最详细【Elasticsearch】Elasticsearch Java API + Spring Boot集成 实战入门(基础篇)

Elasticsearch Java API + Spring Boot集成 实战入门(基础篇)

Spring Boot集成Elasticsearch 高级篇 后续更新 请关注 个人主页

一、初始Elasticseach

1、什么是Elasticseach

Elasticseach是一款非常强大的开源搜索引擎,可以帮助我们从海量数据中快速找到需要的内容。结合 kibana 、 Logstash 、 Beats ,也就是 elastic stack ( ELK )。被广泛应用在日志数据分析、实时监控等领域。

2、Elasticsearch生态

Elasticsearch 生态系统非常丰富,包含了一系列工具和功能,帮助用户处理、分析和可视化数据,Elastic Stack 是其核心组成部分。

Elastic Stack(也称为 ELK Stack)由以下几部分组成:

  • Elasticsearch:核心搜索引擎,负责存储、索引和搜索数据。
  • Kibana:可视化平台,用于查询、分析和展示 Elasticsearch 中的数据。
  • Logstash:数据处理管道,负责数据收集、过滤、增强和传输到 Elasticsearch。
  • Beats:轻量级的数据传输工具,收集和发送数据到 Logstash 或 Elasticsearch。

Kibana 是 Elastic Stack 的可视化组件,允许用户通过图表、地图和仪表盘来展示存储在 Elasticsearch 中的数据。它提供了简单的查询接口、数据分析和实时监控功能

2、Elasticsearch结构

Elasticsearch采用倒排索引 ,相比mysql的正向索引提高了查询效率。

倒排索引过程

  1. 首先进行分词得到词条。
  2. 倒排根据词条列表查找id查询文档。
  3. 最后存放结果集。

正向和倒排索引的区别

正向是根据文档找词条,倒排是根据词条找文档。

3、Elasticsearch核心概念

  • 索引(Index):类似于数据库中的表。

  • 文档(Document):索引中的每条记录,类似于数据库中的行数据。文档以JSON格式存储。

  • 字段(Field):文档中的每个键值对,类似于数据库中的列

  • 映射 (Mapping):用于定义文档字段的数据类型以及其处理方式,类似于表结构

  • 集群(Cluster):多个节点组成的群集,用于存储数据并提供搜索功能。集群中的每个节点都可以处理数据。

  • 分片(Shard):为了实现横向扩展,ES 将索引拆分成多个分片,每个分片可以分布在不同节点上。

  • 副本(Replica):分片的复制品,用于提高可用性和容错性。

    和数据库类比:

    Elasticsearch 概念 关系型数据库类比
    Index Table
    Document Row
    Field Column
    Mapping Schema
    Shard Partition
    Replica Backup

4、Elasticsearch 实现全文检索的原理

  1. 分词
  2. 倒排索引(根据分词去词表查询文档Id,然后再根据文档Id去查询文档)

二、Elasticsearch入门

1、入门-环境安装准备

官方网址

1)安装 Elasticsearch

Elasticsearch 更新迭代非常快,所以安装时,一定要注意慎重选择版本号!

由于我们自己的项目用的 Spring Boot 2.x 版本,对应的 Spring Data Elasticsearch 客户端版本是 4.x,支持的 Elasticsearch 是 7.x,所以建议 Elasticsearch 使用 7.x 的版本。

个人中使用的是 7.17 版本,这是 7.x 系列的最后一个版本,包含了该系列所有的 bug 修复和改进,被广泛认为是最稳定的。

💡 可以在 官方文档 了解到版本兼容情况:比如 Spring 6 才支持 Elasticsearch 8.x

如果官网下不动,

Elasticsearch 7.8.0下载页面

参考官方文档

Windows 解压安装

其他操作系统安装

已经下载好的 提取码:52jl

注意,安装路径不要包含中文!

