Elasticsearch是一个基于 Lucene 的搜索服务器。它提供了一个分布式多用户能力的 全文搜索引擎 ,基于RESTful web 接口。 Elasticsearch 是用 Java 语言开发的,并作为 Apache 许可条款下的开放源码发布,是一种流行的企业级搜索引擎。Elasticsearch 用于 云计算 中,能够达到实时搜索,稳定,可靠,快速,安装使用方便。官方客户端在Java 、 .NET ( C# )、 PHP 、 Python 、 Apache Groovy 、 Ruby 和许多其他语言中都是可用的。根据DB-Engines 的排名显示, Elasticsearch 是最受欢迎的企业搜索引擎,其次是 Apache Solr ,也是基于 Lucene。
Lucene是一个 Java 语言的搜索引擎类库 , 是 Apache 公司的顶级项目,由 DougCutting 于 1999 年研发。
官网地址: https:// lucene.apache.org/
重要特征:
- 分布式的实时文件存储,每个字段都被索引并可被搜索
- 实时分析的分布式搜索引擎
- 可以扩展到上百台服务器,处理PB级结构化或非结构化数据
1. 倒排索引概述
倒排索引的概念是基于 MySQL 这样的正向索引而言的。
1.1 正向索引
那么什么是正向索引呢?例如给下表( tb_goods )中的 id 创建索引:
如果是根据id查询,那么直接走索引,查询速度非常快。
但如果是基于title做模糊查询,只能是逐行扫描数据,流程如下:
- 用户搜索数据,条件是title符合 "%手机%"
- 逐行获取数据,比如id为1的数据
- 判断数据中的title是否符合用户搜索条件
- 如果符合则放入结果集,不符合则丢弃。回到步骤1
逐行扫描,也就是全表扫描,随着数据量增加,其查询效率也会越来越低。当数据量达到数百万时,就是一场灾难。
1.2 倒排索引
倒排索引中有两个非常重要的概念:
- 文档( Document ):用来搜索的数据,其中的每一条数据就是一个文档。例如一个网页、一个商品信息;
- 词条( Term ):对文档数据或用户搜索数据,利用某种算法分词,得到的具备含义的词语就是词 条。例如:我是中国人,就可以分为:我、是、中国人、中国、国人这样的几个词条;
创建倒排索引是对正向索引的一种特殊处理,流程如下:
- 将每一个文档的数据利用算法分词,得到一个个词条
- 创建表,每行数据包括词条、词条所在文档id、位置等信息
- 因为词条唯一性,可以给词条创建索引,例如hash表结构索引
如图:
倒排索引的搜索流程如下(以搜索"华为手机"为例):
- 用户输入条件 "华为手机" 进行搜索。
- 对用户输入内容分词,得到词条: 华为 、 手机 。
- 拿着词条在倒排索引中查找,可以得到包含词条的文档id:1、2、3。
- 拿着文档id到正向索引中查找具体文档。
如图:
虽然要先查询倒排索引,再查询倒排索引,但是无论是词条、还是文档 id 都建立了索引,查询速度非常快!无需全表扫描。
1.3 正向和倒排
那么为什么一个叫做正向索引,一个叫做倒排索引呢?
