黑马-Cloud21版-实用篇05：分布式搜索引擎01：es的概念以及安装es、kibana，索引库操作，文档操作，java代码操作索引库，java代码操作文档

分布式搜索引擎01

– elasticsearch基础

0.学习目标

1.初识elasticsearch

说明：随着业务的发展我们的数据量越来越庞大，传统的这种mysql数据库就渐渐的难以满足我们复杂的业务需求了，所以在微服务架构下一般都会用到一种分布式搜索的技术，今天就开始学习分布式搜索当中最为流行的一种elasticsearch。

1.1.了解ES

1.1.1.elasticsearch的作用

elasticsearch是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容

例如：

• 在GitHub搜索代码

  

• 在电商网站搜索商品

  

• 在百度搜索答案

  

• 在打车软件搜索附近的车

  

1.1.2.ELK技术栈

elasticsearch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：

• 日志数据分析：项目运行过程中产生的海量日志信息，方便定位系统所出现的问题。线上运行你不可能Debug测试。elasticsearch会以可视化的形式展示出来。
• 实时监控：项目运行过程中的运行状态，比如cpu、内存、访问频率等等，将来以可视化的形式展示出来。

而elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。

• Kibana：组件可以被替换
• elasticsearch：核心组件不可被替换
• Logstash：组件可以被替换
• Beats：组件可以被替换
  

1.1.3.elasticsearch和lucene

elasticsearch底层是基于lucene来实现的。

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/ 。

• 类库：jar包。

优点：

• 易扩展：可以基于它做二次的开发和定制，实现更高一级的功能，这个类库只实现了搜索引擎的核心api，剩下的你可以去拓展。
• 高性能（基于倒排索引）：这种数据结构查询起来性能非常好。

缺点：

• 只限于Java语言开发：它是java语言的类库
• 学习曲线陡峭：api设计比较复杂
• 不支持水平扩展：lucene这套类库只考虑了如何实现搜索，没有高并发也不支持集群扩展场景，想要实现这些功能必须要做一些二次的开发。而elasticsearch正是基于lucene做的二次开发。
  

elasticsearch的发展历史：

• 2004年Shay Banon基于Lucene开发了Compass
• 2010年Shay Banon 重写了Compass，取名为Elasticsearch。
• https://www.elastic.co/cn/
• Restful接口和语言无关

1.1.4.为什么不是其他搜索技术？

目前比较知名的搜索引擎技术排名：

搜索引擎技术排名：

1. Elasticsearch：开源的分布式搜索引擎
2. Splunk：商业项目 ， 收费
3. Solr：Apache的开源搜索引擎

虽然在早期，Apache Solr是最主要的搜索引擎技术，但随着发展elasticsearch已经渐渐超越了Solr，独占鳌头：

1.1.5.总结

什么是elasticsearch？

• 一个开源的分布式搜索引擎，可以用来实现搜索、日志统计、分析、系统监控等功能

什么是elastic stack（ELK）？

• 是以elasticsearch为核心的技术栈，包括beats、Logstash、kibana、elasticsearch

什么是Lucene？

• 是Apache的开源搜索引擎类库，提供了搜索引擎的核心API

1.2.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。

1.2.1.正向索引

那么什么是正向索引呢？例如给下表（tb_goods）中的id创建索引：

如果是根据id查询，那么直接走索引，查询速度非常快。

但如果是基于title做模糊查询（模糊查询即便建立了索引也会导致索引失效，走全表扫描），只能是逐行扫描数据，流程如下：

1）用户搜索数据，条件是title符合"%手机%"

2）逐行获取数据，比如id为1的数据

3）判断数据中的title是否符合用户搜索条件

4）如果符合则放入结果集，不符合则丢弃。回到步骤1

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

1.2.2.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（中英文都可以，）

创建倒排索引是对正向索引的一种特殊处理，流程如下：

• 倒排索引在创建的时候会形成一张新的表。表中包含2个字段（词条、文档id）。
• 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
  • 解释：新建的表中存入词条以及文档id，词条不能重复记录，当重复时在重复的词条后记录对应数据的di即可。
• 因为词条唯一性，可以给词条创建索引，例如hash表结构索引

如图：

倒排索引的搜索流程如下（以搜索"华为手机"为例）：

1）用户输入条件"华为手机"进行搜索。

2）对用户输入内容分词，得到词条：华为、手机。

3）拿着词条在倒排索引中查找，可以得到包含词条的文档id：1、2、3。

4）拿着文档id到正向索引中查找具体文档。

如图：

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。

1.2.3.正向和倒排

那么为什么一个叫做正向索引，一个叫做倒排索引呢？

• 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。

是不是恰好反过来了？

那么两者方式的优缺点是什么呢？

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

1.3.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。

1.3.1.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：

而Json文档中往往包含很多的字段（Field），类似于数据库中的列。

1.3.2.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；

因此，我们可以把索引当做是数据库中的表，不同类型放到不同的索引库。

映射（mapping）：索引中文档的字段约束信息，类似表的结构约束

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。

1.3.3.mysql与elasticsearch

我们统一的把mysql与elasticsearch的概念做一下对比：

MySQL	Elasticsearch	说明
Table	Index	索引(index)，就是文档的集合，类似数据库的表(table)
Row ：行数据	Document	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
Column ：列数据	Field	字段（Field），就是JSON文档中的字段，类似数据库中的列（Column）
Schema：约束	Mapping	Mapping（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）
SQL	DSL	DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD

说明：

• mysql：将来在mysql中sql写好了，通过connection把它发给mysql去处理。
• elasticsearch：DSL 写好了是通过http请求发送的，因为es里面对外暴露的是restful接口，这种接口和语言无关，也就是说任何语言只要你能发送http请求你都可以把你的DSL发给我去处理。

