Elasticsearch笔记

迈向光明之路，必定荆棘丛生。

文章目录

一、Elasticsearch概述二、初识ES倒排索引1. 正向索引2. 倒排索引

三、ES环境搭建1. 安装单机版ES2. 安装Kibana3. 安装ik分词器3.1 在线安装ik插件3.2.离线安装ik插件（推荐方式）3.3 自定义词典

四、ES核心概念五、ES基本操作（DSL）1. DSL介绍2. 索引库相关操作2.1 创建索引库2.2 查看所有索引库2.3 查看指定索引库2.4 删除索引库

3. 文档相关操作3.1 创建文档3.2 查询文档3.3 修改文档3.4 修改指定字段的值3.5 删除文档3.6 批量操作3.6.1 批量创建文档3.6.2 批量删除文档

3.7 Mapping映射3.7.1 查看映射3.7.2 Mapping映射的常见属性3.7.3 创建索引库和映射

六、ES高级查询（DSL）1. 查询所有（match_all）2. 匹配查询（match）3. 多字段匹配（multi_match）4. 前缀匹配(prefix)5. 关键字精确查询（term）6. 多个关键字精确查询（terms）7. 范围查询（range）8 返回指定字段（_source）9. 组合查询（bool）9.1 must（并且）9.2 should（或者）9.3 must_not（非）9.4 filter

10. 聚合查询（aggs）10.1 max10.2 min10.3 avg10.4 sum10.5 stats10.6 terms（分组）

11. 分页查询（from、size）12. 高亮查询（highlight）13. 近似查询（fuzzy）

七、Java操作ES1. API介绍2. 使用RestHighLevelClient操作ES2.1 环境准备2.2 索引库相关操作2.2.1 创建索引库2.2.2 获取所引库2.2.3 删除索引库

2.3 文档相关操作2.3.1 数据准备2.3.2 添加文档2.3.3 修改文档2.3.4 根据id查询文档2.3.5 删除文档2.3.6 批量新增

2.4 高级查询2.4.1 查询所有文档2.4.2 匹配查询2.4.3 高亮查询2.4.4 聚合查询

3. 使用Spring Data Elasticsearch 操作ES3.1 Spring Data概述3.2 Spring Data Elasticsearch 概述3.3 环境准备3.4 使用ElasticsearchRestTemplate操作ES3.4.1 添加文档3.4.2 根据ID查询文档3.4.3 修改文档3.4.4 删除文档3.4.5 查询所有文档3.4.6 高亮查询3.4.7 分页查询3.4.8 聚合查询

3.5 使用ElasticsearchRepository接口操作ES

一、Elasticsearch概述

Elasticsearch（简称ES）是一个分布式、RESTful 风格的搜索引擎、数据分析引擎。ES底层是基于Apache Lucene搜索引擎库实现的，但是ES的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。ES可以提供实时的数据存储和检索能力，并且拥有很好的可扩展性。它可以扩展到上百台服务器，处理PB级别的数据（海量数据—千万级以上）。

ES被广泛应用于各种场景，例如：搜索引擎、日志管理、电商推荐、监控和报告等。其强大的搜索和分析能力使得数据的处理变得简单、高效和可扩展。

官网地址：https://www.elastic.co/cn/elasticsearch/

数据库搜索存在的问题：

1、常见数据库特点：

MySQL：事务Redis：内存/读写效率高MongoDB：最接近关系型的nosqlElasticsearch：分布式搜索引擎，提供了Restful接口，ES也可以看做分布式文档数据库（通过DSL语句操作ES）。

2、普通数据库可以实现搜索，为什么还要用ES？

海量数据搜索效率低（逐行扫描方式）

解决方案：针对要搜索的字段建立索引、对数据库进行分库分表处理（查询效率提升了，但是添加效率会受到影响）搜索数据不够全面。例如MySQL模糊查询：like %联想电脑% （只能搜索包含联想电脑的内容，没有实现分词效果）

Lucene、ElasticSearch相关概述：

1、Lucene介绍：

Lucene是基于Java语言开发的搜索引擎类库，是Apache基金会的顶级项目，由DougCutting于1999年研发。官网地址：https://lucene.apache.org/ 优点：易扩展、高性能（基于倒排索引）。缺点：只限于Java语言开发、学习曲线陡峭、不支持水平扩展（搭集群）。

2、ElasticSearch介绍：

2004年Shay Banon基于Lucene开发了Compass。 2010年Shay Banon重写了Compass，取名为ElasticSearch。官网地址：https://www.elastic.co/products/elasticsearch 目前最新版本：7.17.9、8.8.2（本文以7.12.1为例）相比Lucene，ElasticSearch具备下列优势：

支持分布式，可水平扩展。提供Restful接口，可被任何语言调用。

ElasticSearch小故事：

多年前，一个刚结婚不久的失业开发者Shay Banon（谢巴农），由于妻子要去伦敦学厨师，他便跟着去了。在他找工作的过程中，为了给妻子构建一个食谱的搜索引擎，于是他开始使用Lucene进行尝试。

直接基于Lucene工作会比较困难，所以Shay开始抽象Lucene代码以便Java程序员可以在应用中添加搜索功能。他发布了他的第一个开源项目，叫做“Compass”。

后来Shay找到一份工作，这份工作处在高性能和内存数据网格的分布式环境中，因此高性能的、实时的、分布式的搜索引擎也是理所当然需要的。于是他决定闭门造车重写Compass库使其成为一个独立的服务叫做ElasticSearch。

第一个公开版本出现在2010年2月，在那之后ElasticSearch已经成为Github上最受欢迎的项目之一，代码贡献者超过300人。一家主营Elasticsearch的公司就此成立（Elastic），他们一边提供商业支持一边开发新功能，不过Elasticsearch将永远开源且对所有人可用。

而Shay的妻子依旧等待着她的食谱搜索引擎……

ES 与 Apache Solr 搜索引擎对比：

1、ES基本是开箱即用，非常简单。Solr安装略微复杂。

2、Solr 利用 Zookeeper 进行分布式管理，而 Elasticsearch 自身带有分布式协调管理功能。

3、Solr 支持更多格式的数据，比如JSON、XML、CSV，而 Elasticsearch 仅支持json文件格式。

4、Solr 官方提供的功能更多，而 Elasticsearch 本身更注重于核心功能，高级功能多有第三方插件提供，例如图形化界面需要kibana友好支撑。

5、Solr 查询快，但更新索引时慢（即插入删除慢），用于电商等查询多的应用；

ES建立索引快（即查询慢），即实时性查询快，用于facebook新浪等搜索。Solr 是传统搜索应用的有力解决方案，但 Elasticsearch 更适用于新兴的实时搜索应用。

6、Solr比较成熟，有一个更大，更成熟的用户、开发和贡献者社区，而 Elasticsearch相对开发维护者较少，更新太快，学习使用成本较高。

目前比较知名的搜索引擎技术排名：https://db-engines.com/en/ranking/search+engine

二、初识ES倒排索引

ES基于倒排索引提高查询效率。

1. 正向索引

正向索引：建立文档id和词之间的对应关系。

在正向索引中，每个文档都会维护一个关键词列表，记录了该文档包含的所有关键词。当用户发起搜索时，搜索引擎会遍历索引库中的所有文档，并检查每个文档的关键词列表，找出匹配程度最高的文档。

存在的问题：如果正向索引中的数据量较大，就需要遍历所有文档才能找到匹配的结果，效率比较低。为了提高搜索效率，搜索引擎通常使用倒排索引来加速搜索过程。

2. 倒排索引

倒排索引：也称之为反向索引，建立单词和文档id之间的对应关系。即把文档→单词的形式变为单词→文档的形式。（借助于分词器）

倒排索引建立过程：先对数据（文档）进行分词，得到一个个的词条，然后将词条与文档id的对应关系保存起来。

那有了ES以后就不需要数据库了嘛？

ES主要实现数据的搜索，并且ES还不支持事务，因此要保证数据一致性，还需要结合关系型数据库使用。

三、ES环境搭建

基于Docker安装单机版ES。（ES版本为7.12.1）

1. 安装单机版ES

1、创建Docker网络（也就是一个标识，创建网络的目的是让es和kibana容器互联）

# 创建一个网络

docker network create es-net

#查看docker本机的网络

docker network ls

#删除网络

# docker network rm es-net

2、下载elasticsearch镜像。(这个镜像体积非常大，接近1个G)

docker pull elasticsearch:7.12.1

下载成功后，别忘了导出镜像，方便以后使用。

docker save -o es.tar elasticsearch:7.12.1

3、启动es容器（单机版es）

docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \

-e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \

-e "discovery.type=single-node" \

-e TZ=Asia/Shanghai \

-v es-data:/usr/share/elasticsearch/data \

-v es-plugins:/usr/share/elasticsearch/plugins \

--network es-net \

--privileged \

--restart=always \

-d elasticsearch:7.12.1

-e "cluster.name=es-docker-cluster"：设置集群名称。-e "http.host=0.0.0.0"：监听的地址，可以外网访问。-e "ES_JAVA_OPTS=-Xms512m -Xmx512m"：设置容器内存大小。-e "discovery.type=single-node"：非集群模式。-v es-data:/usr/share/elasticsearch/data：挂载es数据目录。-v es-logs:/usr/share/elasticsearch/logs：挂载es日志目录。-v es-plugins:/usr/share/elasticsearch/plugins：挂载es插件目录。--privileged：授予数据卷访问权。--network es-net ：加入一个名为es-net的网络中。-p 9200:9200：端口映射配置， 9200是es与外部机器通讯的端口，9300是es集群节点之间通讯的端口。

4、浏览器测试访问：http://192.168.150.123:9200/

2. 安装Kibana

Kibana是一个开源的数据分析可视化平台，主要和ElasticSearch搭配使用。

可以对ES索引库中的数据进行可视化(柱状图、饼状图、散点图等)的数据展示，在Kibana中也提供了开发者工具（devtools），我们可以直接编写DSL脚本请求ES的restful接口操作ES。

