搜索引擎ElasticSearch分布式搜索和分析引擎学习,SpringBoot整合ES个人心得

2023-12-13 08:42:12

ElasticSearch

Elasticsearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎,基于RESTful web接口。Elasticsearch是用Java语言开发的,并作为Apache许可条款下的开放源码发布,是一种流行的企业级搜索引擎。Elasticsearch用于云计算中,能够达到实时搜索,稳定,可靠,快速,安装使用方便。官方客户端在Java、.NET(C#)、PHP、Python、Apache Groovy、Ruby和许多其他语言中都是可用的。根据DB-Engines的排名显示,Elasticsearch是最受欢迎的企业搜索引擎,其次是Apache Solr,也是基于Lucene

如京东,淘宝

Lucene是一个Java语言的搜索引擎类库,是Apache公司的顶级项目,由DougCutting于1999年研发。官网地址: https:// lucene.apache.org/

重要性:

  1. 分布式的实时文件存储,每个字段都被索引并可被搜索
  2. 实时分析的分布式搜索引擎
  3. 可以扩展到上百台服务器,处理PB级结构化或非结构化数据

倒排索引

倒排索引的概念是基于MySQL这样的正向索引而言的

正向索引

在这里插入图片描述

但如果是基于title做模糊查询,只能是逐行扫描数据,流程如下:

  1. 用户搜索数据,条件是title符合“%手机%
  2. 逐行获取数据,比如id为1的数据
  3. 判断数据中的title是否符合用户搜索条件
  4. 如果符合则放入结果集,不符合则丢弃。回到步骤1

逐行扫描,也就是全表扫描,随着数据量增加,其查询效率也会越来越低。当数据量达到数百万时,就是一场灾难。

倒排索引

倒排索引中有两个非常重要的概念:

  • 文档Document:用来搜索的数据,其中的每一条数据就是一个文档。例如一个网页、一个商品信息
  • 词条Term:对文档数据或用户搜索数据,利用某种算法分词,得到的具备含义的词语就是词条。例如:我是中国人,就可以分为:我、是、中国人、中国、国人这样的几个词条

创建倒排索引是对正向索引的一种特殊处理,流程如下:

  1. 将每一个文档的数据利用算法分词,得到一个个词条
  2. 创建表,每行数据包括词条、词条所在文档id、位置等信息
  3. 因为词条唯一性,可以给词条创建索引,例如hash表结构索引

在这里插入图片描述

倒排索引的搜索流程如下(以搜寻“华为手机”为例)

  1. 用户输入条件 “华为手机” 进行搜索。
  2. 对用户输入内容分词,得到词条: 华为 、 手机 。
  3. 拿着词条在倒排索引中查找,可以得到包含词条的文档id:1、2、3。
  4. 拿着文档id到正向索引中查找具体文档

在这里插入图片描述

虽然要先查询倒排索引,再查询倒排索引,但是无论是词条、还是文档id都建立了索引,查询速度非常快!无需全表扫描。

正向和倒排

  • 正向索引是最传统的,根据id索引的方式。但根据词条查询时,必须先逐条获取每个文档,然后判断文档中是否包含所需要的词条,是根据文档找词条的过程
  • 倒排索引则相反,是先找到用户要搜索的词条,根据词条得到保护词条的文档的id,然后根据id获取文档。是根据词条找文档的过程

正向索引

优点:

  1. 可以给多个字段创建索引
  2. 根据索引字段搜索、排序速度非常快

缺点:

  1. 根据非索引字段,或者索引字段中的部分词条查找时,只能全表扫描

倒排索引

优点:

  1. 根据词条搜索、模糊搜索时,速度非常快

缺点:

  1. 只能给词条创建索引,而不是字段
  2. 无法根据字段做排序

ES的一些概念

elasticsearch中有很多独有的概念,与mysql中略有差别,但也有相似之处

文档和字段

elasticsearch是面向**文档(Document)**存储的,可以是数据库中的一条商品数据,一个订单信息。文档数据会被序列化为json格式后存储在elasticsearch中:

