黑马畅购商城---5.商品搜索-Elasticsearch-DSL

旧城等待， 2023-07-06 11:40 0阅读 0赞

## 学习目标 ##

*  Elasticsearch安装

1
    2
    3
      docker安装Elasticsearch
      系统参数问题
      跨域操作

*  IK分词器配置
 *  Kibana的使用->==DSL语句==

Kibana->DSL语句操作->Elasticsearch

*  ==ES导入商品搜索数据==

1
    2
      Sku数据导入到Elasticsearch
      Map数据类型->Object

*  ==关键词搜索->能够实现搜索流程代码的编写==
 *  ==分类统计搜索==

## 1. Elasticsearch 安装 ##

我们之前已经使用过elasticsearch了，这里不再对它进行介绍了，直接下载安装，本章节将采用Docker安装，不过在市面上还有很多采用linxu安装，关于linux安装，已经提供了安装手册，这里就不讲了。

(1)docker镜像下载

docker pull elasticsearch:5.6.8

注意：由于镜像有570MB，所以提供的虚拟机里已经下载好了该镜像，如下图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70][]

(2)安装es容器

docker run -di --name=changgou_elasticsearch -p 9200:9200 -p 9300:9300 elasticsearch:5.6.8

9200端口(Web管理平台端口) 9300(服务默认端口)

浏览器输入地址访问：`http://192.168.211.132:9200/`

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 1][]

(3)开启远程连接

上面完成安装后，es并不能正常使用，elasticsearch从5版本以后默认不开启远程连接，程序直接连接会报如下错误：

failed to load elasticsearch nodes : org.elasticsearch.client.transport.NoNodeAvailableException: None of the configured nodes are available: [{#transport#-1}{5ttLpMhkRjKLkvoY7ltUWg}{192.168.211.132}{192.168.211.132:9300}]

我们需要修改es配置开启远程连接，代码如下：

登录容器

docker exec -it changgou_elasticsearch /bin/bash

查看目录结构 输入: dir

1
    2
    root@07f22eb41bb5:/usr/share/elasticsearch# dir
    NOTICE.txt  README.textile  bin  config  data  lib  logs  modules  plugins

进入config目录

cd config

查看文件

1
    2
    root@07f22eb41bb5:/usr/share/elasticsearch/config# ls
    elasticsearch.yml  log4j2.properties  scripts

修改elasticsearch.yml文件

1
    2
    root@07f22eb41bb5:/usr/share/elasticsearch/config# vi elasticsearch.yml
    bash: vi: command not found

vi命令无法识别，因为docker容器里面没有该命令，我们可以安装该编辑器。

安装vim编辑器

1
    2
    apt-get update
    apt-get install vim

安装好了后，修改elasticsearch.yml配置，如下图：

vi elasticsearch.yml

修改如下图：

![20200218122545126.jpg][]

同时添加下面一行代码：

cluster.name: my-application

重启docker

docker restart changgou_elasticsearch

(4)系统参数配置

重启后发现重启启动失败了，这时什么原因呢？这与我们刚才修改的配置有关，因为elasticsearch在启动的时候会进行一些检查，比如最多打开的文件的个数以及虚拟内存区域数量等等，如果你放开了此配置，意味着需要打开更多的文件以及虚拟内存，所以我们还需要系统调优

修改vi /etc/security/limits.conf ，追加内容 (nofile是单个进程允许打开的最大文件个数 soft nofile 是软限制 hard nofile是硬限制 )

1
    2
    * soft nofile 65536
    * hard nofile 65536

修改vi /etc/sysctl.conf，追加内容 (限制一个进程可以拥有的VMA(虚拟内存区域)的数量 )

vm.max_map_count=655360

执行下面命令 修改内核参数马上生效

sysctl -p

重新启动虚拟机，再次启动容器，发现已经可以启动并远程访问

reboot

(5)跨域配置

修改elasticsearch/config下的配置文件：elasticsearch.yml，增加以下三句命令，并重启:

1
    2
    3
    http.cors.enabled: true
    http.cors.allow-origin: "*"
    network.host: 192.168.211.132

其中：  
http.cors.enabled: true：此步为允许elasticsearch跨域访问，默认是false。  
http.cors.allow-origin: "\*"：表示跨域访问允许的域名地址（\*表示任意）。

重启

docker restart changgou_elasticsearch

小提示：如果想让容器开启重启，可以执行下面命令

docker update --restart=always 容器名称或者容器id

## 2. IK分词器安装 ##

(1)安装ik分词器

IK分词器下载地址https://github.com/medcl/elasticsearch-analysis-ik/releases

将ik分词器上传到服务器上，然后解压，并改名字为ik

1
    2
    unzip elasticsearch-analysis-ik-5.6.8.zip
    mv elasticsearch ik

将ik目录拷贝到docker容器的plugins目录下

docker cp ./ik changgou_elasticsearch:/usr/share/elasticsearch/plugins

(2)IK分词器测试

访问：`http://192.168.211.132:9200/_analyze?analyzer=ik_smart&pretty=true&text=我是程序员`

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 2][]

访问：`http://192.168.211.132:9200/_analyze?analyzer=ik_max_word&pretty=true&text=我是程序员`

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 3][]

## 3. Kibana使用-掌握DSL语句 ##

我们上面使用的是elasticsearch-head插件实现数据查找的，但是elasticsearch-head的功能比较单一，我们这里需要一个更专业的工具实现对日志的实时分析，也就是我们接下来要讲的kibana。

Kibana 是一款开源的数据分析和可视化平台，它是 Elastic Stack 成员之一，设计用于和 Elasticsearch 协作。您可以使用 Kibana 对 Elasticsearch 索引中的数据进行搜索、查看、交互操作。您可以很方便的利用图表、表格及地图对数据进行多元化的分析和呈现。

Kibana 可以使大数据通俗易懂。它很简单，基于浏览器的界面便于您快速创建和分享动态数据仪表板来追踪 Elasticsearch 的实时数据变化。

搭建 Kibana 非常简单。您可以分分钟完成 Kibana 的安装并开始探索 Elasticsearch 的索引数据 — 没有代码、不需要额外的基础设施。

### 3.1 Kibana下载安装 ###

我们项目中不再使用linux，直接使用Docker，所有这里就不演示在windows的下载安装了。

(1)镜像下载

docker pull docker.io/kibana:5.6.8

为了节省时间，虚拟机中已经存在该版本的镜像了.