- 正向索引是最传统的,根据id索引的方式。但根据词条查询时,必须先逐条获取每个文档,然后判断文档中是否包含所需要的词条,是根据文档找词条的过程。
- 而倒排索引则相反,是先找到用户要搜索的词条,根据词条得到保护词条的文档的id,然后根据id 获取文档。是根据词条找文档的过程。
正向索引:
- 优点:
- 可以给多个字段创建索引
- 根据索引字段搜索、排序速度非常快
-
- 缺点:
- 根据非索引字段,或者索引字段中的部分词条查找时,只能全表扫描。
-
倒排索引:
- 优点:
- 根据词条搜索、模糊搜索时,速度非常快
- 缺点:
- 只能给词条创建索引,而不是字段
- 无法根据字段做排序
2. es的一些概念
elasticsearch 中有很多独有的概念,与 mysql 中略有差别,但也有相似之处。
2.1 文档与字段
elasticsearch 是面向 文档( Document ) 存储的,可以是数据库中的一条商品数据,一个订单信息。文档数据会被序列化为json 格式后存储在 elasticsearch 中:
而Json文档中往往包含很多的字段(Field),类似于数据库中的列。
2.2 索引和映射
索引( Index ): 就是相同类型的文档的集合。
例如:
- 所有用户文档,就可以组织在一起,称为用户的索引;
- 所有商品的文档,可以组织在一起,称为商品的索引;
- 所有订单的文档,可以组织在一起,称为订单的索引;
因此,我们可以把索引当做是数据库中的表。
数据库的表会有约束信息,用来定义表的结构、字段的名称、类型等信息。因此,索引库中就有 映射 ( mapping ) ,是索引中文档的字段约束信息,类似表的结构约束。
2.3 MySQL 与 elasticsearch
我们统一的把 mysql 与 elasticsearch 的概念做一下对比:
MySQL | Elasticsearch | 说明 |
Table | Index | 索引 (index) ,就是文档的集合,类似数据库的表 (table) |
Row | Document | 文档( Document ),就是一条条的数据,类似数据库中的行(Row ),文档都是 JSON 格式 |
Column | Field | 字段( Field ),就是 JSON 文档中的字段,类似数据库中的列(Column ) |
Schema | Mapping | Mapping (映射)是索引中文档的约束,例如字段类型约束。类似数据库的表结构(Schema ) |
SQL | DSL | DSL 是 elasticsearch 提供的 JSON 风格的请求语句,用来操作elasticsearch,实现 CRUD |
两者各有自己的擅长支出:
- Mysql:擅长事务类型操作,可以确保数据的安全和一致性
- Elasticsearch:擅长海量数据的搜索、分析、计算
因此在企业中,往往是两者结合使用:
- 对安全性要求较高的写操作,使用mysql实现
- 对查询性能要求较高的搜索需求,使用elasticsearch实现
- 两者再基于某种方式,实现数据的同步,保证一致性
2.4 环境安装
Windows 版 ES 下载:https://www.elastic.co/cn/downloads/elasticsearch
Windows 版 ES 安装与启动:
- 运行 elasticsearch.bat
- 访问localhost:9200能看到json代表启动成功
2.5 IK分词器
分词器的作用是什么?
- 创建倒排索引时对文档分词
- 用户搜索时,对输入的内容分词
IK分词器有几种模式?
- ik_smart:智能切分,粗粒度
- ik_max_word:最细切分,细粒度
安装
下载:https://github.com/medcl/elasticsearch-analysis-ik/releases
- 在ES安装目录下找到plugins目录创建ik文件夹
- 将ik分词器解压缩在此目录并重启ES即可
2.6 索引库操作
索引库就类似数据库表, mapping 映射就类似表的结构。
我们要向 es 中存储数据,必须先创建 “ 库 ” 和 “ 表 ” 。
2.6.1 mapper映射属性
mapping 是对索引库中文档的约束,常见的 mapping 属性包括:
- type:字段数据类型,常见的简单类型有:
- 字符串:text(可分词的文本)、keyword(精确值,例如:品牌、国家、ip地址)
- 数值:long、integer、short、byte、double、flfloat
- 布尔:boolean
- 日期:date
- 对象:object
- index:是否创建索引,默认为true
- analyzer:使用哪种分词器
- properties:该字段的子字段
例如下面的 json 文档:
{"age": 18,"weight": 70.2,"isMarried": false,"info": "apesourceJavaEE王讲师","email": "wangls@163.com","score": [99.1, 99.5, 98.9],"name": {"firstName": "师傅","lastName": "王"}
}
对应的每个字段映射( mapping ):
- age:类型为 integer;参与搜索,因此需要index为true;无需分词器
- weight:类型为flfloat;参与搜索,因此需要index为true;无需分词器
- isMarried:类型为boolean;参与搜索,因此需要index为true;无需分词器
- info:类型为字符串,需要分词,因此是text;参与搜索,因此需要index为true;分词器可以用 ik_smart
- email:类型为字符串,但是不需要分词,因此是keyword;不参与搜索,因此需要index为false;无需分词器
- score:虽然是数组,但是我们只看元素的类型,类型为flfloat;参与搜索,因此需要index为true;无需分词器
- name:类型为object,需要定义多个子属性
- name.fifirstName;类型为字符串,但是不需要分词,因此是keyword;参与搜索,因此需要 index为true;无需分词器
- name.lastName;类型为字符串,但是不需要分词,因此是keyword;参与搜索,因此需要 index为true;无需分词器
2.6.2 创建索引库和映射
基本语法:
- 请求方式:PUT
- 请求路径:/索引库名,可以自定义
- 请求参数:mapping映射
格式:
PUT /索引库名称
