SpringCloud详细介绍 zh-分布式搜索引擎(2) 分布式搜索引擎06

ゝ一纸荒年。 2023-09-25 19:13 61阅读 0赞

> 目标：

研究下elasticsearch的数据搜索功能。  
分别使用**DSL**和**RestClient**实现搜索。

# 1.DSL查询文档 #

elasticsearch的查询依然是`基于JSON风格的DSL来实现的`。

## 1)DSL查询分类 ##

`Elasticsearch`提供了基于`JSON的DSL`（[Domain Specific Language][]）来定义查询。常见的查询类型包括：

*  **查询所有**：查询出所有数据，一般测试用。例如：match\_all
 *  **全文检索（full text）查询**：利用`分词器对用户输入内容分词，然后去倒排索引库中匹配`。例如：
    
     *  `match_query`
     *  `multi_match_query`
 *  **精确查询**：根据`精确词条值查找数据`，一般是`查找keyword、数值、日期、boolean等类型字段`。例如：
    
     *  `ids`
     *  `range`
     *  `term`
 *  **地理（geo）查询**：根据`经纬度查询`。例如：
    
     *  `geo_distance`
     *  `geo_bounding_box`
 *  **复合（compound）查询**：复合查询可以将上述各种查询条件组合起来，`合并查询条件`。例如：
    
     *  `bool`
     *  `function_score`

查询的语法基本一致：

GET /indexName/_search
    {
        
      "query": {
        
        "查询类型": {
        
          "查询条件": "条件值"
        }
      }
    }

我们以查询所有为例，其中：

*  `查询类型为match_all`
 *  `没有查询条件`

// 查询所有
    GET /indexName/_search
    {
        
      "query": {
        
        "match_all": {
        
        }
      }
    }

其它查询无非就是**查询类型**、**查询条件**的变化。

## 2)全文检索查询 ##

### (1)使用场景 ###

`全文检索查询的基本流程`如下：

*  对用户搜索的内容做`分词`，得到`词条`
 *  根据词条去`倒排索引库`中匹配，得到`文档id`
 *  根据`文档id找到文档`，`返回给用户`

比较常用的场景包括：

*  `商城的输入框搜索`
 *  `百度输入框搜索`

例如京东：

![在这里插入图片描述][79453a3e7c4b4d29938673cfdb8a9517.png]

因为是`拿着词条去匹配`，因此参与搜索的字段也必须是`可分词的text类型的字段`。

### (2)基本语法 ###

常见的全文检索查询包括：

*  `match查询`：`单字段查询`
 *  `multi_match查询`：`多字段查询`，任意一个字段符合条件就算符合查询条件

match查询语法如下：

GET /indexName/_search
    {
        
      "query": {
        
        "match": {
        
          "FIELD": "TEXT"
        }
      }
    }

mulit\_match语法如下：

GET /indexName/_search
    {
        
      "query": {
        
        "multi_match": {
        
          "query": "TEXT",
          "fields": ["FIELD1", " FIELD12"]
        }
      }
    }

### (3)示例 ###

match查询示例：

![在这里插入图片描述][8ce8553e38bf4937a22bf29e3ee00c6b.png]

multi\_match查询示例：

![在这里插入图片描述][dedbd83bbd9748f4a433f8fc843d4c80.png]

可以看到，两种查询结果是一样的，为什么？

因为我们将`brand、name、business`值都利用`copy_to复制到了all字段中`。因此你根据三个字段搜索，和根据all字段搜索效果当然一样了。

但是，`搜索字段越多，对查询性能影响越大，因此建议采用copy_to，然后单字段查询的方式`。

### (4)总结 ###

match和multi\_match的区别是什么？

*  `match`：`根据一个字段查询`
 *  `multi_match`：根据`多个字段查询`，`参与查询字段越多，查询性能越差`

## 3)精准查询 ##

精确查询一般是查找`keyword、数值、日期、boolean等类型字段`。所以**不会**对搜索条件分词。常见的有：

*  `term`：`根据词条精确值查询`
 *  `range`：`根据值的范围查询`

### (1)term查询 ###

因为精确查询的字段搜是不分词的字段，因此查询的条件也必须是**不分词**的词条。查询时，`用户输入的内容跟自动值完全匹配时才认为符合条件`。如果用户输入的内容过多，反而搜索不到数据。

语法说明：

// term查询
    GET /indexName/_search
    {
        
      "query": {
        
        "term": {
        
          "FIELD": {
        
            "value": "VALUE"
          }
        }
      }
    }

示例：

当我搜索的是`精确词条`时，能正确查询出结果：

![在这里插入图片描述][1e9f51ded4414ee6a456fed9f3944da1.png]

但是，当我搜索的内容不是词条，而是多个词语形成的短语时，反而搜索不到：  
![在这里插入图片描述][4e54d177b2544e938c2d5cd08d66352e.png]

### (2)range查询 ###

`范围查询`，一般应用在`对数值类型做范围过滤`的时候。比如做价格范围过滤。

基本语法：

// range查询
    GET /indexName/_search
    {
        
      "query": {
        
        "range": {
        
          "FIELD": {
        
            "gte": 10, // 这里的gte代表大于等于，gt则代表大于
            "lte": 20 // lte代表小于等于，lt则代表小于
          }
        }
      }
    }

示例：

![在这里插入图片描述][be2be85d697a47fe99dd130a276a3b3a.png]

### (3)总结 ###

精确查询常见的有哪些？

*  `term查询`：根据`词条精确匹配`，一般搜索keyword类型、数值类型、布尔类型、日期类型字段
 *  `range查询`：根据`数值范围查询`，可以是数值、日期的范围

## 4)地理坐标查询 ##

所谓的地理坐标查询，其实就是根据经纬度查询，[官方文档：][Link 1]

`常见的使用场景包括：`

*  `携程`：搜索我`附近的酒店`
 *  `滴滴`：搜索我`附近的出租车`
 *  `微信`：搜索`我附近的人`

附近的酒店：

![在这里插入图片描述][3b66d6fae481406d9c3aaae0c03a3727.png]

附近的车：

![在这里插入图片描述][84fbcd0479d84371ab1cdb251ca7815e.png]

### (1)矩形范围查询 ###

`矩形范围查询`，也就是`geo_bounding_box查询`，查询坐标落在某个矩形范围的所有文档：

![在这里插入图片描述][062070a6562c4a3aa2d9d732c9d451fd.png]

查询时，需要指定矩形的**左上**、**右下**两个点的坐标，然后画出一个矩形，`落在该矩形内的都是符合条件的点`。

语法如下：

// geo_bounding_box查询
    GET /indexName/_search
    {
        
      "query": {
        
        "geo_bounding_box": {
        
          "FIELD": {
        
            "top_left": {
         // 左上点
              "lat": 31.1,
              "lon": 121.5
            },
            "bottom_right": {
         // 右下点
              "lat": 30.9,
              "lon": 121.7
            }
          }
        }
      }
    }

这种并不符合“附近的人”这样的需求，所以我们就不做了。

### (2)附近查询 ###

`附近查询`，也叫做`距离查询（geo_distance`）：`查询到指定中心点小于某个距离值的所有文档。`

换句话来说，`在地图上找一个点作为圆心，以指定距离为半径，画一个圆，落在圆内的坐标都算符合条件`：

![请添加图片描述][19ecf6121e224b0da96fe9355fd5af80.gif]

语法说明：

// geo_distance 查询
    GET /indexName/_search
    {
        
      "query": {
        
        "geo_distance": {
        
          "distance": "15km", // 半径
          "FIELD": "31.21,121.5" // 圆心
        }
      }
    }