是不是说，我们学习了elasticsearch就不再需要mysql了呢？

并不是如此，两者各自有自己的擅长支出：互补关系

• Mysql：擅长事务类型操作，可以确保数据的安全和一致性

  • 因为有a c i d 原子行…

• Elasticsearch：擅长海量数据的搜索、分析、计算

  • 没有事务的特性，无法保证数据的安全和一致性

因此在企业中，往往是两者结合使用：

• 对安全性要求较高的写操作，使用mysql实现
• 对查询性能要求较高的搜索需求，使用elasticsearch实现
• 两者再基于某种方式，实现数据的同步，保证一致性

举例：

• 用户发送一个请求到服务器，之后在服务器中进行判断，如果是增删改的写操作 就把它写到我们的mysql中，这样数据就比较安全了。
• 如果是查询读操作则建议到elasticsearch中去搜索，因为es的性能更好。
• 也就意味着两边都需要有数据，因为crud你要操作的是同一张表的数据，你不能增删改操作mysql中的订单表，查询elasticsearch中的表不是订单表了。
• 如何确保数据同步2边都有数据呢？？？
  • 一般是写在mysql中的，然后mysql在基于某种方式将数据同步给我们的es，从而实现数据的双写。

1.4.安装es、kibana

为什么还要安装kibana？？？？

因为kibana里面提供了一个DevTool工具，可以让我们非常方便的去编写es中的dsl语句从而去操作es（发送请求到es）。

1.4.1.安装

参考课前资料：https://blog.csdn.net/aa35434/article/details/138261790

1.4.2.分词器

es在创建倒排索引时需要对文档分词；在搜索时，需要对用户输入内容分词。但默认的分词规则对中文处理并不友好。

我们在kibana的DevTools中测试的请求代码：

POST /_analyze
{
  "analyzer": "standard",
  "text": "黑马程序员学习java太棒了！"
}

语法说明：

• POST：请求方式
• /_analyze：请求路径，这里省略了http://192.168.150.101:9200，由kibana帮我们补充
• 请求参数，json风格：
  • analyzer：分词器类型，这里是默认的standard分词器
  • text：要分词的内容

测试：使用默认的分词器，没有安装IK分词器之前的测试

效果：中文都是按字进行拆分，他没有办法理解中文含义安内容来分，比如：手机分为手和机2个词，这样在搜索手机的时候包含手和机的词都出来了，手表、大手、小手这些词和你搜的手机都没有关系，显然不合适。

解决：处理中文分词，一般会使用IK分词器。

IK分词器官网：https://github.com/medcl/elasticsearch-analysis-ik

安装IK分词器，参考课前资料《安装elasticsearch.md》：https://blog.csdn.net/aa35434/article/details/138261790

1.4.3.总结

分词器的作用是什么？

• 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分词器有几种模式？

• ik_smart：智能切分，粗粒度
• ik_max_word：最细切分，细粒度

IK分词器如何拓展词条？如何停用词条？

• 利用config目录的IkAnalyzer.cfg.xml文件添加拓展词典和停用词典
• 在词典中添加拓展词条或者停用词条

2.索引库操作----表、约束

索引库就类似数据库表，mapping映射（约束）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”。

2.1.mapping映射属性（约束）

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，可以进行拆分）、keyword（精确值，不可以拆分，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：是否创建倒排索引，默认为true，所有的字段都会创建倒排索引，都会参与搜索。
  • 实际开发过程中不是所有的字段都需要创建索引去搜索（邮箱、图片），因此在创建字段映射的时候需要判断一下这个字段是否参与搜索，也可以根据你的业务需求去判断。
• analyzer：使用哪种分词器
  • 用到的比较少，只有text类型才需要分词，一般analyzer结合text一起使用。
• properties：该字段的子字段
  • 比如指定下面name的子属性，firstName和lastName。

例如下面的json文档：

{
    "age": 21,
    "weight": 52.1,
    "isMarried": false,
    "info": "黑马程序员Java讲师",
    "email": "zy@itcast.cn",
    "score": [99.1, 99.5, 98.9],
    "name": {
        "firstName": "云",
        "lastName": "赵"
    }
}

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

2.2.索引库的CRUD

这里我们统一使用Kibana编写DSL的方式来演示。

2.2.1.创建索引库和映射----插入（put）

即：创建表并指定约束

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映射

格式：

PUT /索引库名称
{
  "mappings": { #映射(字段约束、表结构)
    "properties": {#字段
      "字段名":{#指定具体的字段，每个字段有主机的信息
        "type": "text", #字段数据类型
        "analyzer": "ik_smart" #分词器
      },
      "字段名2":{
        "type": "keyword",
        "index": "false" #不创建索引
      },
      "字段名3":{
        "properties": {#代表子字段，对象嵌套的方式
          "子字段": {
            "type": "keyword"
          }
        }
      },
      // ...略
    }
  }
}

示例：

PUT /heima
{
  "mappings": {
    "properties": {
      "info":{ #用户信息：多个字段组成的字符串，需要分词，默认index为true建立索引
        "type": "text", #text类型可分词
        "analyzer": "ik_smart" #使用text属性必须指定分词器，不然默认的分词器对中文不友好
      },
      "email":{ #邮箱：不需要分词所以不需要指定分词器，不建立索引参与搜索
        "type": "keyword",#不需要分词设置为精确值类型
        "index": false #不建立索引，不需要参与搜索
      },
      "name":{ #对象字段
      	"type": "object",  #对象类型
        "properties": { #子字段
          "firstName": { #具体的子字段
            "type": "keyword" #子字段的类型为字符串精确值，不能分词，参与搜索创建索引为true（默认的index）
          },
            "lastName": { #具体的子字段
            "type": "keyword" #子字段的类型为字符串精确值，不能分词
          }
        }
      }
      // ... 略
    }
  }
}

