一、四种Suggester介绍
Suggesters基本的运作原理是将输入的文本分解为token，然后在索引的字典里查找相似的term并返回。 根据使用场景的不同，Elasticsearch里设计了4种类别的Suggester，分别是:
•Term Suggester
•Completion Suggester
•Phrase Suggester
•Context Suggester
二、四个Suggester比较[1]
Term Suggester——基于编辑距离算法实现。在提供建议之前，对输入的文本进行分析
Phrase suggester——在 term suggester之上添加额外的逻辑以选择整个经校正的短语，而不是基于 ngram-language 模型加权的单个 token
Completion Suggester——只能用于前缀查询，速度很快，性能要求高
•需求场景是：输入一个字符，即时发送一个请求查询匹配项•数据结构：并非是倒排索引实现的，而是将分词的数据编码成FST和索引一起存放；FST会被加载进内存，速度很快•限制：需要对查询字段指定为Completion
Context Suggester——可以通过筛选提供建议，context 支持两种类型，分别是category（任意字符串），geo（地理位置信息）
准确度：completion > phrase > term
三、Completion Suggester Mapping的设置
因为Completion Suggester的搜索补全和搜索提示是要求查询的字段type是Completion类型的。所以在定义Mapping时候需要将被查询的字段type定义为completion类型。查询的Mapping如下：
PUT document {
"mappings": {
"properties": {
"id": {
"type": "keyword"
},
"doc_name": {
"type": "completion",
"analyzer": "ik_max_word"
},
"doc_number": {
"type": "text",
"analyzer": "ik_max_word"
},
"doc_type": {
"type": "text",
"analyzer": "ik_max_word"
},
"keywords": {
"type": "completion",
"analyzer": "ik_max_word"
},
"pubdate": {
"type": "date",
"format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
},
"attachment": {
"properties": {
"content": {
"type": "text",
"analyzer": "ik_max_word"
}
}
}
}
}
}
因为需要进行全文检索添加了attachment的内容
四、TransportClient和REST client的区别[2]
Elasticsearch计划在Elasticsearch 7.0中弃用TransportClient，
在8.0中完全删除它。相反，您应该使用Java高级REST client，rest client执行HTTP请求来执行操作，无需再序列化的Java请求。
TransportClient 是ElasticSearch（java）客户端封装对象，使用transport模块远程连接到Elasticsearch集群，该transport node并不会加入集群，而是简单的向ElasticSearch集群上的节点发送请求。transport node使用轮询机制进行集群内的节点进行负载均衡，尽管大多数操作（请求）可能是“两跳操作”。（图片来源于Elasticsearch权威指南）
Java REST客户端有两种风格：
•Java Low Level REST Client：elasticsearch client低级别客户端。它允许通过http请求与Elasticsearch集群进行通信。API本身不负责数据的编码解码，由用户去编码解码。它与所有的ElasticSearch版本兼容。
•Java High Level REST Client：Elasticsearch client官方高级客户端。基于低级客户端，它定义的API,已经对请求与响应数据包进行编码解码。
五、基于ElasticSearch Java REST Client API的自动补全
/**
* @param suggestField 查询搜索补全的字段
* @param suggestValue 查询搜索补全的值
* @return 返回搜索补全list
* @throws IOException IO异常
*/
public List<String> suggestSearchList(String suggestField, String suggestValue) throws IOException {
/**
* ElasticSearch 7.X版本以上 不在使用TransportClient进行客户端连接 所以使用client进行连接客户端无法进行使用
* 7.X版本将搜索补全（completion）合并到SuggestBuilders中进行使用，在SuggestBuilders中构建completionSuggestion搜索参数
*/
// 构建SearchRequest、SearchSourceBuilder 指定查询的库
// SearchRequest searchRequest = new SearchRequest(ESConst.ES_INDEX);
SearchRequest searchRequest = new SearchRequest("testdata");
SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
// 控制显示内容 (优化查询效率将所有无关查询提示字段都不显示)
String[] excludeFields = new String[] {"doc_number","doc_type","attachment","doc_keywords","id","pubdate","doc_name"};
String[] includeFields = new String[] {""};
searchSourceBuilder.fetchSource(includeFields, excludeFields);
// 构建completionSuggestionBuilder传入查询的参数
CompletionSuggestionBuilder completionSuggestionBuilder = SuggestBuilders.completionSuggestion(suggestField).prefix(suggestValue).size(10);
SuggestBuilder suggestBuilder = new SuggestBuilder();
// 定义查询的suggest名称
suggestBuilder.addSuggestion(suggestField+"_suggest", completionSuggestionBuilder);
searchSourceBuilder.suggest(suggestBuilder);
searchRequest.source(searchSourceBuilder);
// 执行查询
SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
// 获取查询的结果
Suggest suggest = searchResponse.getSuggest();
Set<String> suggestSet = new HashSet<>();
int maxSuggest = 0;
if (suggest != null) {
// 获取Suggestion的结果
Suggest.Suggestion result = suggest.getSuggestion(suggestField+"_suggest");
// 遍历获得查询结果的Text
for (Object term : result.getEntries()) {
if (term instanceof CompletionSuggestion.Entry) {
CompletionSuggestion.Entry item = (CompletionSuggestion.Entry) term;
if (!item.getOptions().isEmpty()) {
// 若item的option不为空,循环遍历
for (CompletionSuggestion.Entry.Option option : item.getOptions()) {
String tip = option.getText().toString();
if (!suggestSet.contains(tip)) {
suggestSet.add(tip);
++maxSuggest;
}
}
}
}
if (maxSuggest >= 10) {
break;
}
}
}
return Arrays.asList(suggestSet.toArray(new String[]{}));
}
代码思路：
1、首先实例化构建SearchRequest和SearchSourceBuilder，查询document文档；
2、控制查询显示的内容，使用searchSourceBuilder.fetchSource控制excludeFields和includeFields（无关的要素不进行查询）；
3、构建completionSuggestionBuilder，以参数形式传入suggestField和suggestValue，默认设置size为10；
4、定义查询的suggest_name，通过suggestBuilder.addSuggestion进行添加；
5、执行查询，searchResponse.getSuggest获得查询的结果；
6、遍历获得Suggest中的text，输出传入list返回给前端。
六、实现效果截图
var code = "22f45cca-2cf5-490b-bffa-c99574616258"
References
[1] 四个Suggester比较: https://www.jianshu.com/p/34db35d13cd3
[2] TransportClient和REST client的区别: https://blog.csdn.net/prestigeding/article/details/83188043
