elasticsearch的入门使用03

分手后的思念是犯贱 2023-09-25 18:13 48阅读 0赞

#### 目录 ####

*  一.数据聚合
 *   *  1.聚合的种类
     *  2.DSL实现聚合
     *   *  2.1.Bucket聚合语法
         *  2.2.聚合结果排序
         *  2.3.限定聚合范围
         *  2.4.Metric聚合语法
         *  2.5.小结
     *  3.RestAPI实现聚合
     *   *  3.1.API语法
         *  3.2.业务需求
         *  3.3.业务实现
 *  二.自动补全
 *   *  2.1.拼音分词器
     *  2.2.自定义分词器
     *  2.3.自动补全查询
     *  2.4.实现酒店搜索框自动补全
     *   *  2.4.1.修改酒店映射结构
         *  2.4.2.修改HotelDoc实体
         *  2.4.3.重新导入
         *  2.4.4.自动补全查询的JavaAPI
         *  2.4.5.实现搜索框自动补全

## 一.数据聚合 ##

\*\*[聚合（][Link 1][aggregations][Link 1][）][Link 1]\*\*可以让我们极其方便的实现对数据的统计、分析、运算。例如：

*  什么品牌的手机最受欢迎？
 *  这些手机的平均价格、最高价格、最低价格？
 *  这些手机每月的销售情况如何？

实现这些统计功能的比数据库的sql要方便的多，而且查询速度非常快，可以实现近实时搜索效果。

### 1.聚合的种类 ###

聚合常见的有三类：

*  \*\*桶（Bucket）\*\*聚合：用来对文档做分组
    
     *  TermAggregation：按照文档字段值分组，例如按照品牌值分组、按照国家分组
     *  Date Histogram：按照日期阶梯分组，例如一周为一组，或者一月为一组
 *  \*\*度量（Metric）\*\*聚合：用以计算一些值，比如：最大值、最小值、平均值等
    
     *  Avg：求平均值
     *  Max：求最大值
     *  Min：求最小值
     *  Stats：同时求max、min、avg、sum等
 *  \*\*管道（pipeline）\*\*聚合：其它聚合的结果为基础做聚合

> \*\*注意：\*\*参加聚合的字段必须是keyword、日期、数值、布尔类型

### 2.DSL实现聚合 ###

现在，我们要统计所有数据中的酒店品牌有几种，其实就是按照品牌对数据分组。此时可以根据酒店品牌的名称做聚合，也就是Bucket聚合。

#### 2.1.Bucket聚合语法 ####

语法如下：

GET /hotel/_search
    {
        
      "size": 0,  // 设置size为0，结果中不包含文档，只包含聚合结果
      "aggs": {
         // 定义聚合
        "brandAgg": {
         //给聚合起个名字
          "terms": {
         // 聚合的类型，按照品牌值聚合，所以选择term
            "field": "brand", // 参与聚合的字段
            "size": 20 // 希望获取的聚合结果数量
          }
        }
      }
    }

结果如图：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MlnxrjGy-1679447676156)(assets/image-20210723171948228.png)\]][img-MlnxrjGy-1679447676156_assets_image-20210723171948228.png]

#### 2.2.聚合结果排序 ####

默认情况下，Bucket聚合会统计Bucket内的文档数量，记为\_count，并且按照\_count降序排序。

我们可以指定order属性，自定义聚合的排序方式：

GET /hotel/_search
    {
        
      "size": 0,
      "aggs": {
        
        "brandAgg": {
        
          "terms": {
        
            "field": "brand",
            "size": 10,
            "order": {
        
              "_count": "asc" // 按照_count升序排列
            }
          }
        }
      }
    }

#### 2.3.限定聚合范围 ####

默认情况下，Bucket聚合是对索引库的所有文档做聚合，但真实场景下，用户会输入搜索条件，因此聚合必须是对搜索结果聚合。那么聚合必须添加限定条件。

我们可以限定要聚合的文档范围，只要添加query条件即可：

GET /hotel/_search
    {
        
      "query": {
        
        "range": {
        
          "price": {
        
            "lte": 200  // 只对200元以下的文档聚合
          }
        }
      }, 
      "size": 0,
      "aggs": {
        