(2)安装kibana容器

执行如下命令，开始安装kibana容器

docker run -it -d -e ELASTICSEARCH_URL=http://192.168.211.132:9200 --name kibana --restart=always -p 5601:5601 kibana:5.6.8

ELASTICSEARCH\_URL=http://192.168.211.132:9200：是指链接的ES地址

restart=always:每次服务都会重启，也就是开启启动

5601:5601:端口号

(3)访问测试

访问`http://192.168.211.132:5601`如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 4][]

### 3.2 Kibana使用 ###

3.2.1 配置索引

要使用Kibana，您必须至少配置一个索引。索引用于标识Elasticsearch索引以运行搜索和分析。它们还用于配置字段。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 5][]

我们修改索引名称的匹配方式即可，下面2个选项不用勾选。点击create，会展示出当前配置的索引的域信息，如下图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 6][]

域的每个标题选项分别代表如下意思：

![20200218122545314.jpg][]

3.2.2 数据搜索

Discover为数据搜索部分，可以对日志信息进行搜索操作。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 7][]

可以使用Discover实现数据搜索过滤和搜索条件显示以及关键词搜索，如下图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 6][]

3.2.3 DSL语句使用

3.2.3.1 Query DSL结构化查询介绍

Query DSL是一个Java开源框架用于构建类型安全的SQL查询语句。采用API代替传统的拼接字符串来构造查询语句。目前Querydsl支持的平台包括JPA,JDO，SQL，Java Collections，RDF，Lucene，Hibernate Search。elasticsearch提供了一整套基于JSON的查询DSL语言来定义查询。  
Query DSL当作是一系列的抽象的查询表达式树(AST)特定查询能够包含其它的查询，(如 bool ), 有些查询能够包含过滤器(如 constant\_score), 还有的可以同时包含查询和过滤器 (如 filtered). 都能够从ES支持查询集合里面选择任意一个查询或者是从过滤器集合里面挑选出任意一个过滤器, 这样的话，我们就可以构造出任意复杂（maybe 非常有趣）的查询了。

3.2.3.2 索引操作

(1)查询所有索引

GET /_cat/indices?v

结果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 8][]

(2)删除某个索引

DELETE /skuinfo

效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 9][]

(3)新增索引

PUT /user

效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 10][]

(4)创建映射

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    PUT /user/userinfo/_mapping
    {
      "properties": {
        "name":{
          "type": "text",
          "analyzer": "ik_smart",
          "search_analyzer": "ik_smart",
          "store": false
        },
        "city":{
          "type": "text",
          "analyzer": "ik_smart",
          "search_analyzer": "ik_smart",
          "store": false
        },
        "age":{
          "type": "long",
          "store": false
        },
        "description":{
          "type": "text",
          "analyzer": "ik_smart",
          "search_analyzer": "ik_smart",
          "store": false
        }
      }
    }

效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 11][]

(5)新增文档数据

1
    2
    3
    4
    5
    6
    7
    PUT /user/userinfo/1
    {
      "name":"李四",
      "age":22,
      "city":"深圳",
      "description":"李四来自湖北武汉！"
    }

效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 12][]

我们再增加3条记录：

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    48
    49
    50
    51
    52
    53
    54
    #新增文档数据 id=2
    PUT /user/userinfo/2
    {
      "name":"王五",
      "age":35,
      "city":"深圳",
      "description":"王五家住在深圳！"
    }
    
    #新增文档数据 id=3
    PUT /user/userinfo/3
    {
      "name":"张三",
      "age":19,
      "city":"深圳",
      "description":"在深圳打工，来自湖北武汉"
    }
    
    #新增文档数据 id=4
    PUT /user/userinfo/4
    {
      "name":"张三丰",
      "age":66,
      "city":"武汉",
      "description":"在武汉读书，家在武汉！"
    }
    
    #新增文档数据 id=5
    PUT /user/userinfo/5
    {
      "name":"赵子龙",
      "age":77,
      "city":"广州",
      "description":"赵子龙来自深圳宝安，但是在广州工作！",
      "address":"广东省茂名市"
    }
    
    #新增文档数据 id=6
    PUT /user/userinfo/6
    {
      "name":"赵毅",
      "age":55,
      "city":"广州",
      "description":"赵毅来自广州白云区，从事电子商务8年！"
    }
    
    #新增文档数据 id=7
    PUT /user/userinfo/7
    {
      "name":"赵哈哈",
      "age":57,
      "city":"武汉",
      "description":"武汉赵哈哈，在深圳打工已有半年了，月薪7500！"
    }

(6)修改数据

**a.替换操作**

更新数据可以使用之前的增加操作,这种操作会将整个数据替换掉，代码如下：

1
    2
    3
    4
    5
    6
    #更新数据,id=4
    PUT /user/userinfo/4
    {
      "name":"张三丰",
      "description":"在武汉读书，家在武汉！在深圳工作！"
    }

效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 13][]

使用GET命令查看：

1
    2
    #根据ID查询
    GET /user/userinfo/4

效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 14][]