示例：

我们先搜索陆家嘴附近15km的酒店：

![在这里插入图片描述][960f5ca50b7d4d15916be7c2634745f2.png]

发现共有47家酒店。

然后把半径缩短到3公里：

![在这里插入图片描述][3e3f96f81ae54d9e83c162af096eb8f7.png]

可以发现，搜索到的酒店数量减少到了5家。

## 5)复合查询 ##

`复合（compound）查询`：复合查询可以将其它简单查询组合起来，实现更复杂的搜索逻辑。常见的有两种：

*  `fuction score`：`算分函数查询`，可以控制文档相关性算分，控制文档排名
 *  `bool query`：`布尔查询`，利用逻辑关系组合多个其它的查询，实现复杂搜索

### (1)相关性算分 ###

当我们利用match查询时，`文档结果会根据与搜索词条的关联度打分（_score），返回结果时按照分值降序排列`。

例如，我们搜索 “虹桥如家”，结果如下：

[
      {
        
        "_score" : 17.850193,
        "_source" : {
        
          "name" : "虹桥如家酒店真不错",
        }
      },
      {
        
        "_score" : 12.259849,
        "_source" : {
        
          "name" : "外滩如家酒店真不错",
        }
      },
      {
        
        "_score" : 11.91091,
        "_source" : {
        
          "name" : "迪士尼如家酒店真不错",
        }
      }
    ]

在`elasticsearch`中，早期使用的打分算法是`TF-IDF算法`，公式如下：

![在这里插入图片描述][5577401ecc98402bac1573d88f802b94.png]

在后来的5.1版本升级中，`elasticsearch`将算法改进为`BM25算法`，公式如下：

![在这里插入图片描述][16731f9160794a70b19e6c57ab5e3986.png]

`TF-IDF算法有一各缺陷，就是词条频率越高，文档得分也会越高，单个词条对文档影响较大`。而BM25则会让单个词条的算分有一个上限，曲线更加平滑：

![在这里插入图片描述][50b814ec0c8749148a8018779c9a2af6.png]

`小结：`elasticsearch会根据词条和文档的相关度做打分，算法由两种：

*  `TF-IDF算法`
 *  `BM25算法`，elasticsearch5.1版本后采用的算法

### (2)算分函数查询 ###

根据相关度打分是比较合理的需求，但**合理的不一定是产品经理需要**的。

以百度为例，你搜索的结果中，并不是相关度越高排名越靠前，而是谁掏的钱多排名就越靠前。如图：

![在这里插入图片描述][dd86c08158094fa29e7d2f996a376b75.png]

要想认为控制相关性算分，就需要利用elasticsearch中的function score 查询了。

#### 1）语法说明 ####

![在这里插入图片描述][e88e1a577f894613b9d2f0cbdb167715.png]

`function score`查询中包含四部分内容：

*  **原始查询**条件：`query部分，基于这个条件搜索文档，并且基于BM25算法给文档打分`，**原始算分**（query score)
 *  **过滤条件**：`filter部分，符合该条件的文档才会重新算分`
 *  **算分函数**：符合filter条件的文档要根据这个函数做运算，得到的**函数算分**（function score），有四种函数
    
     *  `weight`：函数结果是常量
     *  `field_value_factor`：以文档中的某个字段值作为函数结果
     *  `random_score`：以随机数作为函数结果
     *  `script_score`：自定义算分函数算法
 *  **运算模式**：算分函数的结果、原始查询的相关性算分，两者之间的运算方式，包括：
    
     *  `multiply`：相乘
     *  `replace`：用function score替换query score
     *  其它，例如：sum、avg、max、min

`function score`的运行流程如下：

*  1）根据**原始条件**查询搜索文档，并且计算相关性算分，称为**原始算分**（query score）
 *  2）根据**过滤条件**，过滤文档
 *  3）符合**过滤条件**的文档，基于**算分函数**运算，得到**函数算分**（function score）
 *  4）将**原始算分**（query score）和**函数算分**（function score）基于**运算模式**做运算，得到最终结果，作为相关性算分。

因此，其中的`关键点`是：

*  `过滤条件`：决定哪些文档的算分被修改
 *  `算分函数`：决定函数算分的算法
 *  `算模式`：决定最终算分结果

#### 2）示例 ####

需求：给“如家”这个品牌的酒店排名靠前一些

翻译一下这个需求，转换为之前说的四个要点：

*  `原始条件`：不确定，可以任意变化
 *  `过滤条件`：brand = “如家”
 *  `算分函数`：可以简单粗暴，直接给固定的算分结果，weight
 *  `运算模式`：比如求和

因此最终的`DSL`语句如下：

GET /hotel/_search
    {
        
      "query": {
        
        "function_score": {
        
          "query": {
          .... }, // 原始查询，可以是任意条件
          "functions": [ // 算分函数
            {
        
              "filter": {
         // 满足的条件，品牌必须是如家
                "term": {
        
                  "brand": "如家"
                }
              },
              "weight": 2 // 算分权重为2
            }
          ],
          "boost_mode": "sum" // 加权模式，求和
        }
      }
    }

测试，在未添加算分函数时，如家得分如下：

![在这里插入图片描述][083d5fb1a85b445e8e0231907046f74d.png]

添加了算分函数后，如家得分就提升了：

![在这里插入图片描述][570908123b68494294b2d19589b947e9.png]

#### 3）小结 ####

function score query定义的三要素是什么？

*  `过滤条件`：哪些文档要加分
 *  `算分函数`：如何计算function score
 *  `加权方式`：function score 与 query score如何运算

### (3)布尔查询 ###

布尔查询是一个或多个查询子句的组合，每一个子句就是一个**子查询**。子查询的组合方式有：

*  `must`：必须匹配每个子查询，类似“与”
 *  `should`：选择性匹配子查询，类似“或”
 *  `must_not`：必须不匹配，**不参与算分**，类似“非”
 *  `filter`：必须匹配，**不参与算分**

比如在搜索酒店时，除了关键字搜索外，我们还可能根据品牌、价格、城市等字段做过滤：

![在这里插入图片描述][baaf66211e04487f80ccb4347ea49656.png]

每一个不同的字段，其查询的条件、方式都不一样，必须是多个不同的查询，而要组合这些查询，就必须用bool查询了。

需要注意的是，搜索时，参与**打分的字段越多，查询的性能也越差**。因此这种多条件查询时，建议这样做：

*  `搜索框的关键字搜索，是全文检索查询`，`使用must查询，参与算分`
 *  `其它过滤条件，采用filter查询`。`不参与算分`

#### 1）语法示例： ####

GET /hotel/_search
    {
        
      "query": {
        
        "bool": {
        
          "must": [
            {
        "term": {
        "city": "上海" }}
          ],
          "should": [
            {
        "term": {
        "brand": "皇冠假日" }},
            {
        "term": {
        "brand": "华美达" }}
          ],
          "must_not": [
            {
         "range": {
         "price": {
         "lte": 500 } }}
          ],
          "filter": [
            {
         "range": {
        "score": {
         "gte": 45 } }}
          ]
        }
      }
    }

#### 2）示例 ####

需求：搜索名字包含“如家”，价格不高于400，在坐标31.21,121.5周围10km范围内的酒店。

分析：

*  `名称搜索`，`属于全文检索查询`，`应该参与算分`。放到must中
 *  `价格不高于400`，`用range查询`，`属于过滤条件，不参与算分`。放到must\_not中
 *  `周围10km范围内`，`用geo_distance查询`，`属于过滤条件，不参与算分`。放到filter中