        "brandAgg": {
        
          "terms": {
        
            "field": "city",
            "size": 10
          }
        }
      }
    }

这次，聚合得到的品牌明显变少了：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ws1ZINRE-1679447676158)(assets/image-20210723172404836.png)\]][img-ws1ZINRE-1679447676158_assets_image-20210723172404836.png]

#### 2.4.Metric聚合语法 ####

上节课，我们对酒店按照品牌分组，形成了一个个桶。现在我们需要对桶内的酒店做运算，获取每个品牌的用户评分的min、max、avg等值。

这就要用到Metric聚合了，例如stat聚合：就可以获取min、max、avg等结果。

语法如下：

GET /hotel/_search
    {
        
      "size": 0, 
      "aggs": {
        
        "brandAgg": {
         
          "terms": {
         
            "field": "brand", 
            "size": 20
          },
          "aggs": {
         // 是brands聚合的子聚合，也就是分组后对每组分别计算
            "score_stats": {
         // 聚合名称
              "stats": {
         // 聚合类型，这里stats可以计算min、max、avg等
                "field": "score" // 聚合字段，这里是score
              }
            }
          }
        }
      }
    }

这次的score\_stats聚合是在brandAgg的聚合内部嵌套的子聚合。因为我们需要在每个桶分别计算。

另外，我们还可以给聚合结果做个排序，例如按照每个桶的酒店平均分做排序：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Ad8tNCnZ-1679447676158)(assets/image-20210723172917636.png)\]][img-Ad8tNCnZ-1679447676158_assets_image-20210723172917636.png]

#### 2.5.小结 ####

aggs代表聚合，与query同级，此时query的作用是？

*  限定聚合的的文档范围

聚合必须的三要素：

*  聚合名称
 *  聚合类型
 *  聚合字段

聚合可配置属性有：

*  size：指定聚合结果数量
 *  order：指定聚合结果排序方式
 *  field：指定聚合字段

### 3.RestAPI实现聚合 ###

#### 3.1.API语法 ####

聚合条件与query条件同级别，因此需要使用request.source()来指定聚合条件。

聚合条件的语法：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EIIUMkrp-1679447676159)(assets/image-20210723173057733.png)\]][img-EIIUMkrp-1679447676159_assets_image-20210723173057733.png]

聚合的结果也与查询结果不同，API也比较特殊。不过同样是JSON逐层解析：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MqE4bwZ7-1679447676159)(assets/image-20210723173215728.png)\]][img-MqE4bwZ7-1679447676159_assets_image-20210723173215728.png]

#### 3.2.业务需求 ####

需求：搜索页面的品牌、城市等信息不应该是在页面写死，而是通过聚合索引库中的酒店数据得来的：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-e51b1qoC-1679447676160)(assets/image-20210723192605566.png)\]][img-e51b1qoC-1679447676160_assets_image-20210723192605566.png]

分析：

目前，页面的城市列表、星级列表、品牌列表都是写死的，并不会随着搜索结果的变化而变化。但是用户搜索条件改变时，搜索结果会跟着变化。

例如：用户搜索“东方明珠”，那搜索的酒店肯定是在上海东方明珠附近，因此，城市只能是上海，此时城市列表中就不应该显示北京、深圳、杭州这些信息了。

也就是说，搜索结果中包含哪些城市，页面就应该列出哪些城市；搜索结果中包含哪些品牌，页面就应该列出哪些品牌。

如何得知搜索结果中包含哪些品牌？如何得知搜索结果中包含哪些城市？

使用聚合功能，利用Bucket聚合，对搜索结果中的文档基于品牌分组、基于城市分组，就能得知包含哪些品牌、哪些城市了。

因为是对搜索结果聚合，因此聚合是**限定范围的聚合**，也就是说聚合的限定条件跟搜索文档的条件一致。

查看浏览器可以发现，前端其实已经发出了这样的一个请求：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1LgdczY0-1679447676160)(assets/image-20210723193730799.png)\]][img-1LgdczY0-1679447676160_assets_image-20210723193730799.png]