DSL(Domain Specific Language)领域专用语言，Elasticsearch提供了基于JSON的DSL来定义查询。

Kibana是ES的可视化工具，帮助用户实时分析和数据可视化，通过界面可以更方便学习ES。安装Kibana时要与ES版本保持一致。

1、下载镜像（与ES版本保持一致）

docker pull kibana:7.12.1

2、启动kibana容器

docker run -d \

--name kibana \

-e ELASTICSEARCH_HOSTS=http://elasticsearch:9200 \

--network=es-net \

-p 5601:5601 \

kibana:7.12.1

--network es-net ：加入一个名为es-net的网络中，与elasticsearch在同一个网络中。-e ELASTICSEARCH_HOSTS=http://es容器名:9200"：设置elasticsearch的访问地址，因为kibana已经与elasticsearch容器在同一个网络，因此可以用容器名直接访问elasticsearch。-p 5601:5601：kibana容器外部访问端口。

kibana启动一般比较慢，需要多等待一会，可以通过命令查看是否启动成功：

docker logs -f kibana

3、浏览器测试访问：http://192.168.150.123:5601/（点击Explore on my own：独自探索）

DevTools：在这个界面中可以编写DSL（DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD）。并且对DSL语句有自动补全功能。

示例：使用默认的标准分词器（StandardAnalyzer），按词切分，对中文不太友好。

# 使用默认的标准分词器分词

GET /_analyze

{

"analyzer":"standard",

"text":"小米手机"

}

3. 安装ik分词器

IK分词器：一款开源的中文分词器。项目地址：https://github.com/medcl/elasticsearch-analysis-ik

3.1 在线安装ik插件

# 进入es容器内部

docker exec -it elasticsearch /bin/bash

# 在线下载ik分词器插件并安装

./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip

#退出容器

exit

#重启es容器

docker restart elasticsearch

3.2.离线安装ik插件（推荐方式）

1、下载ik分词器插件：https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip

然后将文件解压缩，修改文件夹名为：ik

2、查看数据卷目录

安装插件需要知道es的plugins目录位置，而我们在启动容器时配置了挂载数据卷，所以通过下面命令查看即可:

# 查看es-plugins数据卷的详细信息

docker volume inspect es-plugins

显示结果：

说明plugins目录被挂载到了：/var/lib/docker/volumes/es-plugins/_data 这个目录。

3、将ik分词器上传到es容器的插件数据卷中： /var/lib/docker/volumes/es-plugins/_data

4、重启容器

# 4、重启容器

docker restart elasticsearch

5、测试ik分词器：

IK分词器提供了两种分词算法：

ik_smart：粗粒度分词，分出的词比较少。ik_max_word：细粒度分词，分出的词比较多。

示例1：测试ik分词器ik_max_word细粒度分词

GET /_analyze

{

"text": "中华人民共和国",

"analyzer": "ik_max_word"

}

执行结果：

{

"tokens" : [

{

"token" : "中华人民共和国",

"start_offset" : 0,

"end_offset" : 7,

"type" : "CN_WORD",

"position" : 0

{

"token" : "中华人民",

"start_offset" : 0,

"end_offset" : 4,

"type" : "CN_WORD",

"position" : 1

{

"token" : "中华",

"start_offset" : 0,

"end_offset" : 2,

"type" : "CN_WORD",

"position" : 2

{

"token" : "华人",

"start_offset" : 1,

"end_offset" : 3,

"type" : "CN_WORD",

"position" : 3

{

"token" : "人民共和国",

"start_offset" : 2,

"end_offset" : 7,

"type" : "CN_WORD",

"position" : 4

{

"token" : "人民",

"start_offset" : 2,

"end_offset" : 4,

"type" : "CN_WORD",

"position" : 5

{

"token" : "共和国",

"start_offset" : 4,

"end_offset" : 7,

"type" : "CN_WORD",

"position" : 6

{

"token" : "共和",

"start_offset" : 4,

"end_offset" : 6,

"type" : "CN_WORD",

"position" : 7

{

"token" : "国",

"start_offset" : 6,

"end_offset" : 7,

"type" : "CN_CHAR",

"position" : 8

}

]

}

示例2：测试ik分词器ik_smart粗粒度分词

GET /_analyze

{

"text": "中华人民共和国",

"analyzer": "ik_smart"

}

执行结果：

{

"tokens" : [

{

"token" : "中华人民共和国",

"start_offset" : 0,

"end_offset" : 7,

"type" : "CN_WORD",

"position" : 0

}

]

}

3.3 自定义词典

IK分词器之所以可以对中文进行合理的分词，是因为在IK分词器中提供了一个中文词典（extra_main.dic），在这个词典中定义了很多的词。

但是IK分词器并不能把所有的词全部考虑进去，比如网络热词：内卷、躺平、奥利给等。

因此为了满足开发的一些特殊化的需求，此时就需要自定义词典，可以自定义两类词典：

扩展词词典：定义自定义的词停用词词典：定义不希望出现的词

操作如下：

1、在/var/lib/docker/volumes/es-plugins/_data/ik/config目录下创建一个ext.dic文件

# 创建自定义词

cat << EOF > ext.dic

奥利给

笑不活

EOF

2、修改IKAnalyzer.cfg.xml文件配置：

IK Analyzer 扩展配置

ext.dic

stopword.dic

3、重启es容器

docker restart elasticsearch

4、测试：

GET /_analyze

{

"analyzer":"ik_max_word",

"text":"加油奥利给"

}

执行结果：

ok，扩展词典已经配置成功了。

四、ES核心概念

ES和关系型数据库相关概念对比：

MySQLElasticsearch说明DatabaseIndex索引库，类似mysql中的数据库TableType类型，就是文档的集合，类似数据库的表(table)RowDocument文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式ColumnField字段（Field），就是JSON文档中的字段，类似数据库中的列（Column）SchemaMappingMapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema）SQLDSLDSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD

Elasticsearch是面向文档型数据库，一条数据在这里就是一个文档，用JSON作为文档序列化的格式，比如下面这条用户数据：

{

"name" : "John",

"sex" : "Male",

"age" : 25,

"birthDate": "1990/05/01",

"about" : "I love to go rock climbing",

"interests": [ "sports", "music" ]

}

在一个索引库中，你可以定义一种或多种类型（文档集合）。

一个类型（Type）是索引的一个逻辑上的分类或分区，用于对文档进行组织和分类。每个索引可以包含多个类型，而每个类型又可以包含多个文档。类型的语义完全由你来定义，它可以代表不同的实体、数据类型或者业务逻辑。例如，如果你有一个名为 “products” 的索引，你可以定义不同的类型来表示不同种类的产品，如"electronics"、 “clothing”、"books"等。

通常，会为具有一组共同字段的文档定义一个类型。

不同版本的ES，类型会有一些变化：

版本Type5.x支持多种type6.x只能有一种type7.x默认不再支持自定义索引类型（默认类型为：_doc）

五、ES基本操作（DSL）

1. DSL介绍

DSL（Domain Specific Language）：领域专用语言，Elasticsearch提供了基于JSON的DSL来定义查询。

文档地址：https://www.elastic.co/guide/en/elasticsearch/reference/7.12/query-dsl.html

2. 索引库相关操作

2.1 创建索引库

语法: PUT /{索引名称}

PUT /my_index

执行结果:

{

"acknowledged" : true,

"shards_acknowledged" : true,

"index" : "my_index"

}

2.2 查看所有索引库

语法: GET /_cat/indices?v

2.3 查看指定索引库

语法: GET /{索引名称}

GET /my_index

执行结果:

{

"my_index" : {

"aliases" : { },

"mappings" : { },

"settings" : {

"index" : {

"creation_date" : "1633499968211",

"number_of_shards" : "1",

"number_of_replicas" : "1",

"uuid" : "bclHUdHrS4W80qxnj3NP0A",

"version" : {

"created" : "7080099"

"provided_name" : "my_index"

}

lasticsearch在默认情况下为每个索引创建了两个分片（一个主，一个备份），可以在创建索引库时指定分片个数。

2.4 删除索引库

语法: DELETE /{索引名称}

DELETE /my_index

执行结果:

{

"acknowledged" : true

}

小节：

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

3. 文档相关操作

3.1 创建文档

语法格式如下：

PUT /{索引名称}/类型/{id}

{

jsonbody

}

在ES7以后的版本中，关于类型使用默认的值：_doc

#创建文档

PUT /my_index/_doc/1

{

"title": "小米手机",

"category": "小米",

"images": "http://www.gulixueyuan.com/xm.jpg",

"price": 3999

}

返回结果:

{

"_index" : "my_index",

"_type" : "_doc",

"_id" : "1",

"_version" : 1,

"result" : "created",

"_shards" : {

"total" : 2,

"successful" : 1,

"failed" : 0

"_seq_no" : 0,

"_primary_term" : 1

}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MghBptiu-1690304845291)(assets/image-20230719180214808.png)]

3.2 查询文档

① 根据id查询索引库下的文档：GET /{索引名称}/{类型}/{id}

# 查询id为1的文档

GET /my_index/_doc/1

返回结果:

{

"_index" : "my_index",

"_type" : "_doc",

"_id" : "1",

"_version" : 1,

"_seq_no" : 0,

"_primary_term" : 1,

"found" : true,

"_source" : {

"title" : "小米手机",

"category" : "小米",

"images" : "http://www.gulixueyuan.com/xm.jpg",

"price" : 3999

}

② 查索引库下的全部文档：

GET /{索引库名}/_search

{

"query":{

"match_all":{}

}

3.3 修改文档

语法格式如下:

PUT /{索引名称}/{类型}/{id}

{

jsonbody

}

PUT /my_index/_doc/1

{

"title": "华为手机",

"category": "华为",

"images": "http://www.gulixueyuan.com/xm.jpg"

}

注意：修改文档是先根据id把文档删除掉，然后重新添加文档

3.4 修改指定字段的值

语法格式如下: （注：这种更新只能使用post方式）

POST /{索引名称}/_update/{docId}

{

"doc": {

"属性": "值"

}

示例：修改文档id为1的商品价格

POST /my_index/_update/1

{

"doc": {

"price": 4500

}

3.5 删除文档

语法: DELETE /{索引名称}/{类型}/{id}

# 创建文档

PUT /my_index/_doc/2

{

"title": "黑莓手机",

"category": "黑莓",

"images": "http://www.gulixueyuan.com/xm.jpg"