**b.更新操作**

我们先使用下面命令恢复数据：

1
    2
    3
    4
    5
    6
    7
    8
    #恢复文档数据 id=4
    PUT /user/userinfo/4
    {
      "name":"张三丰",
      "age":66,
      "city":"武汉",
      "description":"在武汉读书，家在武汉！"
    }

使用POST更新某个列的数据

1
    2
    3
    4
    5
    6
    7
    8
    #使用POST更新某个域的数据
    POST /user/userinfo/4/_update
    {
      "doc":{
        "name":"张三丰",
        "description":"在武汉读书，家在武汉！在深圳工作！"
      }
    }

效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 15][]

使用GET命令查看：

1
    2
    #根据ID查询
    GET /user/userinfo/4

效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 16][]

(7)删除Document

1
    2
    #删除数据
    DELETE user/userinfo/7

3.2.3.3 数据查询

(1)查询所有数据

1
    2
    #查询所有
    GET /user/_search

效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 17][]

(2)根据ID查询

1
    2
    #根据ID查询
    GET /user/userinfo/2

效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 18][]

(3)Sort排序

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    #搜索排序
    GET /user/_search
    {
      "query":{
        "match_all": {}
      },
      "sort":{
        "age":{
          "order":"desc"
        }
      }
    }

效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 19][]

(4)分页

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    #分页实现
    GET /user/_search
    {
      "query":{
        "match_all": {}
      },
      "sort":{
        "age":{
          "order":"desc"
        }
      },
      "from": 0,
      "size": 2
    }

解释：

from:从下N的记录开始查询

size:每页显示条数

效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 20][]

3.2.3.4 过滤查询

(1)term过滤

term主要用于分词精确匹配，如字符串、数值、日期等（不适合情况：1.列中除英文字符外有其它值 2.字符串值中有冒号或中文 3.系统自带属性如\_version）

如下案例：

1
    2
    3
    4
    5
    6
    7
    8
    9
    #过滤查询-term
    GET _search
    {
      "query":{
        "term":{
          "city":"武汉"
        }
      }
    }

效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 21][]

(2)terms 过滤

terms 跟 term 有点类似，但 terms 允许指定多个匹配条件。 如果某个字段指定了多个值，那么文档需要一起去做匹配 。

案例如下：

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    #过滤查询-terms 允许多个Term
    GET _search
    {
      "query":{
        "terms":{
          "city":
            [
              "武汉",
              "广州"
            ]
        }
      }
    }

果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 22][]

(3) range 过滤

range过滤允许我们按照指定范围查找一批数据。例如我们查询年龄范围

案例如下：

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    #过滤-range 范围过滤
    #gt表示> gte表示=>
    #lt表示< lte表示<=
    GET _search
    {
      "query":{
        "range": {
          "age": {
            "gte": 30,
            "lte": 57
          }
        }
      }
    }

上图效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 23][]

(4)exists过滤

exists 过滤可以用于查找拥有某个域的数据

案例如下：

1
    2
    3
    4
    5
    6
    7
    8
    9
    #过滤搜索 exists：是指包含某个域的数据检索
    GET _search
    {
      "query": {
        "exists":{
          "field":"address"
        }
      }
    }

效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 24][]

(5) bool 过滤

bool 过滤可以用来合并多个过滤条件查询结果的布尔逻辑，它包含一下操作符：

*  must : 多个查询条件的完全匹配,相当于 and。
 *  must\_not : 多个查询条件的相反匹配，相当于 not。
 *  should : 至少有一个查询条件匹配, 相当于 or。

这些参数可以分别继承一个过滤条件或者一个过滤条件的数组：

案例如下：

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    #过滤搜索 bool 
    #must : 多个查询条件的完全匹配,相当于 and。
    #must_not : 多个查询条件的相反匹配，相当于 not。
    #should : 至少有一个查询条件匹配, 相当于 or。
    GET _search
    {
      "query": {
        "bool": {
          "must": [
            {
              "term": {
                "city": {
                  "value": "深圳"
                }
              }
            },
            {
              "range":{
                "age":{
                  "gte":20,
                  "lte":99
                }
              }
            }
          ]
        }
      }
    }

效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 25][]

(6) match\_all 查询

可以查询到所有文档，是没有查询条件下的默认语句。

案例如下：

1
    2
    3
    4
    5
    6
    7
    #查询所有 match_all
    GET _search
    {
      "query": {
        "match_all": {}
      }
    }

(7) match 查询

match查询是一个标准查询，不管你需要全文本查询还是精确查询基本上都要用到它。

如果你使用 match 查询一个全文本字段，它会在真正查询之前用分析器先分析match一下查询字符：

案例如下：

1
    2
    3
    4
    5
    6
    7
    8
    9
    #字符串匹配
    GET _search
    {
      "query": {
        "match": {
          "description": "武汉"
        }
      }
    }

效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 26][]

(8)prefix 查询

以什么字符开头的，可以更简单地用 prefix ,例如查询所有以张开始的用户描述

案例如下：

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    #前缀匹配 prefix
    GET _search
    {
      "query": {
        "prefix": {
          "name": {
            "value": "赵"
          }
        }
      }
    }

效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 27][]

(9)multi\_match 查询

multi\_match查询允许你做match查询的基础上同时搜索多个字段，在多个字段中同时查一个

案例如下：

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    #多个域匹配搜索
    GET _search
    {
      "query": {
        "multi_match": {
          "query": "深圳",
          "fields": [
            "city",
            "description"
          ]
        }
      }
    }

效果如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 28][]