![在这里插入图片描述][68899f72148c4f9bb161384df337e2f0.png]

#### 3）小结 ####

bool查询有几种逻辑关系？

*  `must`：`必须`匹配的条件，可以理解为“与”
 *  `should`：`选择`性匹配的条件，可以理解为“或”
 *  `must_not`：`必须不匹配的条件，不参与打分`
 *  `filter`：`必须匹配的条件，不参与打分`

# 2.搜索结果处理 #

`搜索的结果`可以按照`用户指定的方式去处理或展示`。

## 1)排序 ##

`elasticsearch`默认是根据相关度算分（\_score）来排序，但是也支持自定义方式对搜索[结果排序][Link 2]。可以排序字段类型有：keyword类型、数值类型、地理坐标类型、日期类型等。

### (1)普通字段排序 ###

keyword、数值、日期类型排序的语法基本一致。

**语法**：

GET /indexName/_search
    {
        
      "query": {
        
        "match_all": {
        }
      },
      "sort": [
        {
        
          "FIELD": "desc"  // 排序字段、排序方式ASC、DESC
        }
      ]
    }

`排序条件`是一个数组，也就是可以写多个排序条件。按照声明的顺序，当第一个条件相等时，再按照第二个条件排序，以此类推

**示例**：

需求描述：酒店数据按照用户评价（score)降序排序，评价相同的按照价格(price)升序排序

![在这里插入图片描述][84ed8ba140294275a41392c3acb9e89a.png]

### (2)地理坐标排序 ###

地理坐标排序略有不同。

**语法说明**：

GET /indexName/_search
    {
        
      "query": {
        
        "match_all": {
        }
      },
      "sort": [
        {
        
          "_geo_distance" : {
        
              "FIELD" : "纬度，经度", // 文档中geo_point类型的字段名、目标坐标点
              "order" : "asc", // 排序方式
              "unit" : "km" // 排序的距离单位
          }
        }
      ]
    }

这个`查询`的含义是：

*  `指定一个坐标，作为目标点`
 *  计算每一个文档中，指定字段`（必须是geo_point类型）`的坐标 到目标点的距离是多少
 *  根据`距离排序`

**示例：**

需求描述：实现对酒店数据按照到你的位置坐标的距离升序排序

提示：获取你的位置的经纬度的方式：https://lbs.amap.com/demo/jsapi-v2/example/map/click-to-get-lnglat/

假设我的位置是：31.034661，121.612282，寻找我周围距离最近的酒店。

![在这里插入图片描述][5a3a1a0f998948db905d50f47b65cd6a.png]

## 2)分页 ##

`elasticsearch 默认情况下只返回top10的数据`。`而如果要查询更多数据就需要修改分页参数了。elasticsearch中通过修改from、size参数来控制要返回的分页结果：`

*  `from`：`从第几个文档开始`
 *  `size`：`总共查询几个文档`

类似于mysql中的`limit ?, ?`

### (1)基本的分页 ###

分页的基本语法如下：

GET /hotel/_search
    {
        
      "query": {
        
        "match_all": {
        }
      },
      "from": 0, // 分页开始的位置，默认为0
      "size": 10, // 期望获取的文档总数
      "sort": [
        {
        "price": "asc"}
      ]
    }

### (2)深度分页问题 ###

现在，我要查询990~1000的数据，查询逻辑要这么写：

GET /hotel/_search
    {
        
      "query": {
        
        "match_all": {
        }
      },
      "from": 990, // 分页开始的位置，默认为0
      "size": 10, // 期望获取的文档总数
      "sort": [
        {
        "price": "asc"}
      ]
    }

这里是查询990开始的数据，也就是 第990~第1000条 数据。

不过，elasticsearch内部分页时，必须先查询 0~1000条，然后截取其中的990 ~ 1000的这10条：

![在这里插入图片描述][b7fb8def5082400bb9a67b1a783609dc.png]

查`询TOP1000，如果es是单点模式，这并无太大影响。`

但是elasticsearch将来一定是集群，例如我集群有5个节点，我要查询TOP1000的数据，并不是每个节点查询200条就可以了。

因为节点A的TOP200，在另一个节点可能排到10000名以外了。

因此要想获取整个集群的TOP1000，必须先查询出每个节点的TOP1000，汇总结果后，重新排名，重新截取TOP1000。

![在这里插入图片描述][322bbdcde2754939b5572c4c54a5191f.png]

`那如果我要查询9900~10000的数据呢？是不是要先查询TOP10000呢？那每个节点都要查询10000条？汇总到内存中？`

当查询分页深度较大时，汇总数据过多，`对内存和CPU会产生非常大的压力`，因此`elasticsearch会禁止from+ size 超过10000的请求`。

针对深度分页，ES提供了两种解决方案，[官方文档][Link 3]：

*  `search after`：`分页时需要排序`，原理是从上一次的排序值开始，查询下一页数据。官方推荐使用的方式。
 *  `scroll`：`原理将排序后的文档id形成快照，保存在内存`。官方已经不推荐使用。

### (3)小结 ###

分页查询的常见实现方案以及优缺点：

*  `from + size`：
    
     *  `优点`：支持随机翻页
     *  `缺点`：深度分页问题，默认查询上限（from + size）是10000
     *  `场景`：百度、京东、谷歌、淘宝这样的随机翻页搜索
 *  `after search`：
    
     *  `优点`：没有查询上限（单次查询的size不超过10000）
     *  `缺点`：只能向后逐页查询，不支持随机翻页
     *  `场景`：没有随机翻页需求的搜索，例如手机向下滚动翻页
 *  `scroll`：
    
     *  `优点`：没有查询上限（单次查询的size不超过10000）
     *  `缺点`：会有额外内存消耗，并且搜索结果是非实时的
     *  `场景`：海量数据的获取和迁移。从ES7.1开始不推荐，建议用 after search方案。

## 3)高亮 ##

### (1)高亮原理 ###

什么是高亮显示呢？

我们在百度，京东搜索时，关键字会变成红色，比较醒目，这叫`高亮显示`：  
![在这里插入图片描述][d36697dfc2e34563b799178e707d06cf.png]

高亮显示的实现分为两步：

*  1）给文档中的所有关键字都添加一个标签，例如`<em>`标签
 *  2）页面给`<em>`标签编写CSS样式

### (2)实现高亮 ###

**高亮的语法**：

GET /hotel/_search
    {
        
      "query": {
        
        "match": {
        
          "FIELD": "TEXT" // 查询条件，高亮一定要使用全文检索查询
        }
      },
      "highlight": {
        
        "fields": {
         // 指定要高亮的字段
          "FIELD": {
        
            "pre_tags": "<em>",  // 用来标记高亮字段的前置标签
            "post_tags": "</em>" // 用来标记高亮字段的后置标签
          }
        }
      }
    }

**注意：**

*  `高亮是对关键字高亮`，因此**搜索条件必须带有关键字**，而不能是范围这样的查询。
 *  默认情况下，**高亮的字段，必须与搜索指定的字段一致**，否则无法高亮
 *  如果要对非搜索字段高亮，则需要添加一个属性：`required_field_match=false`

**示例**：

![在这里插入图片描述][97667b0f05074b5a9236bc52c7885661.png]

## 4)总结 ##

`查询的DSL是一个大的JSON对象`，包含下列属性：

*  `query`：查询条件
 *  `from和size`：分页条件
 *  `sort`：排序条件
 *  `highlight`：高亮条件

示例：  
![在这里插入图片描述][28b007de883b4d15a40063ea826810da.png]