Windows 版的 Elasticsearch 压缩包,解压即安装完毕,解压后的 Elasticsearch 的目录结构如下 :

目录 含义
bin 可执行脚本目录
config 配置目录
jdk 内置 JDK 目录
lib 类库
logs 日志目录
modules 模块目录
plugins 插件目录

安装完成后进入 es 的bin目录通过cmd打开命令窗口并执行启动命令:

elasticsearch.bat

可以用 CURL 测试是否启动成功:

curl -X GET "localhost:9200/?pretty"

正常输出如图:

在 Windows 系统上,你还可以选择是否安装为服务,方便启动和管理。

elasticsearch-service.bat

Usage: elasticsearch-service.bat install|remove|start|stop|manager [SERVICE_ID]

2)安装 Kibana

注意,只要是同一套技术,所有版本必须一致!此处都用 7.17 版本!

参考官方文档

安装 Kibana:https://www.elastic.co/guide/en/kibana/7.17/install.html

安装完成后进入 kibana 的bin目录cmd打开命令行窗口并执行启动命令:

kibana.bat

可以访问 http://localhost:5601/,即可开始使用。如图所示:![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/65d5f100949b480ea46eddb8b5e0424f.png)

但 kibana 默认是英文,不变阅读,可以修改 config/kibana.yml 中的国际化配置:

然后重启 kibana 即可

注意,目前 Kibana 面板没有增加权限校验,所有人都能访问,所以请勿在线上直接部署!

3)测试

尝试利用 Kibana 的开发工具来操作 Elasticsearch 的数据,比如查询:

验证下分词器的效果,比如使用标准分词器:

POST /_analyze

{

"analyzer": "standard",

"text": "我是许苑,I love someone"

}

效果如图,英文被识别为了一个词,但中文未被识别:

默认支持的分词器如下:

  • standard:标准分词器。
  • simple:简单分词器。
  • whitespace:按空格分词。
  • stop:带停用词的分词器。
  • keyword:不分词,将整个字段作为一个词条。
  • pattern:基于正则表达式的分词器。
  • ngram 和 edge_ngram:n-gram 分词器。
    由于这些分词器都不支持中文,所以需要安装 IK 中文分词器,以满足我们的业务需要。

4)安装 IK 中文分词器(ES 插件)

开源地址

直接按照官方指引安装即可,注意下载和我们 Elasticsearch 一致的版本,可以在这里找到各版本的插件包:https://release.infinilabs.com/analysis-ik/stable/

在 ES 安装bin目录下执行:

elasticsearch-plugin.bat install https://release.infinilabs.com/analysis-ik/stable/elasticsearch-analysis-ik-7.17.23.zip

安装成功,需要重启 ES:

IK 分词器插件为我们提供了两个分词器:ik_smart 和 ik_max_word。

ik_smart 是智能分词,尽量选择最像一个词的拆分方式,比如"某人"会被识别为一个词

ik_max_word 尽可能地分词,可以包括组合词,比如"好学生"会被识别为 3 个词:好学生、好学、学生

POST /_analyze

{

"analyzer": "standard",

"text": "许苑爱上了某人"

}

2、实战入门

2.1、kibana控制台操作

1、索引库的操作
1)mapping 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

2)创建索引库

ES 中通过 Restful 请求操作索引库、文档。请求内容用 DSL 语句来表示,

创建索引库和 mapping 的 DSL 语法如下:

json 复制代码
PUT /索引库名称
{
  "mappings": {
    "properties": {
      " 字段名 ": {
        "type": "text",
        "analyzer": "ik_smart"
      },
      " 字段名 2": {
        "type": "keyword",
        "index": "false"
      },
      " 字段名 3": {
        "properties": {
          " 子字段 ": {
            "type": "keyword"
          }
        }
      }
    }
  }
}

举例:

json 复制代码
PUT /xuyuan
{
  "mappings": {
    "properties": {
      "info":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "email":{
        "type": "keyword",
        "index": "false"
      },
      "name":{
        "properties": {
          "firstName": {
            "type": "keyword"
          }
        }
      }
    }
  }
}