3.2.3.5 完整DSL语句代码

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    48
    49
    50
    51
    52
    53
    54
    55
    56
    57
    58
    59
    60
    61
    62
    63
    64
    65
    66
    67
    68
    69
    70
    71
    72
    73
    74
    75
    76
    77
    78
    79
    80
    81
    82
    83
    84
    85
    86
    87
    88
    89
    90
    91
    92
    93
    94
    95
    96
    97
    98
    99
    100
    101
    102
    103
    104
    105
    106
    107
    108
    109
    110
    111
    112
    113
    114
    115
    116
    117
    118
    119
    120
    121
    122
    123
    124
    125
    126
    127
    128
    129
    130
    131
    132
    133
    134
    135
    136
    137
    138
    139
    140
    141
    142
    143
    144
    145
    146
    147
    148
    149
    150
    151
    152
    153
    154
    155
    156
    157
    158
    159
    160
    161
    162
    163
    164
    165
    166
    167
    168
    169
    170
    171
    172
    173
    174
    175
    176
    177
    178
    179
    180
    181
    182
    183
    184
    185
    186
    187
    188
    189
    190
    191
    192
    193
    194
    195
    196
    197
    198
    199
    200
    201
    202
    203
    204
    205
    206
    207
    208
    209
    210
    211
    212
    213
    214
    215
    216
    217
    218
    219
    220
    221
    222
    223
    224
    225
    226
    227
    228
    229
    230
    231
    232
    233
    234
    235
    236
    237
    238
    239
    240
    241
    242
    243
    244
    245
    246
    247
    248
    249
    250
    251
    252
    253
    254
    255
    256
    257
    258
    259
    260
    261
    262
    263
    264
    265
    266
    267
    268
    269
    270
    271
    272
    273
    274
    275
    276
    277
    278
    279
    280
    281
    282
    283
    284
    285
    286
    287
    288
    289
    290
    291
    292
    293
    #查看所有索引
    GET /_cat/indices?v
    
    #删除某个索引
    DELETE /skuinfo
    
    #新增索引
    PUT /user
    
    #创建映射
    PUT /user/userinfo/_mapping
    {
      "properties": {
        "name":{
          "type": "text",
          "analyzer": "ik_smart",
          "search_analyzer": "ik_smart",
          "store": false
        },
        "city":{
          "type": "text",
          "analyzer": "ik_smart",
          "search_analyzer": "ik_smart",
          "store": false
        },
        "age":{
          "type": "long",
          "store": false
        },
        "description":{
          "type": "text",
          "analyzer": "ik_smart",
          "search_analyzer": "ik_smart",
          "store": false
        }
      }
    }
    
    #新增文档数据 id=1
    PUT /user/userinfo/1
    {
      "name":"李四",
      "age":22,
      "city":"深圳",
      "description":"李四来自湖北武汉！"
    }
    
    #新增文档数据 id=2
    PUT /user/userinfo/2
    {
      "name":"王五",
      "age":35,
      "city":"深圳",
      "description":"王五家住在深圳！"
    }
    
    #新增文档数据 id=3
    PUT /user/userinfo/3
    {
      "name":"张三",
      "age":19,
      "city":"深圳",
      "description":"在深圳打工，来自湖北武汉"
    }
    
    #新增文档数据 id=4
    PUT /user/userinfo/4
    {
      "name":"张三丰",
      "age":66,
      "city":"武汉",
      "description":"在武汉读书，家在武汉！"
    }
    
    #新增文档数据 id=5
    PUT /user/userinfo/5
    {
      "name":"赵子龙",
      "age":77,
      "city":"广州",
      "description":"赵子龙来自深圳宝安，但是在广州工作！",
      "address":"广东省茂名市"
    }
    
    #新增文档数据 id=6
    PUT /user/userinfo/6
    {
      "name":"赵毅",
      "age":55,
      "city":"广州",
      "description":"赵毅来自广州白云区，从事电子商务8年！"
    }
    
    #新增文档数据 id=7
    PUT /user/userinfo/7
    {
      "name":"赵哈哈",
      "age":57,
      "city":"武汉",
      "description":"武汉赵哈哈，在深圳打工已有半年了，月薪7500！"
    }
    
    #更新数据,id=4
    PUT /user/userinfo/4
    {
      "name":"张三丰",
      "description":"在武汉读书，家在武汉！在深圳工作！"
    }
    
    
    #根据ID查询
    GET /user/userinfo/4
    
    #恢复文档数据 id=4
    PUT /user/userinfo/4
    {
      "name":"张三丰",
      "age":66,
      "city":"武汉",
      "description":"在武汉读书，家在武汉！"
    }
    
    #使用POST更新某个域的数据
    POST /user/userinfo/4/_update
    {
      "doc":{
        "name":"张三丰",
        "description":"在武汉读书，家在武汉！在深圳工作！"
      }
    }
    
    #根据ID查询
    GET /user/userinfo/4
    
    #删除数据
    DELETE user/userinfo/4
    
    #查询所有
    GET /user/_search
    
    #根据ID查询
    GET /user/userinfo/2
    
    #搜索排序
    GET /user/_search
    {
      "query":{
        "match_all": {}
      },
      "sort":{
        "age":{
          "order":"desc"
        }
      }
    }
    
    #分页实现
    GET /user/_search
    {
      "query":{
        "match_all": {}
      },
      "sort":{
        "age":{
          "order":"desc"
        }
      },
      "from": 0,
      "size": 2
    }
    
    #过滤查询-term
    GET _search
    {
      "query":{
        "term":{
          "city":"武汉"
        }
      }
    }
    
    #过滤查询-terms 允许多个Term
    GET _search
    {
      "query":{
        "terms":{
          "city":
            [
              "武汉",
              "广州"
            ]
        }
      }
    }
    
    #过滤-range 范围过滤
    #gt表示> gte表示=>
    #lt表示< lte表示<=
    GET _search
    {
      "query":{
        "range": {
          "age": {
            "gte": 30,
            "lte": 57
          }
        }
      }
    }
    
    
    #过滤搜索 exists：是指包含某个域的数据检索
    GET _search
    {
      "query": {
        "exists":{
          "field":"address"
        }
      }
    }
    