# 3.RestClient查询文档 #

文档的查询同样适用昨天学习的`RestHighLevelClient`对象，基本步骤包括：

*  1）`准备Request对象`
 *  2）`准备请求参数`
 *  3）`发起请求`
 *  4）`解析响应`

## 1)快速入门 ##

我们以match\_all查询为例

### (1)发起查询请求 ###

![在这里插入图片描述][e5237cd83768476cbc1e765798d11996.png]

代码解读：

*  第一步，创建`SearchRequest`对象，指定索引库名
 *  第二步，利用`request.source()`构建DSL，DSL中可以包含查询、分页、排序、高亮等
    
     *  `query()`：代表查询条件，利用`QueryBuilders.matchAllQuery()`构建一个match\_all查询的DSL
 *  第三步，利用client.search()发送请求，得到响应

这里关键的API有两个，一个是`request.source()`，其中包含了查询、排序、分页、高亮等所有功能：

![在这里插入图片描述][03efe46c361745ae83f00b1de1e312fc.png]

另一个是`QueryBuilders`，其中包含match、term、function\_score、bool等各种查询：

![在这里插入图片描述][f920f0ad02324fe0b764760ba851d0bc.png]

### (2)解析响应 ###

响应结果的解析：

![在这里插入图片描述][2857e5a144094fa1a7bcee889db43b38.png]

elasticsearch返回的结果是一个JSON字符串，结构包含：

*  `hits`：命中的结果
    
     *  `total`：总条数，其中的value是具体的总条数值
     *  `max_score`：所有结果中得分最高的文档的相关性算分
     *  `hits`：搜索结果的文档数组，其中的每个文档都是一个json对象
        
         *  `_source`：文档中的原始数据，也是json对象

因此，我们解析响应结果，就是逐层解析JSON字符串，流程如下：

*  `SearchHits`：通过response.getHits()获取，就是JSON中的最外层的hits，代表命中的结果
    
     *  `SearchHits#getTotalHits().value`：获取总条数信息
     *  `SearchHits#getHits()`：获取SearchHit数组，也就是文档数组
        
         *  `SearchHit#getSourceAsString()`：获取文档结果中的\_source，也就是原始的json文档数据

### (3)完整代码 ###

完整代码如下：

@Test
    void testMatchAll() throws IOException {
        
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        request.source()
            .query(QueryBuilders.matchAllQuery());
        // 3.发送请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
    
        // 4.解析响应
        handleResponse(response);
    }
    
    private void handleResponse(SearchResponse response) {
        
        // 4.解析响应
        SearchHits searchHits = response.getHits();
        // 4.1.获取总条数
        long total = searchHits.getTotalHits().value;
        System.out.println("共搜索到" + total + "条数据");
        // 4.2.文档数组
        SearchHit[] hits = searchHits.getHits();
        // 4.3.遍历
        for (SearchHit hit : hits) {
        
            // 获取文档source
            String json = hit.getSourceAsString();
            // 反序列化
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
            System.out.println("hotelDoc = " + hotelDoc);
        }
    }

### (4)小结 ###

`查询的基本步骤`是：

1.  创建SearchRequest对象
2.  准备Request.source()，也就是DSL。
    
    ① QueryBuilders来构建查询条件
    
    ② 传入Request.source() 的 query() 方法
3.  发送请求，得到结果
4.  解析结果（参考JSON结果，从外到内，逐层解析）

## 2)match查询 ##

全文检索的match和`multi_match`查询与`match_all`的API基本一致。差别是查询条件，也就是query的部分。

![在这里插入图片描述][907800e4a99640039cd80b4aac693341.png]

因此，Java代码上的差异主要是request.source().query()中的参数了。同样是利用QueryBuilders提供的方法：

![在这里插入图片描述][13a9b4ed4faf49b699e723388e1727c2.png]

而结果解析代码则完全一致，可以抽取并共享。

完整代码如下：

@Test
    void testMatch() throws IOException {
        
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        request.source()
            .query(QueryBuilders.matchQuery("all", "如家"));
        // 3.发送请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.解析响应
        handleResponse(response);
    
    }

## 3)精确查询 ##

`精确查询主要是两者`：

*  `term`：`词条精确匹配`
 *  `range`：`范围查询`

与之前的查询相比，差异同样在查询条件，其它都一样。

查询条件构造的API如下：

![在这里插入图片描述][a754b779c0684f1a92bb574e28716ba8.png]

## 4)布尔查询 ##

布尔查询是用must、must\_not、filter等方式组合其它查询，代码示例如下：

![在这里插入图片描述][c9cda5c0ab2e400186f6c808ae4e851f.png]

可以看到，API与其它查询的差别同样是在查询条件的构建，QueryBuilders，结果解析等其他代码完全不变。

完整代码如下：

@Test
    void testBool() throws IOException {
        
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        // 2.1.准备BooleanQuery
        BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
        // 2.2.添加term
        boolQuery.must(QueryBuilders.termQuery("city", "杭州"));
        // 2.3.添加range
        boolQuery.filter(QueryBuilders.rangeQuery("price").lte(250));
    
        request.source().query(boolQuery);
        // 3.发送请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.解析响应
        handleResponse(response);
    
    }

## 5)排序、分页 ##

`搜索结果的排序`和`分页`是与query同级的参数，因此同样是使用`request.source()`来设置。

对应的API如下：

![在这里插入图片描述][2b5f0421761542dda2252f5cc8c21686.png]

完整代码示例：

@Test
    void testPageAndSort() throws IOException {
        
        // 页码，每页大小
        int page = 1, size = 5;
    
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        // 2.1.query
        request.source().query(QueryBuilders.matchAllQuery());
        // 2.2.排序 sort
        request.source().sort("price", SortOrder.ASC);
        // 2.3.分页 from、size
        request.source().from((page - 1) * size).size(5);
        // 3.发送请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.解析响应
        handleResponse(response);
    
    }

## 6)高亮 ##

`高亮的代码与之前代码差异较大`，有两点：

*  `查询的DSL`：其中除了查询条件，还需要添加高亮条件，同样是与query同级。
 *  `结果解析`：结果除了要解析\_source文档数据，还要解析高亮结果

### (1)高亮请求构建 ###

高亮请求的构建API如下：

![在这里插入图片描述][7c5afe0bee89405093f0a12f5aada50a.png]

上述代码省略了查询条件部分，但是大家不要忘了：高亮查询必须使用全文检索查询，并且要有搜索关键字，将来才可以对关键字高亮。

完整代码如下：

@Test
    void testHighlight() throws IOException {
        
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        // 2.1.query
        request.source().query(QueryBuilders.matchQuery("all", "如家"));
        // 2.2.高亮
        request.source().highlighter(new HighlightBuilder().field("name").requireFieldMatch(false));
        // 3.发送请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.解析响应
        handleResponse(response);
    
    }

### (2)高亮结果解析 ###

高亮的结果与查询的文档结果默认是分离的，并不在一起。

因此解析高亮的代码需要额外处理：  
![在这里插入图片描述][ac86448c53b2412cb2f4b1b18d1d6f00.png]

代码解读：

*  第一步：`从结果中获取source`。hit.getSourceAsString()，这部分是非高亮结果，json字符串。还需要反序列为HotelDoc对象
 *  第二步：`获取高亮结果`。hit.getHighlightFields()，返回值是一个Map，key是高亮字段名称，值是HighlightField对象，代表高亮值
 *  第三步：`从map中根据高亮字段名称，获取高亮字段值对象HighlightField`
 *  第四步：`从HighlightField中获取Fragments，并且转为字符串`。这部分就是真正的高亮字符串了
 *  第五步：`用高亮的结果替换HotelDoc中的非高亮结果`