}

# 删除id为2的文档

DELETE /my_index/_doc/2

3.6 批量操作

通用语法：

POST

{"actionName":{"_index":"indexName", "_type":"typeName","_id":"id"}}

{"field1":"value1", "field2":"value2"}

actionName可以有CREATE、DELETE（批量添加or批量删除）等。

3.6.1 批量创建文档

POST _bulk

{"create":{"_index":"my_index","_id":2}}

{"id":2,"title":"华为手机","category":"华为","images":"http://www.gulixueyuan.com/xm.jpg","price":5500}

{"create":{"_index":"my_index","_id":3}}

{"id":3,"title":"VIVO手机","category":"vivo","images":"http://www.gulixueyuan.com/xm.jpg","price":3600}

3.6.2 批量删除文档

POST _bulk

{"delete":{"_index":"my_index","_id":2}}

{"delete":{"_index":"my_index","_id":3}}

小节：

创建文档：POST /{索引库名}/_doc/文档id { jsonbody}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 { jsonbody }增量修改(修改指定字段的值)：POST /{索引库名}/_update/文档id { “doc”: {字段}} 批量创建、删除文档

3.7 Mapping映射

在ES中，Mapping映射是用来定义索引库中文档的结构和字段类型。它类似于关系型数据库中的表结构定义，可以设置每个字段的数据类型、分词器、索引选项等。（Mapping映射更接近于定义表结构而不是整个数据库结构）

在ES中可以不用先定义Mapping映射（即关系型数据库的表、字段等），如果插入文档时没有事先定义Mapping映射，它会根据文档字段的值自动推断出字段的类型，并生成相应的映射。

3.7.1 查看映射

语法：GET /{索引库名称}/_mapping

GET /my_index/_mapping

执行结果:

{

"my_index" : {

"mappings" : {

"properties" : {

"category" : { //字段名称

"type" : "text", //字段类型

"id" : {

"type" : "long"

"images" : {

"type" : "text",

"price" : {

"type" : "long"

}

3.7.2 Mapping映射的常见属性

mapping是对索引库中文档的约束，mapping的常见属性有：

type：用于指定字段数据类型，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，keyword不能分词）数值：long、integer、short、byte、double、float、…布尔：boolean日期：date对象：object index：是否为字段创建索引（倒排索引），默认为trueanalyzer：为指定字段配置分词器search_analyzer：配置该字段在搜索的时候所使用的分词器(如果没有指定该分词器，那么搜索的时候使用analyzer所指定的分词器)properties：该字段的子字段

例如下面的json文档：

{

"title": "海尔冰箱",

"category": "海尔",

"images": "http://www.haier.com/bx.jpg",

"price": 1999

}

对应的每个字段映射（mapping）：

1、title：字符串类型(text，可以分词)，需要索引（建立倒排索引提高查询效率）

2、category：字符串类型(keyword), 需要索引

3、images：字符串类型(keyword) , 不需要索引（该字段只用于存储数据，不需要进行搜索）

4、price：integer类型，需要索引

3.7.3 创建索引库和映射

静态映射：就是可以事先定义好的映射，即手动配置映射，包含文档的各个字段类型、分词器等属性。

在Elasticsearch中，一旦索引创建后，字段的映射是固定的，默认情况下是不可更改的。（注意：重新创建索引会数据丢失）

创建索引和映射语法如下：

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"

}

// ...略

}

示例：创建索引库并配置字段映射

#创建索引库，并同时指定映射关系和分词器等属性

PUT /my_index1

{

"mappings": { // 配置映射关系

"properties": { // 配置文档的字段

"id":{

"type": "long",

"index": true

"title": {

"type": "text",

"index": true, // 建立索引

"analyzer": "ik_max_word", //建立索引使用的分词器

"search_analyzer": "ik_smart"

"category": {

"type": "keyword",

"index": true

"images": {

"type": "keyword",

"index": false

"price": {

"type": "integer",

"index": true

}

返回结果:

{

"acknowledged" : true,

"shards_acknowledged" : true,

"index" : "my_index"

}

查看索引库：

小节：

查看映射：GET /索引库名/_mapping创建索引并指定映射(定义表结构)：PUT /索引库名{mappings->properties->filed}

六、ES高级查询（DSL）

DSL查询文档：https://www.elastic.co/guide/en/elasticsearch/reference/7.12/query-dsl.html

准备数据：

# 创建索引库，并配置mapping映射

PUT /product

{

"mappings": {

"properties": {

"id":{

"type": "long",

"index": true

"title": {

"type": "text",

"index": true,

"analyzer": "ik_max_word",

"search_analyzer": "ik_smart"

"category": {

"type": "keyword",

"index": true

"images": {

"type": "keyword",

"index": false

"price": {

"type": "integer",

"index": true

}

# 批量插入文档

POST _bulk

{"create":{"_index":"product","_id":1}}

{"id":1,"title":"华为笔记本电脑","category":"华为","images":"http://www.huawei.com/dn.jpg","price":5388}

{"create":{"_index":"product","_id":2}}

{"id":2,"title":"华为手机","category":"华为","images":"http://www.huawei.com/sj.jpg","price":5500}

{"create":{"_index":"product","_id":3}}

{"id":3,"title":"VIVO手机","category":"vivo","images":"http://www.vivo.com/sj.jpg","price":3600}

1. 查询所有（match_all）

match_all ：表示查询所有文档，一般测试用。（无条件查询，类似 select * from table）

GET /product/_search

{

"query": {

"match_all": {}

}

2. 匹配查询（match）

match：它可以根据指定的字段和搜索词进行匹配查询。(单字段)

match查询会对搜索的关键词进行分词处理，然后将各个词条从对应的倒排索引表中进行匹配。

match查询语法如下：

GET /{索引名称}/_search

{

"query": {

"match": {

"FIELD": "TEXT"

}

示例：全文检索title字段

GET /product/_search

{

"query": {

"match": {

"title": "华为智能手机" # 会对搜索的关键字进行分词，然后将各个词条从对应的倒排索引表中进行搜索

}

对搜索关键字进行分词：华为，智能手机，智能，能手，手机。然后根据字段title的倒排索引表中进行匹配。

3. 多字段匹配（multi_match）

multi_match多字段匹配语法如下：

GET /{索引名称}/_search

{

"query": {

"multi_match": {

"query": "TEXT",

"fields": ["FIELD1", " FIELD12"]

}

示例：

GET /product/_search

{

"query": {

"multi_match": {

"query": "华为智能手机",

"fields": ["title","category"]

}

4. 前缀匹配(prefix)

prefix前缀匹配语法如下：

GET /{索引名称}/_search

{

"query": {

"prefix": {

"FIELD": {

"value": "指定前缀"

}

示例：查询字段title中以vivo开头的文档：（类似mysql中的 like ‘vivo%’）

GET /product/_search

{

"query": {

"prefix": {

"title": {

"value": "vivo" // 小写查询，大写无结果

}

返回结果:

{

"took" : 11,

"timed_out" : false,

"_shards" : {

"total" : 1,

"successful" : 1,

"skipped" : 0,

"failed" : 0

"hits" : {

"total" : {

"value" : 1,

"relation" : "eq"

"max_score" : 1.0,

"hits" : [

{

"_index" : "product",

"_type" : "_doc",

"_id" : "3",

"_score" : 1.0,

"_source" : {

"id" : 3,

"title" : "VIVO手机",

"category" : "vivo",

"images" : "http://www.vivo.com/sj.jpg",

"price" : 3600

}

]

}

5. 关键字精确查询（term）

因为精确查询的字段是不分词的（keyword），因此查询的条件也必须是不分词的词条。

精确查询要求输入的内容与字段的值完全一致才能匹配成功。如果用户输入的内容过多或与字段的值不完全一致，可能导致无法找到匹配的数据。

term查询语法如下：

GET /{索引名称}/_search

{

"query": {

"term": {

"FIELD": {

"value": "VALUE"

}

示例1：根据title字段做精确查询

GET /product/_search

{

"query": {

"term": {

"title": {

"value": "华为手机"

}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sqIcuiPA-1690304845296)(assets/image-20230721165258197.png)]

示例2：根据category字段做精确查询

GET /product/_search

{

"query": {

"term": {

"category": {

"value": "华为"

}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2uOvLhE1-1690304845296)(assets/image-20230722142451229.png)]

6. 多个关键字精确查询（terms）

terms 查询用于匹配多个关键字。我们使用 terms查询来匹配字段 field 的值是否与给定数组中的任何一个值相匹配。如果有匹配的文档，它们将被返回。

terms查询语法如下：

GET /{索引名称}/_search

{

"query": {

"term": {

"FIELD":[value1,value2]

}

示例：根据title字段多个关键字精确查询华为手机，华为

GET /product/_search

{

"query": {

"terms": {

"title": [

"华为手机",

"华为"

]

}

返回结果:

{

"took" : 0,

"timed_out" : false,

"_shards" : {

"total" : 1,

"successful" : 1,

"skipped" : 0,

"failed" : 0

"hits" : {

"total" : {

"value" : 2,

"relation" : "eq"

"max_score" : 1.0,

"hits" : [

{

"_index" : "product",

"_type" : "_doc",

"_id" : "1",

"_score" : 1.0,

"_source" : {

"id" : 1,

"title" : "华为笔记本电脑",

"category" : "华为",

"images" : "http://www.huawei.com/dn.jpg",

"price" : 5388

}

{

"_index" : "product",

"_type" : "_doc",

"_id" : "2",

"_score" : 1.0,

"_source" : {

"id" : 2,

"title" : "华为手机",

"category" : "华为",

"images" : "http://www.huawei.com/sj.jpg",

"price" : 5500

}

]

}

7. 范围查询（range）

通过range查询限定字段查询的范围：

gte: 大于等于lte: 小于等于gt: 大于lt: 小于

range查询语法如下：

GET /{indexName}/_search

{

"query": {

"range": {

"FIELD": {

//范围条件

"xxx":value

}

示例：查询价格为3000到5000的产品

GET /product/_search

{

"query": {

"range": {

"price": {

"gte": 3000,

"lte": 5000

}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Cc01b8xJ-1690304845296)(assets/image-20230722172425023.png)]

8 返回指定字段（_source）

通过_source属性来指定需要返回的字段。它的位置与query属性平级。

返回指定字段语法：

GET /{索引库名称}/_search

{

"query": {},

"_source": ["field1","field2"]

}

示例：返回title和category字段数据（类似 select title,category from product where price between 3000 and 5000 ）