去掉注释：

PUT /heima
{
  "mappings": {
    "properties": {
      "info":{ 
        "type": "text", 
        "analyzer": "ik_smart" 
      },
      "email":{ 
        "type": "keyword",
        "index": "false" 
      },
      "name":{ 
      	"type": "object",
        "properties": { 
          "firstName": { 
            "type": "keyword" 
          },
            "lastName": { 
            "type": "keyword" 
          }
        }
      }
      
    }
  }
}

2.2.2.查询索引库----查询

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

示例：

2.2.3.修改索引库----修改（put）

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。

总结：

• 在es中索引库是不允许修改的
• 但它允许你修改索引库的过程中添加新字段

语法说明：

PUT /索引库名/_mapping #代表改的是索引库的映射
{
  "properties": {
    "新字段名":{ #新字段名不能和已存在的字段名相同，否则它就认为你改的是已存在的字段，报错
      "type": "integer"
    }
  }
}

示例：

PUT /heima/_mapping 
{
  "properties": {
    "age":{ 
      "type": "integer"
    }
  }
}

2.2.4.删除索引库----删除

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

在kibana中测试：

2.2.5.总结

索引库操作有哪些？

• 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

3.文档操作----一操作表中的数据

上面是对表的crud，现在是对表中一行行的数据的crud。

3.1.新增文档

新增文档的DSL语法如下：

• _doc：固定写法
• 文档id：不写会默认随机生成一个，显然不合适（我们要知道具体的文档id），所以需要自己指定
• 下面就是一个json格式的数据

POST /索引库名/_doc/文档id #告诉kibana，新增的文档到那个库里面去
{
    "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"
    },
    // ...
}

示例：

POST /heima/_doc/1
{
    "info": "黑马程序员Java讲师",
    "email": "zy@itcast.cn",
    "name": {
        "firstName": "云",
        "lastName": "赵"
    }
}

响应：created代表成功

3.2.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}

通过kibana查看数据：

GET /heima/_doc/1

查看结果：

• _version：版本控制，每做一次版本修改都会加1。
• _source：代表插入的原始文档
  

3.3.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

示例：

# 根据id删除数据
DELETE /heima/_doc/1

结果：

3.4.修改文档

修改有两种方式：

• 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

3.4.1.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。

总结：全量修改既可以做修改也可以做新增，如果id存在是修改，如果文档id不存在是新增。

语法： 和新增相比POST 变为PUT了，其它的没有变化。

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

示例：

PUT /heima/_doc/1
{
    "info": "黑马程序员高级Java讲师",
    "email": "zy@itcast.cn",
    "name": {
        "firstName": "云",
        "lastName": "赵"
    }
}

再次查询文档，发现成功修改

如果修改的id不存在就变为新增了

3.4.2.增量(局部)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",
    }
}

示例：

POST /heima/_update/1
{
  "doc": {
    "email": "ZhaoYun@itcast.cn"
  }
}

查看文档，成功修改

3.5.总结

文档操作有哪些？

• 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}}

4.RestAPI

说明：就像数据库一样，前面我们用的是dsl语句操作es，我们作为java程序员最终一定是以java代码的方式操作es的。

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（操作java的）又包括两种：

• Java Low Level Rest Client：最早出现的
• Java High Level Rest Client：基于Low Level进一步的封装，用起来更方便。

我们学习的是Java HighLevel Rest Client客户端API

4.0.导入Demo工程

4.0.1.导入数据

首先导入课前资料提供的数据库数据：

数据结构如下：

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;

4.0.2.导入项目

然后导入课前资料提供的项目:

项目结构如图：修改为自己本地的信息，数据库密码、mysql修改为本地localhost的ip

4.0.3.mapping映射分析

创建索引库，最关键的是mapping映射，而mapping映射要考虑的信息包括：

• 字段名
• 字段数据类型
• 是否参与搜索
• 是否需要分词
• 如果分词，分词器是什么？

其中：

• 字段名、字段数据类型，可以参考数据表结构的名称和类型
  • 把数据库表中的类型转化为es中对应的类型
• 是否参与搜索要分析业务来判断，例如图片地址，就无需参与搜索
• 是否分词呢要看内容，内容如果是一个整体就无需分词，反之则要分词
• 分词器，我们可以统一使用ik_max_word

数据库表中的数据结构：

转化为酒店数据的索引库结构:

PUT /hotel
{
  "mappings": {
    "properties": {
      "id": {#bigint对应的是long类型，但是id类型特殊只能使用字符串类型，不分词是keyword类型
             #id肯定参与到crud，所以index使用默认的true建立索引，参与搜索
        "type": "keyword"
      },
      "name":{ #参与搜索，默认inxex为true
        "type": "text", #字符串类型，需要分词
        "analyzer": "ik_max_word", #细粒度的分词器
        "copy_to": "all"
      },
      "address":{#地址：来到一个新地方一般是搜索附近的酒店，而不是直接输入具体的酒店地址来搜索。
        "type": "keyword",#不需要搜索所以没必要分词，字符串的keyword类型，也不需要分词器
        "index": false #不搜索所以不建立索引
      },
      "price":{#价格：
        "type": "integer"#整数类型，参与搜索index为true建立索引，分词器针对的是字符串的text类型
      },
      "score":{#评分：整数类型，参与搜索index为true建立索引，不需要分词器
        "type": "integer"
      },
      "brand":{#酒店品牌：字符串类型
        "type": "keyword",#不需要分词，参与搜索index为true建立索引，不需要分词器
        "copy_to": "all"
      },
      "city":{#城市
        "type": "keyword",#不需要分词，参与搜索index为true建立索引，不需要分词器
        "copy_to": "all"
      },
      "starName":{#酒店星级：
        "type": "keyword"#不需要分词，参与搜索index为true建立索引，不需要分词器
      },
      "business":{#商圈：
        "type": "keyword"#不需要分词，参与搜索index为true建立索引，不需要分词器
      },
      "location":{#经纬度：酒店坐标，地理坐标比较特殊（对应表的2个字段 latitude、longitude）
        "type": "geo_point"#酒店在地球上比较小，所以代表一个点（既包含经度又包含纬度）
      },
      "pic":{#酒店图片：url地址，既不分词又不搜索
        "type": "keyword", #不分词
        "index": false #不搜索
      },
      #name字段、brand字段、business字段这些字段将来都要参与搜索，也就意味着用户可能输入多个关键字去搜索，
      #		即查询的条件不止一个，类似于数据库es也是1个字段搜索效率高，但是现在就像根据多个字段搜索又想要性能好，
      #		该如何解决呢？？？
      #		字段拷贝可以使用copy_to属性将当前字段拷贝到指定字段，这样all字段就具有所有你拷贝进去的字段值，
      #		也就是说能够在一个字段里搜到多个字段的内容了，这种拷贝还做了优化并不是真的把文档拷贝进去了，而只是
      #		基于它创建倒排索引，所以将来你去查的时候看不到这个字段，但是能够根据它来搜。
      "all":{ #这个字段名all随意
        "type": "text", #字符串类型 可以分词
        "analyzer": "ik_max_word" #细粒度的ik分词器
      }
    }
  }
}

无注释：

PUT /hotel
{
  "mappings": {
    "properties": {
      "id": {
        "type": "keyword"
      },
      "name":{
        "type": "text",
        "analyzer": "ik_max_word",
        "copy_to": "all"
      },
      "address":{
        "type": "keyword",
        "index": false
      },
      "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：

copy_to说明：

4.0.4.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。

分为三步：

1）引入es的RestHighLevelClient依赖：

<!--es-->
<dependency>
    <groupId>org.elasticsearch.client</groupId>
    <artifactId>elasticsearch-rest-high-level-client</artifactId>
    <!--这种方式不能修改es有关的所有版本，所以用插件的方式-->
    <!--<version>7.12.1</version>-->
</dependency>

2）因为SpringBoot默认的ES版本是7.6.2，所以我们需要覆盖默认的ES版本：

注意：要和服务端的版本保持一致

<properties>
    <java.version>1.8</java.version>
    <!--指定es版本-->
    <elasticsearch.version>7.12.1</elasticsearch.version>
</properties>

3）初始化RestHighLevelClient：

初始化的代码如下：

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

这里为了单元测试方便，我们创建一个测试类HotelIndexTest，然后将初始化的代码编写在@BeforeEach方法中：

package cn.itcast.hotel;


import org.apache.http.HttpHost;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;

import java.io.IOException;

public class HotelIndexTest {

    private RestHighLevelClient client;//定义在外面方便复用

    @BeforeEach//单元测试方法之前执行
    void setUp() {
        this.client = new RestHighLevelClient(RestClient.builder(
                //指定es地址，如果是集群可以写多个
                HttpHost.create("http://192.168.10.161:9200")
        ));
    }

    @Test
    void testInit(){
        System.out.println(client);
    }

    @AfterEach//单元测试方法之后执行
    void tearDown() throws IOException {
        this.client.close();//销毁释放资源
    }
}

4.1.创建索引库

4.1.1.代码解读

创建索引库的API如下：

代码分为三步：

• 1）创建Request对象。因为是创建索引库的操作，因此Request是CreateIndexRequest。
• 2）添加请求参数，其实就是DSL的JSON参数部分。因为json字符串很长，这里是定义了静态字符串常量MAPPING_TEMPLATE，让代码看起来更加优雅。
• 3）发送请求，client.indices()方法的返回值是IndicesClient类型，封装了所有与索引库操作有关的方法。

4.1.2.完整示例

在hotel-demo的cn.itcast.hotel.constants包下，创建一个类，定义mapping映射的JSON字符串常量：

操作步骤：

• 首先：创建一个类编写一个常量，后面要加上""。
  
• 之后复制之前编写的dsl语句（put这一行不复制）
  
• 直接复制到这个""里面，会自动生成下面的格式，加上分号(;)

package cn.itcast.hotel.constants;

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" +
            "}";
}

在hotel-demo中的HotelIndexTest测试类中，编写单元测试，实现创建索引：

package cn.itcast.hotel;


import org.apache.http.HttpHost;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.client.indices.CreateIndexRequest;
import org.elasticsearch.common.xcontent.XContentType;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;

import java.io.IOException;

import static cn.itcast.hotel.constants.HotelConstants.MAPPING_TEMPLATE;


public class HotelIndexTest {

    private RestHighLevelClient client;//定义在外面方便复用

    @BeforeEach
        //单元测试方法之前执行
    void setUp() {
        this.client = new RestHighLevelClient(RestClient.builder(
                //指定es地址，如果是集群可以写多个
                HttpHost.create("http://192.168.10.161:9200")
        ));
    }

    @Test
    void testInit(){
        System.out.println(client);
    }
	//创建索引库
    @Test
    void createHotelIndex() throws IOException {
        // 1.创建Request对象（CreateIndexRequest是创建的对象）：参数 索引库的名称
        CreateIndexRequest request = new CreateIndexRequest("hotelssss");
        // 2.准备请求的参数：DSL语句,语句的类型
        //  DSL语句太长没有直接传，所以定义为常量方式
        request.source(MAPPING_TEMPLATE, XContentType.JSON);
        // 3.发送请求
        //client.indices():获取操作索引库的对象 IndicesClient，这个对象包含所有与索引库操作有关的方法
        //   create(xx,xx)：创建索引库，参数1为request对象  参数2为请求的一些参数，控制请求头的一些信息，一般不用控制使用默认即可
        //   create需要抛出异常
        client.indices().create(request, RequestOptions.DEFAULT);
    }