    #过滤搜索 bool 
    #must : 多个查询条件的完全匹配,相当于 and。
    #must_not : 多个查询条件的相反匹配，相当于 not。
    #should : 至少有一个查询条件匹配, 相当于 or。
    GET _search
    {
      "query": {
        "bool": {
          "must": [
            {
              "term": {
                "city": {
                  "value": "深圳"
                }
              }
            },
            {
              "range":{
                "age":{
                  "gte":20,
                  "lte":99
                }
              }
            }
          ]
        }
      }
    }
    
    #查询所有 match_all
    GET _search
    {
      "query": {
        "match_all": {}
      }
    }
    
    #字符串匹配
    GET _search
    {
      "query": {
        "match": {
          "description": "武汉"
        }
      }
    }
    
    #前缀匹配 prefix
    GET _search
    {
      "query": {
        "prefix": {
          "name": {
            "value": "赵"
          }
        }
      }
    }
    
    #多个域匹配搜索
    GET _search
    {
      "query": {
        "multi_match": {
          "query": "深圳",
          "fields": [
            "city",
            "description"
          ]
        }
      }
    }

## 4. 数据导入ES ##

### 4.1 SpringData Elasticsearch介绍 ###

4.1.1 SpringData介绍

Spring Data是一个用于简化数据库访问，并支持云服务的开源框架。其主要目标是使得对数据的访问变得方便快捷，并支持map-reduce框架和云计算数据服务。 Spring Data可以极大的简化JPA的写法，可以在几乎不用写实现的情况下，实现对数据的访问和操作。除了CRUD外，还包括如分页、排序等一些常用的功能。

Spring Data的官网：http://projects.spring.io/spring-data/

4.1.2 SpringData ES介绍

Spring Data ElasticSearch 基于 spring data API 简化 elasticSearch操作，将原始操作elasticSearch的客户端API 进行封装 。Spring Data为Elasticsearch项目提供集成搜索引擎。Spring Data Elasticsearch POJO的关键功能区域为中心的模型与Elastichsearch交互文档和轻松地编写一个存储库数据访问层。 官方网站：http://projects.spring.io/spring-data-elasticsearch/

### 4.2 搜索工程搭建 ###

创建搜索微服务工程，changgou-service-search,该工程主要提供搜索服务以及索引数据的更新操作。

(1)API工程搭建

首先创建search的API工程,在changgou-service-api中创建changgou-service-search-api，如下图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 29][]

pom.xml如下：

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    <?xml version="1.0" encoding="UTF-8"?>
    <project xmlns="http://maven.apache.org/POM/4.0.0"
             xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
             xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
        <parent>
            <artifactId>changgou-service-api</artifactId>
            <groupId>com.changgou</groupId>
            <version>1.0-SNAPSHOT</version>
        </parent>
        <modelVersion>4.0.0</modelVersion>
        <artifactId>changgou-service-search-api</artifactId>
    
        <dependencies>
            
            <dependency>
                <groupId>com.changgou</groupId>
                <artifactId>changgou-service-goods-api</artifactId>
                <version>1.0-SNAPSHOT</version>
            </dependency>
            
            <dependency>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
            </dependency>
        </dependencies>
    </project>

(2)搜索微服务搭建

在changgou-service中搭建changgou-service-search微服务，并进行相关配置。

**pom.xml配置**

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    <?xml version="1.0" encoding="UTF-8"?>
    <project xmlns="http://maven.apache.org/POM/4.0.0"
             xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
             xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
        <parent>
            <artifactId>changgou-service</artifactId>
            <groupId>com.changgou</groupId>
            <version>1.0-SNAPSHOT</version>
        </parent>
        <modelVersion>4.0.0</modelVersion>
        <artifactId>changgou-service-search</artifactId>
    
        <dependencies>
            
            <dependency>
                <groupId>com.changgou</groupId>
                <artifactId>changgou-service-search-api</artifactId>
                <version>1.0-SNAPSHOT</version>
            </dependency>
        </dependencies>
    
    </project>

**application.yml配置**

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    server:
      port: 18086
    spring:
      application:
        name: search
      data:
        elasticsearch:
          cluster-name: my-application
          cluster-nodes: 192.168.211.132:9300
    eureka:
      client:
        service-url:
          defaultZone: http://127.0.0.1:7001/eureka
      instance:
        prefer-ip-address: true
    feign:
      hystrix:
        enabled: true
    #超时配置
    ribbon:
      ReadTimeout: 300000
    
    hystrix:
      command:
        default:
          execution:
            isolation:
              thread:
                timeoutInMilliseconds: 10000

配置说明：

1
    2
    3
    4
    5
    6
    connection-timeout:服务连接超时时间
    socket-connect：HTTP请求超时时间
    ribbon.ReadTimeout: Feign请求读取数据超时时间
    timeoutInMilliseconds：feign连接超时时间
    cluster-name：Elasticsearch的集群节点名称，这里需要和Elasticsearch集群节点名称保持一致
    cluster-nodes：Elasticsearch节点通信地址

(3)启动类

创建SearchApplication作为搜索微服务工程的启动类，代码如下：

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    @SpringBootApplication(exclude={DataSourceAutoConfiguration.class})
    @EnableEurekaClient
    public class SearchApplication {
    
        public static void main(String[] args) {
            /**
            * Springboot整合Elasticsearch 在项目启动前设置一下的属性，防止报错
            * 解决netty冲突后初始化client时还会抛出异常
            * availableProcessors is already set to [12], rejecting [12]
            ***/
            System.setProperty("es.set.netty.runtime.available.processors", "false");
            SpringApplication.run(SearchApplication.class,args);
        }
    }

分别创建对应的包，dao、service、controller，如下图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 30][]

### 4.3 数据导入 ###

现在需要将数据从数据库中查询出来，然后将数据导入到ES中。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 31][]