请求**参数与搜索文档的参数完全一致**。

返回值类型就是页面要展示的最终结果：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-PUCyzIAu-1679447676161)(assets/image-20210723203915982.png)\]][img-PUCyzIAu-1679447676161_assets_image-20210723203915982.png]

结果是一个Map结构：

*  key是字符串，城市、星级、品牌、价格
 *  value是集合，例如多个城市的名称

#### 3.3.业务实现 ####

在`cn.itcast.hotel.web`包的`HotelController`中添加一个方法，遵循下面的要求：

*  请求方式：`POST`
 *  请求路径：`/hotel/filters`
 *  请求参数：`RequestParams`，与搜索文档的参数一致
 *  返回值类型：`Map<String, List<String>>`

代码：

@PostMapping("filters")
        public Map<String, List<String>> getFilters(@RequestBody RequestParams params){
        
            return hotelService.getFilters(params);
        }

这里调用了IHotelService中的getFilters方法，尚未实现。

在`cn.itcast.hotel.service.IHotelService`中定义新方法：

Map<String, List<String>> filters(RequestParams params);

在`cn.itcast.hotel.service.impl.HotelService`中实现该方法：

@Override
    public Map<String, List<String>> filters(RequestParams params) {
        
        try {
        
            // 1.准备Request
            SearchRequest request = new SearchRequest("hotel");
            // 2.准备DSL
            // 2.1.query
            buildBasicQuery(params, request);
            // 2.2.设置size
            request.source().size(0);
            // 2.3.聚合
            buildAggregation(request);
            // 3.发出请求
            SearchResponse response = client.search(request, RequestOptions.DEFAULT);
            // 4.解析结果
            Map<String, List<String>> result = new HashMap<>();
            Aggregations aggregations = response.getAggregations();
            // 4.1.根据品牌名称，获取品牌结果
            List<String> brandList = getAggByName(aggregations, "brandAgg");
            result.put("品牌", brandList);
            // 4.2.根据品牌名称，获取品牌结果
            List<String> cityList = getAggByName(aggregations, "cityAgg");
            result.put("城市", cityList);
            // 4.3.根据品牌名称，获取品牌结果
            List<String> starList = getAggByName(aggregations, "starAgg");
            result.put("星级", starList);
    
            return result;
        } catch (IOException e) {
        
            throw new RuntimeException(e);
        }
    }
    
    private void buildAggregation(SearchRequest request) {
        
        request.source().aggregation(AggregationBuilders
                                     .terms("brandAgg")
                                     .field("brand")
                                     .size(100)
                                    );
        request.source().aggregation(AggregationBuilders
                                     .terms("cityAgg")
                                     .field("city")
                                     .size(100)
                                    );
        request.source().aggregation(AggregationBuilders
                                     .terms("starAgg")
                                     .field("starName")
                                     .size(100)
                                    );
    }
    
    //解析响应
    private List<String> getAggByName(Aggregations aggregations, String aggName) {
        
        // 4.1.根据聚合名称获取聚合结果
        Terms brandTerms = aggregations.get(aggName);
        // 4.2.获取buckets
        List<? extends Terms.Bucket> buckets = brandTerms.getBuckets();
        // 4.3.遍历
        List<String> brandList = new ArrayList<>();
        for (Terms.Bucket bucket : buckets) {
        
            // 4.4.获取key
            String key = bucket.getKeyAsString();
            brandList.add(key);
        }
        return brandList;
    }

## 二.自动补全 ##

当用户在搜索框输入字符时，我们应该提示出与该字符有关的搜索项，如图：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-FjkpsB19-1679447676161)(assets/image-20210723204936367.png)\]][img-FjkpsB19-1679447676161_assets_image-20210723204936367.png]

这种根据用户输入的字母，提示完整词条的功能，就是自动补全了。

因为需要根据拼音字母来推断，因此要用到拼音分词功能。

### 2.1.拼音分词器 ###

要实现根据字母做补全，就必须对文档按照拼音分词。在GitHub上恰好有elasticsearch的拼音分词插件。地址：https://github.com/medcl/elasticsearch-analysis-pinyin