完整代码如下：

private void handleResponse(SearchResponse response) {
        
        // 4.解析响应
        SearchHits searchHits = response.getHits();
        // 4.1.获取总条数
        long total = searchHits.getTotalHits().value;
        System.out.println("共搜索到" + total + "条数据");
        // 4.2.文档数组
        SearchHit[] hits = searchHits.getHits();
        // 4.3.遍历
        for (SearchHit hit : hits) {
        
            // 获取文档source
            String json = hit.getSourceAsString();
            // 反序列化
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
            // 获取高亮结果
            Map<String, HighlightField> highlightFields = hit.getHighlightFields();
            if (!CollectionUtils.isEmpty(highlightFields)) {
        
                // 根据字段名获取高亮结果
                HighlightField highlightField = highlightFields.get("name");
                if (highlightField != null) {
        
                    // 获取高亮值
                    String name = highlightField.getFragments()[0].string();
                    // 覆盖非高亮结果
                    hotelDoc.setName(name);
                }
            }
            System.out.println("hotelDoc = " + hotelDoc);
        }
    }

# 4.黑马旅游案例 #

下面，我们通过黑马旅游的案例来实战演练下之前学习的知识。

我们实现四部分功能：

*  酒店搜索和分页
 *  `酒店结果过滤`
 *  `我周边的酒店`
 *  `酒店竞价排名`

启动我们提供的hotel-demo项目，其默认端口是`8089`，访问`http://localhost:8090`，就能看到项目页面了：  
![在这里插入图片描述][02860249547446d9bc810dfea6a4ff62.png]

## 1)酒店搜索和分页 ##

案例需求：实现黑马旅游的酒店搜索功能，`完成关键字搜索和分页`

### (1)需求分析 ###

在项目的首页，有一个大大的搜索框，还有分页按钮：

![在这里插入图片描述][97352bbae0544d89a59c35e337d0dc50.png]

点击搜索按钮，可以看到浏览器控制台发出了请求：

![在这里插入图片描述][b7c81c8897c74f95b1a4d9bad8408174.png]

请求参数如下：

![在这里插入图片描述][704f31d728934dd39df210206f3c8a40.png]

由此可以知道，我们这个请求的信息如下：

*  请求方式：POST
 *  请求路径：/hotel/list
 *  请求参数：JSON对象，包含4个字段：
    
     *  key：搜索关键字
     *  page：页码
     *  size：每页大小
     *  sortBy：排序，目前暂不实现
 *  返回值：分页查询，需要返回分页结果PageResult，包含两个属性：
    
     *  `total`：总条数
     *  `List<HotelDoc>`：当前页的数据

因此，我们实现业务的流程如下：

*  步骤一：定义实体类，接收请求参数的JSON对象
 *  步骤二：编写controller，接收页面的请求
 *  步骤三：编写业务实现，利用RestHighLevelClient实现搜索、分页

### (2)定义实体类 ###

实体类有两个，一个是`前端`的`请求参数实体`，一个是`服务端`应该`返回的响应结果实体。`

1）请求参数

前端请求的json结构如下：

{
        
        "key": "搜索关键字",
        "page": 1,
        "size": 3,
        "sortBy": "default"
    }

因此，我们在`cn.itcast.hotel.pojo`包下定义一个实体类：

2）返回值

分页查询，需要返回分页结果PageResult，包含两个属性：

*  `total`：总条数
 *  `List<HotelDoc>`：当前页的数据

因此，我们在`cn.itcast.hotel.pojo`中定义返回结果：

package cn.itcast.hotel.pojo;
    
    import lombok.Data;
    
    import java.util.List;
    
    @Data
    public class PageResult {
        
        private Long total;
        private List<HotelDoc> hotels;
    
        public PageResult() {
        
        }
    
        public PageResult(Long total, List<HotelDoc> hotels) {
        
            this.total = total;
            this.hotels = hotels;
        }
    }

### (3)定义controller ###

定义一个HotelController，`声明查询接口`，满足下列要求：

*  `请求方式`：Post
 *  `请求路径`：/hotel/list
 *  `请求参数`：对象，类型为RequestParam
 *  `返回值`：PageResult，包含两个属性
    
     *  `Long total`：总条数
     *  `List<HotelDoc> hotels`：酒店数据

因此，我们在`cn.itcast.hotel.web`中定义HotelController：

@RestController
    @RequestMapping("/hotel")
    public class HotelController {
        
    
        @Autowired
        private IHotelService hotelService;
    	// 搜索酒店数据
        @PostMapping("/list")
        public PageResult search(@RequestBody RequestParams params){
        
            return hotelService.search(params);
        }
    }

### (4)实现搜索业务 ###

我们在`controller`调用了`IHotelService`，并没有实现该方法，因此下面我们就在IHotelService中定义方法，并且去实现业务逻辑。

1）在`cn.itcast.hotel.service`中的`IHotelService`接口中定义一个方法：

/**
     * 根据关键字搜索酒店信息
     * @param params 请求参数对象，包含用户输入的关键字 
     * @return 酒店文档列表
     */
    PageResult search(RequestParams params);

2）实现搜索业务，肯定离不开RestHighLevelClient，我们需要把它注册到Spring中作为一个Bean。在`cn.itcast.hotel`中的`HotelDemoApplication`中声明这个Bean：

@Bean
    public RestHighLevelClient client(){
        
        return  new RestHighLevelClient(RestClient.builder(
            HttpHost.create("http://192.168.150.101:9200")
        ));
    }

3）在`cn.itcast.hotel.service.impl`中的`HotelService`中实现search方法：

private RestHighLevelClient client;
    @Override
    public PageResult search(RequestParams params) {
        
        try {
        
            // 1.准备Request
            SearchRequest request = new SearchRequest("hotel");
            // 2.准备DSL
            // 2.1.query
            String key = params.getKey();
             if(key==null||"".equals(key)){
        
                    request.source().query(QueryBuilders.matchAllQuery());
                }else{
        
                    request.source().query(QueryBuilders.matchQuery("all",key));
                }
            }
    
            // 2.2.分页
            int page = params.getPage();
            int size = params.getSize();
            request.source().from((page - 1) * size).size(size);
    
            // 3.发送请求
            SearchResponse response = client.search(request, RequestOptions.DEFAULT);
            // 4.解析响应
            return handleResponse(response);
        } catch (IOException e) {
        
            throw new RuntimeException(e);
        }
    }
    
    // 结果解析
    private PageResult handleResponse(SearchResponse response) {
        
        // 4.解析响应
        SearchHits searchHits = response.getHits();
        // 4.1.获取总条数
        long total = searchHits.getTotalHits().value;
        // 4.2.文档数组
        SearchHit[] hits = searchHits.getHits();
        // 4.3.遍历
        List<HotelDoc> hotels = new ArrayList<>();
        for (SearchHit hit : hits) {
        
            // 获取文档source
            String json = hit.getSourceAsString();
            // 反序列化
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
    		// 放入集合
            hotels.add(hotelDoc);
        }
        // 4.4.封装返回
        return new PageResult(total, hotels);
    }

## 2)酒店结果过滤 ##

需求：添加品牌、城市、星级、价格等过滤功能

### (1)需求分析 ###

在页面搜索框下面，会有一些过滤项：

![在这里插入图片描述][9ff1d47c8b29410eaa0b75841a313a5a.png]

传递的参数如图：

![在这里插入图片描述][6ad5986edfe84e93b8f8e75f5a682227.png]