    @AfterEach
        //单元测试方法之后执行
    void tearDown() throws IOException {
        this.client.close();//销毁释放资源
    }
}

访问测试：

4.2.删除索引库

删除索引库的DSL语句非常简单：

DELETE /hotel

与创建索引库相比：

• 请求方式从PUT变为DELTE
• 请求路径不变
• 无请求参数

所以代码的差异，注意体现在Request对象上。依然是三步走：

• 1）创建Request对象。这次是DeleteIndexRequest对象
• 2）准备参数。这里是无参
• 3）发送请求。改用delete方法

在hotel-demo中的HotelIndexTest测试类中，编写单元测试，实现删除索引：

    //删除
    @Test
    void testDeleteHotelIndex() throws IOException {
        // 1.创建Request对象
        DeleteIndexRequest request = new DeleteIndexRequest("hotelssss");
        // 2.发送请求：不同的请求方法对应不同的request对象
        client.indices().delete(request, RequestOptions.DEFAULT);
    }

4.3.判断索引库是否存在

判断索引库是否存在，本质就是查询，对应的DSL是：

GET /hotel

因此与删除的Java代码流程是类似的。依然是三步走：

• 1）创建Request对象。这次是GetIndexRequest对象
• 2）准备参数。这里是无参
• 3）发送请求。改用exists方法
• 4）只不过判断是否存在有返回值，要输出它。

    //判断索引库是否存在
    @Test
    void testExistsHotelIndex() throws IOException {
        // 1.创建Request对象
        GetIndexRequest request = new GetIndexRequest("hotelssss");
        // 2.发送请求
        boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);
        // 3.输出
        System.out.println(exists); //true
        System.err.println(exists ? "索引库已经存在！" : "索引库不存在！");//索引库已经存在！  err:打印出来的是红色，更加显眼
    }

测试删除：

• 执行删除方法，在执行判断方法：不存在
  

• 之后在执行创建方法，在执行判断方法：存在
  

4.4.单元测试总代码：

package cn.itcast.hotel;


import org.apache.http.HttpHost;
import org.elasticsearch.action.admin.indices.delete.DeleteIndexRequest;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.client.indices.CreateIndexRequest;
import org.elasticsearch.client.indices.GetIndexRequest;
import org.elasticsearch.common.xcontent.XContentType;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;


import java.io.IOException;

import static cn.itcast.hotel.constants.HotelConstants.MAPPING_TEMPLATE;


public class HotelIndexTest {

    private RestHighLevelClient client;//定义在外面方便复用

    //创建RestClient对象：java代码的方式操作es的api对象
    @BeforeEach
        //单元测试方法之前执行
    void setUp() {
        this.client = new RestHighLevelClient(RestClient.builder(
                //指定es地址，如果是集群可以写多个
                HttpHost.create("http://192.168.10.161:9200")
        ));
    }

    @Test
    void testInit(){
        System.out.println(client);
    }

    //创建索引库
    @Test
    void createHotelIndex() throws IOException {
        // 1.创建Request对象（CreateIndexRequest是创建的对象）：参数 索引库的名称
        CreateIndexRequest request = new CreateIndexRequest("hotelssss");
        // 2.准备请求的参数：DSL语句,语句的类型
        //  DSL语句太长没有直接传，所以定义为常量方式
        request.source(MAPPING_TEMPLATE, XContentType.JSON);
        // 3.发送请求
        //client.indices():获取操作索引库的对象 IndicesClient，这个对象包含所有与索引库操作有关的方法
        //   create(xx,xx)：创建索引库，参数1为request对象  参数2为请求的一些参数，控制请求头的一些信息，一般不用控制使用默认即可
        //   create需要抛出异常
        client.indices().create(request, RequestOptions.DEFAULT);
    }

    //删除
    @Test
    void testDeleteHotelIndex() throws IOException {
        // 1.创建Request对象
        DeleteIndexRequest request = new DeleteIndexRequest("hotelssss");
        // 2.发送请求：不同的请求方法对应不同的request对象
        client.indices().delete(request, RequestOptions.DEFAULT);
    }

    //判断索引库是否存在
    @Test
    void testExistsHotelIndex() throws IOException {
        // 1.创建Request对象
        GetIndexRequest request = new GetIndexRequest("hotelssss");
        // 2.发送请求
        boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);
        // 3.输出
        System.out.println(exists); //true
        System.err.println(exists ? "索引库已经存在！" : "索引库不存在！");//索引库已经存在！  err:打印出来的是红色，更加显眼
    }


    @AfterEach
        //单元测试方法之后执行
    void tearDown() throws IOException {
        this.client.close();//销毁释放资源
    }
}

4.5.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

5.RestClient操作文档

5.0 案例需求：利用JavaRestClient实现文档的CRUD

去数据库查询酒店数据，导入到hotel索引库，实现酒店数据的CRUD

基本步骤如下：

• 初始化JavaRestClient：上节课已做过
• 利用JavaRestClient新增酒店数据到索引库：从数据库里去查酒店数据，把它转化为索引库所需要的格式，然后写到索引库里去。
• 利用JavaRestClient根据id查询酒店数据
• 利用JavaRestClient删除酒店数据
• 利用JavaRestClient修改酒店数据

为了与索引库操作分离，我们再次参加一个测试类，做两件事情：

• 初始化RestHighLevelClient
• 我们的酒店数据在数据库，需要利用IHotelService去查询，所以注入这个接口

package cn.itcast.hotel;

import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.service.IHotelService;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;

import java.io.IOException;
import java.util.List;

