch 会自动检查场景并且优化查询的执行。
GET bank/_search

{
  "query":{
    "bool":{
      "must":[
        {"match":{"address":"mill"}}
      ],
      "filter":{
        "range":{
          "balance":{
            "gte":10000,
            "lte":20000
          }
        }
      }
    }
  }
}

8）、term

和match一样。匹配某个属性的值。全文检索字段用 match ，其他非 text 字段匹配用 term。

GET bank/_search

{
  "query":{
    "bool":{
      "must":[
        {"term":{
          "age":{
          "value":"28"
          }
        }},
        {"match":{
          "address":"990 Mill Road"
        }}
      ]
    }
  }
}

9）、aggregations（执行聚合）

聚合提供了从数据中分组和提取数据的能力。最简单的聚合方法大致等于 SQL GROUP BY 和 SQL 聚合函数。在 Elasticsearch 中，您有执行搜索返回 hits （命中结果），并且同时返回聚合结果，把一个响应中的所有 hits （命中结果）分隔开的能力。这是非常强大且有效的，您可以执行查询和多个聚合，并且在一次使用中得到各自的（任何一个的）返回结果，使用一次简洁和简化的 API 来避免网络往返。

• 搜索 address 中包含 mill 的所有人的年龄分布以及平均年龄，但不显示这些人的详情。

GET bank/_search

{
  "query":{
    "match":{
      "address":"mill"
    }
  },
  "aggs":{
    "group_by_state":{
      "terms":{
        "field":"age"
      }
    },
    "avg_age":{
      "avg":{
        "field":"age"
      }
    }
  },
  "size": 0
}

size： 0 不显示搜索数据
aggs：执行聚合。聚合语法如下
"aggs":{
"aggs_name 这次聚合的名字，方便展示在结果集中":{
"AGG_TYPE 聚合的类型（avg,term,terms）":{}
}
},

复杂：
按照年龄聚合，并且请求这些年龄段的这些人的平均薪资

GET bank/account/_search

{
  "query":{
    "match_all":{}
  },
  "aggs":{
    "age_avg":{
      "terms":{
        "field":"age",
        "size": 1000
      },
      "aggs":{
        "banlances_avg":{
          "avg":{
            "field":"balance"
          }
        }
      }
    }
  }
  ,
  "size": 1000
}

复杂：查出所有年龄分布，并且这些年龄段中 M 的平均薪资和 F 的平均薪资以及这个年龄段的总体平均薪资

GET bank/account/_search

{
  "query":{
    "match_all":{}
  },
  "aggs":{
  "age_agg":{
    "terms":{
      "field":"age",
      "size": 100
    },
    "aggs":{
      "gender_agg":{
        "terms":{
          "field":"gender.keyword",
          "size": 100
        },
        "aggs":{
          "balance_avg":{
            "avg":{
              "field":"balance"
            }
          }
        }
      },
      "balance_avg":{
        "avg":{
          "field":"balance"
          }
        }
      }
    }
  }
  ,
  "size": 1000
}

3 、Mapping

1）、字段类型

2）、映射

Mapping（映射）
Mapping 是用来定义一个文档（ document ），以及它所包含的属性（ field ）是如何存储和
索引的。比如，使用mapping来定义：

• 哪些字符串属性应该被看做全文本属性（full text fields）。
• 哪些属性包含数字，日期或者地理位置。
• 文档中的所有属性是否都能被索引（_all 配置）。
• 日期的格式。
• 自定义映射规则来执行动态添加属性。
• 查看mapping信息：

GET bank/_mapping

• 修改mapping信息

https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping.html

自动猜测的映射类型

3）、新版本改变

Es7 及以上移除了type的概念。

• 关系型数据库中两个数据表示是独立的，即使他们里面有相同名称的列也不影响使用，但ES中不是这样的。elasticsearch是基于Lucene开发的搜索引擎，而ES中不同type下名称相同的filed最终在Lucene中的处理方式是一样的。
  • 两个不同type下的两个user_name，在ES同一个索引下其实被认为是同一个filed，你必须在两个不同的type中定义相同的filed映射。否则，不同type中的相同字段名称就会在处理中出现冲突的情况，导致Lucene处理效率下降。
  • 去掉type就是为了提高ES处理数据的效率。

Elasticsearch 7.x

• URL中的type参数为可选。比如，索引一个文档不再要求提供文档类型。

Elasticsearch 8.x

• 不再支持URL中的type参数。

解决：
1）、将索引从多类型迁移到单类型，每种类型文档一个独立索引
2）、将已存在的索引下的类型数据，全部迁移到指定位置即可。详见数据迁移

1 、创建映射

1、创建索引并指定映射

PUT /my-index

{
  "mappings":{
    "properties":{
      "age": {"type":"integer"},
      "email": {"type":"keyword" },
      "name": {"type":"text" }
    }
  }
}