在这里插入图片描述

而Json文档中往往包含很多的字段(Field),类似于数据库中的列

索引和映射

索引(Index),就是相同类型的文档的集合。

例如:

  • 所有用户文档,就可以组织在一起,称为用户的索引;
  • 所有商品的文档,可以组织在一起,称为商品的索引;
  • 所有订单的文档,可以组织在一起,称为订单的索引;

在这里插入图片描述

因此,我们可以把索引当做是数据库中的表。

数据库的表会有约束信息,用来定义表的结构、字段的名称、类型等信息。因此,索引库中就有映射(mapping),是索引中文档的字段约束信息,类似表的结构约束。

MySQL和ElasticSearch

我们统一的把mysql与elasticsearch的概念做一下对比

在这里插入图片描述

ES环境安装

ES环境需要ES和分词器

环境搭建步骤:

  1. windows版ES下载:网址https://www.elastic.co/cn/downloads/elasticsearch
  2. 下载分词器(4IK分词器):https://github.com/medcl/elasticsearch-analysis-ik/releases
  3. 解压缩ES,并且在解压缩的plugins创建ik文件夹
  4. 将4IK分词器解压后的所有文件拷贝到创建的ik文件夹下

启动ES:

  1. 找到ES文件夹下的bin文件夹,双击文件 elasticsearch.bat(弹出窗口不要关闭)
  2. 浏览器访问localhost:9200能看到json代表启动成功

4IK分词器

作用:

  1. 创建倒排索引时对文档分词
  2. 用户搜索时,对输入的内容分词

IK分词器的模式:

  1. ik_smart:智能切分,粗粒度
  2. ik_max_word:最细切分,细粒度

索引库操作

索引库就类似数据库表,mapping映射就类似表的结构。

我们要向es中存储数据,必须先创建“库”和“表”。

mapping映射属性

mapping是对索引库中文档的约束,常见的mapping属性包括:

type:字段数据类型,常见的简单类型有:

  • 字符串:text(可分词的文本)、keyword(精确值,例如:品牌、国家、ip地址)
  • 数值:long、integer、short、byte、double、float
  • 布尔:boolean
  • 日期:date
  • 对象:object

index:是否创建索引,默认为true

analyzer:使用哪种分词器

properties:该字段的子字段

Eg:

{
  "age": 18,
  "weight": 70.2,
  "isMarried": false,
  "info": "apesourceJavaEE王讲师",
  "email": "wangls@163.com",
  "score": [99.1, 99.5, 98.9],
  "name": {
    "firstName": "师傅",
    "lastName": "王"
  }
}

对应的每个字段映射(mapping):

  • age:类型为 integer;参与搜索,因此需要index为true;无需分词器
  • weight:类型为float;参与搜索,因此需要index为true;无需分词器
  • isMarried:类型为boolean;参与搜索,因此需要index为true;无需分词器
  • info:类型为字符串,需要分词,因此是text;参与搜索,因此需要index为true;分词器可以用ik_smart
  • email:类型为字符串,但是不需要分词,因此是keyword;不参与搜索,因此需要index为false;无需分词器
  • score:虽然是数组,但是我们只看元素的类型,类型为float;参与搜索,因此需要index为true;无需分词器
  • name:类型为object,需要定义多个子属性
    • name.firstName;类型为字符串,但是不需要分词,因此是keyword;参与搜索,因此需要index为true;无需分词器
    • name.lastName;类型为字符串,但是不需要分词,因此是keyword;参与搜索,因此需要
    • index为true;无需分词器

创建索引库和映射

基本语法:

  • 请求方式:PUT
  • 请求路径:/索引库名,可以自定义
  • 请求参数:mapping

格式:

{
    "mappings":{
        "properties":{
            "age":{
                "type":"integer"
            },
            "isMarried":{
                "type":"boolean"
            },
            "name":{
                "type":"text",
                "analyzer":"ik_smart"
            },
            "info":{
                "type":"text",
                "index":"false"
            },
            "pet":{
                "properties":{
                    "dog":{
                        "type":"text"
                    },
                    "cat":{
                         "type":"text"   
                    }
                }
            }
        }
    }
}

在这里插入图片描述

Postman测试创建索引库和映射

查询索引库

基本语法

  • 请求方式:GET
  • 请求路径:/索引库名
  • 请求参数:无

格式:

GET /索引库名

eg:postman发送GET请求:localhost:9200/teachers

修改索引库

倒排索引结构虽然不复杂,但是一旦数据结构改变(比如改变了分词器),就需要重新创建倒排索引,这简直是灾难。因此索引库一旦创建,无法修改mapping

虽然无法修改mapping中已有的字段,但是却允许添加新的字段到mapping中,因为不会对倒排索引产生影响。

语法说明:

PUT /索引库名/_mapping
{
  "properties": {
    "新字段名":{
      "type": "integer"
    }
  }
}

eg:postman发送PUT请求:localhost:9200/teachers/_mapping

在这里插入图片描述

删除索引库

语法:

  • 请求方式:DELETE
  • 请求路径:/索引库名
  • 请求参数:无

格式:

DELETE /索引库名

postman发送DELETE请求:localhost:9200/teachers

总结:

  1. 创建索引库:PUT /索引库名
  2. 查询索引库:GET /索引库名
  3. 删除索引库:DELETE /索引库名
  4. 添加字段:PUT /索引库名/_mapping

文档操作

新增文档

语法:

POST /索引库名/_doc/文档id
{
  "字段1": "值1",
  "字段2": "值2",
  "字段3": {
    "子属性1": "值3",
    "子属性2": "值4"
  },
  // ...
}

eg:

POST请求:localhost:9200/teachers/_doc/1

{
    "info":"java程序开发工程师",
    "age":"23",
    "name":"詹姆斯高斯林",
    "pet":{
        "拉布拉多":"旺财",
        "英短":"小老弟"
    }
}

查询文档

根据rest风格,新增是post,查询应该是get,不过查询一般都需要条件,这里我们把文档id带上。

语法:

GET /{索引库名称}/_doc/{id}

查看数据:

GET请求:localhost:9200/teachers/_doc/1

localhost:9200/teachers/_doc/1

删除文档

删除使用DELETE请求,同样,需要根据id进行删除

语法:

DELETE /{索引库名}/_doc/id值

eg:

DELETE请求

localhost:9200/teachers/_doc/1

修改文档

  • 全量修改:直接覆盖原来的文档
  • 增量修改:修改文档中的部分字段

全量修改

全量修改是覆盖原来的文档,其本质是:

  • 根据指定的id删除文档
  • 新增一个相同id的文档

**注意:**如果根据id删除时,id不存在,第二步的新增也会执行,也就从修改变成了新增操作了

语法:

PUT /{索引库名}/_doc/文档id
{
  "字段1": "值1",
  "字段2": "值2",
  // ... 略
}

eg:

postman发送PUT请求:localhost:9200/teachers/_doc/1

{
    "info":"python程序开发工程",
    "name":"吉多范罗苏姆",
    "age":"22",
    "pet":{
        "拉布拉多":"旺财",
        "英短":"小老弟"
    }
}

全量修改

增量修改是只修改指定id匹配的文档中的部分字段

语法:

POST /{索引库名}/_update/文档id
{
  "doc": {
    "字段名": "新的值",
  }
}

eg:

postman发送POST请求:localhost:9200/teachers/_update/1

{
    "doc":{
        "name":"詹姆斯高斯林再牛逼也进不了谷歌"
    }
}

总结:

  1. 创建文档:POST /{索引库名}/_doc/文档id { json文档 }
  2. 查询文档:GET /{索引库名}/_doc/文档id
  3. 删除文档:DELETE /{索引库名}/_doc/文档id
  4. 修改文档:
    • 全量修改:PUT /{索引库名}/_doc/文档id { json文档 }
    • 增量修改:POST /{索引库名}/_update/文档id { “doc”: {字段}}

RestAPI

ES官方提供了各种不同语言的客户端,用来操作ES。这些客户端的本质就是组装DSL语句,通过http请求发送给ES。官方文档地址:https://www.elastic.co/guide/en/elasticsearch/client/index.html

其中的Java Rest Client又包括两种:

  • Java Low Level Rest Client
  • Java High Level Rest Client

主要介绍Java High Level Rest Client

数据库建表语句

CREATE TABLE `tb_hotel` (
  `id` bigint(20) NOT NULL COMMENT '酒店id',
  `name` varchar(255) NOT NULL COMMENT '酒店名称;例:7天酒店',
  `address` varchar(255) NOT NULL COMMENT '酒店地址;例:航头路',
  `price` int(10) NOT NULL COMMENT '酒店价格;例:329',
  `score` int(2) NOT NULL COMMENT '酒店评分;例:45,就是4.5分',
  `brand` varchar(32) NOT NULL COMMENT '酒店品牌;例:如家',
  `city` varchar(32) NOT NULL COMMENT '所在城市;例:上海',
  `star_name` varchar(16) DEFAULT NULL COMMENT '酒店星级,从低到高分别是:1星到5星,1
  钻到5钻',
  `business` varchar(255) DEFAULT NULL COMMENT '商圈;例:虹桥',
  `latitude` varchar(32) NOT NULL COMMENT '纬度;例:31.2497',
  `longitude` varchar(32) NOT NULL COMMENT '经度;例:120.3925',
  `pic` varchar(255) DEFAULT NULL COMMENT '酒店图片;例:/img/1.jpg',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

mapping映射分析

酒店数据的索引库结构:

{
  "mappings": {
    "properties": {
      "id": {
        "type": "keyword"
      },
      "name":{
        "type": "text",
        "analyzer": "ik_max_word",
        "copy_to": "all"
      },
      "address":{
        "type": "keyword",
        "index": false,
        "copy_to": "all"
      },
      "price":{
        "type": "integer"
      },
      "score":{
        "type": "integer"
      },
      "brand":{
        "type": "keyword",
        "copy_to": "all"
      },
      "city":{
        "type": "keyword",
        "copy_to": "all"
      },
      "starName":{
        "type": "keyword"
      },
      "business":{
        "type": "keyword"
      },
      "location":{
        "type": "geo_point"
      },
      "pic":{
        "type": "keyword",
        "index": false
      },
      "all":{
        "type": "text",
        "analyzer": "ik_max_word"
      }
    }
  }
}

几个特殊字段说明:

location:地理坐标,里面包含精度、纬度

all:一个组合字段,其目的是将多字段的值 利用copy_to合并,提供给用户搜索

地理坐标说明:

在这里插入图片描述

copy_to说明:

在这里插入图片描述

JAVA中使用ES

初始化RestClient

在elasticsearch提供的API中,与elasticsearch一切交互都封装在一个名为RestHighLevelClient的类中,必须先完成这个对象的初始化,建立与elasticsearch的连接。

在Spring Boot中使用ES三步骤:

  1. 引入es的RestHighLevelClient依赖

    <dependency>
      <groupId>org.elasticsearch.client</groupId>
      <artifactId>elasticsearch-rest-high-level-client</artifactId>
    </dependency>
    
  2. 因为SpringBoot默认的ES版本是7.6.2,所以我们需要覆盖默认的ES版本

    <properties>
      <java.version>1.8</java.version>
      <elasticsearch.version>7.12.0</elasticsearch.version>
    </properties>
    