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-PHfZnGix-1679447676162)(assets/image-20210723205932746.png)\]][img-PHfZnGix-1679447676162_assets_image-20210723205932746.png]

资料中也提供了拼音分词器的安装包  
**资料：**[拼音分词器][Link 2]

安装方式与IK分词器一样，分三步：

①解压

②上传到虚拟机中，elasticsearch的plugin目录

③重启elasticsearch

④测试

详细安装步骤可以参考IK分词器的安装过程。[参考][Link 3]

测试用法如下：

POST /_analyze
    {
        
      "text": "如家酒店还不错",
      "analyzer": "pinyin"
    }

结果：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nze33MLY-1679447676162)(assets/image-20210723210126506.png)\]][img-nze33MLY-1679447676162_assets_image-20210723210126506.png]

### 2.2.自定义分词器 ###

默认的拼音分词器会将每个汉字单独分为拼音，而我们希望的是每个词条形成一组拼音，需要对拼音分词器做个性化定制，形成自定义分词器。

elasticsearch中分词器（analyzer）的组成包含三部分：

*  character filters：在tokenizer之前对文本进行处理。例如删除字符、替换字符
 *  tokenizer：将文本按照一定的规则切割成词条（term）。例如keyword，就是不分词；还有ik\_smart
 *  tokenizer filter：将tokenizer输出的词条做进一步处理。例如大小写转换、同义词处理、拼音处理等

文档分词时会依次由这三部分来处理文档：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-O0VxvENe-1679447676163)(assets/image-20210723210427878.png)\]][img-O0VxvENe-1679447676163_assets_image-20210723210427878.png]

声明自定义分词器的语法如下：

PUT /test
    {
        
      "settings": {
        
        "analysis": {
        
          "analyzer": {
         // 自定义分词器
            "my_analyzer": {
          // 分词器名称
              "tokenizer": "ik_max_word",
              "filter": "py"
            }
          },
          "filter": {
         // 自定义tokenizer filter
            "py": {
         // 过滤器名称
              "type": "pinyin", // 过滤器类型，这里是pinyin
    		  "keep_full_pinyin": false,
              "keep_joined_full_pinyin": true,
              "keep_original": true,
              "limit_first_letter_length": 16,
              "remove_duplicated_term": true,
              "none_chinese_pinyin_tokenize": false
            }
          }
        }
      },
      "mappings": {
        
        "properties": {
        
          "name": {
        
            "type": "text",
            "analyzer": "my_analyzer",
            "search_analyzer": "ik_smart"
          }
        }
      }
    }

**示例：**

// 自定义拼音分词器
    PUT /test
    {
        
      "settings": {
        
        "analysis": {
        
          "analyzer": {
         
            "my_analyzer": {
         
              "tokenizer": "ik_max_word",
              "filter": "py"
            }
          },
          "filter": {
        
            "py": {
         
              "type": "pinyin",
              "keep_full_pinyin": false,
              "keep_joined_full_pinyin": true,
              "keep_original": true,
              "limit_first_letter_length": 16,
              "remove_duplicated_term": true,
              "none_chinese_pinyin_tokenize": false
            }
          }
        }
      },
      "mappings": {
        
        "properties": {
        
          "name":{
        
            "type": "text",
            "analyzer": "my_analyzer",
            "search_analyzer": "ik_smart"
          }
        }
        
      }
      
    }

测试：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hbqJQ3YO-1679447676163)(assets/image-20210723211829150.png)\]][img-hbqJQ3YO-1679447676163_assets_image-20210723211829150.png]

总结：

如何使用拼音分词器？

*  ①下载pinyin分词器
 *  ②解压并放到elasticsearch的plugin目录
 *  ③重启即可

如何自定义分词器？

*  ①创建索引库时，在settings中配置，可以包含三部分
 *  ②character filter
 *  ③tokenizer
 *  ④filter

拼音分词器注意事项？

*  为了避免搜索到同音字，搜索时不要使用拼音分词器

### 2.3.自动补全查询 ###

elasticsearch提供了[Completion Suggester][]查询来实现自动补全功能。这个查询会匹配以用户输入内容开头的词条并返回。为了提高补全查询的效率，对于文档中字段的类型有一些约束：