包含的过滤条件有：

*  brand：品牌值
 *  city：城市
 *  minPrice~maxPrice：价格范围
 *  starName：星级

我们需要做两件事情：

*  `修改请求参数的对象RequestParams，接收上述参数`
 *  `修改业务逻辑，在搜索条件之外，添加一些过滤条件`

### (2)修改实体类 ###

修改在`cn.itcast.hotel.pojo`包下的实体类RequestParams：

@Data
    public class RequestParams {
        
        private String key;
        private Integer page;
        private Integer size;
        private String sortBy;
        // 下面是新增的过滤条件参数
        private String city;
        private String brand;
        private String starName;
        private Integer minPrice;
        private Integer maxPrice;
    }

### (3)修改搜索业务 ###

在HotelService的search方法中，只有一个地方需要修改：`requet.source().query( ... )其`中的查询条件。

在之前的业务中，只有match查询，根据关键字搜索，现在要添加条件过滤，包括：

*  `品牌过滤`：是keyword类型，用`term查询`
 *  `星级过滤`：是keyword类型，用`term查询`
 *  `价格过滤`：是数值类型，用`range查询`
 *  `城市过滤`：是keyword类型，用`term查询`

多个查询条件组合，肯定是boolean查询来组合：

*  关键字搜索放到must中，参与算分
 *  其它过滤条件放到filter中，不参与算分

因为条件构建的逻辑比较复杂，这里先封装为一个函数：

![在这里插入图片描述][e2c117134b0c4709918f8091e0493c11.png]

buildBasicQuery的代码如下：

private void buildBasicQuery(RequestParams params, SearchRequest request) {
        
        // 1.构建BooleanQuery
        BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
        // 2.关键字搜索
        String key = params.getKey();
        if (key == null || "".equals(key)) {
        
            boolQuery.must(QueryBuilders.matchAllQuery());
        } else {
        
            boolQuery.must(QueryBuilders.matchQuery("all", key));
        }
        // 3.城市条件
        if (params.getCity() != null && !params.getCity().equals("")) {
        
            boolQuery.filter(QueryBuilders.termQuery("city", params.getCity()));
        }
        // 4.品牌条件
        if (params.getBrand() != null && !params.getBrand().equals("")) {
        
            boolQuery.filter(QueryBuilders.termQuery("brand", params.getBrand()));
        }
        // 5.星级条件
        if (params.getStarName() != null && !params.getStarName().equals("")) {
        
            boolQuery.filter(QueryBuilders.termQuery("starName", params.getStarName()));
        }
    	// 6.价格
        if (params.getMinPrice() != null && params.getMaxPrice() != null) {
        
            boolQuery.filter(QueryBuilders
                             .rangeQuery("price")
                             .gte(params.getMinPrice())
                             .lte(params.getMaxPrice())
                            );
        }
    	// 7.放入source
        request.source().query(boolQuery);
    }

## 3)我周边的酒店 ##

需求：我附近的酒店

### (1)需求分析 ###

在酒店列表页的右侧，有一个小地图，点击地图的定位按钮，地图会找到你所在的位置：

![在这里插入图片描述][8cac9c58099d4b36bb4e48382126539f.png]

并且，在前端会发起查询请求，将你的坐标发送到服务端：

![在这里插入图片描述][92c271d003824430b595a404b0392ee2.png]

我们要做的事情就是基于这个location坐标，然后按照距离对周围酒店排序。实现思路如下：

*  修改RequestParams参数，接收location字段
 *  修改search方法业务逻辑，如果location有值，添加根据geo\_distance排序的功能

### (2)修改实体类 ###

修改在`cn.itcast.hotel.pojo`包下的实体类RequestParams：

package cn.itcast.hotel.pojo;
    
    import lombok.Data;
    
    @Data
    public class RequestParams {
        
        private String key;
        private Integer page;
        private Integer size;
        private String sortBy;
        private String city;
        private String brand;
        private String starName;
        private Integer minPrice;
        private Integer maxPrice;
        // 我当前的地理坐标
        private String location;
    }

### (3)距离排序API ###

我们以前学习过排序功能，包括两种：

*  普通字段排序
 *  地理坐标排序

我们只讲了普通字段排序对应的java写法。地理坐标排序只学过DSL语法，如下：

GET /indexName/_search
    {
        
      "query": {
        
        "match_all": {
        }
      },
      "sort": [
        {
        
          "price": "asc"  
        },
        {
        
          "_geo_distance" : {
        
              "FIELD" : "纬度，经度",
              "order" : "asc",
              "unit" : "km"
          }
        }
      ]
    }

对应的java代码示例：

![在这里插入图片描述][355994610bc34f54809bb352a1da8023.png]

### (4)添加距离排序 ###

在`cn.itcast.hotel.service.impl`的`HotelService`的`search`方法中，添加一个排序功能：  
![在这里插入图片描述][67cce330bf6e4b99990a149caa714edf.png]

完整代码：

@Override
    public PageResult search(RequestParams params) {
        
        try {
        
            // 1.准备Request
            SearchRequest request = new SearchRequest("hotel");
            // 2.准备DSL
            // 2.1.query
            buildBasicQuery(params, request);
    
            // 2.2.分页
            int page = params.getPage();
            int size = params.getSize();
            request.source().from((page - 1) * size).size(size);
    
            // 2.3.排序
            String location = params.getLocation();
            if (location != null && !location.equals("")) {
        
                request.source().sort(SortBuilders
                                      .geoDistanceSort("location", new GeoPoint(location))
                                      .order(SortOrder.ASC)
                                      .unit(DistanceUnit.KILOMETERS)
                                     );
            }
    
            // 3.发送请求
            SearchResponse response = client.search(request, RequestOptions.DEFAULT);
            // 4.解析响应
            return handleResponse(response);
        } catch (IOException e) {
        
            throw new RuntimeException(e);
        }
    }

### (5)排序距离显示 ###

重启服务后，测试我的酒店功能：

![在这里插入图片描述][d9b7e5a830654df29ad85fe97c55a0d5.png]

发现确实可以实现对我附近酒店的排序，不过并没有看到酒店到底距离我多远，这该怎么办？

排序完成后，页面还要获取我附近每个酒店的具体**距离**值，这个值在响应结果中是独立的：  
![在这里插入图片描述][126edcaca0f74c44ac074fd43554f775.png]

因此，我们在结果解析阶段，除了解析source部分以外，还要得到sort部分，也就是`排序的距离`，然后放到响应结果中。

我们要做两件事：

*  修改`HotelDoc`，`添加排序距离字段`，用于页面显示
 *  修改`HotelService`类中的`handleResponse`方法，`添加对sort值的获取`

1）修改HotelDoc类，添加距离字段

package cn.itcast.hotel.pojo;
    
    import lombok.Data;
    import lombok.NoArgsConstructor;
    
    
    @Data
    @NoArgsConstructor
    public class HotelDoc {
        
        private Long id;
        private String name;
        private String address;
        private Integer price;
        private Integer score;
        private String brand;
        private String city;
        private String starName;
        private String business;
        private String location;
        private String pic;
        // 排序时的 距离值
        private Object distance;
    
        public HotelDoc(Hotel hotel) {
        
            this.id = hotel.getId();
            this.name = hotel.getName();
            this.address = hotel.getAddress();
            this.price = hotel.getPrice();
            this.score = hotel.getScore();
            this.brand = hotel.getBrand();
            this.city = hotel.getCity();
            this.starName = hotel.getStarName();
            this.business = hotel.getBusiness();
            this.location = hotel.getLatitude() + ", " + hotel.getLongitude();
            this.pic = hotel.getPic();
        }
    }