2、添加新的字段映射

PUT /my-index/_mapping

{
  "properties":{
    "employee-id":{
      "type":"keyword",
      "index":false
    }
  }
}

3、更新映射

对于已经存在的映射字段，我们不能更新。更新必须创建新的索引进行数据迁移

4、数据迁移

先创建出 new_twitter 的正确映射。然后使用如下方式进行数据迁移

POST _reindex [固定写法]

{
  "source":{
    "index":"twitter"
  },
  "dest":{
    "index":"new_twitter"
  }
}

将旧索引的 type 下的数据进行迁移
POST _reindex

{
  "source":{
    "index":"twitter",
    "type":"tweet"
  },
  "dest":{
    "index":"tweets"
  }
}

4 、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" Quickbrownfox! "分割为[ Quick , brown , fox! ]。
该 tokenizer （分词器）还负责记录各个 term （词条）的顺序或 position 位置（用于 phrase 短语和 wordproximity 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 characteroffsets （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customanalyzers（自定义分词器）。

1）、安装 ik 分词器

注意：不能用默认elasticsearch-plugin installxxx.zip 进行自动安装
https://github.com/medcl/elasticsearch-analysis-ik/releases?after=v6.4.2 对应es版本安装

进入es容器内部 plugins目录
dockerexec-it 容器 id/bin/bash
wget
https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.4.2/elasticsearch-analysis-ik-7.4.2.zip
unzip 下载的文件
rm –rf *.zip
mv elasticsearch/ ik

可以确认是否安装好了分词器
cd ../bin
elasticsearch plugin list：即可列出系统的分词器

2）、测试分词器

使用默认

POST _analyze

{
  "text":"我是中国人"
}

请观察结果
使用分词器
POST _analyze

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

请观察结果
另外一个分词器 ik_max_word
POST _analyze

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

请观察结果
能够看出不同的分词器，分词有明显的区别，所以以后定义一个索引不能再使用默认的mapping了，要手工建立mapping,因为要选择分词器。

3）、自定义词库

修改/usr/share/elasticsearch/plugins/ik/config/中的IKAnalyzer.cfg.xml
/usr/share/elasticsearch/plugins/ik/config

<?xml version="1.0" encoding="UTF-8"?>


  IK Analyzer 扩展配置
  
  
  
  
  
  http://192.168.128.130/fenci/myword.txt
  
  

原来的xml

<?xml version="1.0" encoding="UTF-8"?>


  IK Analyzer 扩展配置
  
  
  
  
  
  
  
  

按照标红的路径利用nginx发布静态资源,按照请求路径，创建对应的文件夹以及文件，放在nginx的html下

然后重启es服务器，重启nginx。
在kibana中测试分词效果

更新完成后，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

五、Elasticsearch-Rest-Client

1）、9300：TCP

• spring-data-elasticsearch:transport-api.jar；
  • springboot版本不同， transport-api.jar 不同，不能适配 es 版本
  • 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，麻烦
• HttpClient：同上
• Elasticsearch-Rest-Client：官方 RestClient，封装了 ES 操作，API 层次分明，上手简单

最终选择Elasticsearch-Rest-Client（elasticsearch-rest-high-level-client）
https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/java-rest-high.html

1、SpringBoot整合

  
    org.elasticsearch.client
    elasticsearch-rest-high-level-client
    7.4.2
  

2、配置

/**
 * 1、导入依赖
 * 2、编写配置，给容器中注入一个RestHighLevelClient
 * 3、参照官方API
 * @Author: Kisen
 * @Date: 2022/3/18 15:20
 */
@Configuration
public class GulimallElasticSearchConfig {

    public static final RequestOptions COMMON_OPTIONS;

    static {
        RequestOptions.Builder builder = RequestOptions.DEFAULT.toBuilder();
//        builder.addHeader("Authorization", "Bearer " + TOKEN);
//        builder.setHttpAsyncResponseConsumerFactory(
//                new HttpAsyncResponseConsumerFactory
//                        .HeapBufferedResponseConsumerFactory(30 * 1024 * 1024 * 1024));
        COMMON_OPTIONS = builder.build();
    }

    @Bean
    public RestHighLevelClient esRestClient() {
        RestClientBuilder builder = null;
        //final String hostname, final int port, final String scheme
        builder = RestClient.builder(new HttpHost("192.168.56.10", 9200, "http"));
        RestHighLevelClient client = new RestHighLevelClient(builder);
//        RestHighLevelClient client = new RestHighLevelClient(
//                RestClient.builder(
//                        new HttpHost("192.169.56.10", 9200, "http")));
        return client;
    }