*  参与补全查询的字段必须是completion类型。
 *  字段的内容一般是用来补全的多个词条形成的数组。

比如，一个这样的索引库：

// 创建索引库
    PUT test
    {
        
      "mappings": {
        
        "properties": {
        
          "title":{
        
            "type": "completion"
          }
        }
      }
    }

然后插入下面的数据：

// 示例数据
    POST test/_doc
    {
        
      "title": ["Sony", "WH-1000XM3"]
    }
    POST test/_doc
    {
        
      "title": ["SK-II", "PITERA"]
    }
    POST test/_doc
    {
        
      "title": ["Nintendo", "switch"]
    }

查询的DSL语句如下：

// 自动补全查询
    GET /test/_search
    {
        
      "suggest": {
        
        "title_suggest": {
        
          "text": "s", // 关键字
          "completion": {
        
            "field": "title", // 补全查询的字段
            "skip_duplicates": true, // 跳过重复的
            "size": 10 // 获取前10条结果
          }
        }
      }
    }

结果：  
![在这里插入图片描述][49183e47be0a43388ede6ce08a90badf.png]

### 2.4.实现酒店搜索框自动补全 ###

现在，我们的hotel索引库还没有设置拼音分词器，需要修改索引库中的配置。但是我们知道索引库是无法修改的，只能删除然后重新创建。

另外，我们需要添加一个字段，用来做自动补全，将brand、suggestion、city等都放进去，作为自动补全的提示。

因此，总结一下，我们需要做的事情包括：

1.  修改hotel索引库结构，设置自定义拼音分词器
2.  修改索引库的name、all字段，使用自定义分词器
3.  索引库添加一个新字段suggestion，类型为completion类型，使用自定义的分词器
4.  给HotelDoc类添加suggestion字段，内容包含brand、business
5.  重新导入数据到hotel库

#### 2.4.1.修改酒店映射结构 ####

代码如下：

//酒店数据索引库
    PUT /hotel
    {
        
      "settings": {
        
        "analysis": {
        
          "analyzer": {
        
            "text_anlyzer": {
        
              "tokenizer": "ik_max_word",
              "filter": "py"
            },
            "completion_analyzer": {
        
              "tokenizer": "keyword",
              "filter": "py"
            }
          },
          "filter": {
        
            "py": {
        
              "type": "pinyin",
              "keep_full_pinyin": false,
              "keep_joined_full_pinyin": true,
              "keep_original": true,
              "limit_first_letter_length": 16,
              "remove_duplicated_term": true,
              "none_chinese_pinyin_tokenize": false
            }
          }
        }
      },
      "mappings": {
        
        "properties": {
        
          "id":{
        
            "type": "keyword"
          },
          "name":{
        
            "type": "text",
            "analyzer": "text_anlyzer",
            "search_analyzer": "ik_smart",
            "copy_to": "all"
          },
          "address":{
        
            "type": "keyword",
            "index": false
          },
          "price":{
        
            "type": "integer"
          },
          "score":{
        
            "type": "integer"
          },
          "brand":{
        
            "type": "keyword",
            "copy_to": "all"
          },
          "city":{
        
            "type": "keyword"
          },
          "starName":{
        
            "type": "keyword"
          },
          "business":{
        
            "type": "keyword",
            "copy_to": "all"
          },
          "location":{
        
            "type": "geo_point"
          },
          "pic":{
        
            "type": "keyword",
            "index": false
          },
          "all":{
        
            "type": "text",
            "analyzer": "text_anlyzer",
            "search_analyzer": "ik_smart"
          },
          "suggestion":{
        
              "type": "completion",
              "analyzer": "completion_analyzer"
          }
        }
      }
    }