{"mappings": {"properties": {"字段名":{"type": "text","analyzer": "ik_smart"},"字段名2":{"type": "keyword","index": "false"},"字段名3":{"properties": {"子字段": {"type": "keyword"}}},// ...略}}
}
2.6.3 查询索引库
基本语法:
- 请求方式:GET
- 请求路径:/索引库名
- 请求参数:无
格式:GET /索引库名
2.6.3 修改索引库
倒排索引结构虽然不复杂,但是一旦数据结构改变(比如改变了分词器),就需要重新创建倒排索引,这简直是灾难。因此索引库一旦创建,无法修改mapping 。
虽然无法修改mapping 中已有的字段,但是却允许添加新的字段到 mapping 中,因为不会对倒排索引产生影响。
语法:
PUT /索引库名/_mapping
{"properties": {"新字段名":{"type": "integer"}}
}
2.6.4 删除索引库
语法:
- 请求方式:DELETE
- 请求路径:/索引库名
- 请求参数:无
格式:DELETE /索引库名
2.6.5 总结
- 创建索引库:PUT /索引库名
- 查询索引库:GET /索引库名
- 删除索引库:DELETE /索引库名
- 添加字段:PUT /索引库名/_mapping
2.7 文档操作
2.7.1 新增文档
语法:
POST /索引库名/_doc/文档id
{"字段1": "值1","字段2": "值2","字段3": {"子属性1": "值3","子属性2": "值4"},// ...
}
响应:result:created
2.7.2 查询文档
根据 rest 风格,新增是 post ,查询应该是 get ,不过查询一般都需要条件,这里我们把文档 id 带上。
语法: GET / { 索引库名称 } / _doc / { id }
查看数据: GET / { 索引库名称 } / _doc / 1
2.7.3 删除文档
删除使用 DELETE 请求,同样,需要根据 id 进行删除:
语法: DELETE / { 索引库名 } / _doc / id 值
示例: DELETE / apesource / _doc / 1
结果: result:deleted
2.7.4 修改文档
修改有两种方式:
- 全量修改:直接覆盖原来的文档
- 增量修改:修改文档中的部分字段
2.7.4.1 全量修改
全量修改是覆盖原来的文档,其本质是:
- 根据指定的id删除文档
- 新增一个相同id的文档
注意 :如果根据 id 删除时, id 不存在,第二步的新增也会执行,也就从修改变成了新增操作了。
语法:
PUT /{索引库名}/_doc/文档id
{"字段1": "值1","字段2": "值2",// ... 略
}
2.7.4.2 增量修改
增量修改是只修改指定 id 匹配的文档中的部分字段。
语法:
POST /{索引库名}/_update/文档id
{"doc": {"字段名": "新的值",}
}
2.7.5 总结
- 创建文档:POST /{索引库名}/_doc/文档id { json文档 }
- 查询文档:GET /{索引库名}/_doc/文档id
- 删除文档:DELETE /{索引库名}/_doc/文档id
- 修改文档:
- 全量修改:PUT /{索引库名}/_doc/文档id { json文档 }
- 增量修改:POST /{索引库名}/_update/文档id { "doc": {字段}}
3. ResrAPI
ES 官方提供了各种不同语言的客户端,用来操作 ES 。这些客户端的本质就是组装 DSL 语句,通过 http 请求发送给ES 。
官方文档地址: https://www.elastic.co/guide/en/elasticsearch/client/index.html
其中的 Java Rest Client 又包括两种:
- Java Low Level Rest Client
- Java High Level Rest Client
我们学习的是Java HighLevel Rest Client客户端API
3.1 初始化RestClient
在 elasticsearch 提供的 API 中,与 elasticsearch 一切交互都封装在一个名为 RestHighLevelClient 的类中,必须先完成这个对象的初始化,建立与elasticsearch 的连接。
分为三步:
1、 引入 es 的 RestHighLevelClient 依赖:
<dependency><groupId>org.elasticsearch.client</groupId><artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>
2、因为SpringBoot默认的ES版本是7.6.2,所以我们需要覆盖默认的ES版本:
<properties><java.version>1.8</java.version><elasticsearch.version>7.12.0</elasticsearch.version>
</properties>
3、初始化RestHighLevelClient:
初始化的部分代码如下:
RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(
HttpHost.create("http://localhost:9200")
));
这里为了单元测试方便,我们创建一个测试类 HotelIndexTest ,然后将初始化的代码编写在 @BeforeEach方法中:
private RestHighLevelClient client;@BeforeEachpublic void setUp(){this.client = new RestHighLevelClient(RestClient.builder(HttpHost.create("http://localhost:9200")));}@AfterEachvoid tearDown() throws IOException {this.client.close();}
3.2 创建索引库
创建索引库的 API 如下:
创建一个类,定义 mapping 映射的 JSON 字符串常量:
package com.itzhi.common;/*** @author lizhihui* @version 1.0* @since 2023/8/11*/