  3. 初始化RestHighLevelClient

    将RestHighLevelClient注入容器,可以写配置类,也可以写在启动类中

    @Bean
    public RestHighLevelClient restHighLevelClient(){
      RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(
      	HttpHost.create("http://localhost:9200")
    	));
    }
    

创建索引库

  1. 准备索引库映射字符串

    public class HotelConstants {
      public static final String MAPPING_TEMPLATE = "{\n" +
        "  \"mappings\": {\n" +
        "    \"properties\": {\n" +
        "      \"id\": {\n" +
        "        \"type\": \"keyword\"\n" +
        "      },\n" +
        "      \"name\":{\n" +
        "        \"type\": \"text\",\n" +
        "        \"analyzer\": \"ik_max_word\",\n" +
        "        \"copy_to\": \"all\"\n" +
        "      },\n" +
        "      \"address\":{\n" +
        "        \"type\": \"keyword\",\n" +
        "        \"index\": false\n" +
        "      },\n" +
        "      \"price\":{\n" +
        "        \"type\": \"integer\"\n" +
        "      },\n" +
        "      \"score\":{\n" +
        "        \"type\": \"integer\"\n" +
        "      },\n" +
        "      \"brand\":{\n" +
        "        \"type\": \"keyword\",\n" +
        "        \"copy_to\": \"all\"\n" +
        "      },\n" +
        "      \"city\":{\n" +
        "        \"type\": \"keyword\",\n" +
        "        \"copy_to\": \"all\"\n" +
        "      },\n" +
        "      \"starName\":{\n" +
        "        \"type\": \"keyword\"\n" +
        "      },\n" +
        "      \"business\":{\n" +
        "        \"type\": \"keyword\"\n" +
        "      },\n" +
        "      \"location\":{\n" +
        "        \"type\": \"geo_point\"\n" +
        "      },\n" +
        "      \"pic\":{\n" +
        "        \"type\": \"keyword\",\n" +
        "        \"index\": false\n" +
        "      },\n" +
        "      \"all\":{\n" +
        "        \"type\": \"text\",\n" +
        "        \"analyzer\": \"ik_max_word\"\n" +
        "      }\n" +
        "    }\n" +
        "  }\n" +
        "}";
    }
    
  2. 索引库的操作

    @SpringBootTest
    class SpringbootEs01ApplicationTests {
    
      private RestHighLevelClient client;
    
      @BeforeEach
      void setUp(){
        this.client = new RestHighLevelClient(RestClient.builder(
          HttpHost.create("http://localhost:9200")
        ));
      }
    
      @AfterEach
      void tearDown() throws Exception{
        this.client.close();
      }
    
      // 判断索引库是否存在
      @Test
      void testExistsHotelIndex() throws Exception {
        GetIndexRequest request = new GetIndexRequest("hotels");
        boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);
        System.err.println(exists ? "索引库已经存在":"索引库不存在");
      }
    
      // 创建索引库
      @Test
      void createHotelIndex() throws Exception{
        // 创建Request对象
        CreateIndexRequest request = new CreateIndexRequest("hotels");
        // 准备请求的参数:DSL语句
        request.source(HotelConstants.MAPPING_TEMPLATE, XContentType.JSON);
        // 发送请求
        client.indices().create(request,RequestOptions.DEFAULT);
      }
    
      // 删除索引库
      @Test
      void delteHotelIndex() throws Exception{
        // 创建Request对象
        DeleteIndexRequest request = new DeleteIndexRequest("hotels");
        // 发送请求
        client.indices().delete(request,RequestOptions.DEFAULT);
      }
    
    }
    

总结

JavaRestClient操作elasticsearch的流程基本类似。核心是client.indices()方法来获取索引库的操作对象

索引库操作的基本步骤:

  1. 初始化RestHighLevelClient
  2. 创建XxxIndexRequest。XXX是Create、Get、Delete
  3. 准备DSL( Create时需要,其它是无参)
  4. 发送请求。调用RestHighLevelClient#indices().xxx()方法,xxx是create、exists、delete

文档操作

演示在juint单元测试中进行,准备

@SpringBootTest
public class HotelDocumentTests {
    // 核心对象
    private RestHighLevelClient client;

    // 需要从数据库中查数据存入es,装配业务
    @Autowired(required = false)
    private IHotelService service;

    @BeforeEach
    void setUp(){
        this.client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://localhost:9200")
        ));
    }

    @AfterEach
    void tearDown() throws  Exception{
        this.client.close();
    }
}
  • 从数据库中新增一条数据到ES

    @Test
    void addDocument() throws Exception{
      // 从数据库查询一条数据
      Hotel hotel = service.getById(395434);
      System.out.println(hotel);
      // 转换为文档类型
      HotelDoc hotelDoc = new HotelDoc(hotel);
      // 将文档类型转为JSON格式
      String json = JSON.toJSONString(hotelDoc);
      // 准备request请求对象
      IndexRequest request = new IndexRequest("hotels").id(hotelDoc.getId().toString());
      // 准备JSON文档
      request.source(json, XContentType.JSON);
      // 发送请求
      client.index(request, RequestOptions.DEFAULT);
    }
    
  • 从ES中删除一条数据

    @Test
    void deleteDocument() throws Exception{
      // 准备删除请求Request
      DeleteRequest request = new DeleteRequest("hotels", "395434");
      client.delete(request,RequestOptions.DEFAULT);
    }
    
  • 修改ES中的数据

    修改有两种方式:

    1. 全量修改:本质是先根据id删除,再新增
    2. 增量修改:修改文档中的指定字段值
    3. 在RestClient的API中,全量修改与新增的API完全一致
    @Test
    void updateDocument() throws  Exception{
      // 准备修改请求UpdateRequest
      UpdateRequest request = new UpdateRequest("hotels", "395434");
      // 准备请求参数(要修改的数据内容)
      request.doc(
        "name","W酒店",
        "city","西安",
        "price","2000",
        "starName","五星级"
      );
    }
    
  • 批量新增数据到ES中

    @Test
    void addAllDocument() throws  Exception{
      // 数据库全查
      List<Hotel> hotels = service.list();
      // 准备请求
      BulkRequest bulkRequest = new BulkRequest();
      // 准备参数
      for(Hotel hotel : hotels){
        // 类型转化
        HotelDoc hotelDoc = new HotelDoc(hotel);
        // 请求添加数据
        bulkRequest.add(new IndexRequest("hotels").id(hotelDoc.getId().toString()).source(JSON.toJSONString(hotelDoc),XContentType.JSON));
      }
      // 发送请求
      client.bulk(bulkRequest,RequestOptions.DEFAULT);
    }
    

总结

文档操作的基本步骤:

  1. 初始化RestHighLevelClient
  2. 创建XxxRequest。XXX是Index、Get、Update、Delete、Bulk
  3. 准备参数(Index、Update、Bulk时需要)
  4. 发送请求。调用RestHighLevelClient#.xxx()方法,xxx是index、get、update、delete、bulk
  5. 解析结果(Get时需要)

查询文档操作

Elasticsearch提供了基于JSON的DSL(Domain Specific Language)来定义查询。常见的查询类型包括:

==查询所有:==查询出所有数据,一般测试用(不会显示出所有,自带分页功能)。例如:match_all

==全文检索(full text)查询:==利用分词器对用户输入内容分词,然后去倒排索引库中匹配。例如:

  • match_query:单字段查询
  • multi_match_query:多字段查询,任意一个字段符合条件就算符合查询条件

==准确查询:==根据精确词条值查找数据,一般是查找keyword、数值、日期、boolean等类型字段。例如

  • ids:id查询
  • range:根据值的范围查询
  • term:根据词条精确值查询

==地理(geo)查询:==根据经纬度查询。例如:

  • geo_distance
  • geo_bounding_box

==复合(compound)查询:==复合查询可以将上述各种查询条件组合起来,合并查询条件。例如:

  • bool

  • function_score

  • 查询一条数据

    @Test
    void getDocumentById() throws  Exception{
      // 准备查询请求GetRequest
      GetRequest getRequest = new GetRequest("hotels", "395434");
      // 发送请求,得到响应
      GetResponse response = client.get(getRequest, RequestOptions.DEFAULT);
      // 解析响应结果
      String json = response.getSourceAsString();
      HotelDoc hotelDoc = JSON.parseObject(json,HotelDoc.class);
      System.out.println(hotelDoc);
    }
    
  • 解析对象方法

    // 解析对象方法
    public void show(SearchResponse response){
        // 解析响应
        SearchHits searchHits = response.getHits();
        long total = searchHits.getTotalHits().value;
        System.out.println("总计查询数据:"+total+"条");
        SearchHit[] hits = searchHits.getHits();
        for(SearchHit hit :hits){
            /// 获取文档source
            String json = hit.getSourceAsString();
            // 反序列化
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
            System.out.println("hotelDoc="+hotelDoc);
        }
    }
    
  • 全查

    @Test
    void findAllDocument() throws IOException{
      // 准备request
      SearchRequest request = new SearchRequest("hotels");
    
      // 2.准备DSL,QueryBuilders构造查询条件
      request.source().query(QueryBuilders.matchAllQuery());
    
      // 3.发送请求
      SearchResponse response = client.search(request, RequestOptions.DEFAULT);
      show(response);
    }
    
  • 全文索引----查询all字段内容中含有如家的

    @Test
    void testMacth() throws IOException{
        // 准备请求
        SearchRequest request = new SearchRequest("hotels");
        // 准备DSL
        request.source().
                query(QueryBuilders.matchQuery("all","如家"));
    
        // 发送请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        show(response);
    }
    
  • 全文索引----多字段查询

    @Test
    void testMultiMatchQuery()throws IOException {
      // 准备请求
      SearchRequest request = new SearchRequest("hotels");
      // 准备DSL
      request.source()
        .query(QueryBuilders.multiMatchQuery("上海","name","city"));
      // 发送请求
      SearchResponse response = client.search(request, RequestOptions.DEFAULT);
      show(response);
    }
    
  • 精确查询1

    // term:根据词条精准查询(字段等值查询)
    @Test
    void testTerm() throws  IOException{
      // 准备请求
      SearchRequest request = new SearchRequest("hotels");
      // 准备DSL
      request.source()
        .query(QueryBuilders.termQuery("brand","希尔顿"));
      // 发送请求
      SearchResponse response = client.search(request, RequestOptions.DEFAULT);
      show(response);
    }
    
  • 精确查询2

    // range范围查询
    @Test
    void  testRange() throws IOException {
      // 准备请求
      SearchRequest request = new SearchRequest("hotels");
      // 准备DSL
      request.source()
        .query(QueryBuilders.rangeQuery("price").gte(200).lte(300));
      // 发送请求
      SearchResponse response = client.search(request, RequestOptions.DEFAULT);
      show(response);
    }
    
  • 精确查询3

    // ids查询
    @Test
    void testIds() throws IOException  {
      // 准备请求
      SearchRequest request = new SearchRequest("hotels");
      // 准备DSL
      request.source()
        .query(QueryBuilders.idsQuery().addIds("395434","3532"));
      // 发送请求
      SearchResponse response = client.search(request, RequestOptions.DEFAULT);
      show(response);
    }
    