#### 2.4.2.修改HotelDoc实体 ####

HotelDoc中要添加一个字段，用来做自动补全，内容可以是酒店品牌、城市、商圈等信息。按照自动补全字段的要求，最好是这些字段的数组。

因此我们在HotelDoc中添加一个suggestion字段，类型为`List<String>`，然后将brand、city、business等信息放到里面。

**注意：**

> 如果不做其他处理，首次将数据导入es中，文档里 suggestion 属性会有多个字符串，并以“/”隔开。显然这不是我们想要的效果，所以在Java代码中需要做处理。在HotelDoc类中的构造函数里，判断suggestion字段中是否包含 “/”，并分割。

![在这里插入图片描述][7b623c5ad05a406d9c17bf9c7be53423.png]

代码如下：

package cn.itcast.hotel.pojo;
    
    import lombok.Data;
    import lombok.NoArgsConstructor;
    
    import java.util.ArrayList;
    import java.util.Arrays;
    import java.util.Collections;
    import java.util.List;
    
    @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;
        private Object distance;
        private Boolean isAD;
        private List<String> suggestion;
    
        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();
            // 组装suggestion
            if(this.business.contains("、")){
        
                // business有多个值，需要切割
                String[] arr = this.business.split("、");
                // 添加元素
                this.suggestion = new ArrayList<>();
                this.suggestion.add(this.brand);
                Collections.addAll(this.suggestion, arr);
            }else {
        
                this.suggestion = Arrays.asList(this.brand, this.business);
            }
        }
    }

#### 2.4.3.重新导入 ####

重新执行之前编写的导入数据功能，可以看到新的酒店数据中包含了suggestion：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YS6q6dAi-1679447676164)(assets/image-20210723213546183.png)\]][img-YS6q6dAi-1679447676164_assets_image-20210723213546183.png]

#### 2.4.4.自动补全查询的JavaAPI ####

之前我们学习了自动补全查询的DSL，而没有学习对应的JavaAPI，这里给出一个示例：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZaUTrmOQ-1679447676164)(assets/image-20210723213759922.png)\]][img-ZaUTrmOQ-1679447676164_assets_image-20210723213759922.png]

而**自动补全**的结果也比较特殊，解析的代码如下：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-d8sRUIIK-1679447676165)(assets/image-20210723213917524.png)\]][img-d8sRUIIK-1679447676165_assets_image-20210723213917524.png]

#### 2.4.5.实现搜索框自动补全 ####

查看前端页面，可以发现当我们在输入框键入时，前端会发起ajax请求：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-stAo4HRh-1679447676165)(assets/image-20210723214021062.png)\]][img-stAo4HRh-1679447676165_assets_image-20210723214021062.png]

返回值是补全词条的集合，类型为`List<String>`

1）在`cn.itcast.hotel.web`包下的`HotelController`中添加新接口，接收新的请求：

@GetMapping("suggestion")
    public List<String> getSuggestions(@RequestParam("key") String prefix) {
        
        return hotelService.getSuggestions(prefix);
    }

2）在`cn.itcast.hotel.service`包下的`IhotelService`中添加方法：

List<String> getSuggestions(String prefix);

3）在`cn.itcast.hotel.service.impl.HotelService`中实现该方法：

@Override
    public List<String> getSuggestions(String prefix) {
        
        try {
        
            // 1.准备Request
            SearchRequest request = new SearchRequest("hotel");
            // 2.准备DSL
            request.source().suggest(new SuggestBuilder().addSuggestion(
                "suggestions",
                SuggestBuilders.completionSuggestion("suggestion")
                .prefix(prefix)
                .skipDuplicates(true)
                .size(10)
            ));
            // 3.发起请求
            SearchResponse response = client.search(request, RequestOptions.DEFAULT);
            // 4.解析结果
            Suggest suggest = response.getSuggest();
            // 4.1.根据补全查询名称，获取补全结果
            CompletionSuggestion suggestions = suggest.getSuggestion("suggestions");
            // 4.2.获取options
            List<CompletionSuggestion.Entry.Option> options = suggestions.getOptions();
            // 4.3.遍历
            List<String> list = new ArrayList<>(options.size());
            for (CompletionSuggestion.Entry.Option option : options) {
        
