spring-data-elasticsearch 4.x之completion suggest的使用

本文介紹spring-data-elasticsearch:jar:4.0.0.RELEASE版本completion suggest的使用狈茉。
主要用到CompletionSuggestionBuilder,SuggestBuilder這兩個(gè)類
QueryBuilders一樣suggest也有一個(gè)SuggestBuilders用于構(gòu)建term,phrase,completion三種類型的suggest構(gòu)造器

CompletionSuggestionBuilder textBuilder = 
SuggestBuilders.completionSuggestion("goodsName.suggest")

而對(duì)于Completion的Context Suggest,我們就要用到CategoryQueryContextGeoQueryContext
如下:

CategoryQueryContext categoryQueryContext = 
CategoryQueryContext.builder().setCategory(cityCode).build();

注意,這里的cityCode是從前端傳遞過(guò)來(lái)的一個(gè)動(dòng)態(tài)參數(shù)原朝,用于限定城市。
接下來(lái)將其封裝到Map中

Map<String, List<? extends ToXContent>> contexts = new HashMap<>();
List<CategoryQueryContext> list = new ArrayList<>();
list.add(categoryQueryContext);
contexts.put("city", list); // 這里要和mapping中配置的name保持一致

最后我們把拼裝好的contexts放到CompletionSuggestionBuilder

textBuilder.contexts(contexts);

完整代碼如下:

public List<String> suggest(String keyword, String cityCode) {
        HashSet<String> returnSet = new LinkedHashSet<>(); // 用于存儲(chǔ)查詢到的結(jié)果
        // 創(chuàng)建CompletionSuggestionBuilder
        CompletionSuggestionBuilder textBuilder = SuggestBuilders.completionSuggestion("goodsName.suggest") // 指定字段名
        .size(10) // 設(shè)定返回?cái)?shù)量
        .skipDuplicates(true) // 去重
        // 配置context
        CategoryQueryContext categoryQueryContext = CategoryQueryContext.builder().setCategory(cityCode).build();
        Map<String, List<? extends ToXContent>> contexts = new HashMap<>();
        List<CategoryQueryContext> list = new ArrayList<>();
        list.add(categoryQueryContext);
        contexts.put("city", list);
        textBuilder.contexts(contexts); // 設(shè)置contexts
        // 創(chuàng)建suggestBuilder并將completionBuilder添加進(jìn)去
        SuggestBuilder suggestBuilder = new SuggestBuilder();
        suggestBuilder.addSuggestion("suggest_text", textBuilder)
        .setGlobalText(keyword); 
        // 執(zhí)行請(qǐng)求
        Suggest suggest = elasticsearchRestTemplate.suggest(suggestBuilder, elasticsearchRestTemplate.getIndexCoordinatesFor(Goods.class)).getSuggest();
        // 取出結(jié)果
        Suggest.Suggestion<Entry<Option>> textSuggestion = suggest.getSuggestion("suggest_text");
        for (Entry<Option> entry : textSuggestion.getEntries()) {
            List<Option> options = entry.getOptions();
            for (Suggest.Suggestion.Entry.Option option : options) {
                returnSet.add(option.getText().toString());
            }
        }
        return new ArrayList<>(returnSet);
    }

引入的相關(guān)類

import org.elasticsearch.search.suggest.Suggest;
import org.elasticsearch.search.suggest.Suggest.Suggestion.Entry;
import org.elasticsearch.search.suggest.Suggest.Suggestion.Entry.Option;
import org.elasticsearch.search.suggest.SuggestBuilder;
import org.elasticsearch.search.suggest.SuggestBuilders;
import org.elasticsearch.search.suggest.completion.CompletionSuggestionBuilder;
import org.elasticsearch.search.suggest.completion.context.CategoryQueryContext;

Goods.java

@Document(indexName = "goods", shards = 1, replicas = 0)
@Mapping(mappingPath = "/mappings/goods.json")
@Data
public class Goods {
    @Id
    private Long goodsId;
    private String goodsName;
    private String cityCode;
}

由于此版本中FieldType并沒(méi)有提供Completion類型,使用@MultiField無(wú)法達(dá)到目的,因此用@Mapping方式進(jìn)行配置
goods.json

{
  "properties": {
    "goodsName": {
      "type": "text",
      "analyzer": "ik_max_word", 
      "search_analyzer": "ik_smart",
      "fields": {
        "suggest": {
          "type": "completion",
          "analyzer": "standard",
          "contexts": [
            {                           
              "name": "city",
              "type": "category",
              "path": "cityCode"
            }
          ]
        }
      }
    }
  }
}

本文重點(diǎn)介紹4.x版本Completion Suggest的使用蒜焊,如何做到更精確的查找,網(wǎng)上有很多科贬,就不在這里介紹了泳梆。
如果您覺(jué)得有幫助,還望留下一個(gè)贊唄榜掌。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末优妙,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子唐责,更是在濱河造成了極大的恐慌鳞溉,老刑警劉巖,帶你破解...
    沈念sama閱讀 217,907評(píng)論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件鼠哥,死亡現(xiàn)場(chǎng)離奇詭異熟菲,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)朴恳,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,987評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門抄罕,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人于颖,你說(shuō)我怎么就攤上這事呆贿。” “怎么了森渐?”我有些...
    開封第一講書人閱讀 164,298評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵做入,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我同衣,道長(zhǎng)竟块,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,586評(píng)論 1 293
  • 正文 為了忘掉前任耐齐,我火速辦了婚禮浪秘,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘埠况。我一直安慰自己耸携,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,633評(píng)論 6 392
  • 文/花漫 我一把揭開白布辕翰。 她就那樣靜靜地躺著夺衍,像睡著了一般。 火紅的嫁衣襯著肌膚如雪喜命。 梳的紋絲不亂的頭發(fā)上沟沙,一...
    開封第一講書人閱讀 51,488評(píng)論 1 302
  • 那天的畴,我揣著相機(jī)與錄音,去河邊找鬼尝胆。 笑死,一個(gè)胖子當(dāng)著我的面吹牛护桦,可吹牛的內(nèi)容都是我干的含衔。 我是一名探鬼主播,決...
    沈念sama閱讀 40,275評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼二庵,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼贪染!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起催享,我...
    開封第一講書人閱讀 39,176評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤杭隙,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后因妙,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體痰憎,經(jīng)...
    沈念sama閱讀 45,619評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,819評(píng)論 3 336
  • 正文 我和宋清朗相戀三年攀涵,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了铣耘。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 39,932評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡以故,死狀恐怖蜗细,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情怒详,我是刑警寧澤炉媒,帶...
    沈念sama閱讀 35,655評(píng)論 5 346
  • 正文 年R本政府宣布,位于F島的核電站昆烁,受9級(jí)特大地震影響吊骤,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜善玫,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,265評(píng)論 3 329
  • 文/蒙蒙 一水援、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧茅郎,春花似錦蜗元、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,871評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至掌敬,卻和暖如春惯豆,著一層夾襖步出監(jiān)牢的瞬間池磁,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,994評(píng)論 1 269
  • 我被黑心中介騙來(lái)泰國(guó)打工楷兽, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留地熄,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 48,095評(píng)論 3 370
  • 正文 我出身青樓芯杀,卻偏偏與公主長(zhǎng)得像端考,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子揭厚,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,884評(píng)論 2 354