返回结果:

json 复制代码
{
  "acknowledged": true,
  "shards_acknowledged": true,
  "index": "xuyuan"
}

3)查看索引库

GET /xuyuan

4)删除索引库

DELETE /xuyuan

5)修改索引库

索引库和 mapping 一旦创建无法修改 ,但是可以添加 新的字段,语法如下:

添加字段: PUT / 索引库名 /_mapping

json 复制代码
PUT /xuyuan/_mapping
{
  "properties": {
    "age": {
      "type": "integer"
    }
  }
}

2、文档操作

1)新增文档

json 复制代码
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"
  }
}

举例:

json 复制代码
POST /xuyuan/_doc/2
{
  "info": "Java工程师",
  "email": "2517115657@qq.com",
  "age": 20,
  "name": {
    "firstName": "许苑",
    "fullName": "xuyuan"
  }
}

返回结果:

json 复制代码
{
  "_index": "xuyuan",
  "_id": "2",
  "_version": 1,
  "result": "created",
  "_shards": {
    "total": 2,
    "successful": 1,
    "failed": 0
  },
  "_seq_no": 3,
  "_primary_term": 1
}

2)查看文档

GET /索引库名/_doc/文档 id

GET /xuyuan/_doc/2

返回结果:

json 复制代码
{
  "_index": "xuyuan",
  "_id": "2",
  "_version": 1,
  "_seq_no": 3,
  "_primary_term": 1,
  "found": true,
  "_source": {
    "info": "Java工程师",
    "email": "2517115657@qq.com",
    "age": 20,
    "name": {
      "firstName": "许苑",
      "fullName": "xuyuan"
    }
  }
}

3)删除文档

DELETE /索引库名/_doc/文档 id

DELETE /xuyuan/_doc/2

返回结果:

json 复制代码
{
  "_index": "xuyuan",
  "_id": "2",
  "_version": 2,
  "result": "deleted",
  "_shards": {
    "total": 2,
    "successful": 1,
    "failed": 0
  },
  "_seq_no": 4,
  "_primary_term": 1
}

4)修改文档

方式一:全量修改,会删除旧文档,添加新文档

json 复制代码
PUT /xuyuan/_doc/1
{
  "info": "Java",
  "email": "2517115657@qq.com",
  "name": {
    "firstName": "oj",
    "fullName": "xy"
  }
}

返回结果:

json 复制代码
{
  "_index": "xuyuan",
  "_id": "1",
  "_version": 7,
  "result": "updated",
  "_shards": {
    "total": 2,
    "successful": 1,
    "failed": 0
  },
  "_seq_no": 8,
  "_primary_term": 1
}

方式二:增量修改,修改指定字段值

json 复制代码
POST /xuyuan/_update/1
{
  "doc": {
    "email": "github.com/xuyuan-upward"
  }
}

5)DSL 查询文档
(1)DSL 查询语法分类
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。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
    • multi_match_query
  • 精确查询: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
    • range
    • term
  • 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

(2)DSL Query 基本语法

json 复制代码
GET /indexName/_search
{
  "query": {
    " 查询类型 ": {
      " 查询条件 ": " 条件值 "
    }
  }
}

(3)查询所有

json 复制代码
GET /hotel/_search
{
  "query": {
    "match_all": {}
  }
}

(4)全文检索查询

全文检索查询,会对用户输入内容分词,常用于搜索框搜索:

match查询,根据一个字段查询。

json 复制代码
GET /hotel/_search
{
  "query": {
    "match": {
      "city": "杭州"
    }
  }
}

multi_match查询,根据多个字段查询,参与查询字段越多,查询性能越差。

json 复制代码
GET /hotel/_search
{
  "query": {
    "multi_match": {
      "query": "园",
      // 表示查询多个字段
      "fields": [
        "star_name",
        "name"
      ]
    }
  }
}

query:你要查询的文本内容。
fields:一个数组,指定你要在其上执行查询的字段。如果你只指定一个字段,则它行为类似于 match 查询。

(5)精确查询

精确查询一般是查找 keyword 、数值、日期、 boolean 等类型字段。所以不会对搜索条件分词。常见的有:

  • term :根据词条精确值查询,根据词条精确匹配,一般搜索 keyword 类型、数值类型、布尔类型、日期类型字段。
json 复制代码
GET /hotel/_search
{
  "query": {
    "term": {
      "city": "上海"
    }
  }
}
  • range :根据值的范围查询
json 复制代码
GET /hotel/_search
{
  "query": {
    "range": {
      "price": {
        "gte": 70,
        "lte": 80
      }
    }
  }
}

6)地理查询

根据经纬度查询。常见的使用场景包括:

  • 滴滴:搜索我附近的出租车
  • 微信:搜索我附近的人
  • 位置共享。
json 复制代码
GET /hotel/_search
{
  "query": {
  // 经度类型
    "geo_bounding_box": {
      "location": {
        "top_left": {
          "lat": 24,
          "lon": 35
        },
        "bottom_right": {
          "lat": 22,
          "lon": 33
        }
      }
    }
  }
}

(7)复合查询(bool function_score->重新算分

相关性算分

当我们利用match查询时候,文档结果会根据与搜索词条的关联度打分(_score),返回结果是按照分值降序排列。

相关打分算法,如下图所示:

算分函数查询,可以控制文档相关性算分,控制文档排名。

  • 过滤条件:哪些文档要加分
  • 算分函数:如何计算 function score(用于对某个字段或者多个字段重新计算得分)
  • 加权方式: function score 与 query score 如何运算
json 复制代码
GET /hotel/_search
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "all": " 外滩 "
        }
      },
      "functions": [
        {
          "filter": {
            "term": {
              "id": "1"
            }
          },
          "weight": 10
        }
      ],
      "boost_mode": "multiply"
    }
  }
}

bool 查询

布尔查询是一个或多个查询子句的组合。子查询的组合方式有:

  • must :必须匹配每个子查询,类似"与"
  • should :选择性匹配子查询,类似"或"
  • must_not :必须不匹配,不参与算分,类似"非",不参与算分尽量加上去,可以提高查询效率
  • filter :必须匹配,不参与算分
    搜索品牌包含"如家",价格不高于400 ,在坐标 23.21,33.5 周围 1000km范围内的酒店。
json 复制代码
GET /hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "brand": "如家"
          }
        }
      ],
      "must_not": [
        {
          "range": {
            "price": {
              "gt": 400
            }
          }
        }
      ],
      "filter": [
        {
          "geo_distance": {
            "distance": "1000km",
            "location": {
              "lat": 23.21,
              "lon": 33.5
            }
          }
        }
      ]
    }
  }
}

搜索结果的处理

(1)排序

默认Elasticsearch是支持对结果进行排序的,默认是根据相关度的算分( _score )来排序。可以排序字段类型有: keyword类型、数值类型、地理坐标类型、日期类型等。

json 复制代码
GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "price": "desc" // 排序字段和排序方式 ASC 、 DESC
    }
    ]
}

2)分页

elasticsearch 默认情况下只返回 top10 的数据。而如果要查询更多数据就需要修改分页参数了。

elasticsearch 中通过修改 from 、 size 参数来控制要返回的分页结果:

json 复制代码
GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "from": 0, // 分页开始的位置,默认为0
  "size": 10, // 期望获取的文档总数
  "sort": [
    {"price": "asc"}
    ]
}

3)深度分页问题

ES 是分布式的,所以会面临深度分页问题。例如按 price 排序后,获取 from = 990 , size =10 的数据:

聚合所有结果,重新排序选取前 1000 个。

首先在每个数据分片上都排序并查询前1000 条文档。

然后将所有节点的结果聚合,在内存中重新排序选出前 1000 条文档。

最后从这 1000 条中,选取从 990 开始的10 条文档。

如果搜索页数过深,或者结果集( from +size )越大,对内存和 CPU 的消耗也越高。因此 ES 设定结果集查询的上限是 10000。

针对深度分页, ES 提供了一种较好解决方案,官方文档:

• search after :分页时需要排序,原理是从上一次的排序值开始,查询下一页数据。官方推荐使用的方式。

(4)高亮

高亮:就是在搜索结果中把搜索关键字突出显示。

原理是这样的:

将搜索结果中的关键字用标签标记出来

在页面中给标签添加 css 样式

json 复制代码
GET /hotel/_search
{
  "query": {
    "term": {
      "city": {
        "value": "杭州"
      }
    }
  },
  "highlight": {
    "fields": {
      "city": {
        "pre_tags": "<em>",
        "post_tags": "<em>"
      }
    }
  }
}

返回结果以高亮形式返回:

json 复制代码
{
  "took": 0,
  "timed_out": false,
  "_shards": {
    "total": 1,
    "successful": 1,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": {
      "value": 1,
      "relation": "eq"
    },
    "max_score": 1.23585,
    "hits": [
      {
        "_index": "hotel",
        "_id": "1",
        "_score": 1.611585,
        "_source": {
          "name": "许苑",
          "email": "z.cn",
          "price": 12,
          "score": 12,
          "brand": "汉庭",
          "city": "杭州",
          "star_name": "五星",
          "business": "虹桥",
          "location": "23.423424, 34.32131",
          "pic": "/1/2/3"
        },
        "highlight": {
          "city": [
            "<em>杭州<em>"
          ]
        }
      }
    ]
  }
}

2.2、RestClient -- Java API操作

什么是 RestClient

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

利用 JavaRestClient 实现创建、删除索引库,判断索引库是否存在。

1、RestClient 操作索引库(Mapping)
1)分析数据结构

mapping 要考虑的问题:

字段名、数据类型、是否参与搜索、是否分词、如果分词,分词器是什么?

将数据导入数据,与此同时实现mysql同步到es

sql 复制代码
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;

酒店索引:

json 复制代码
PUT /hotel
{
  "mappings": {
    "properties": {
      "id":{
        "type": "keyword"
      },
      "name":{
        "type": "text",
        "analyzer": "ik_max_word"
      },
      "address":{
        "type": "keyword",
        "index": false
      },
      "price":{
        "type": "integer"
      },
      "score":{
        "type": "integer"
      },
      "brand":{
        "type": "keyword"
      },
      "city":{
        "type": "keyword"
      },
      "star_name":{
        "type": "keyword"
      },
      "business":{
        "type": "keyword"
      },
      "location":{
        "type": "geo_point"
      },
      "pic":{
        "type": "keyword",
        "index": false
      }
    }
  }
}

2)初始化 JavaRestClient

引入依赖

<dependency>
  <groupId>org.elasticsearch.client</groupId>
    <artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>

初始化RestHighLevelClient

java 复制代码
RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://192.168.150.101:9200")
 ));

3)创建索引库

java 复制代码
private 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" +
            "      },\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" +
            "      },\n" +
            "      \"city\":{\n" +
            "        \"type\": \"keyword\"\n" +
            "      },\n" +
            "      \"star_name\":{\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" +
            "    }\n" +
            "  }\n" +
            "}";
    @Test
    public void testCreateHotelIndex() throws IOException {
        RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://localhost:9200")
        ));
        // 1.创建 Request 对象
        CreateIndexRequest request = new CreateIndexRequest("hotel");
        // 2.请求参数, MAPPING_TEMPLATE是静态常量字符串,内容是创建索引库的 DSL语句
        request.source(MAPPING_TEMPLATE, XContentType.JSON);
        // 3.发起请求
        CreateIndexResponse response = client.indices().create(request, RequestOptions.DEFAULT);
        System.out.println(response);
    }