                String text = option.getText().toString();
                list.add(text);
            }
            return list;
        } catch (IOException e) {
        
            throw new RuntimeException(e);
        }
    }

[Link 1]: https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations.html
[img-MlnxrjGy-1679447676156_assets_image-20210723171948228.png]: https://img-blog.csdnimg.cn/2ac7706425bc43ae91193902421d8053.png
[img-ws1ZINRE-1679447676158_assets_image-20210723172404836.png]: https://img-blog.csdnimg.cn/a2113f6c25af45debe7ed05bba0d9e9b.png
[img-Ad8tNCnZ-1679447676158_assets_image-20210723172917636.png]: https://img-blog.csdnimg.cn/6288518b7bf24d89b5af411d8ad94546.png
[img-EIIUMkrp-1679447676159_assets_image-20210723173057733.png]: https://img-blog.csdnimg.cn/dc5eca3a7f3b4cb48b87842fa4ea8d36.png
[img-MqE4bwZ7-1679447676159_assets_image-20210723173215728.png]: https://img-blog.csdnimg.cn/cb88a014ecb74dd1979f335cb3c6e70d.png
[img-e51b1qoC-1679447676160_assets_image-20210723192605566.png]: https://img-blog.csdnimg.cn/f6eb4d9417874197b60802d66b19ca3e.png
[img-1LgdczY0-1679447676160_assets_image-20210723193730799.png]: https://img-blog.csdnimg.cn/347141ff4d22449a82ead598b8f4c00c.png
[img-PUCyzIAu-1679447676161_assets_image-20210723203915982.png]: https://img-blog.csdnimg.cn/98ed74f2308748399954f03a1c0e2eb2.png
[img-FjkpsB19-1679447676161_assets_image-20210723204936367.png]: https://img-blog.csdnimg.cn/633500d296aa4bc98d9cde0389b24581.png
[img-PHfZnGix-1679447676162_assets_image-20210723205932746.png]: https://img-blog.csdnimg.cn/c9e43d55cfcc4422b9746f72d91293d9.png
[Link 2]: https://pan.baidu.com/s/1IokKGy9Jv6YKvJLnyR6XfA?pwd=1234
[Link 3]: https://blog.csdn.net/weixin_53604412/article/details/129558711?spm=1001.2014.3001.5502
[img-nze33MLY-1679447676162_assets_image-20210723210126506.png]: https://img-blog.csdnimg.cn/adf0764374ce44a5bc4910d6da91395b.png
[img-O0VxvENe-1679447676163_assets_image-20210723210427878.png]: https://img-blog.csdnimg.cn/10a97134abbc49608d7a8ea24fa7365a.png
[img-hbqJQ3YO-1679447676163_assets_image-20210723211829150.png]: https://img-blog.csdnimg.cn/f4463eeb2b394ac98339c38a3ffd61d6.png
[Completion Suggester]: https://www.elastic.co/guide/en/elasticsearch/reference/7.6/search-suggesters.html
[49183e47be0a43388ede6ce08a90badf.png]: https://img-blog.csdnimg.cn/49183e47be0a43388ede6ce08a90badf.png
[7b623c5ad05a406d9c17bf9c7be53423.png]: https://img-blog.csdnimg.cn/7b623c5ad05a406d9c17bf9c7be53423.png
[img-YS6q6dAi-1679447676164_assets_image-20210723213546183.png]: https://img-blog.csdnimg.cn/d1a2102fa9e440be91f7f9ac7d6df808.png
[img-ZaUTrmOQ-1679447676164_assets_image-20210723213759922.png]: https://img-blog.csdnimg.cn/e401af7beee440ac846e32e863467917.png
[img-d8sRUIIK-1679447676165_assets_image-20210723213917524.png]: https://img-blog.csdnimg.cn/640f6c7aed3047b78f7b708133785647.png
[img-stAo4HRh-1679447676165_assets_image-20210723214021062.png]: https://img-blog.csdnimg.cn/0c14b97c477f494c924c5976232de427.png