GET /product/_search

{

"query": {

"range": {

"price": {

"gte": 3000,

"lte": 5000

}

"_source": ["title","category"]

}

9. 组合查询（bool）

布尔查询是一个或多个查询子句的组合，每一个子句就是一个子查询。

以下是对四种布尔操作符的总结：（他们之间可以组合使用）

must: 所有条件都必须满足，即它们之间是 “与”（AND）关系。（会相关性算分）should: 至少有一个条件满足即可，即它们之间是 “或”（OR）关系。must_not: 所有条件都不能满足，即它们之间是 “非”（NOT）关系。filter: 该操作符和 must 的效果相同，但它不计算得分，仅用于过滤文档，因此效率更高。

示例：

GET /my_index/_search

{

"query": {

"bool": {

"must": [

{ "term": { "field1": "value1" } },

{ "range": { "field2": { "gte": 10, "lte": 20 } } }

"should": [

{ "term": { "field3": "value3" } },

{ "term": { "field4": "value4" } }

"must_not": [

{ "term": { "field5": "value5" } }

"filter": [

{ "term": { "field6": "value6" } }

]

}

在上面的示例中，must 布尔子句指定了字段 field1 的值必须是 “value1”，并且字段 field2 的值必须在 10 到 20 之间。

should 布尔子句指定了字段 field3 的值应该是 “value3”，或者字段 field4 的值应该是 “value4”，其中满足任意一个条件即可。

must_not 布尔子句指定了字段 field5 的值不能是 “value5”。

filter 布尔子句是一个与 must 相同的过滤条件，它也要求字段 field6 的值必须是 “value6”，但它不计算得分。

9.1 must（并且）

在ES中，你可以使用must关键字来表示查询条件的与操作。must子句中的所有条件都必须满足才能匹配文档。

语法如下：

GET /{索引库名称}/_search

{

"query": {

"bool": {

"must": [

{ 查询条件1 },

{ 查询条件2}

]

}

示例：布尔查询title字段包含华为，并且价格在[3000, 5000]之间的数据

GET /product/_search

{

"query": {

"bool": {

"must": [

{

"match": {

"title": "华为"

}

{

"range": {

"price": {

"gte": 3000,

"lte": 5000

}

]

}

9.2 should（或者）

示例：布尔查询title字段包含华为，或者价格在[3000, 5000]之间的数据

GET /product/_search

{

"query": {

"bool": {

"should": [

{

"match": {

"title": "华为"

}

{

"range": {

"price": {

"gte": 3000,

"lte": 5000

}

]

}

返回结果:

{

"took" : 3,

"timed_out" : false,

"_shards" : {

"total" : 1,

"successful" : 1,

"skipped" : 0,

"failed" : 0

"hits" : {

"total" : {

"value" : 3,

"relation" : "eq"

"max_score" : 1.0,

"hits" : [

{

"_index" : "product",

"_type" : "_doc",

"_id" : "3",

"_score" : 1.0,

"_source" : {

"id" : 3,

"title" : "VIVO手机",

"category" : "vivo",

"images" : "http://www.vivo.com/sj.jpg",

"price" : 3600

}

{

"_index" : "product",

"_type" : "_doc",

"_id" : "2",

"_score" : 0.5619608,

"_source" : {

"id" : 2,

"title" : "华为手机",

"category" : "华为",

"images" : "http://www.huawei.com/sj.jpg",

"price" : 5500

}

{

"_index" : "product",

"_type" : "_doc",

"_id" : "1",

"_score" : 0.35411233,

"_source" : {

"id" : 1,

"title" : "华为笔记本电脑",

"category" : "华为",

"images" : "http://www.huawei.com/dn.jpg",

"price" : 5388

}

]

}

9.3 must_not（非）

must_not：必须不匹配，不参与算分，类似“非”。

需求：布尔查询title字段不包含华为，并且价格在不在[2000, 3000]之间的数据

GET /product/_search

{

"query": {

"bool": {

"must_not": [

{

"match": {

"title": "华为"

}

{

"range": {

"price": {

"gte": 2000,

"lte": 3000

}

]

}

返回结果:

{

"took" : 1,

"timed_out" : false,

"_shards" : {

"total" : 1,

"successful" : 1,

"skipped" : 0,

"failed" : 0

"hits" : {

"total" : {

"value" : 1,

"relation" : "eq"

"max_score" : 0.0,

"hits" : [

{

"_index" : "product",

"_type" : "_doc",

"_id" : "3",

"_score" : 0.0,

"_source" : {

"id" : 3,

"title" : "VIVO手机",

"category" : "vivo",

"images" : "http://www.vivo.com/sj.jpg",

"price" : 3600

}

]

}

9.4 filter

filter: 与must的效果相同（and），但它不计算得分，仅用于过滤文档，因此效率更高。（计算得分会影响查询性能）

_score的分值为0

GET /product/_search

{

"query": {

"bool": {

"filter": [

{

"match": {

"title": "华为"

}

]

}

返回结果:

{

"took" : 0,

"timed_out" : false,

"_shards" : {

"total" : 1,

"successful" : 1,

"skipped" : 0,

"failed" : 0

"hits" : {

"total" : {

"value" : 2,

"relation" : "eq"

"max_score" : 0.0,

"hits" : [

{

"_index" : "product",

"_type" : "_doc",

"_id" : "1",

"_score" : 0.0,

"_source" : {

"id" : 1,

"title" : "华为笔记本电脑",

"category" : "华为",

"images" : "http://www.huawei.com/dn.jpg",

"price" : 5388

}

{

"_index" : "product",

"_type" : "_doc",

"_id" : "2",

"_score" : 0.0,

"_source" : {

"id" : 2,

"title" : "华为手机",

"category" : "华为",

"images" : "http://www.huawei.com/sj.jpg",

"price" : 5500

}

]

}

10. 聚合查询（aggs）

Elasticsearch的聚合查询是一种强大的功能，可以对文档进行统计分析和数据聚合。聚合查询可以帮助你从大量的数据中提取有用的信息和洞察。它提供了许多不同类型的聚合，可以用于计算最大值、最小值、平均值、求和等等。

以下是一些常见的聚合类型：

avg：计算一个字段的平均值。sum：计算一个字段的总和。min：找到一个字段的最小值。max：找到一个字段的最大值。cardinality：计数一个字段的唯一值数量。stats：计算一个字段的统计数据，包括最小值、最大值、平均值和总和。extended_stats：在 stats 的基础上，还提供方差、标准差和其他分位数等更详细的统计数据。percentiles：计算一个字段的百分位数。bucket（桶）聚合：将文档分组为不同的桶，并对每个桶内的文档应用其他聚合函数。

10.1 max

示例：计算 price字段的最大值。

GET /product/_search

{

"query": {

"match_all": {}

"aggs": {

"max_price": { //给聚合结果指定一个名字

"max": {

"field": "price"

}

上面查询的结果携带着原始文档数据，我们可以通过设置 "size" 参数来控制聚合查询返回的文档数量。将 "size" 参数设置为 0，可以使查询只返回聚合结果，不返回原文档数据。(如果size为100，则表示返回前100个原文档)

GET /product/_search

{

"query": {

"match_all": {}

"size": 0,

"aggs": {

"max_price": {

"max": {

"field": "price"

}

10.2 min

示例：计算 price字段的最小值。

GET /product/_search

{

"query": {

"match_all": {}

"size": 0,

"aggs": {

"min_price": {

"min": {

"field": "price"

}

10.3 avg

示例：计算 price字段的平均值。

GET /product/_search

{

"query": {

"match_all": {}

"size": 0,

"aggs": {

"avg_price": {

"avg": {

"field": "price"

}

10.4 sum

示例：计算 price字段的总和。

GET /product/_search

{

"query": {

"match_all": {}

"size": 0,

"aggs": {

"sum_price": {

"sum": {

"field": "price"

}

10.5 stats

stats聚合用于计算一个字段的统计数据，包括：最小值、最大值、求和、平均值和数据数量。

示例：统计price字段的数据

GET /product/_search

{

"query": {

"match_all": {}

"size": 0,

"aggs": {

"total_stats": {

"stats": {

"field": "price"

}

10.6 terms（分组）

terms（桶聚合）用于对字段进行分组统计（类似mysql中的group by）。它将文档按照指定字段的值进行分组，并计算每个分组的文档数量或其他指标。

示例：按照category分组，统计文档个数。（对比sql：select category,count(*) as count from product group by category）

GET /product/_search

{

"query": {

"match_all": {}

"size": 0,

"aggs": {

"stats_price": {

"terms": {

"field": "category"

}

示例：按照category字段进行分组，只拿到前两个分组数据，并对每组的price计算总和。

GET /product/_search

{

"query": {

"match_all": {}

"size": 0,

"aggs": {

"terms_category": {

"terms": {

"field": "category",

"size": 2

"aggs": {

"agg_sum": {

"sum": {

"field": "price"

}

11. 分页查询（from、size）

分页的两个关键属性：from、size。

from: 当前页的起始索引，默认从0开始。 from = (pageNum - 1) * sizesize: 每页显示多少条

分页查询语法如下：

GET /{indexName}/_search

{

"query": {

"match_all": {}

"from": 0, // 分页开始的位置，默认为0

"size": 10, // 每页显示多少条

"sort": [ //根据filed字段进行排序

{"filed": "asc或desc"}

]

}

示例：全文检索华为手机，然后对price字段做倒排序，并实现分页。

GET /product/_search

{

"query": {

"match": {

"title": "华为手机"

}

"sort": [

{

"price": {

"order": "desc"

}

"from": 0,

"size": 2

}

12. 高亮查询（highlight）

高亮原理：

比如我们在百度上搜索资料时，命中关键字的文档会变成红色，比较醒目，这就是高亮显示。

高亮显示的实现分为两步：

给文档中的所有关键字都添加一个标签，例如标签；页面给标签编写CSS样式。

在es中实现高亮：

高亮显示语法：

GET /hotel/_search

{

"query": {

"match": {

"FIELD": "TEXT" // 查询条件，高亮一定要使用全文检索查询

}

"highlight": {

"fields": {

"FIELD": {// 指定要高亮的字段

"pre_tags": "", // 用来标记高亮字段的前置标签

"post_tags": "" // 用来标记高亮字段的后置标签

}

示例：全文检索查询华为手机，对title字段进行高亮处理。

GET /product/_search

{

"query": {

"match": {

"title": "华为手机"