数据导入流程如下：

1
    2
    3
    1.请求search服务,调用数据导入地址
    2.根据注册中心中的注册的goods服务的地址，使用Feign方式查询所有已经审核的Sku
    3.使用SpringData Es将查询到的Sku集合导入到ES中

4.3.1 文档映射Bean创建

搜索商品的时候，会根据如下属性搜索数据,并且不是所有的属性都需要分词搜索，我们创建JavaBean，将JavaBean数据存入到ES中要以搜索条件和搜索展示结果为依据，部分关键搜索条件分析如下：

1
    2
    3
    4
    5
    1.可能会根据商品名称搜素，而且可以搜索商品名称中的任意一个词语，所以需要分词
    2.可能会根据商品分类搜索，商品分类不需要分词
    3.可能会根据商品品牌搜索，商品品牌不需要分词
    4.可能会根据商品商家搜索，商品商家不需要分词
    5.可能根据规格进行搜索，规格时一个键值对结构，用Map

根据上面的分析，我们可以在changgou-service-search-api工程中创建com.changgou.search.pojo.SkuInfo，如下

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    48
    49
    50
    51
    52
    53
    54
    @Document(indexName = "skuinfo",type = "docs")
    public class SkuInfo implements Serializable {
        //商品id，同时也是商品编号
        @Id
        private Long id;
    
        //SKU名称
        @Field(type = FieldType.Text, analyzer = "ik_smart")
        private String name;
    
        //商品价格，单位为：元
        @Field(type = FieldType.Double)
        private Long price;
    
        //库存数量
        private Integer num;
    
        //商品图片
        private String image;
    
        //商品状态，1-正常，2-下架，3-删除
        private String status;
    
        //创建时间
        private Date createTime;
    
        //更新时间
        private Date updateTime;
    
        //是否默认
        private String isDefault;
    
        //SPUID
        private Long spuId;
    
        //类目ID
        private Long categoryId;
    
        //类目名称
        @Field(type = FieldType.Keyword)
        private String categoryName;
    
        //品牌名称
        @Field(type = FieldType.Keyword)
        private String brandName;
    
        //规格
        private String spec;
    
        //规格参数
        private Map<String,Object> specMap;
    
    	//...略
    }

4.3.2 搜索审核通过Sku

修改changgou-service-goods微服务，添加搜索审核通过的Sku，供search微服务调用。下面都是针对goods微服务的操作。

修改SkuService接口，添加根据状态查询Sku方法，代码如下：

1
    2
    3
    4
    /**
     * 根据状态查询SKU列表
     */
    List<Sku> findByStatus(String status);

修改SkuServiceImpl，添加根据状态查询Sku实现方法，代码如下：

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    /***
     * 根据状态查询SKU列表
     * @return
     */
    @Override
    public List<Sku> findByStatus(String status) {
        Sku sku = new Sku();
        sku.setStatus(status);
        return skuMapper.select(sku);
    }

修改com.changgou.goods.controller.SkuController，添加根据审核状态查询Sku方法，代码如下：

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    /***
     * 根据审核状态查询Sku
     * @param status
     * @return
     */
    @GetMapping("/status/{status}")
    public Result<List<Sku>> findByStatus(@PathVariable String status){
        List<Sku> list = skuService.findByStatus(status);
        return new Result<List<Sku>>(true,StatusCode.OK,"查询成功",list);
    }

4.3.3 Sku导入ES实现

(1) Feign配置

修改changgou-service-goods-api工程，在com.changgou.goods.feign.SkuFeign上添加findSkuList方法，代码如下：

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    @FeignClient(name="goods")
    @RequestMapping(value = "/sku")
    public interface SkuFeign {
    
        /***
         * 根据审核状态查询Sku
         * @param status
         * @return
         */
        @GetMapping("/status/{status}")
        Result<List<Sku>> findByStatus(@PathVariable String status);
    }

(2) Dao创建

修改changgou-service-search工程，创建com.changgou.search.dao.SkuEsMapper,该接口主要用于索引数据操作，主要使用它来实现将数据导入到ES索引库中，代码如下：

1
    2
    3
    @Repository
    public interface SkuEsMapper extends ElasticsearchRepository<Sku,Long> {
    }

(3) 服务层创建

修改changgou-service-search工程，创建com.changgou.search.service.SkuService,代码如下：

1
    2
    3
    4
    5
    6
    7
    public interface SkuService {
    
        /***
         * 导入SKU数据
         */
        void importSku();
    }

修改changgou-service-search工程，创建com.changgou.search.service.impl.SkuServiceImpl,实现Sku数据导入到ES中，代码如下：

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    @Service
    public class SkuServiceImpl implements SkuService {
    
        @Autowired
        private SkuFeign skuFeign;
    
        @Autowired
        private SkuEsMapper skuEsMapper;
    
        /**
         * 导入sku数据到es
         */
        @Override
        public void importSku(){
            //调用changgou-service-goods微服务
            Result<List<Sku>> skuListResult = skuFeign.findByStatus("1");
            //将数据转成search.Sku
            List<SkuInfo> skuInfos=  JSON.parseArray(JSON.toJSONString(skuListResult.getData()),SkuInfo.class);
            for(SkuInfo skuInfo:skuInfos){
                Map<String, Object> specMap= JSON.parseObject(skuInfo.getSpec()) ;
                skuInfo.setSpecMap(specMap);
            }
            skuEsMapper.saveAll(skuInfos);
        }
    }

(4)控制层配置

修改changgou-service-search工程，在com.changgou.search.controller.SkuController类中添加如下方法调用上述导入方法，代码如下：

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    @RestController
    @RequestMapping(value = "/search")
    @CrossOrigin
    public class SkuController {
    
        @Autowired
        private SkuService skuService;
    