@SpringBootTest
public class HotelDocumentTest {
    @Autowired
    private IHotelService hotelService;

    private RestHighLevelClient client;

    @BeforeEach
    void setUp() {
        this.client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://192.168.150.101:9200")
        ));
    }

    @AfterEach
    void tearDown() throws IOException {
        this.client.close();
    }
}

5.1.新增文档

我们要将数据库的酒店数据查询出来，写入elasticsearch中。

新增文档的流程：新增的数据来自于数据库，所以需要先把对应的酒店数据查出来，然后再插入到elasticsearch索引库中。

5.1.1.索引库实体类

• 数据库中表的数据：可以封装为java中的一个实体类

• es索引库中的索引是由一个个文档json类型的数据组成的：也可以封装为java类型的一个实体类

• 总结：该业务新增的流程，数据库中的表转化为对应的实体类，实体类在转化为json存入到es中，只不过es需要的实体类格式不同需要先进行实体类的转化。

数据库查询后的结果是一个Hotel（酒店）类型的对象。结构如下：

@Data
@TableName("tb_hotel")
public class Hotel {
    @TableId(type = IdType.INPUT)
    private Long id;
    private String name;
    private String address;
    private Integer price;
    private Integer score;
    private String brand;
    private String city;
    private String starName;
    private String business;
    private String longitude;
    private String latitude;
    private String pic;
}

与我们的索引库结构存在差异：

• longitude和latitude需要合并为location：索引库的地理位置坐标特殊，它是把经纬度合成一个字符串，拼接在一起

因此，我们需要定义一个新的类型，与索引库结构吻合：

package cn.itcast.hotel.pojo;

import lombok.Data;
import lombok.NoArgsConstructor;

@Data
@NoArgsConstructor
public class HotelDoc {
    private Long id;
    private String name;
    private String address;
    private Integer price;
    private Integer score;
    private String brand;
    private String city;
    private String starName;
    private String business;
    private String location;
    private String pic;

    public HotelDoc(Hotel hotel) {
        this.id = hotel.getId();
        this.name = hotel.getName();
        this.address = hotel.getAddress();
        this.price = hotel.getPrice();
        this.score = hotel.getScore();
        this.brand = hotel.getBrand();
        this.city = hotel.getCity();
        this.starName = hotel.getStarName();
        this.business = hotel.getBusiness();
        this.location = hotel.getLatitude() + ", " + hotel.getLongitude();
        this.pic = hotel.getPic();
    }
}

5.1.2.语法说明

新增文档的DSL语句如下：

POST /{索引库名}/_doc/1
{
    "name": "Jack",
    "age": 21
}

对应的java代码如图：

可以看到与创建索引库类似，同样是三步走：

• 1）创建Request对象
• 2）准备请求参数，也就是DSL中的JSON文档
• 3）发送请求

变化的地方在于，这里直接使用client.xxx()的API，不再需要client.indices()了。

5.1.3.完整代码

我们导入酒店数据，基本流程一致，但是需要考虑几点变化：

• 酒店数据来自于数据库，我们需要先查询出来，得到hotel对象
• hotel对象需要转为HotelDoc对象
• HotelDoc需要序列化为json格式

因此，代码整体步骤如下：

• 1）根据id查询酒店数据Hotel
• 2）将Hotel封装为HotelDoc
• 3）将HotelDoc序列化为JSON
• 4）创建IndexRequest，指定索引库名和id
• 5）准备请求参数，也就是JSON文档
• 6）发送请求

在hotel-demo的HotelDocumentTest测试类中，编写单元测试：

package cn.itcast.hotel;


import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.pojo.HotelDoc;
import cn.itcast.hotel.service.IHotelService;
import com.alibaba.fastjson.JSON;
import org.apache.http.HttpHost;
import org.elasticsearch.action.admin.indices.delete.DeleteIndexRequest;
import org.elasticsearch.action.index.IndexRequest;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.client.indices.CreateIndexRequest;
import org.elasticsearch.client.indices.GetIndexRequest;
import org.elasticsearch.common.xcontent.XContentType;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;

import java.io.IOException;

import static cn.itcast.hotel.constants.HotelConstants.MAPPING_TEMPLATE;


@SpringBootTest
public class HotelDocumentTest {
    @Autowired
    IHotelService hotelService; //myPlus方式：注入了业务层实现类，该类的父接口实现了IService<Hotel>

    private RestHighLevelClient client;//定义在外面方便复用

    //创建RestClient对象：java代码的方式操作es的api对象
    @BeforeEach
        //单元测试方法之前执行
    void setUp() {
        this.client = new RestHighLevelClient(RestClient.builder(
                //指定es地址，如果是集群可以写多个
                HttpHost.create("http://192.168.10.161:9200")
        ));
    }

    @Test
    void testInit(){
        System.out.println(client);
    }

    //文档新增
    @Test
    void testAddDocument() throws IOException {
        // 1.根据id查询酒店数据  61083L用的是数据库酒店表的一张真实id
        Hotel hotel = hotelService.getById(61083L);
        // 2.转换为文档类型
        HotelDoc hotelDoc = new HotelDoc(hotel);
        // 3.将HotelDoc对象转json： fastjson提供的api
        String json = JSON.toJSONString(hotelDoc);

        // 1.准备Request对象 ：索引库名 ，文档id（来自己数据库的酒店数据）
        //   bigint对应的是long类型，但是id类型特殊只能使用字符串类型，不分词是keyword类型
        IndexRequest request = new IndexRequest("hotelssss").id(hotelDoc.getId().toString());
        // 2.准备Json文档：新增的json文档（来自己数据库的酒店数据），类型
        request.source(json, XContentType.JSON);
        // 3.发送请求   index：操作文档，给文档创建倒排索引
        //  request对象   依然是默认类型
        client.index(request, RequestOptions.DEFAULT);
    }