4)删除索引库

java 复制代码
@Test
    public void testDeleteHotelIndex() throws IOException {
        RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://localhost:9200")
        ));
        // 1.创建 Request对象
        DeleteIndexRequest request = new DeleteIndexRequest("hotel");
        // 2.发起请求
        AcknowledgedResponse delete = client.indices().delete(request, RequestOptions.DEFAULT);
        System.out.println(delete);
    }

5)判断索引库是否存在

java 复制代码
@Test
    public void testExistsHotelIndex() throws IOException {
        RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://localhost:9200")
        ));
        // 1.创建 Request对象
        GetIndexRequest request = new GetIndexRequest("hotel");
        // 2.发起请求
        boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);
        // 3.输出
        System.out.println(exists);
    }

2、RestClient 操作文档
1)添加酒店数据到索引库

java 复制代码
@Test
    public void testIndexDocument() throws IOException {
        RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://localhost:9200")
        ));
        String source= "{\n" +
                "  \"name\": \"xuyuan\",\n" +
                "  \"email\": \"2517115657@qq.com\"\n" +
                "}";
        // 1.创建 request对象
        IndexRequest request = new IndexRequest("hotel").id("1");
        // 2.准备 JSON文档
        request.source(source, XContentType.JSON);
        // 3.发送请求
        IndexResponse response = client.index(request, RequestOptions.DEFAULT);
        System.out.println(response);
        client.close();
    }

2)根据 id 查询酒店数据

java 复制代码
@Test
    public void testGetDocumentById() throws IOException {
        RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://localhost:9200")
        ));
        // 1.创建 request对象
        GetRequest request = new GetRequest("hotel", "1");
        // 2.发送请求,得到结果
        GetResponse response = client.get(request, RequestOptions.DEFAULT);
        // 3.解析结果
        String json = response.getSourceAsString();
        System.out.println(json);
        client.close();
}

3)根据 id 修改酒店数据

修改文档数据有两种方式:

方式一:全量更新。再次写入 id 一样的文档,就会删除旧文档,添加新文档

方式二:局部更新。只更新部分字段,我们演示方式二

java 复制代码
@Test
    public void testUpdateDocumentById() throws IOException {
        RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://localhost:9200")
        ));
        // 1.创建 request对象
        UpdateRequest request = new UpdateRequest("hotel", "1");
        // 2.准备参数,每 2个参数为一对 key value
        request.doc(
                "email", "23212133@163.com"
        );
        // 3.更新文档
        client.update(request, RequestOptions.DEFAULT);
        client.close();
    }

4)根据 id 删除文档数据

java 复制代码
 @Test
    public void testDeleteDocumentById() throws IOException {
        RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://localhost:9200")
        ));
        // 1.创建 request对象
        DeleteRequest request = new DeleteRequest("hotel", "1");
        // 2.删除文档
        client.delete(request, RequestOptions.DEFAULT);
        client.close();
    }

2、RestClient 进行DSL文档查询
(1)查询所有

json 复制代码
@Test
    public void testMatchAll() throws IOException {
        RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://localhost:9200")
        ));
        try {
            // 1.准备 Request
            SearchRequest request = new SearchRequest("hotel");
            // 2.组织 DSL参数
            request.source().query(QueryBuilders.matchAllQuery());
            // 3.发送请求,得到响应结果
            SearchResponse response = client.search(request, RequestOptions.DEFAULT);
            //解析响应结果
            SearchHits searchHits = response.getHits();
            // 4.1.查询的总条数
            long total = searchHits.getTotalHits().value;
            // 4.2.查询的结果数组
            SearchHit[] hits = searchHits.getHits();
            for (SearchHit hit : hits) {
                // 4.3.得到 source
                String json = hit.getSourceAsString();
                System.out.println(json);
            }
        }finally {
            client.close();
        }