        /**
         * 导入数据
         * @return
         */
        @GetMapping("/import")
        public Result search(){
            skuService.importSku();
            return new Result(true, StatusCode.OK,"导入数据到索引库中成功！");
        }
    }

(5)修改启动类

启动类中需要开启Feign客户端，并且需要添加ES包扫描，代码如下：

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    @SpringBootApplication(exclude={DataSourceAutoConfiguration.class})
    @EnableEurekaClient
    @EnableFeignClients(basePackages = "com.changgou.goods.feign")
    @EnableElasticsearchRepositories(basePackages = "com.changgou.search.dao")
    public class SearchApplication {
    
        public static void main(String[] args) {
            /**
            * Springboot整合Elasticsearch 在项目启动前设置一下的属性，防止报错
            * 解决netty冲突后初始化client时还会抛出异常
            * java.lang.IllegalStateException: availableProcessors is already set to [12], rejecting [12]
            ***/
            System.setProperty("es.set.netty.runtime.available.processors", "false");
            SpringApplication.run(SearchApplication.class,args);
        }
    }

(6)测试

调用http://localhost:18085/search/import进行测试

打开es-head可以看到如下数据：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 32][]

## 5. 关键字搜索 ##

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 6][]

我们先使用SpringDataElasticsearch实现一个简单的搜索功能，先实现根据关键字搜索，从上面搜索图片可以看得到，每次搜索的时候，除了关键字外，还有可能有品牌、分类、规格等，后台接收搜索条件使用Map接收比较合适。

### 5.1 服务层实现 ###

修改search服务的com.changgou.search.service.SkuService,添加搜索方法，代码如下：

1
    2
    3
    4
    5
    6
    /***
     * 搜索
     * @param searchMap
     * @return
     */
    Map search(Map<String, String> searchMap);

修改search服务的com.changgou.search.service.impl.SkuServiceImpl,添加搜索实现方法,代码如下：

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    @Autowired
    private ElasticsearchTemplate esTemplate;
    
    public Map search(Map<String, String> searchMap) {
    
        //1.获取关键字的值
        String keywords = searchMap.get("keywords");
    
        if (StringUtils.isEmpty(keywords)) {
            keywords = "华为";//赋值给一个默认的值
        }
        //2.创建查询对象 的构建对象
        NativeSearchQueryBuilder nativeSearchQueryBuilder = new NativeSearchQueryBuilder();
    
        //3.设置查询的条件
    
        nativeSearchQueryBuilder.withQuery(QueryBuilders.matchQuery("name", keywords));
    
        //4.构建查询对象
        NativeSearchQuery query = nativeSearchQueryBuilder.build();
    
        //5.执行查询
        AggregatedPage<SkuInfo> skuPage = esTemplate.queryForPage(query, SkuInfo.class);
    
        
        //6.返回结果
        Map resultMap = new HashMap<>();    
        resultMap.put("rows", skuPage.getContent());
        resultMap.put("total", skuPage.getTotalElements());
        resultMap.put("totalPages", skuPage.getTotalPages());
    
        return resultMap;
    }

### 5.2 控制层实现 ###

修改com.changgou.search.controller.SkuController，在控制层调用Service层即可，代码如下：

1
    2
    3
    4
    5
    6
    7
    8
    9
    /**
     * 搜索
     * @param searchMap
     * @return
     */
    @PostMapping
    public Map search(@RequestBody(required = false) Map searchMap){
        return  skuService.search(searchMap);
    }

### 5.3 测试 ###

使用Postman工具，输入http://localhost:18085/search

选中POST提交

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 33][]

## 6. 分类统计 ##

### 6.1 分类统计分析 ###

看下面的SQL语句，我们在执行搜索的时候，第1条SQL语句是执行搜，第2条语句是根据分类名字分组查看有多少分类，大概执行了2个步骤就可以获取数据结果以及分类统计，我们可以发现他们的搜索条件完全一样。

1
    2
    3
    4
    -- 查询所有
    SELECT * FROM tb_sku WHERE name LIKE '%手机%';
    -- 根据分类名字分组查询
    SELECT category_name FROM  tb_sku WHERE name LIKE '%手机%' GROUP BY category_name;

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 22][]

我们每次执行搜索的时候，需要显示商品分类名称，这里要显示的分类名称其实就是符合搜素条件的所有商品的分类集合，我们可以按照上面的实现思路，使用ES根据分组名称做一次分组查询即可实现。

### 6.2 分类分组统计实现 ###

修改search微服务的com.changgou.search.service.impl.SkuServiceImpl类，整体代码如下：

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    public Map search(Map<String, String> searchMap) {
    
        //1.获取关键字的值
        String keywords = searchMap.get("keywords");
    
        if (StringUtils.isEmpty(keywords)) {
            keywords = "华为";//赋值给一个默认的值
        }
        //2.创建查询对象 的构建对象
        NativeSearchQueryBuilder nativeSearchQueryBuilder = new NativeSearchQueryBuilder();
    
        //3.设置查询的条件
    
        //设置分组条件  商品分类
        nativeSearchQueryBuilder.addAggregation(AggregationBuilders.terms("skuCategorygroup").field("categoryName").size(50));
        nativeSearchQueryBuilder.withQuery(QueryBuilders.matchQuery("name", keywords));
    
        //4.构建查询对象
        NativeSearchQuery query = nativeSearchQueryBuilder.build();
    
        //5.执行查询
        AggregatedPage<SkuInfo> skuPage = esTemplate.queryForPage(query, SkuInfo.class);
    
        //获取分组结果
        StringTerms stringTerms = (StringTerms) skuPage.getAggregation("skuCategorygroup");
    