}

"highlight": {

"fields": {

"title": {

"pre_tags": "",

"post_tags":""

}

注意：

高亮是对关键字高亮，因此搜索条件必须带有关键字，而不能是范围这样的查询。默认情况下，高亮的字段，必须与搜索指定的字段一致，否则无法高亮。如果要对非搜索字段高亮，则需要在高亮字段中添加一个属性：required_field_match=false

13. 近似查询（fuzzy）

fuzzy查询是一种纠错查询，通常用于英文的纠错。它可以返回与搜索词相似的词的文档。

编辑距离是衡量两个词之间差异程度的指标，表示将一个词转换为另一个词所需的最小操作次数。

这些操作包括：

更改字符（box → fox）删除字符（black → lack）插入字符（sic → sick）转置两个相邻字符（act → cat）

在fuzzy查询中，我们可以通过调整fuzziness参数来修改编辑距离。默认值为AUTO（根据单词的长度匹配对应的编辑距离），fuzziness参数其它取值为0,1,2 表示最大编辑距离。

当单词长度为0到2之间时，必须精确匹配。编辑距离为0。（不会进行变化）当单词长度为3到5个字母时，最大编辑距离为1。（例如 hallo->hello）当单词长度大于5个字母时，最大编辑距离为2（最多允许两次编辑）。

示例：近似查询categroy字段值为vovo的文档

GET /product/_search

{

"query": {

"fuzzy": {

"category": {

"value": "vovo",

"fuzziness": 1

}

七、Java操作ES

1. API介绍

文档地址：https://www.elastic.co/guide/en/elasticsearch/client/java-rest/7.x/java-rest-high-getting-started.html

（1）使用官网提供的API操作ES: （RestHighLevelClient）

maven坐标：

org.elasticsearch.client

elasticsearch-rest-high-level-client

7.12.1

（2）Spring Data ElasticSearch: 是Spring针对ElasticSearch提供的一个模块，底层是对ES官方所提供的Java API进行了封装，用来简化ES的操作。

maven坐标：

org.springframework.boot

spring-boot-starter-data-elasticsearch

2. 使用RestHighLevelClient操作ES

RestHighLevelClient是ES官网提供的API。

2.1 环境准备

1、创建maven项目

2、导入依赖：

xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">

4.0.0

cn.aopmin

RestHighLevelClient-demo

1.0-SNAPSHOT

org.springframework.boot

spring-boot-starter-parent

2.4.5

UTF-8

org.springframework.boot

spring-boot-starter-data-elasticsearch

org.springframework.boot

spring-boot-starter-test

com.alibaba

fastjson

1.2.80

org.projectlombok

lombok

org.springframework.boot

spring-boot-maven-plugin

org.projectlombok

lombok

3、创建启动类：

package cn.aopmin;

import org.springframework.boot.SpringApplication;

import org.springframework.boot.autoconfigure.SpringBootApplication;

@SpringBootApplication

public class MyApp {

public static void main(String[] args) {

SpringApplication.run(MyApp.class, args);

}

4、在application.yml中配置ES:

spring:

elasticsearch:

rest:

uris: http://192.168.150.123:9200 # 配置es服务器的地址

5、测试

package cn.aopmin.test;

import org.elasticsearch.client.RestHighLevelClient;

import org.junit.jupiter.api.Test;

import org.springframework.beans.factory.annotation.Autowired;

import org.springframework.boot.test.autoconfigure.web.client.RestClientTest;

import org.springframework.boot.test.context.SpringBootTest;

/**

* 测试类

* @author 白豆五

* @version 2023/07/23

* @since JDK8

@SpringBootTest

public class ElasticSearchTest {

@Autowired

private RestHighLevelClient restHighLevelClient;

@Test

public void test() {

System.out.println(restHighLevelClient);

}

2.2 索引库相关操作

2.2.1 创建索引库

package cn.aopmin.test;

import lombok.extern.slf4j.Slf4j;

import org.elasticsearch.client.RequestOptions;

import org.elasticsearch.client.RestHighLevelClient;

import org.elasticsearch.client.indices.CreateIndexRequest;

import org.elasticsearch.client.indices.CreateIndexResponse;

import org.elasticsearch.common.xcontent.XContentType;

import org.junit.jupiter.api.Test;

import org.springframework.beans.factory.annotation.Autowired;

import org.springframework.boot.test.context.SpringBootTest;

import java.io.IOException;

/**

* 测试索引库相关操作

* @author 白豆五

* @version 2023/07/23

* @since JDK8

@SpringBootTest

@Slf4j

public class IndexTest {

@Autowired

private RestHighLevelClient restHighLevelClient;

/**

* 测试创建索引库

@Test

public void testCreateIndex() throws IOException {

// 1.拿到创建索引的请求对象，并指定索引名

// org.elasticsearch.client.indices.CreateIndexRequest;

CreateIndexRequest createIndexRequest = new CreateIndexRequest("goods");

// 2.添加请求参数（内容是定义索引库的DSL语句,json格式）

// 也可以把DSL语句提取到常量类中

createIndexRequest.source("{\n" +

" \"mappings\": {\n" +

" \"properties\": {\n" +

" \"id\":{\n" +

" \"type\": \"long\",\n" +

" \"index\": true\n" +

" },\n" +

" \"title\": {\n" +

" \"type\": \"text\",\n" +

" \"index\": true,\n" +

" \"analyzer\": \"ik_max_word\",\n" +

" \"search_analyzer\": \"ik_smart\"\n" +

" },\n" +

" \"category\": {\n" +

" \"type\": \"keyword\",\n" +

" \"index\": true\n" +

" },\n" +

" \"images\": {\n" +

" \"type\": \"keyword\",\n" +

" \"index\": false\n" +

" },\n" +

" \"price\": {\n" +

" \"type\": \"integer\",\n" +

" \"index\": true\n" +

" }\n" +

"}", XContentType.JSON);

// 3.发送请求

// IndicesClient indices = restHighLevelClient.indices(); // 拿到操作索引的客户端

// indices.create(createIndexRequest, RequestOptions.DEFAULT); // 执行创建索引的请求

// CreateIndexResponse对象中包含了创建索引的返回结果

CreateIndexResponse createIndexResponse = restHighLevelClient.indices().create(createIndexRequest, RequestOptions.DEFAULT);

// 4.输出结果

log.info("索引名称：{}", createIndexResponse.index());

log.info("操作是否成功：{}", createIndexResponse.isAcknowledged());

log.info("分片是否被确认：{}", createIndexResponse.isShardsAcknowledged());

}

2.2.2 获取所引库

/**

* 测试获取索引库

@Test

public void testGetIndex() throws IOException {

// 1.创建Request对象

GetIndexRequest getIndexRequest = new GetIndexRequest("goods");

// 2.发起请求, exists()方法返回true表示索引库存在，false表示不存在

boolean exists = restHighLevelClient.indices().exists(getIndexRequest, RequestOptions.DEFAULT);

log.info("索引库是否存在：{}", exists);

}

2.2.3 删除索引库

/**

* 测试删除索引库

@Test

public void testDeleteIndex() throws IOException {

DeleteIndexRequest deleteIndexRequest = new DeleteIndexRequest("goods");

AcknowledgedResponse response = restHighLevelClient.indices().delete(deleteIndexRequest, RequestOptions.DEFAULT);

System.out.println("索引库是否删除成功: "+response.isAcknowledged());

}

小节：

RestHighLevelClient操作ES索引库的流程基本类似。核心都是通过restHighLevelClient.indices()方法获取索引库的操作对象。

索引库操作的基本步骤如下：

依赖注入RestHighLevelClient。（Spring Data Elasticsearch依赖提供的）创建XxxIndexRequest。（Xxx是Create、Delete、Get。）准备DSL（只有在Create时需要准备DSL）发送请求。（调用RestHighLevelClient.indices().xxx()方法，xxx是create、exists、delete、get）

2.3 文档相关操作

2.3.1 数据准备

1、sql脚本：

CREATE DATABASE IF NOT EXISTS `es-db` DEFAULT CHARACTER SET utf8mb4;

use `es-db`;

CREATE TABLE `goods`

(

`id` BIGINT(20) PRIMARY KEY AUTO_INCREMENT COMMENT '商品ID',

`title` VARCHAR(255) NOT NULL COMMENT '商品标题',

`category` VARCHAR(32) NOT NULL COMMENT '分类',

`image` VARCHAR(255) NOT NULL COMMENT '图片',

`price` INT(10) NOT NULL COMMENT '价格'

) ENGINE = InnoDB DEFAULT CHARSET = utf8mb4 COMMENT '商品表';

insert into goods values (1, '华为笔记本电脑', '华为', 'http://www.huawei.com/dn.jpg', 5388),

(2, '华为手机', '华为', 'http://www.huawei.com/sj.jpg', 5500),

(3, 'VIVO手机', 'vivo', 'http://www.vivo.com/sj.jpg', 3600);

2、引入mp相关依赖：

com.baomidou

mybatis-plus-boot-starter

3.5.2

mysql

mysql-connector-java

5.1.47

3、在application.yml中配置数据库：

spring:

# 数据源配置

datasource:

driver-class-name: com.mysql.jdbc.Driver

url: jdbc:mysql:///es-db?useSSL=false&serverTimezone=Asia/Shanghai

username: root

password: 123456

# ES配置

elasticsearch:

rest:

uris: http://192.168.150.123:9200 # 配置es服务器的地址

4、使用插件生成pojo、mappe、service基础代码

1）数据源配置：

2）使用代码生成器：

5、在启动类上配置mapper扫描：

package cn.aopmin;

import org.mybatis.spring.annotation.MapperScan;

import org.springframework.boot.SpringApplication;

import org.springframework.boot.autoconfigure.SpringBootApplication;

@MapperScan("cn.aopmin.mapper") //mapper扫描

@SpringBootApplication

public class MyApp {

public static void main(String[] args) {

SpringApplication.run(MyApp.class, args);