2）修改HotelService中的handleResponse方法

![在这里插入图片描述][5f4f6893ac2d40cba16fa88aef6b6d2e.png]

重启后测试，发现页面能成功显示距离了：  
![在这里插入图片描述][deea1a71216f405cba573e51de38540d.png]

## 4)酒店竞价排名 ##

需求：让指定的酒店在搜索结果中排名置顶

### (1)需求分析 ###

要让指定酒店在搜索结果中排名置顶，效果如图：

![在这里插入图片描述][d1d908623bbe434fb61430abb8cb166f.png]

页面会给指定的酒店添加**广告**标记。

那怎样才能让指定的酒店排名置顶呢？

我们之前学习过的function\_score查询可以影响算分，算分高了，自然排名也就高了。而function\_score包含3个要素：

*  `过滤条件`：哪些文档要加分
 *  `算分函数`：如何计算function score
 *  `加权方式`：function score 与 query score如何运算

这里的需求是：让**指定酒店**排名靠前。因此我们需要给这些酒店添加一个标记，这样在过滤条件中就可以**根据这个标记来判断，是否要提高算分**。

比如，我们给酒店添加一个字段：isAD，Boolean类型：

*  true：是广告
 *  false：不是广告

这样function\_score包含3个要素就很好确定了：

*  过滤条件：判断isAD 是否为true
 *  算分函数：我们可以用最简单暴力的weight，固定加权值
 *  加权方式：可以用默认的相乘，大大提高算分

因此，业务的实现步骤包括：

1.  给HotelDoc类添加isAD字段，Boolean类型
2.  挑选几个你喜欢的酒店，给它的文档数据添加isAD字段，值为true
3.  修改search方法，添加function score功能，给isAD值为true的酒店增加权重

### (2)修改HotelDoc实体 ###

给`cn.itcast.hotel.pojo`包下的HotelDoc类添加isAD字段：

![在这里插入图片描述][d74f0507636b46758eb8dedd3fbbe36f.png]

### (3)添加广告标记 ###

接下来，我们挑几个酒店，添加isAD字段，设置为true：

POST /hotel/_update/1902197537
    {
        
        "doc": {
        
            "isAD": true
        }
    }
    POST /hotel/_update/2056126831
    {
        
        "doc": {
        
            "isAD": true
        }
    }
    POST /hotel/_update/1989806195
    {
        
        "doc": {
        
            "isAD": true
        }
    }
    POST /hotel/_update/2056105938
    {
        
        "doc": {
        
            "isAD": true
        }
    }

### (4)添加算分函数查询 ###

接下来我们就要修改查询条件了。之前是用的boolean 查询，现在要改成function\_socre查询。

function\_score查询结构如下：

![在这里插入图片描述][8be25668d3e04a1a8272365f8ca036e6.png]

对应的JavaAPI如下：

![在这里插入图片描述][6930d23cf46c43509e801f743b3a50a9.png]

我们可以将之前写的boolean查询作为**原始查询**条件放到query中，接下来就是添加**过滤条件**、**算分函数**、**加权模式**了。所以原来的代码依然可以沿用。

修改`cn.itcast.hotel.service.impl`包下的`HotelService`类中的`buildBasicQuery`方法，添加算分函数查询：

private void buildBasicQuery(RequestParams params, SearchRequest request) {
        
        // 1.构建BooleanQuery
        BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
        // 关键字搜索
        String key = params.getKey();
        if (key == null || "".equals(key)) {
        
            boolQuery.must(QueryBuilders.matchAllQuery());
        } else {
        
            boolQuery.must(QueryBuilders.matchQuery("all", key));
        }
        // 城市条件
        if (params.getCity() != null && !params.getCity().equals("")) {
        
            boolQuery.filter(QueryBuilders.termQuery("city", params.getCity()));
        }
        // 品牌条件
        if (params.getBrand() != null && !params.getBrand().equals("")) {
        
            boolQuery.filter(QueryBuilders.termQuery("brand", params.getBrand()));
        }
        // 星级条件
        if (params.getStarName() != null && !params.getStarName().equals("")) {
        
            boolQuery.filter(QueryBuilders.termQuery("starName", params.getStarName()));
        }
        // 价格
        if (params.getMinPrice() != null && params.getMaxPrice() != null) {
        
            boolQuery.filter(QueryBuilders
                             .rangeQuery("price")
                             .gte(params.getMinPrice())
                             .lte(params.getMaxPrice())
                            );
        }
    
        // 2.算分控制
        FunctionScoreQueryBuilder functionScoreQuery =
            QueryBuilders.functionScoreQuery(
            // 原始查询，相关性算分的查询
            boolQuery,
            // function score的数组
            new FunctionScoreQueryBuilder.FilterFunctionBuilder[]{
        
                // 其中的一个function score 元素
                new FunctionScoreQueryBuilder.FilterFunctionBuilder(
                    // 过滤条件
                    QueryBuilders.termQuery("isAD", true),
                    // 算分函数
                    ScoreFunctionBuilders.weightFactorFunction(10)
                )
            });
        request.source().query(functionScoreQuery);
    }

就是添加**过滤条件**、**算分函数**、**加权模式**了。所以原来的代码依然可以沿用。

修改`cn.itcast.hotel.service.impl`包下的`HotelService`类中的`buildBasicQuery`方法，添加算分函数查询：