        List<String> categoryList = new ArrayList<>();
    
        if (stringTerms != null) {
            for (StringTerms.Bucket bucket : stringTerms.getBuckets()) {
                String keyAsString = bucket.getKeyAsString();//分组的值
                categoryList.add(keyAsString);
            }
        }
        //6.返回结果
        Map resultMap = new HashMap<>();
        resultMap.put("categoryList", categoryList);
        resultMap.put("rows", skuPage.getContent());
        resultMap.put("total", skuPage.getTotalElements());
        resultMap.put("totalPages", skuPage.getTotalPages());
    
        return resultMap;
    }

添加的代码如下:

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 34][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 35][]

### 6.3 测试 ###

请求http://localhost:18086/search

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 36][]

### 6.4 代码优化 ###

如上,可以将获取分组的代码进行提取,如下代码所示:

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    /**
     * 获取分类列表数据
     *
     * @param stringTerms
     * @return
     */
    private List<String> getStringsCategoryList(StringTerms stringTerms) {
        List<String> categoryList = new ArrayList<>();
        if (stringTerms != null) {
            for (StringTerms.Bucket bucket : stringTerms.getBuckets()) {
                String keyAsString = bucket.getKeyAsString();//分组的值
                categoryList.add(keyAsString);
            }
        }
        return categoryList;
    }

在search方法中进行调用:

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 37][]

List<String> categoryList = getStringsCategoryList(stringTermsCategory);

整体代码如下:

1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    public Map search(Map<String, String> searchMap) {
    
        //1.获取关键字的值
        String keywords = searchMap.get("keywords");
    
        if (StringUtils.isEmpty(keywords)) {
            keywords = "华为";//赋值给一个默认的值
        }
        //2.创建查询对象 的构建对象
        NativeSearchQueryBuilder nativeSearchQueryBuilder = new NativeSearchQueryBuilder();
    
        //3.设置查询的条件
    
        //设置分组条件  商品分类
        nativeSearchQueryBuilder.addAggregation(AggregationBuilders.terms("skuCategorygroup").field("categoryName").size(50));
        nativeSearchQueryBuilder.withQuery(QueryBuilders.matchQuery("name", keywords));
    
        //4.构建查询对象
        NativeSearchQuery query = nativeSearchQueryBuilder.build();
    
        //5.执行查询
        AggregatedPage<SkuInfo> skuPage = esTemplate.queryForPage(query, SkuInfo.class);
    
        //获取分组结果
        StringTerms stringTermsCategory = (StringTerms) skuPage.getAggregation("skuCategorygroup");
    
        List<String> categoryList =getStringsCategoryList(stringTermsCategory);
        //6.返回结果
        Map resultMap = new HashMap<>();
        resultMap.put("categoryList", categoryList);
        resultMap.put("rows", skuPage.getContent());
        resultMap.put("total", skuPage.getTotalElements());
        resultMap.put("totalPages", skuPage.getTotalPages());
    
        return resultMap;
    }
    
    private List<String> getStringsCategoryList(StringTerms stringTerms) {
        List<String> categoryList = new ArrayList<>();
        if (stringTerms != null) {
            for (StringTerms.Bucket bucket : stringTerms.getBuckets()) {
                String keyAsString = bucket.getKeyAsString();//分组的值
                categoryList.add(keyAsString);
            }
        }
        return categoryList;
    }

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200218122545121.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200218122545107.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[20200218122545126.jpg]: https://img-blog.csdnimg.cn/20200218122545126.jpg
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200218122545127.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200218122545144.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20200218122545630.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20200218122545686.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20200218122545738.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[20200218122545314.jpg]: https://img-blog.csdnimg.cn/20200218122545314.jpg
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/20200218122545742.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 8]: https://img-blog.csdnimg.cn/20200218122545388.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 9]: https://img-blog.csdnimg.cn/20200218122545336.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 10]: https://img-blog.csdnimg.cn/20200218122545354.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 11]: https://img-blog.csdnimg.cn/20200218122545532.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 12]: https://img-blog.csdnimg.cn/20200218122545431.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 13]: https://img-blog.csdnimg.cn/20200218122545449.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 14]: https://img-blog.csdnimg.cn/20200218122545450.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 15]: https://img-blog.csdnimg.cn/20200218122545459.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 16]: https://img-blog.csdnimg.cn/20200218122545462.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 17]: https://img-blog.csdnimg.cn/20200218122545667.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 18]: https://img-blog.csdnimg.cn/20200218122545448.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 19]: https://img-blog.csdnimg.cn/20200218122545682.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 20]: https://img-blog.csdnimg.cn/20200218122545659.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 21]: https://img-blog.csdnimg.cn/20200218122545568.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 22]: https://img-blog.csdnimg.cn/20200218122545752.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 23]: https://img-blog.csdnimg.cn/20200218122545746.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 24]: https://img-blog.csdnimg.cn/20200218122545589.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 25]: https://img-blog.csdnimg.cn/20200218122545690.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 26]: https://img-blog.csdnimg.cn/20200218122545654.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 27]: https://img-blog.csdnimg.cn/20200218122545758.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 28]: https://img-blog.csdnimg.cn/20200218122545765.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 29]: https://img-blog.csdnimg.cn/20200218122545347.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 30]: https://img-blog.csdnimg.cn/20200218122545437.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 31]: https://img-blog.csdnimg.cn/20200218122545309.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 32]: https://img-blog.csdnimg.cn/20200218122545748.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 33]: https://img-blog.csdnimg.cn/20200218122545642.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 34]: https://img-blog.csdnimg.cn/20200218122545385.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 35]: https://img-blog.csdnimg.cn/20200218122545430.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 36]: https://img-blog.csdnimg.cn/20200218122545585.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc_size_16_color_FFFFFF_t_70 37]: https://img-blog.csdnimg.cn/20200218122545471.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3F6YzIwMTc=,size_16,color_FFFFFF,t_70