}

3、使用

参照官方文档：

    @Autowired
    private RestHighLevelClient client;

    @Data
    class Account {
        private int account_number;
        private int balance;
        private String firstname;
        private String lastname;
        private int age;
        private String gender;
        private String address;
        private String employer;
        private String email;
        private String city;
        private String state;
    }

    @Test
    void searchData() throws IOException {
        //1、创建检索请求
        SearchRequest searchRequest = new SearchRequest();
        //指定索引
        searchRequest.indices("bank");
        //指定DSL，索引条件
        //SearchSourceBuilder sourceBuilder 封装的条件
        SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
        //1.1、检索条件
//        sourceBuilder.query();
//        sourceBuilder.from();
//        sourceBuilder.size();
//        sourceBuilder.aggregation();
        sourceBuilder.query(QueryBuilders.matchQuery("address", "mill"));

        //1.2、按照年龄的值分布进行聚合
        TermsAggregationBuilder ageAgg = AggregationBuilders.terms("ageAgg").field("age").size(10);
        sourceBuilder.aggregation(ageAgg);

        //1.3、计算平均薪资
        AvgAggregationBuilder balanceAvg = AggregationBuilders.avg("balanceAvg").field("balance");
        sourceBuilder.aggregation(balanceAvg);

        System.out.println("检索条件：" + sourceBuilder.toString());
        searchRequest.source(sourceBuilder);

        //2、执行检索：
        SearchResponse searchResponse = client.search(searchRequest, GulimallElasticSearchConfig.COMMON_OPTIONS);

        //3、分析结果 searchResponse
        System.out.println(searchResponse.toString());
//        Map map = (Map) JSONUtil.toBean(searchResponse.toString(), Map.class);
        //3.1、获取所有查到的数据
        SearchHits hits = searchResponse.getHits();
        SearchHit[] searchHits = hits.getHits();
        for (SearchHit hit : searchHits) {
            /**
             *         "_index" : "bank",
             *         "_type" : "account",
             *         "_id" : "970",
             *         "_score" : 5.4032025,
             *         "_source" :
             */
//            hit.getIndex();hit.getType();hit.getId();
            String string = hit.getSourceAsString();
            Account account = JSONUtil.toBean(string, Account.class);
            System.out.println("account: " + account.toString());
        }

        //3.2、获取这次检索到的分析信息
        Aggregations aggregations = searchResponse.getAggregations();
//        for (Aggregation aggregation : aggregations.asList()) {
//            System.out.println("当前聚合："+aggregation.getName());
////            aggregation.get
//        }
        Terms ageAgg1 = aggregations.get("ageAgg");
        for (Terms.Bucket bucket : ageAgg1.getBuckets()) {
            String keyAsString = bucket.getKeyAsString();
            System.out.println("年龄：" + keyAsString + "==>" + bucket.getDocCount());
        }

        Avg balanceAvg1 = aggregations.get("balanceAvg");
        System.out.println("平均薪资：" + balanceAvg1.getValue());
    }

    /**
     * 测试存储数据到es
     * 更新也可以
     */
    @Test
    void indexData() throws IOException {
        IndexRequest indexRequest = new IndexRequest("users");
        indexRequest.id("1");//数据的id
//        indexRequest.source("userName", "zhangsan", "age", 18, "gender", "男");
        User user = new User();
        user.setUserName("zhangsan");
        user.setAge(18);
        user.setGender("男");
        String jsonStr = JSONUtil.toJsonStr(user);
        indexRequest.source(jsonStr, XContentType.JSON); //要保存的内容

        //执行操作
        IndexResponse index = client.index(indexRequest, GulimallElasticSearchConfig.COMMON_OPTIONS);

        //提取有用的响应数据
        System.out.println(index);
    }

    @Data
    class User {
        private String userName;
        private String gender;
        private Integer age;
    }

    @Test
    void contextLoads() {
        System.out.println(client);
    }

六、附录-安装 nginx

• 随便启动一个nginx实例，只是为了复制出配置
  • docker run -p 80:80 --name nginx -d nginx:1.10
• 将容器内的配置文件拷贝到当前目录：docker container cp nginx:/etc/nginx .
  • 别忘了后面的点
• 修改文件名称：mv nginx conf 把这个conf移动到/mydata/nginx下
• 终止原容器：docker stop nginx
• 执行命令删除原容器：docker rm $ContainerId
• 创建新的 nginx；执行以下命令

docker run -p 80:80 --name nginx \
-v /mydata/nginx/html:/usr/share/nginx/html \
-v /mydata/nginx/logs:/var/log/nginx \
-v /mydata/nginx/conf:/etc/nginx \
-d nginx:1.10

• 给 nginx 的 html 下面放的所有资源可以直接访问；