public class HotelConstants {public static final String MAPPING_TEMPLATE = "{\n" +" \"mappings\": {\n" +" \"properties\": {\n" +" \"id\": {\n" +" \"type\": \"keyword\"\n" +" },\n" +" \"name\":{\n" +" \"type\": \"text\",\n" +" \"analyzer\": \"ik_max_word\",\n" +" \"copy_to\": \"all\"\n" +" },\n" +" \"address\":{\n" +" \"type\": \"keyword\",\n" +" \"index\": false\n" +" },\n" +" \"price\":{\n" +" \"type\": \"integer\"\n" +" },\n" +" \"score\":{\n" +" \"type\": \"integer\"\n" +" },\n" +" \"brand\":{\n" +" \"type\": \"keyword\",\n" +" \"copy_to\": \"all\"\n" +" },\n" +" \"city\":{\n" +" \"type\": \"keyword\",\n" +" \"copy_to\": \"all\"\n" +" },\n" +" \"starName\":{\n" +" \"type\": \"keyword\"\n" +" },\n" +" \"business\":{\n" +" \"type\": \"keyword\"\n" +" },\n" +" \"location\":{\n" +" \"type\": \"geo_point\"\n" +" },\n" +" \"pic\":{\n" +" \"type\": \"keyword\",\n" +" \"index\": false\n" +" },\n" +" \"all\":{\n" +" \"type\": \"text\",\n" +" \"analyzer\": \"ik_max_word\"\n" +" }\n" +" }\n" +" }\n" +"}";
}
在 hotel-demo 中的 HotelIndexTest 测试类中,编写单元测试,实现创建索引:
// 创建索引库@Testpublic void createHotelIndex() throws IOException {CreateIndexRequest request = new CreateIndexRequest("hotels");request.source(HotelConstants.MAPPING_TEMPLATE, XContentType.JSON);client.indices().create(request,RequestOptions.DEFAULT);}
3.3 删除索引库
在 hotel-demo 中的 HotelIndexTest 测试类中,编写单元测试,实现删除索引:
// 删除索引库@Testpublic void testDeleteHotelIndex() throws IOException {DeleteIndexRequest request = new DeleteIndexRequest("hotels");client.indices().delete(request,RequestOptions.DEFAULT);}
3.4 判断索引库是否存在
// 查找索引是否存在@Testpublic void testExistsHotelIndex() throws IOException {// 1、创建request对象GetIndexRequest request = new GetIndexRequest("hotels");boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);System.err.println(exists ? "索引库已经存在!" : "索引库不存在!");}
3.5 总结
JavaRestClient 操作 elasticsearch 的流程基本类似。核心是 client.indices() 方法来获取索引库的操作对象。
索引库操作的基本步骤:
- 初始化RestHighLevelClient
- 创建XxxIndexRequest。XXX是Create、Get、Delete
- 准备DSL( Create时需要,其它是无参)
- 发送请求。调用RestHighLevelClient#indices().xxx()方法,xxx是create、exists、delete
4. RestClient操作文档
4.1 新增文档
与数据库相关的实体类
/*** @author lizhihui* @version 1.0* @since 2023/8/11*/
@Data
@AllArgsConstructor
@NoArgsConstructor
@ToString
@TableName("tb_hotel")
public class Hotel {@TableId(value = "id",type = IdType.INPUT)private Long id;@TableField("name")private String name;@TableField("address")private String address;@TableField("price")private Integer price;@TableField("score")private Integer score;@TableField("brand")private String brand;@TableField("city")private String city;@TableField("starName")private String starName;@TableField("business")private String business;@TableField("longitude")private String longitude;//经度@TableField("latitude")private String latitude;//纬度@TableField("pic")private String pic;
}
我们需要定义一个新的类型,与索引库结构吻合:
为 ES 索引库设计实体类
- longitude和latitude需要合并为location
/*** @author lizhihui* @version 1.0* @since 2023/8/11*/
@Data
@NoArgsConstructor
@ToString
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;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();}
