Spring Boot 整合分布式搜索引擎 Elastic Search 实现我附近的、酒店竞排

男娘i 2024-05-01 04:49 77阅读 0赞

#### 文章目录 ####

*  ⛄引言
 *  一、我附近的酒店
 *   *  ⛅需求分析
     *  ⚡源码编写
 *  二、酒店竞价排名
 *   *  ⌚需求分析
     *  ⏰修改搜索业务
 *  ✅效果图
 *  ⛵小结

## ⛄引言 ##

**本文参考黑马 分布式Elastic search**  
[Elasticsearch][]是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容

## 一、我附近的酒店 ##

### ⛅需求分析 ###

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

![在这里插入图片描述][1073ab7543be41d6a7c26297c0e686af.png_pic_center]

点击定位后，会发送给服务端以下请求json

![在这里插入图片描述][b535ddd7efd34bcfb28284856cbea46f.png_pic_center]

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

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

### ⚡源码编写 ###

**修改实体类**

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

**距离排序**

我们以前学习过排序功能，包括两种：

*  普通字段排序
 *  地理坐标排序

**地理坐标 DSL 语法如下**

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

**添加距离排序**

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

**排序距离展示**

**重启进行测试：**

![在这里插入图片描述][1be27f4ab28c4d44bf473aabf4536637.png_pic_center]

**的却可以实现 我附近的酒店距离排序，但是没有展示距离我们有多远，这个我们应该怎么实现呢？**

排序完成后，页面还要获取我附近每个酒店的具体**距离**值，这个值在响应结果中是独立的：

![在这里插入图片描述][631e40a05787433980c4e89612a5ef2d.png_pic_center]

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

我们要做两件事：

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

**添加距离排序字段**

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

**修改 handleResponse 方法**

![在这里插入图片描述][2133eefde59e4f5cb80a5d5bfdef51c4.png_pic_center]

**重启进行测试**

![在这里插入图片描述][449f8f6071ac434ba3bb46c38aa3c890.png_pic_center]

**已成功展示距离。**

## 二、酒店竞价排名 ##

**需求：让指定的酒店在搜索结果中排名置顶**

### ⌚需求分析 ###

要让指定酒店在搜索结果中排名置顶，效果如图：

![在这里插入图片描述][5044de68e4ba452cb615dbd68d335de0.png_pic_center]

页面会给指定的酒店添加**广告**标记。

那怎样才能让指定的酒店排名置顶呢？

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

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

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

比如，我们给酒店添加一个字段：isAD，Boolean类型：

*  true：是广告
 *  false：不是广告

这样function\_score包含3个要素就很好确定了：

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

因此，业务的实现步骤包括：

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

### ⏰修改搜索业务 ###

> **添加广告标记**

**修改实体类**

import lombok.Data;
    import lombok.NoArgsConstructor;
    
    @Data
    @NoArgsConstructor
    public class HotelDoc {
        
        private Long id;
        private String name;
        private String address;
        private Integer price;
        private Integer score;
        private String brand;
        private String city;
        private String starName;
        private String business;
        private String location;
        private String pic;
        private Object distance;
        // 加入广告标识
        private Boolean isAD;
    
        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();
        }
    }

**随便设置几个作为广告置项**

POST /hotel/_update/2056105938
    {
        
        "doc": {
        
            "isAD": true
        }
    }
    
    POST /hotel/_update/38609
    {
        
        "doc": {
        
            "isAD": true
        }
    }

> **添加算分函数查询**

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

function\_score查询结构如下：

![在这里插入图片描述][45dfccd07b72436eabd3e5288607e8c2.png_pic_center]

对应的JavaAPI如下：

![在这里插入图片描述][c3ddd683007c4c08a259c9f0fba9d1d5.png_pic_center]

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

**加入算分查询**

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

**效果展示**

![在这里插入图片描述][b190e494b8b44094a584663070edd955.png_pic_center]

## ✅效果图 ##

![在这里插入图片描述][61e3f7344eac49c0b0c5f31d5e5262e8.gif_pic_center]

## ⛵小结 ##

以上就是【**Bug 终结者**】对 **Spring Boot 整合 分布式搜索引擎 Elastic Search 实现 搜索、分页与结果过滤** 的简单介绍，**ES搜索引擎无疑是最优秀的分布式搜索引擎，使用它，可大大提高项目的灵活、高效性！** **`技术改变世界！！！`**

> 如果这篇【文章】有帮助到你，希望可以给【**Bug 终结者**】点个赞?，创作不易，如果有对【**后端技术**】、【**前端领域**】感兴趣的小可爱，也欢迎关注❤️❤️❤️ 【**Bug 终结者**】❤️❤️❤️，我将会给你带来巨大的【收获与惊喜】???！

[Elasticsearch]: https://so.csdn.net/so/search?q=Elasticsearch&spm=1001.2101.3001.7020
[1073ab7543be41d6a7c26297c0e686af.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/7fecdfc22eec498b8abbdf5993cf92db.png
[b535ddd7efd34bcfb28284856cbea46f.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/75f5edec8d7a4bc5bb52fc1bede10194.png
[1be27f4ab28c4d44bf473aabf4536637.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/2696dd26fb1e4ebe99571c803a969ebb.png
[631e40a05787433980c4e89612a5ef2d.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/aa9f34dd946d459d8baee4320a1f7634.png
[2133eefde59e4f5cb80a5d5bfdef51c4.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/a31774bef27f4f529b67a0ca54994297.png
[449f8f6071ac434ba3bb46c38aa3c890.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/33c88dd841454a3f93682e89eb9450cd.png
[5044de68e4ba452cb615dbd68d335de0.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/b62d78bdec87452d842519c3fa7ffccf.png
[45dfccd07b72436eabd3e5288607e8c2.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/0097f9215e4046cfa3908675053503db.png
[c3ddd683007c4c08a259c9f0fba9d1d5.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/a26a7611d4844655bac4ecd7e838d0da.png
[b190e494b8b44094a584663070edd955.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/18880a6fa48c4ffaac41287b40315ae0.png
[61e3f7344eac49c0b0c5f31d5e5262e8.gif_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/9671aa5ddd8a401c825f5676d4561e95.gif