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

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：

分布式的实时文件存储，每个字段都被索引并可被搜索
实时分析的分布式搜索引擎
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：

用户搜索数据，条件是title符合“%手机%”
逐行获取数据，比如id为1的数据
判断数据中的title是否符合用户搜索条件
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：

将每一个文档的数据利用算法分词，得到一个个词条
创建表，每行数据包括词条、词条所在文档id、位置等信息
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）

用户输入条件 “华为手机” 进行搜索。
对用户输入内容分词，得到词条：华为、手机。
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。
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。
而倒排索引则相反，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：

可以给多个字段创建索引
根据索引字段搜索、排序速度非常快

缺点：

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：

根据词条搜索、模糊搜索时，速度非常快

缺点：

只能给词条创建索引，而不是字段
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：

windows版ES下载：网址https://www.elastic.co/cn/downloads/elasticsearch
下载分词器（4IK分词器）：https://github.com/medcl/elasticsearch-analysis-ik/releases
解压缩ES，并且在解压缩的plugins创建ik文件夹
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：

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）
浏览器访问localhost:9200能看到json代表启动成功

4IK分词器

作用：

创建倒排索引时对文档分词
用户搜索时，对输入的内容分词

IK分词器的模式：

ik_smart：智能切分，粗粒度
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：

创建索引库：PUT /索引库名
查询索引库：GET /索引库名
删除索引库：DELETE /索引库名
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：

创建文档：POST /{索引库名}/_doc/文档id { json文档 }
查询文档：GET /{索引库名}/_doc/文档id
删除文档：DELETE /{索引库名}/_doc/文档id
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：

引入es的RestHighLevelClient依赖

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

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>

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

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" +
    "}";
}

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：

初始化RestHighLevelClient
创建XxxIndexRequest。XXX是Create、Get、Delete
准备DSL（ Create时需要，其它是无参）
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：

全量修改：本质是先根据id删除，再新增
增量修改：修改文档中的指定字段值
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：

初始化RestHighLevelClient
创建XxxRequest。XXX是Index、Get、Update、Delete、Bulk
准备参数（Index、Update、Bulk时需要）
发送请求。调用RestHighLevelClient#.xxx()方法，xxx是index、get、update、delete、bulk
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：

导pom文件ES的坐标

<properties>
    <java.version>1.8</java.version>
    <elasticsearch.version>7.12.0</elasticsearch.version>
</properties>

写ES配置类

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

写ES映射Mapping

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);
  }
}

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);
}

业务中查询ES，修改添加删除数据库同步ES

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);
  }
}