}
在 hotel-demo 的 HotelDocumentTest 测试类中,编写单元测试:
// 添加一个文档到es@Testpublic void testAddDocument() throws IOException {Hotel hotel = service.getById(197837109);HotelDoc hotelDoc = new HotelDoc(hotel);String json = JSON.toJSONString(hotelDoc);IndexRequest request = new IndexRequest("hotels").id(hotelDoc.getId().toString());request.source(json, XContentType.JSON);client.index(request, RequestOptions.DEFAULT);}
4.2 查询文档
在 hotel-demo 的 HotelDocumentTest 测试类中,编写单元测试:
// 根据id查找一个文档@Testpublic void testGetDocument() throws IOException {GetRequest request = new GetRequest("hotels", "197837109");GetResponse response = client.get(request, RequestOptions.DEFAULT);String json = response.getSourceAsString();HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);System.out.println(hotelDoc);}
4.3 删除文档
在 hotel-demo 的 HotelDocumentTest 测试类中,编写单元测试:
// 根据id删除一个文档@Testpublic void testDeleteDocument() throws IOException {DeleteRequest request = new DeleteRequest("hotels", "197837109");client.delete(request, RequestOptions.DEFAULT);}
4.4 修改文档
修改我们讲过两种方式:
- 全量修改:本质是先根据id删除,再新增
- 增量修改:修改文档中的指定字段值
- 在RestClient的API中,全量修改与新增的API完全一致
在hotel-demo的HotelDocumentTest测试类中,编写单元测试:
// 根据id修改文档@Testpublic void testUpdateDocument() throws IOException {UpdateRequest request = new UpdateRequest("hotels", "197837109");request.doc("name", "W酒店","city", "西安","price", "2000","starName", "五星级");client.update(request, RequestOptions.DEFAULT);}
4.5 批量导入文档
在 hotel-demo 的 HotelDocumentTest 测试类中,编写单元测试:
// 批量添加文档@Testpublic void testBulkRequest() throws IOException {List<Hotel> list = service.list();BulkRequest request = new BulkRequest();for (Hotel hotel : list) {HotelDoc hotelDoc = new HotelDoc(hotel);request.add(new IndexRequest("hotels").id(hotelDoc.getId().toString()).source(JSON.toJSONString(hotelDoc), XContentType.JSON));}client.bulk(request,RequestOptions.DEFAULT);}
4.6 总结
文档操作的基本步骤:
- 初始化RestHighLevelClient
- 创建XxxRequest。XXX是Index、Get、Update、Delete、Bulk
- 准备参数(Index、Update、Bulk时需要)
- 发送请求。调用RestHighLevelClient#.xxx()方法,xxx是index、get、update、delete、bulk
- 解析结果(Get时需要)
5. ElasticSearch查询
elasticsearch的查询依然是基于JSON风格的DSL来实现的。
5.1 DSL查询文档
Elasticsearch 提供了基于 JSON 的 DSL ( Domain Specifific 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(不会显示出所有,自带分页功能)。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:单字段查询
- multi_match_query:多字段查询,任意一个字段符合条件就算符合查询条件
- 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根据值的范围查询
- term根据词条精确值查询
- 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
5.2 RestClient查询文档
文档的查询同样适用 RestHighLevelClient 对象,基本步骤包括:
- 准备Request对象
- 准备请求参数
- 发起请求
- 解析响应
我们以 match_all 查询为例 完整代码如下:
// 查询所有@Testpublic void testMatchAll() throws IOException {SearchRequest request = new SearchRequest("hotels");request.source().query(QueryBuilders.matchAllQuery());SearchResponse response = client.search(request,RequestOptions.DEFAULT);show(response);}//查询all字段内容中有如家的(or拼接多条件)@Testpublic void testMatch() throws IOException {SearchRequest request = new SearchRequest("hotels");request.source().query(QueryBuilders.matchQuery("all","如家"));SearchResponse response = client.search(request,RequestOptions.DEFAULT);show(response);}//查询name,business字段内容中有如家的@Testvoid testMultiMatch() throws IOException {// 1.准备RequestSearchRequest request = new SearchRequest("hotels");// 2.准备DSL 参数1:字段 参数2:数据request.source().query(QueryBuilders.multiMatchQuery("如家", "name","business"));// 3.发送请求SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 4.解析响应show(response);}// 词条查询@Testpublic void testTermQuery() throws IOException{SearchRequest request = new SearchRequest("hotels");request.source().query(QueryBuilders.termQuery("city","上海"));SearchResponse response = client.search(request,RequestOptions.DEFAULT);show(response);}//范围查询@Testvoid testRangeQuery() throws IOException {// 1.准备RequestSearchRequest request = new SearchRequest("hotels");// 2.准备DSL,QueryBuilders构造查询条件request.source().query(QueryBuilders.rangeQuery("price").gte(100).lte(150));// 3.发送请求SearchResponse response = client.search(request, RequestOptions.DEFAULT);show(response);}@Testvoid testBool() throws IOException {// 1.准备requestSearchRequest request = new SearchRequest("hotels");
// 布尔查询是一个或多个查询子句的组合,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,类似“与”,不参与算分
// 一般搜索框用must,选择条件使用filter// 2.准备请求参数(and拼接)
// BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
// // 2.1.must
// boolQuery.must(QueryBuilders.termQuery("city", "上海"));
// // 2.2.filter小于等于
// boolQuery.filter(QueryBuilders.rangeQuery("price").lte(260));
//
// request.source().query(boolQuery);//方式2request.source().query(QueryBuilders.boolQuery().must(QueryBuilders.termQuery("city", "上海")).filter(QueryBuilders.rangeQuery("price").lte(260)));// 3.发送请求,得到响应SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 4.结果解析show(response);}@Testvoid testPageAndSort() throws IOException {// 页码,每页大小int page = 1, size = 20;// 查询条件String searchName = "如家";
// String searchName = null;// 1.准备RequestSearchRequest request = new SearchRequest("hotels");// 2.准备DSL// 2.1.queryif(searchName == null){request.source().query(QueryBuilders.matchAllQuery());}else{request.source().query(QueryBuilders.matchQuery("name", searchName));}// 2.2.分页 from、sizerequest.source().from((page - 1) * size).size(size);//2.3.排序request.source().sort("price", SortOrder.DESC);// 3.发送请求SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 4.解析响应show(response);}// 解析响应对象public void show(SearchResponse response){// 解析响应SearchHits searchHits = response.getHits();// 获取总条数long total = searchHits.getTotalHits().value;System.out.println("共搜到" + total + "条数据");// 文档数组SearchHit[] hits = searchHits.getHits();// 遍历for (SearchHit s : hits){String json = s.getSourceAsString();HotelDoc hotelDoc = JSON.parseObject(json,HotelDoc.class);System.out.println("HotelDoc = " + hotelDoc);}}