}

2.3.2 添加文档

package cn.aopmin.test;

import cn.aopmin.pojo.Goods;

import cn.aopmin.service.IGoodsService;

import com.alibaba.fastjson.JSON;

import org.elasticsearch.action.index.IndexRequest;

import org.elasticsearch.action.index.IndexResponse;

import org.elasticsearch.client.RequestOptions;

import org.elasticsearch.client.RestHighLevelClient;

import org.elasticsearch.common.xcontent.XContentType;

import org.junit.jupiter.api.Test;

import org.springframework.boot.test.context.SpringBootTest;

import javax.annotation.Resource;

import java.io.IOException;

/**

* @author 白豆五

* @version 2023/07/23

* @since JDK8

@SpringBootTest

public class DocumentTest {

@Resource

private IGoodsService goodsService;

@Resource

private RestHighLevelClient client;

/**

* 测试创建文档

@Test

public void testAddDocument() throws IOException {

// 1.创建Request对象

// IndexRequest: 创建文档的请求对象

IndexRequest request = new IndexRequest("goods"); //指定索引库名称

// 设置文档id,如果不设置的话，ES会自动生成一个唯一的字符串作为文档ID

request.id("10");

// 2.准备json文档数据

// Java对象转JSON字符串

String json = JSON.toJSONString(new Goods().setId(10L).setTitle("小辣椒手机").setCategory("小辣椒").setImage("https://xiaolajiao.cn").setPrice(1388));

request.source(json, XContentType.JSON);

// 3.发送请求创建文档

IndexResponse response = client.index(request, RequestOptions.DEFAULT);

// 输出结果

System.out.println(response.getResult());

}

执行结果：

2.3.3 修改文档

修改文档有两种方式：

全量修改：本质是先根据id删除，再新增（语法与插入文档类似）增量修改：修改文档中的指定字段值

/**

* 测试修改文档

@Test

public void testUpdateDocument() throws IOException {

// 构建数据

Goods goods = new Goods();

goods.setPrice(999);

String jsonString = JSON.toJSONString(goods);

// 1.创建Request对象

// UpdateRequest: 修改文档的请求对象。参数：索引库、文档id。如果文档id不存在，则会新增一个文档。

UpdateRequest request = new UpdateRequest("goods", "10");

// 2.准备Json文档,里面包含要修改的字段

request.doc(jsonString, XContentType.JSON);

// 3.发送请求

UpdateResponse response = client.update(request, RequestOptions.DEFAULT);

// 4.输出结果

System.out.println(response.getResult());

}

输出结果：

2.3.4 根据id查询文档

/**

* 测试根据id查询文档

@Test

public void testGetDocument() throws IOException {

// 1.创建Request对象

// DSL: GET /goods/_doc/10

GetRequest request = new GetRequest("goods", "10");

// 2.发送请求

GetResponse response = client.get(request, RequestOptions.DEFAULT);

// 3.输出文档内容

System.out.println("_source: "+response.getSourceAsString());

}

执行结果：

2.3.5 删除文档

/**

* 测试根据id删除文档

@Test

public void testDeleteDocument() throws IOException {

// 1.创建Request对象

// DSL: DELETE /goods/_doc/10

DeleteRequest request = new DeleteRequest("goods", "10");

// 2.发送请求

client.delete(request, RequestOptions.DEFAULT);

}

2.3.6 批量新增

批量处理BulkRequest，其本质就是将多个普通的CRUD请求组合在一起发送。

其中提供了一个add方法，用来添加其他Request请求：

IndexRequest，新增文档的请求UpdateRequest，修改文档的请求DeleteRequest，删除文档的请求

示例：将数据库中的数据添加到

/**

* 测试批量新增

@Test

public void testBulkAddDocument() throws IOException {

// 准备数据

List goodsList = goodsService.list();

// 1.创建Request对象

// BulkRequest: 批量操作请求对象。可以批量执行增删改操作

BulkRequest bulkRequest = new BulkRequest();

// 2.准备参数：把多个IndexRequest添加到BulkRequest中

goodsList.forEach(goods -> {

//对象转Json字符串

String json = JSON.toJSONString(goods);

//创建单个请求对象

IndexRequest request = new IndexRequest("goods");

request.id(goods.getId().toString()); //文档id

request.source(json, XContentType.JSON);//Josn文档内容

bulkRequest.add(request);//放入批量请求对象中

// 简化写法

bulkRequest.add(new IndexRequest("goods")

.id(goods.getId().toString())

.source(json, XContentType.JSON));

});

// 3.发送批处理请求

BulkResponse response = client.bulk(bulkRequest, RequestOptions.DEFAULT);

}

批量新增操作步骤：

创建Request对象，这里是BulkRequest。准备参数。批处理的参数，把多个IndexRequest添加到BulkRequest中。发送批处理请求。调用的方法为client.bulk()方法。

stream流方式写法：

// 准备数据

List goodsList = goodsService.list();

// 1.创建一个BulkRequest对象，用于批量操作请求，可以批量执行增删改操作

BulkRequest bulkRequest = new BulkRequest();

// 2.准备参数：把多个IndexRequest添加到BulkRequest中

// 使用Java 8的Stream API，将商品列表转化为包含IndexRequest对象的列表，并将其添加到BulkRequest中

bulkRequest.add(goodsList.stream()

.map(goods -> {

// 将goods对象转化为Json字符串

String json = JSON.toJSONString(goods);

// 简化写法，创建IndexRequest对象并设置id和source

return new IndexRequest("goods")

.id(goods.getId().toString())

.source(json, XContentType.JSON);

})

//收集成list集合

.collect(Collectors.toList()));

// 3.发送批处理请求，并将响应保存在response变量中

BulkResponse response = client.bulk(bulkRequest, RequestOptions.DEFAULT);

小节：

文档操作的基本步骤：

注入RestHighLevelClient对象创建XxxRequest。如 IndexRequest、GetRequest、UpdateRequest、DeleteRequest、BulkRequest准备参数（Index、Update、Bulk时需要提供）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）

2.4 高级查询

2.4.1 查询所有文档

package cn.aopmin.test;

import org.elasticsearch.action.search.SearchRequest;

import org.elasticsearch.action.search.SearchResponse;

import org.elasticsearch.client.RequestOptions;

import org.elasticsearch.client.RestHighLevelClient;

import org.elasticsearch.index.query.QueryBuilders;

import org.elasticsearch.search.SearchHit;

import org.elasticsearch.search.SearchHits;

import org.elasticsearch.search.builder.SearchSourceBuilder;

import org.junit.jupiter.api.Test;

import org.springframework.beans.factory.annotation.Autowired;

import org.springframework.boot.test.context.SpringBootTest;

import java.io.IOException;

/**

* 高级查询

* @author 白豆五

* @version 2023/07/24

* @since JDK8

@SpringBootTest

public class DSLTest {

@Autowired

private RestHighLevelClient restHighLevelClient;

/**

* 测试查询所有文档

@Test

public void testMatchAll() throws IOException {

// 1.构建SearchRequest对象

SearchRequest searchRequest = new SearchRequest("my_index");

// 2.创建一个SearchSourceBuilder对象,并设置查询条件

SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

searchSourceBuilder.query(QueryBuilders.matchAllQuery());//matchAllQuery()查询所有

// 设置查询条件

searchRequest.source(searchSourceBuilder);

// 3.发送请求,调用restHighLevelClient的search方法

SearchResponse response = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);

// 4.解析响应结果

// 从response对象中获取hits返回结果数据

SearchHits responseHits = response.getHits();

// 获取查询到的文档列表:hists[]

SearchHit[] searchHits = responseHits.getHits();

for (SearchHit searchHit : searchHits) {

// 获取文档的原数据（json数据）

String jsonData = searchHit.getSourceAsString();

System.out.println(jsonData);

}

返回结果：

2.4.2 匹配查询

/**

* 测试匹配查询（全文检索，单字段）

@Test

public void testMatch() throws IOException {

// 1.构建SearchRequest对象

SearchRequest searchRequest = new SearchRequest("goods");

// 2.创建一个SearchSourceBuilder对象,并设置查询条件

SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

searchSourceBuilder.query(QueryBuilders.matchQuery("title", "华为"));//matchQuery()匹配查询

// 设置查询条件

searchRequest.source(searchSourceBuilder);

// 3.发送查询请求

SearchResponse response = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);

// 4.解析响应结果

// 从response对象中获取hits返回结果数据

SearchHits responseHits = response.getHits();

// 获取查询到的文档列表:hists[]

SearchHit[] searchHits = responseHits.getHits();

for (SearchHit searchHit : searchHits) {

// 获取文档的原数据（json数据）

String jsonData = searchHit.getSourceAsString();

System.out.println(jsonData);

}

返回结果：

2.4.3 高亮查询

/**

* 高亮查询

@Test

public void testHighLight() throws IOException {

// 1.构建SearchRequest对象

SearchRequest searchRequest = new SearchRequest("goods");

// 2.创建一个SearchSourceBuilder对象,并设置查询条件

SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();

searchSourceBuilder.query(QueryBuilders.matchQuery("title", "华为"));//matchQuery()匹配查询

// 3.对searchSourceBuilder对象设置高亮参数

HighlightBuilder highlighter = new HighlightBuilder();

highlighter.field("title");//设置高亮字段

highlighter.preTags("");//设置高亮前缀

highlighter.postTags("");//设置高亮后缀

searchSourceBuilder.highlighter(highlighter);

// 4.设置查询条件

searchRequest.source(searchSourceBuilder);

// 5.发送查询请求

SearchResponse response = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);

// 6.解析响应结果

// 从response对象中获取hits返回结果数据

SearchHits responseHits = response.getHits();

// 获取查询到的文档列表:hists[]

SearchHit[] searchHits = responseHits.getHits();

for (SearchHit searchHit : searchHits) {

// 获取文档数据

String jsonData = searchHit.getSourceAsString();

Goods goods = JSON.parseObject(jsonData, Goods.class);

// 获取高亮数据

Map map = searchHit.getHighlightFields();

if (map != null) {

//获取高亮字段的值: 一个数组

HighlightField highlightField = map.get("title");

if (highlightField != null ) {

String title = highlightField.getFragments()[0].toString();

goods.setTitle(title);

}

System.out.println(JSON.toJSONString(goods));

}

简化写法：

@Test

public void testHighLight2() throws IOException {

// 1.构建SearchRequest对象

SearchRequest searchRequest = new SearchRequest("goods");

// 2.准备DSL

// 2.1设置查询条件

searchRequest.source().query(QueryBuilders.matchQuery("title", "华为"));