    @AfterEach
        //单元测试方法之后执行
    void tearDown() throws IOException {
        this.client.close();//销毁释放资源
    }
}

运行单元测试类，然后访问测试：可以正确查询到这条插入的文档数据

用到的mybatis-plus

用到的数据库表中对应的数据：

5.2.查询文档

5.2.1.语法说明

查询的DSL语句如下：

GET /hotel/_doc/{id}

非常简单，因此代码大概分两步：

• 准备Request对象
• 发送请求

不过查询的目的是得到结果，解析为HotelDoc，因此难点是结果的解析。完整代码如下：

可以看到，结果是一个JSON，其中文档放在一个_source（封装的是原始文档信息）属性中，因此解析就是拿到_source，反序列化为Java对象即可。

与之前类似，也是三步走：

• 1）准备Request对象。这次是查询，所以是GetRequest
• 2）发送请求，得到结果。因为是查询，这里调用client.get()方法
• 3）解析结果，就是对JSON做反序列化

5.2.2.完整代码

在hotel-demo的HotelDocumentTest测试类中，编写单元测试：

    //查询
    @Test
    void testGetDocumentById() throws IOException {
        // 1.准备Request ：索引库，文档id
        GetRequest request = new GetRequest("hotelssss", "61083");
        // 2.发送请求，得到响应：request对象，默认类型
        GetResponse response = client.get(request, RequestOptions.DEFAULT);
        // 3.解析响应结果：_source封装的是原始文档信息，所以想要拿到查询结果只需要解析source即可
        String json = response.getSourceAsString();//返回值是个json字符串

        //我们最终肯定得到的是个对象：将json字符串转化为对象（fastjson实现反序列化）
        //  反序列化的值，需要转化的类型
        HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
        System.out.println(hotelDoc);
    }

运行测试类：

5.3.删除文档

删除的DSL为是这样的：

DELETE /hotel/_doc/{id}

与查询相比，仅仅是请求方式从DELETE变成GET，可以想象Java代码应该依然是三步走：

• 1）准备Request对象，因为是删除，这次是DeleteRequest对象。要指定索引库名和id
• 2）准备参数，无参
• 3）发送请求。因为是删除，所以是client.delete()方法

在hotel-demo的HotelDocumentTest测试类中，编写单元测试：

    //删除
    @Test
    void testDeleteDocument() throws IOException {
        // 1.准备Request
        DeleteRequest request = new DeleteRequest("hotelssss", "61083");
        // 2.发送请求
        client.delete(request, RequestOptions.DEFAULT);
    }

先执行删除，在执行查询：结果为null

5.4.修改文档

5.4.1.语法说明

修改我们讲过两种方式：

• 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，判断依据是ID：

• 如果新增时，ID已经存在，则修改
• 如果新增时，ID不存在，则新增

这里不再赘述，我们主要关注增量修改。

代码示例如图：

与之前类似，也是三步走：

• 1）准备Request对象。这次是修改，所以是UpdateRequest
• 2）准备参数。也就是JSON文档，里面包含要修改的字段
• 3）更新文档。这里调用client.update()方法

5.4.2.完整代码

在hotel-demo的HotelDocumentTest测试类中，编写单元测试：

    // 增量修改：修改局部
    @Test
    void testUpdateDocument() throws IOException {
        // 1.准备Request
        UpdateRequest request = new UpdateRequest("hotelssss", "61083");
        // 2.准备请求参数：需要更新的字段
        request.doc(
                "price", "952",
                "starName", "四钻"
        );
        // 3.发送请求，更新文档
        client.update(request, RequestOptions.DEFAULT);
    }

执行修改的单元测试，在执行查询的单元测试：可以看到字段更新成功

5.5.批量导入文档

说明：上面学习的新增是一次新增一条数据，那么如果你将来的数据库里有数千上万的数据，一次新增一个太麻烦了。

案例需求：利用BulkRequest批量将数据库数据导入到索引库中。

步骤如下：

• 利用mybatis-plus查询酒店数据

• 将查询到的酒店数据（Hotel）转换为文档类型数据（HotelDoc）

• 利用JavaRestClient中的BulkRequest批处理，实现批量新增文档

5.5.1.语法说明

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，用来添加其他请求：

可以看到，能添加的请求包括：

• IndexRequest，也就是新增
• UpdateRequest，也就是修改
• DeleteRequest，也就是删除

因此Bulk中添加了多个IndexRequest，就是批量新增功能了。示例：

其实还是三步走：

• 1）创建Request对象。这里是BulkRequest
• 2）准备参数。批处理的参数，就是其它Request对象，这里就是多个IndexRequest
• 3）发起请求。这里是批处理，调用的方法为client.bulk()方法

我们在导入酒店数据时，将上述代码改造成for循环处理即可。

5.5.2.完整代码

在hotel-demo的HotelDocumentTest测试类中，编写单元测试：

    //批量新增
    @Test
    void testBulkRequest() throws IOException {
        // 批量查询酒店数据  MP方式
        List<Hotel> hotels = hotelService.list();//查询所有酒店数据

        // 1.创建Request：不需要传递参数，它只是一个封装，把别的请求捆绑到一起
        BulkRequest request = new BulkRequest();
        // 2.准备参数，添加多个新增的Request：根据传递请求类型的不同，可以批量修改、批量删除、批量新增
        for (Hotel hotel : hotels) {
            // 2.1.转换为文档类型HotelDoc ：遍历hotes一个个的转化
            HotelDoc hotelDoc = new HotelDoc(hotel);
            // 2.2.创建新增文档的Request对象 ：批量新增使用IndexRequest对象
            // 索引库名称   文档id   新增的json文档数据
            // 链式加载
            request.add(new IndexRequest("hotelssss")
                    .id(hotelDoc.getId().toString())
                    .source(JSON.toJSONString(hotelDoc), XContentType.JSON));
        }
        // 3.发送请求
        //  bulk：批量处理， 参数1 参数2 和以前一样
        client.bulk(request, RequestOptions.DEFAULT);
    }