    }

(2)全文检索查询

全文检索的 match 和 multi_match 查询与 match_all 的 API 基本一致。差别是查询条件,也就是 query 的部分。

同样是利用 QueryBuilders 提供的方法:

json 复制代码
//单字段查询
QueryBuilders.matchQuery("all", " 如家 ");
//多字段查询
QueryBuilders.multiMatchQuery(" 如家 ", "name", "business");

(3)精确查询

精确查询常见的有 term 查询和 range 查询,同样利用 QueryBuilders 实现:

json 复制代码
//词条查询
QueryBuilders.termQuery("city", " 杭州 ");
//范围查询
QueryBuilders.rangeQuery("price").gte(100).lte(150);

(4)复合查询

精确查询常见的有 term 查询和 range 查询,同样利用 QueryBuilders 实现:

json 复制代码
//创建布尔查询
BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
//添加 must条件
boolQuery.must(QueryBuilders.termQuery("city", " 杭州 "));
//添加 filter条件
boolQuery.filter(QueryBuilders.rangeQuery("price").lte(250));
json 复制代码
(5)排序和分页
//查询
request.source().query(QueryBuilders.matchAllQuery());
//分页
request.source().from(0).size(5);
//价格排序
request.source().sort("price", SortOrder.ASC);

(6)高亮

json 复制代码
request.source().highlighter(new HighlightBuilder().field("name")
//是否需要与查询字段匹配
.requireFieldMatch(false));

3、Elasticsearch数据同步方案

(1)elasticsearch 与 mysql 之间的数据同步

  1. 方案一:基于中间队列的异步同步(异步通知)


消息队列Rabbitmq实现ES与MySQL数据同步方案 后续补上 请关注个人主页

  1. 方案二:监听binlog(Canal 阿里巴巴开源的一个项目,支持从MySQL的binlog获取变更并进行实时同步。

    CanalRabbitmq实现ES与MySQL数据同步方案 后续补上 请关注个人主页
  2. 方案三:基于定时全量同步(Batch Full Sync)定时全量同步实现ES与MySQL数据同步方案 后续补上
  3. 方案四(简单版):通过Spring Boot的定时任务实现对过去一分钟更新的数据进行增量同步到ES。

4、集群

(1)ES 集群的分布式存储

当新增文档时,应该保存到不同分片,保证数据均衡,那么 coordinating node 如何确定数据该存储到哪个分片呢?

elasticsearch 会通过 hash 算法来计算文档应该存储到哪个分片:

说明:

shard = hash(_routing) % number_of_shards

_routing 默认是文档的 id

算法与分片数量有关,因此索引库一旦创建,分片数量不能修改!

(1)ES 集群的分布式查询

elasticsearch 的查询分成两个阶段:

scatter phase :分散阶段, coordinating node 会把请求分发到每一个分片。

gather phase :聚集阶段, coordinating node 汇总 data node 的搜索结果,并处理为最终结果集返回给用户。

相关推荐
qq_433099407 分钟前
Ubuntu20.04从零安装IsaacSim/IsaacLab
数据库
Dlwyz9 分钟前
redis-击穿、穿透、雪崩
数据库·redis·缓存
Theodore_10221 小时前
4 设计模式原则之接口隔离原则
java·开发语言·设计模式·java-ee·接口隔离原则·javaee
工业甲酰苯胺2 小时前
Redis性能优化的18招
数据库·redis·性能优化
冰帝海岸2 小时前
01-spring security认证笔记
java·笔记·spring
世间万物皆对象3 小时前
Spring Boot核心概念:日志管理
java·spring boot·单元测试
没书读了3 小时前
ssm框架-spring-spring声明式事务
java·数据库·spring
小二·3 小时前
java基础面试题笔记(基础篇)
java·笔记·python
开心工作室_kaic4 小时前
ssm161基于web的资源共享平台的共享与开发+jsp(论文+源码)_kaic
java·开发语言·前端
懒洋洋大魔王4 小时前
RocketMQ的使⽤
java·rocketmq·java-rocketmq