// 2.2设置高亮参数

searchRequest.source().highlighter(new HighlightBuilder().field("title").preTags("").postTags(""));

searchRequest.source()

// 设置查询条件

.query(QueryBuilders.matchQuery("title", "华为"))

// 设置高亮参数

.highlighter(new HighlightBuilder().field("title").preTags("").postTags(""));

// 3.发送查询请求

SearchResponse response = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);

// 4.解析响应结果

// 从response对象中获取hits返回结果数据

SearchHits responseHits = response.getHits();

// 获取查询到的文档数组:hists[]

SearchHit[] searchHits = responseHits.getHits();

// 4.1获取总条数

long total = searchHits.length;

System.out.println("共搜索到" + total + "条数据");

for (SearchHit searchHit : searchHits) {

// 4.2获取文档数据（_source）

String jsonData = searchHit.getSourceAsString();

Goods goods = JSON.parseObject(jsonData, Goods.class);

// 4.3获取高亮数据

Map map = searchHit.getHighlightFields();

if (map != null) {

//根据字段名获取高亮结果

HighlightField highlightField = map.get("title");

if (highlightField != null) {

// 获取高亮值

String title = highlightField.getFragments()[0].toString();

// 覆盖内容

goods.setTitle(title);

}

System.out.println(JSON.toJSONString(goods));

}

这里面有两个关键的API，一个是request.source()，提供了查询、排序、分页、高亮等功能：

另一个是QueryBuilders工具类，可以进行match、term、function_score、bool等查询：

2.4.4 聚合查询

/**

* 测试聚合查询

@Test

public void testAggs() throws IOException {

// 1.创建Request对象

SearchRequest request = new SearchRequest("goods");

// 2.准备DSL

// 2.1设置查询条件

request.source().query(QueryBuilders.matchQuery("title", "华为"))

.size(0) //不需要返回文档数据，只需要返回聚合结果

// 2.2设置聚合参数

.aggregation(AggregationBuilders.terms("group_category").field("category")) //根据category字段进行分组

.aggregation(AggregationBuilders.avg("avg_price").field("price"));//根据price字段求平均值

// 3.发起请求，获取响应结果

SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);

// 4.解析响应结果

// 4.1获取聚合结果,Map

Aggregations aggregations = response.getAggregations();

// 4.2获取group_category子聚合数据

Terms terms = aggregations.get("group_category");

terms.getBuckets().forEach(bucket -> {

System.out.println("key:" + bucket.getKeyAsString());

System.out.println("docCount:" + bucket.getDocCount());

});

// 4.3获取avg_price子聚合数据

Avg avg = aggregations.get("avg_price");

System.out.println("avg_price:" + avg.getValue());

}

输出结果：

3. 使用Spring Data Elasticsearch 操作ES

ElasticsearchRestTemplate是Spring Data Elasticsearch框架提供的API。

3.1 Spring Data概述

Spring Data是Spring家族的一个子项目，其目的：用于简化持久层的开发（如关系型数据库、非关系型数据库、索引库的访问），并且它提供统一的API以访问各种数据存储技术。

Spring Data可以极大的简化JPA（Java Persistence API，Java持久层API）的写法，可以在几乎不用写实现的情况下，实现对数据的访问和操作。除了CRUD外，还包括如分页、排序等一些常用的功能。

SpringData提供了一些XxxTemplate对象，用于简化各种数据库的操作，如：

JdbcTemplate：JdbcTemplate是Spring Data对关系型数据库（如MySQL、Oracle等）进行操作的模板对象。它提供了一组方法，用于执行SQL语句、处理结果集、事务管理等。MongoTemplate：MongoTemplate是Spring Data对MongoDB进行操作的模板对象。它提供了一组方法，用于执行CRUD操作、查询、更新等。RedisTemplate：RedisTemplate是Spring Data对Redis进行操作的模板对象。它提供了一组方法，用于执行常见的Redis操作，如存储、获取、删除数据等。ElasticsearchRestTemplate：ElasticsearchRestTemplate是Spring Data对Elasticsearch进行操作的模板对象。它提供了一组方法，用于执行CRUD操作、搜索、聚合等。

3.2 Spring Data Elasticsearch 概述

Spring Data Elasticsearch基于Spring Data API对Elasticsearch进行了封装，使开发者能够更高效地使用Elasticsearch进行数据存储和搜索。

Spring Data Elasticsearch版本选择：（不同版本会存在差异）

springboot2.3.x版本可以兼容elasticsearch7.x版本。

3.3 环境准备

1、创建maven项目

2、导入依赖：

xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">

4.0.0

cn.aopmin

SpringDataElasticsearch-demo

1.0-SNAPSHOT

org.springframework.boot

spring-boot-starter-parent

2.3.10.RELEASE

UTF-8

org.springframework.boot

spring-boot-starter-data-elasticsearch

org.springframework.boot

spring-boot-starter-test

com.alibaba

fastjson

1.2.80

org.projectlombok

lombok

org.springframework.boot

spring-boot-maven-plugin

org.projectlombok

lombok

3、创建启动类：

package cn.aopmin;

import org.springframework.boot.SpringApplication;

import org.springframework.boot.autoconfigure.SpringBootApplication;

@SpringBootApplication

public class SpringDataElasticsearchApplication {

public static void main(String[] args) {

SpringApplication.run(SpringDataElasticsearchApplication.class, args);

}

4、在application.yml中配ES:

spring:

elasticsearch:

rest:

uris: http://192.168.150.123:9200 # 配置es服务器的地址

5、创建实体类：（通过注解与es进行绑定）

package cn.aopmin.pojo;

import lombok.Data;

import org.springframework.data.annotation.Id;

import org.springframework.data.elasticsearch.annotations.Document;

import org.springframework.data.elasticsearch.annotations.Field;

import org.springframework.data.elasticsearch.annotations.FieldType;

@Data

@AllArgsConstructor

@NoArgsConstructor

@Document(indexName = "product", // 索引库名称

shards = 1, // 主分片个数

replicas = 1 // 备份分片个数

)

public class Product {

/**

* 主键id

// ES主键id

@Id

private Long id;

/**

* 商品名称

// ES普通字段

@Field(type = FieldType.Text, // 字段类型

analyzer = "ik_max_word", // 建立索引用的分词器

searchAnalyzer = "ik_smart", //查询时用的分词器

store = true // 是否额外存储一份（ES默认把文档字段存储在源文档_source中）

)

private String productName;

/**

* 库存数量

@Field(type = FieldType.Integer, store = true)

private Integer store;

/**

* 价格

@Field(type = FieldType.Double, store = true)

private Double price;

}

注解含义：

1）@Document：作用在类，标记实体类为文档对象，一般有三个属性：

indexName：对应索引库名称 shards：分片数量 replicas：副本数量

2）@Id：作用在成员变量，标记一个字段作为id主键。

3）@Field：作用在成员变量，标记为文档的字段，并指定字段映射属性：

type：字段类型，取值是枚举：FieldType.xxx index：是否建立索引，布尔类型，默认是true store：是否存储，布尔类型，默认是false 不额外存储一份（场景：只返回某个特定字段，此时可以提高查询效率。但是对写入效率会有影响） analyzer：分词器名称：ik_max_word（建立倒排索引时所使用的分词算法）

store 的意思是：是否在 _source 之外在独立存储一份（提高查询效率，对写入会有点影响）

_source 表示源文档，当你索引数据的时候， elasticsearch 会保存一份源文档到 _source ，

如果文档的某一字段设置了 store 为 yes (默认为 no)，这时候会在 _source 存储之外再为这个字段独立进行存储。

这么做的目的主要是针对内容比较多的字段，放到 _source 返回的话，因为_source 是把所有字段保存为一份文档，命中后读取只需要一次 IO，包含内容特别多的字段会很占带宽影响性能。

通常我们也不需要完整的内容返回(可能只关心某个字段)，这时候就没必要放到 _source 里一起返回了(当然也可以在查询时指定返回字段)。

6、测试

@SpringBootTest

public class SpringDataElasticsearchTest {

@Autowired

private ElasticsearchRestTemplate elasticsearchRestTemplate;

@Test

public void test() {

System.out.println(elasticsearchRestTemplate);

}

3.4 使用ElasticsearchRestTemplate操作ES

ElasticsearchRestTemplate是Spring Data Elasticsearch中所提供的一个操作ES的核心类，并且已经被Spring Boot实现了自动化配置。

ElasticsearchRestTemplate模板对象常用方法：

createIndex：创建索引 deleteIndex：删除索引 save：添加文档 get：根据文档ID获取文档 update：更新文档 delete：根据文档ID删除文档 search：执行查询操作 exists：检查文档是否存在 count：统计文档数量

3.4.1 添加文档

package cn.aopmin.test;

import cn.aopmin.pojo.Product;

import org.junit.jupiter.api.Test;

import org.springframework.beans.factory.annotation.Autowired;

import org.springframework.boot.test.context.SpringBootTest;

import org.springframework.data.elasticsearch.core.ElasticsearchRestTemplate;

/**

* 测试使用ElasticsearchRestTemplate操作ES

* @author 白豆五

* @version 2023/07/25

* @since JDK8

@SpringBootTest

public class SpringDataElasticsearchTest {

@Autowired

private ElasticsearchRestTemplate elasticsearchRestTemplate;

/**

* 测试添加文档

@Test

public void testAddDocument() {

// 构造数据

Product product = new Product();

product.setId(1L);

product.setProductName("华为手机");

product.setStore(100);

product.setPrice(5000.00);

// 添加文档

// 注意:不用提提前创建索引，Spring Data ES会根据实体类映射关系自动创建索引库

elasticsearchRestTemplate.save(product);

}

3.4.2 根据ID查询文档

/**

* 测试查询文档

@Test

public void testGetDocument() {

// 查询文档

// get方法:需要指定文档id和文档所在索引库的类型_class

Product product = elasticsearchRestTemplate.get("1", Product.class);

System.out.println(product);

}

3.4.3 修改文档

/**

* 测试修改文档

@Test

public void testUpdateDocument() {

// 准备数据

Document document = Document.create();

document.put("price", 1899);

// 构造一个更新对象UpdateQuery

// 参数1:文档id

// 参数2:修改的文档数据

UpdateQuery updateQuery = UpdateQuery.builder("1").withDocument(document).build();