执行单元测试，然后批量查询文档数据

5.6.文档单元测试总代码

package cn.itcast.hotel;


import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.pojo.HotelDoc;
import cn.itcast.hotel.service.IHotelService;
import com.alibaba.fastjson.JSON;
import org.apache.http.HttpHost;
import org.elasticsearch.action.admin.indices.delete.DeleteIndexRequest;
import org.elasticsearch.action.bulk.BulkRequest;
import org.elasticsearch.action.delete.DeleteRequest;
import org.elasticsearch.action.get.GetRequest;
import org.elasticsearch.action.get.GetResponse;
import org.elasticsearch.action.index.IndexRequest;
import org.elasticsearch.action.update.UpdateRequest;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.client.indices.CreateIndexRequest;
import org.elasticsearch.client.indices.GetIndexRequest;
import org.elasticsearch.common.xcontent.XContentType;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;

import java.io.IOException;
import java.util.List;

import static cn.itcast.hotel.constants.HotelConstants.MAPPING_TEMPLATE;


@SpringBootTest
public class HotelDocumentTest {
    @Autowired
    IHotelService hotelService; //myPlus方式：注入了业务层实现类，该类的父接口实现了IService<Hotel>

    private RestHighLevelClient client;//定义在外面方便复用

    //创建RestClient对象：java代码的方式操作es的api对象
    @BeforeEach
        //单元测试方法之前执行
    void setUp() {
        this.client = new RestHighLevelClient(RestClient.builder(
                //指定es地址，如果是集群可以写多个
                HttpHost.create("http://192.168.10.161:9200")
        ));
    }

    @Test
    void testInit(){
        System.out.println(client);
    }

    //文档新增
    @Test
    void testAddDocument() throws IOException {
        // 1.根据id查询酒店数据  61083L用的是数据库酒店表的一张真实id
        Hotel hotel = hotelService.getById(61083L);
        // 2.转换为文档类型
        HotelDoc hotelDoc = new HotelDoc(hotel);
        // 3.将HotelDoc对象转json： fastjson提供的api
        String json = JSON.toJSONString(hotelDoc);

        // 1.准备Request对象 ：索引库名 ，文档id（来自己数据库的酒店数据）
        //   bigint对应的是long类型，但是id类型特殊只能使用字符串类型，不分词是keyword类型
        IndexRequest request = new IndexRequest("hotelssss").id(hotelDoc.getId().toString());
        // 2.准备Json文档：新增的json文档（来自己数据库的酒店数据），类型
        request.source(json, XContentType.JSON);
        // 3.发送请求   index：操作文档，给文档创建倒排索引
        //  request对象   依然是默认类型
        client.index(request, RequestOptions.DEFAULT);
    }

    //批量新增
    @Test
    void testBulkRequest() throws IOException {
        // 批量查询酒店数据  MP方式
        List<Hotel> hotels = hotelService.list();//查询所有酒店数据

        // 1.创建Request：不需要传递参数，它只是一个封装，把别的请求捆绑到一起
        BulkRequest request = new BulkRequest();
        // 2.准备参数，添加多个新增的Request：根据传递请求类型的不同，可以批量修改、批量删除、批量新增
        for (Hotel hotel : hotels) {
            // 2.1.转换为文档类型HotelDoc ：遍历hotes一个个的转化
            HotelDoc hotelDoc = new HotelDoc(hotel);
            // 2.2.创建新增文档的Request对象 ：批量新增使用IndexRequest对象
            // 索引库名称   文档id   新增的json文档数据
            // 链式加载
            request.add(new IndexRequest("hotelssss")
                    .id(hotelDoc.getId().toString())
                    .source(JSON.toJSONString(hotelDoc), XContentType.JSON));
        }
        // 3.发送请求
        //  bulk：批量处理， 参数1 参数2 和以前一样
        client.bulk(request, RequestOptions.DEFAULT);
    }


    //查询
    @Test
    void testGetDocumentById() throws IOException {
        // 1.准备Request ：索引库，文档id
        GetRequest request = new GetRequest("hotelssss", "61083");
        // 2.发送请求，得到响应：request对象，默认类型
        GetResponse response = client.get(request, RequestOptions.DEFAULT);
        // 3.解析响应结果：_source封装的是原始文档信息，所以想要拿到查询结果只需要解析source即可
        String json = response.getSourceAsString();//返回值是个json字符串

        //我们最终肯定得到的是个对象：将json字符串转化为对象（fastjson实现反序列化）
        //  反序列化的值，需要转化的类型
        HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
        System.out.println(hotelDoc);
    }

    // 增量修改：修改局部
    @Test
    void testUpdateDocument() throws IOException {
        // 1.准备Request
        UpdateRequest request = new UpdateRequest("hotelssss", "61083");
        // 2.准备请求参数：需要更新的字段
        request.doc(
                "price", "952",
                "starName", "四钻"
        );
        // 3.发送请求，更新文档
        client.update(request, RequestOptions.DEFAULT);
    }

    //删除
    @Test
    void testDeleteDocument() throws IOException {
        // 1.准备Request
        DeleteRequest request = new DeleteRequest("hotelssss", "61083");
        // 2.发送请求
        client.delete(request, RequestOptions.DEFAULT);
    }




    @AfterEach
        //单元测试方法之后执行
    void tearDown() throws IOException {
        this.client.close();//销毁释放资源
    }
}

5.7.小结

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）