  • 复合查询

    // bool复合查询
    @Test
    void testBool() throws IOException{
      // 准备请求
      SearchRequest request = new SearchRequest("hotels");
      // 准备条件
      /*-- 方式1  ----*/
      //        BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery();
      //        boolQueryBuilder.must(QueryBuilders.termQuery("city","北京"));
      //        boolQueryBuilder.filter(QueryBuilders.rangeQuery("price").lte(500));
      //        // 准备DSL
      //        request.source().query(boolQueryBuilder);
    
      /*---- 方式2 ----*/
      request.source()
        .query(QueryBuilders.boolQuery()
               .must(QueryBuilders.termQuery("city","北京"))
               .filter(QueryBuilders.rangeQuery("price").lte(500)));
    
      // 发送请求
      SearchResponse response = client.search(request, RequestOptions.DEFAULT);
      show(response);
    }
    
  • 自定义分页规则

    // 自定义分页方式
    @Test
    void testPageAndSort() throws IOException{
      int page = 1;   //页码
      int size = 5;   //步长
    
      String searchName="希尔顿"; // 查询条件
    
      // 准备请求
      SearchRequest request = new SearchRequest("hotels");
      if (searchName == null){
        request.source().query(QueryBuilders.matchAllQuery());
      }else {
        request.source().query(QueryBuilders.matchQuery("brand",searchName));
      }
      // 自定义分页
      request.source().from((page-1)*size).size(size);
      // 自定义排序
      request.source().sort("price", SortOrder.DESC);
      SearchResponse response = client.search(request, RequestOptions.DEFAULT);
      show(response);
    }
    

总结

SpringBoot中整合ES的实现步骤 :

  1. 导pom文件ES的坐标

    <properties>
        <java.version>1.8</java.version>
        <elasticsearch.version>7.12.0</elasticsearch.version>
    </properties>
    
  2. 写ES配置类

    @Configuration
    public class ElasticSearchConfig {
        @Bean
        public RestHighLevelClient restHighLevelClient(){
            return new RestHighLevelClient(RestClient.builder(
               HttpHost.create("http://localhost:9200")
            ));
        }
    }
    
  3. 写ES映射Mapping

  4. 建立ES索引库

    public void createEs() throws IOException {
      GetIndexRequest request = new GetIndexRequest("employee");
      // 判断索引库是否存在
      boolean exists = restHighLevelClient.indices().exists(request, RequestOptions.DEFAULT);
      // 如果不存在建库
      if(!exists){
        // 创建Request对象
        CreateIndexRequest createIndexRequest = new CreateIndexRequest("employee");
        // 准备请求的参数DSL语句
        createIndexRequest.source(EmployeeConstants.MAPPING_TEMPLATE, XContentType.JSON);
        // 发送请求
        restHighLevelClient.indices().create(createIndexRequest,RequestOptions.DEFAULT);
      }
    }
    
  5. 把数据库中的数据添加到ES中

    public void addAllEmployee() throws Exception{
        // 数据库全查
        List<Employee> list = employeeService.list();
        // 准备请求
        BulkRequest bulkRequest = new BulkRequest();
        for(Employee e : list){
            bulkRequest.add(new IndexRequest("employee").id(e.getId().toString()).source(JSON.toJSONString(e),XContentType.JSON));
        }
        // 发送请求
        restHighLevelClient.bulk(bulkRequest,RequestOptions.DEFAULT);
    }
    
  6. 业务中查询ES,修改添加删除数据库同步ES

  7. 写解析

    // 解析对象方法
    public void show(SearchResponse response){
      // 解析响应
      SearchHits searchHits = response.getHits();
      long total = searchHits.getTotalHits().value;
      System.out.println("总计查询数据:"+total+"条");
      SearchHit[] hits = searchHits.getHits();
      for(SearchHit hit :hits){
        /// 获取文档source
        String json = hit.getSourceAsString();
        // 反序列化
        HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
        System.out.println("hotelDoc="+hotelDoc);
      }
    }
    

注意:操作ES需要装配核心对象RestHighLevelClient

文章来源:https://blog.csdn.net/HakerDONG/article/details/134478853
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。