[Domain Specific Language]: https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl.html
[79453a3e7c4b4d29938673cfdb8a9517.png]: https://img-blog.csdnimg.cn/79453a3e7c4b4d29938673cfdb8a9517.png
[8ce8553e38bf4937a22bf29e3ee00c6b.png]: https://img-blog.csdnimg.cn/8ce8553e38bf4937a22bf29e3ee00c6b.png
[dedbd83bbd9748f4a433f8fc843d4c80.png]: https://img-blog.csdnimg.cn/dedbd83bbd9748f4a433f8fc843d4c80.png
[1e9f51ded4414ee6a456fed9f3944da1.png]: https://img-blog.csdnimg.cn/1e9f51ded4414ee6a456fed9f3944da1.png
[4e54d177b2544e938c2d5cd08d66352e.png]: https://img-blog.csdnimg.cn/4e54d177b2544e938c2d5cd08d66352e.png
[be2be85d697a47fe99dd130a276a3b3a.png]: https://img-blog.csdnimg.cn/be2be85d697a47fe99dd130a276a3b3a.png
[Link 1]: https://www.elastic.co/guide/en/elasticsearch/reference/current/geo-queries.html
[3b66d6fae481406d9c3aaae0c03a3727.png]: https://img-blog.csdnimg.cn/3b66d6fae481406d9c3aaae0c03a3727.png
[84fbcd0479d84371ab1cdb251ca7815e.png]: https://img-blog.csdnimg.cn/84fbcd0479d84371ab1cdb251ca7815e.png
[062070a6562c4a3aa2d9d732c9d451fd.png]: https://img-blog.csdnimg.cn/062070a6562c4a3aa2d9d732c9d451fd.png
[19ecf6121e224b0da96fe9355fd5af80.gif]: https://img-blog.csdnimg.cn/19ecf6121e224b0da96fe9355fd5af80.gif
[960f5ca50b7d4d15916be7c2634745f2.png]: https://img-blog.csdnimg.cn/960f5ca50b7d4d15916be7c2634745f2.png
[3e3f96f81ae54d9e83c162af096eb8f7.png]: https://img-blog.csdnimg.cn/3e3f96f81ae54d9e83c162af096eb8f7.png
[5577401ecc98402bac1573d88f802b94.png]: https://img-blog.csdnimg.cn/5577401ecc98402bac1573d88f802b94.png
[16731f9160794a70b19e6c57ab5e3986.png]: https://img-blog.csdnimg.cn/16731f9160794a70b19e6c57ab5e3986.png
[50b814ec0c8749148a8018779c9a2af6.png]: https://img-blog.csdnimg.cn/50b814ec0c8749148a8018779c9a2af6.png
[dd86c08158094fa29e7d2f996a376b75.png]: https://img-blog.csdnimg.cn/dd86c08158094fa29e7d2f996a376b75.png
[e88e1a577f894613b9d2f0cbdb167715.png]: https://img-blog.csdnimg.cn/e88e1a577f894613b9d2f0cbdb167715.png
[083d5fb1a85b445e8e0231907046f74d.png]: https://img-blog.csdnimg.cn/083d5fb1a85b445e8e0231907046f74d.png
[570908123b68494294b2d19589b947e9.png]: https://img-blog.csdnimg.cn/570908123b68494294b2d19589b947e9.png
[baaf66211e04487f80ccb4347ea49656.png]: https://img-blog.csdnimg.cn/baaf66211e04487f80ccb4347ea49656.png
[68899f72148c4f9bb161384df337e2f0.png]: https://img-blog.csdnimg.cn/68899f72148c4f9bb161384df337e2f0.png
[Link 2]: https://www.elastic.co/guide/en/elasticsearch/reference/current/sort-search-results.html
[84ed8ba140294275a41392c3acb9e89a.png]: https://img-blog.csdnimg.cn/84ed8ba140294275a41392c3acb9e89a.png
[5a3a1a0f998948db905d50f47b65cd6a.png]: https://img-blog.csdnimg.cn/5a3a1a0f998948db905d50f47b65cd6a.png
[b7fb8def5082400bb9a67b1a783609dc.png]: https://img-blog.csdnimg.cn/b7fb8def5082400bb9a67b1a783609dc.png
[322bbdcde2754939b5572c4c54a5191f.png]: https://img-blog.csdnimg.cn/322bbdcde2754939b5572c4c54a5191f.png
[Link 3]: https://www.elastic.co/guide/en/elasticsearch/reference/current/paginate-search-results.html
[d36697dfc2e34563b799178e707d06cf.png]: https://img-blog.csdnimg.cn/d36697dfc2e34563b799178e707d06cf.png
[97667b0f05074b5a9236bc52c7885661.png]: https://img-blog.csdnimg.cn/97667b0f05074b5a9236bc52c7885661.png
[28b007de883b4d15a40063ea826810da.png]: https://img-blog.csdnimg.cn/28b007de883b4d15a40063ea826810da.png
[e5237cd83768476cbc1e765798d11996.png]: https://img-blog.csdnimg.cn/e5237cd83768476cbc1e765798d11996.png
[03efe46c361745ae83f00b1de1e312fc.png]: https://img-blog.csdnimg.cn/03efe46c361745ae83f00b1de1e312fc.png
[f920f0ad02324fe0b764760ba851d0bc.png]: https://img-blog.csdnimg.cn/f920f0ad02324fe0b764760ba851d0bc.png
[2857e5a144094fa1a7bcee889db43b38.png]: https://img-blog.csdnimg.cn/2857e5a144094fa1a7bcee889db43b38.png
[907800e4a99640039cd80b4aac693341.png]: https://img-blog.csdnimg.cn/907800e4a99640039cd80b4aac693341.png
[13a9b4ed4faf49b699e723388e1727c2.png]: https://img-blog.csdnimg.cn/13a9b4ed4faf49b699e723388e1727c2.png
[a754b779c0684f1a92bb574e28716ba8.png]: https://img-blog.csdnimg.cn/a754b779c0684f1a92bb574e28716ba8.png
[c9cda5c0ab2e400186f6c808ae4e851f.png]: https://img-blog.csdnimg.cn/c9cda5c0ab2e400186f6c808ae4e851f.png
[2b5f0421761542dda2252f5cc8c21686.png]: https://img-blog.csdnimg.cn/2b5f0421761542dda2252f5cc8c21686.png
[7c5afe0bee89405093f0a12f5aada50a.png]: https://img-blog.csdnimg.cn/7c5afe0bee89405093f0a12f5aada50a.png
[ac86448c53b2412cb2f4b1b18d1d6f00.png]: https://img-blog.csdnimg.cn/ac86448c53b2412cb2f4b1b18d1d6f00.png
[02860249547446d9bc810dfea6a4ff62.png]: https://img-blog.csdnimg.cn/02860249547446d9bc810dfea6a4ff62.png
[97352bbae0544d89a59c35e337d0dc50.png]: https://img-blog.csdnimg.cn/97352bbae0544d89a59c35e337d0dc50.png
[b7c81c8897c74f95b1a4d9bad8408174.png]: https://img-blog.csdnimg.cn/b7c81c8897c74f95b1a4d9bad8408174.png
[704f31d728934dd39df210206f3c8a40.png]: https://img-blog.csdnimg.cn/704f31d728934dd39df210206f3c8a40.png
[9ff1d47c8b29410eaa0b75841a313a5a.png]: https://img-blog.csdnimg.cn/9ff1d47c8b29410eaa0b75841a313a5a.png
[6ad5986edfe84e93b8f8e75f5a682227.png]: https://img-blog.csdnimg.cn/6ad5986edfe84e93b8f8e75f5a682227.png
[e2c117134b0c4709918f8091e0493c11.png]: https://img-blog.csdnimg.cn/e2c117134b0c4709918f8091e0493c11.png
[8cac9c58099d4b36bb4e48382126539f.png]: https://img-blog.csdnimg.cn/8cac9c58099d4b36bb4e48382126539f.png
[92c271d003824430b595a404b0392ee2.png]: https://img-blog.csdnimg.cn/92c271d003824430b595a404b0392ee2.png
[355994610bc34f54809bb352a1da8023.png]: https://img-blog.csdnimg.cn/355994610bc34f54809bb352a1da8023.png
[67cce330bf6e4b99990a149caa714edf.png]: https://img-blog.csdnimg.cn/67cce330bf6e4b99990a149caa714edf.png
[d9b7e5a830654df29ad85fe97c55a0d5.png]: https://img-blog.csdnimg.cn/d9b7e5a830654df29ad85fe97c55a0d5.png
[126edcaca0f74c44ac074fd43554f775.png]: https://img-blog.csdnimg.cn/126edcaca0f74c44ac074fd43554f775.png
[5f4f6893ac2d40cba16fa88aef6b6d2e.png]: https://img-blog.csdnimg.cn/5f4f6893ac2d40cba16fa88aef6b6d2e.png
[deea1a71216f405cba573e51de38540d.png]: https://img-blog.csdnimg.cn/deea1a71216f405cba573e51de38540d.png
[d1d908623bbe434fb61430abb8cb166f.png]: https://img-blog.csdnimg.cn/d1d908623bbe434fb61430abb8cb166f.png
[d74f0507636b46758eb8dedd3fbbe36f.png]: https://img-blog.csdnimg.cn/d74f0507636b46758eb8dedd3fbbe36f.png
[8be25668d3e04a1a8272365f8ca036e6.png]: https://img-blog.csdnimg.cn/8be25668d3e04a1a8272365f8ca036e6.png
[6930d23cf46c43509e801f743b3a50a9.png]: https://img-blog.csdnimg.cn/6930d23cf46c43509e801f743b3a50a9.png