// 修改文档

// 参数1:updateQuery对象

// 参数2:指定文档所在的索引库

elasticsearchRestTemplate.update(updateQuery, IndexCoordinates.of("product"));

}

3.4.4 删除文档

/**

* 测试删除文档

@Test

public void testDeleteDocument() {

// 删除文档

// delete方法:需要指定文档id和文档类型

elasticsearchRestTemplate.delete("1", Product.class);

}

3.4.5 查询所有文档

/**

* 测试查询所有文档

@Test

public void testMachAll() {

// 构造NativeSearchQuery对象，封装查询条件

NativeSearchQuery nativeSearchQuery = new NativeSearchQueryBuilder()

.withQuery(QueryBuilders.matchAllQuery()).build();

// 调用search方法进行查询,返回List>

SearchHits searchHits = elasticsearchRestTemplate.search(nativeSearchQuery, Product.class);

List> list = searchHits.getSearchHits(); //get方法

// 遍历文档

// for (SearchHit hit : list) {

// Product product = hit.getContent();

// System.out.println(product);

// }

searchHits.stream().forEach(hit -> System.out.println(hit.getContent()));

}

3.4.6 高亮查询

/**

* 测试高亮查询

@Test

public void testHighlight() {

// 构造高亮参数

HighlightBuilder highlightBuilder = new HighlightBuilder();

highlightBuilder.field("productName"); // 设置高亮字段

highlightBuilder.preTags(""); // 设置高亮字段的前缀

highlightBuilder.postTags(""); // 设置高亮字段的后缀

// 创建NativeSearchQuery对象，封装查询条件

NativeSearchQuery nativeSearchQuery = new NativeSearchQueryBuilder()

.withQuery(QueryBuilders.matchQuery("productName", "华为"))

.withHighlightBuilder(highlightBuilder) // 设置高亮参数

.build();

// 调用search方法进行查询

SearchHits searchHits = elasticsearchRestTemplate.search(nativeSearchQuery, Product.class);

// 遍历操作

searchHits.stream().forEach(productSearchHit -> System.out.println(productSearchHit));

}

3.4.7 分页查询

/**

* 测试分页查询

@Test

public void testPage() {

// 构造NativeSearchQuery对象，封装查询条件

NativeSearchQuery nativeSearchQuery = new NativeSearchQueryBuilder()

.withQuery(QueryBuilders.matchAllQuery())

.withPageable(PageRequest.of(0, 2)) // 设置分页参数

.build();

// 调用search方法进行查询

SearchHits searchHits = elasticsearchRestTemplate.search(nativeSearchQuery, Product.class);

// 遍历操作

searchHits.stream().forEach(productSearchHit -> System.out.println(productSearchHit));

}

3.4.8 聚合查询

1、向Product实体类中添加新字段，类型设置为keyword(完整的单词，不进行分词)：

/**

* 分类

@Field(type = FieldType.Keyword)

private String category;

2、在kibana中执行DSL命令删除索引库：DELETE /product

3、添加数据

/**

* 测试批量插入数据

@Test

public void testBulkAddDocument() {

// 准备数据

Product product1 = new Product(1L, "华为手机", 200, 2000.00, "华为");

Product product2 = new Product(2L, "华为笔记本电脑", 100, 5699.00, "华为");

Product product3 = new Product(3L, "VIVO手机", 200, 3600.00, "vivo");

// 构造IndexQuery对象

List indexQueryList = new ArrayList();

indexQueryList.add(new IndexQueryBuilder().withObject(product1).build());

indexQueryList.add(new IndexQueryBuilder().withObject(product2).build());

indexQueryList.add(new IndexQueryBuilder().withObject(product3).build());

// 批量添加文档

elasticsearchRestTemplate.createIndex(Product.class); // 创建索引库

elasticsearchRestTemplate.putMapping(Product.class); // 创建映射关系

elasticsearchRestTemplate.bulkIndex(indexQueryList, IndexCoordinates.of("product"));

}

4、聚合查询（terms、sum）

/**

* 测试聚合查询

@Test

public void testAggs() {

// 构造聚合查询对象

AbstractAggregationBuilder aggregationBuilder = AggregationBuilders

// 分组查询,size=2表示查询前两个分组

.terms("group_category").field("category").size(2)

// 子聚合查询

.subAggregation(AggregationBuilders.sum("sum_price").field("price"));

// 构造NativeSearchQuery条件查询对象

NativeSearchQuery nativeSearchQuery = new NativeSearchQueryBuilder()

.withQuery(QueryBuilders.matchAllQuery()) // 设置查询条件

.addAggregation(aggregationBuilder) // 设置聚合查询参数

// 各种查询条件....

.build();

// 调用search方法进行查询

SearchHits searchHits = elasticsearchRestTemplate.search(nativeSearchQuery, Product.class);

// 解析聚合结果

Aggregations aggregations = searchHits.getAggregations();

// 根据名称获取聚合结果

Terms terms = aggregations.get("group_category");

// 获取桶

List buckets = terms.getBuckets();

// 遍历

for (Terms.Bucket bucket : buckets) {

// 获取分组的key

String key = bucket.getKeyAsString();

// 获取文档数量

long docCount = bucket.getDocCount();

//获取子聚合结果

Sum sumPrice = bucket.getAggregations().get("sum_price");

double value = sumPrice.getValue();

System.out.println("分组名称: " + key);

System.out.println("文档个数: " + docCount);

System.out.println("总价格: " + value);

System.out.println("----------------------");

}

3.5 使用ElasticsearchRepository接口操作ES

ElasticsearchRepository接口常用方法：

保存单个文档：void save(T entity)保存多个文档：Iterable saveAll(Iterable entities)根据 ID 获取文档：Optional findById(String id)判断文档是否存在：Boolean existsById(String id)获取所有文档：Iterable findAll()

方法参数：Sort ：自定义排序方法参数：Pageable：分页对象获取多个ID 的文档：Iterable findAllById(Iterable ids)获取文档数量：long count()删除单个文档：void deleteById(String id)删除多个文档：void deleteAll(Iterable entities)删除所有文档：void deleteAll()条件查询：search()

定义持久层接口：

package cn.aopmin.dao;

import cn.aopmin.pojo.Product;

import org.springframework.data.elasticsearch.repository.ElasticsearchRepository;

import org.springframework.stereotype.Repository;

/**

* 自定义接口去继承ElasticsearchRepository接口，实现对ES的操作

* ElasticsearchRepository Product:实体类 Long:主键类型

@Repository

public interface ProductRepository extends ElasticsearchRepository {

}

示例1：根据文档id查文档（findById）

package cn.aopmin.test;

import cn.aopmin.dao.ProductRepository;

import cn.aopmin.pojo.Product;

import org.junit.jupiter.api.Test;

import org.springframework.beans.factory.annotation.Autowired;

import org.springframework.boot.test.context.SpringBootTest;

import java.util.Optional;

/**

* 测试ElasticsearchRepository接口

* @author 白豆五

* @version 2023/07/25

* @since JDK8

@SpringBootTest

public class ElasticsearchRepositoryTest {

@Autowired

private ProductRepository productRepository; //自定义持久层接口

/**

* 测试根据id查询文档

@Test

public void test() {

Optional optional = productRepository.findById(1L);

Product product = optional.get();

System.out.println(product);

}

示例2：查询所有（findAll）

/**

* 测试查询所有文档

@Test

public void testFindAll() {

// 查询所有文档

Iterable iterable = productRepository.findAll();

// 遍历迭代器对象

for (Product product : iterable) {

System.out.println(product);

}

System.out.println("====================================");

// 查询所有,对查询结果按照price字段进行排序

Iterable iterable2 = productRepository.findAll(Sort.by(Sort.Direction.DESC, "price"));

iterable2.forEach(System.out::println);

}

示例3：条件查询（调用search方法，通过QueryBuilders构建查询条件）

/**

* 测试条件查询

@Test

public void testMatchAll(){

Iterable iterable = productRepository.search(QueryBuilders.matchAllQuery());

iterable.forEach(System.out::println);

}

示例4：分页查询

/**

* 测试分页查询

@Test

public void testPage() {

// 分页对象

Pageable Pageable = PageRequest.of(0, 2);

// 分页查询

// productRepository.search(QueryBuilders.matchAllQuery(), Pageable);

Page page = productRepository.findAll(Pageable);

// 获取总记录数

System.out.println("total:" + page.getTotalElements());

// 获取当前页码

System.out.println("当前页码:" + (page.getNumber() + 1));

// 获取总页数

System.out.println("总页数:" + page.getTotalPages());

// 获取当前页数据

page.forEach(System.out::println);

}

示例5：自定义查询方法（findByXxx）

Spring Data 支持自定义查询方法，但是方法命名需要遵循一定的命名规范，这样SpringData框架才会根据方法名自动实现相关查询操作。

比如：findByName，表示根据字段name进行查询，它会自动帮你完成，无需写实现类。

方法命名规范：（参考：https://blog.csdn.net/hzj_java/article/details/118096157）

① 在持久层接口中定义方法(方法名会自动提示)

@Repository

public interface ProductRepository extends ElasticsearchRepository {

// 查询指定价格区间的文档

public Iterable findByPriceBetween(Double begin, Double end);

}

②测试

/**

* 测试自定义查询

@Test

public void testFindByPriceBetween() {

Iterable iterable = productRepository.findByPriceBetween(1000.0, 3000.0);

iterable.forEach(System.out::println);

}

小节：

操作es有两种技术方案：

方案一：使用原生API（RestHighLevelClient），可以更灵活地操作Elasticsearch。（底层代码）

方案二：使用Spring Data Elasticsearch，可以通过ElasticsearchRestTemplate和ElasticsearchRepository 接口操作ES。

ElasticsearchRestTemplateElasticsearchRepository 接口

使用默认的crud方法自定义查询方法 findByXxx

推荐阅读

评论可见，请评论后查看内容，谢谢！！！评论后请刷新页面。

夸智网

Elasticsearch笔记

ide Linux下刻录光盘

运维 SpringBoot 在云服务器上安装Jenkins

发表评论取消回复

夸智网

Elasticsearch笔记

ide Linux下刻录光盘

运维 SpringBoot 在云服务器上安装Jenkins

相关文章

发表评论取消回复