Spring Data Elasticsearch使用
简介：
Spring Data Elasticsearch是Spring Data项目下的一个子模块。
查看 Spring Data的官网：链接
Spring Data的使命是为数据访问提供熟悉且一致的基于Spring的编程模型，同时仍保留底层数据存储的特殊特性。
它使得使用数据访问技术，关系数据库和非关系数据库，map-reduce框架和基于云的数据服务变得容易。
这是一个总括项目，其中包含许多特定于给定数据库的子项目。
这些令人兴奋的技术项目背后，是由许多公司和开发人员合作开发的。
Spring Data 的使命是给各种数据访问提供统一的编程接口，不管是关系型数据库（如MySQL），还是非关系数据库（如Redis），或者类似Elasticsearch这样的索引数据库。从而简化开发人员的代码，提高开发效率。
包含很多不同数据操作的模块：
Spring Data Elasticsearch的页面：链接
特征：
- 支持Spring的基于
@Configuration的java配置方式，或者XML配置方式 - 提供了用于操作ES的便捷工具类**
ElasticsearchTemplate**。包括实现文档到POJO之间的自动智能映射。 - 利用Spring的数据转换服务实现的功能丰富的对象映射
- 基于注解的元数据映射方式，而且可扩展以支持更多不同的数据格式
- 根据持久层接口自动生成对应实现方法，无需人工编写基本操作代码（类似mybatis，根据接口自动得到实现）。当然，也支持人工定制查询
创建Demo工程：
使用Spring Data Elasticsearch 版本必须对应elasticsearch服务实例,否则会出现一些报错信息
新建一个demo，学习Elasticsearch
pom核心依赖：
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
<scope>test</scope>
</dependency>
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
</dependency>
application.yml文件配置(没有配置用户名和密码无需输入)：
spring:
elasticsearch:
rest:
uris: localhost:9200
#username:
#password:
Spring Data Elasticsearch注解：
首先准备好实体类
Spring Data通过注解来声明字段的映射属性，有下面的三个注解：
@Document在类级别应用，以指示该类是映射到数据库的候选对象。最重要的属性是：- indexName：对应索引库名称
- type：
映射类型。如果未设置，则使用小写的类的简单名称。（从版本4.0开始不推荐使用） - shards：索引的分片数
- replicas：索引的副本数
- refreshIntervall :索引的刷新间隔。用于索引创建。默认值为“ 1s”。
- indexStoreType: 索引的索引存储类型。用于索引创建。默认值为“ fs”。
- createIndex: 配置是否在存储库引导中创建索引。默认值为true。
- versionType: 版本管理的配置。默认值为EXTERNAL。
@Id作用在成员变量，标记一个字段作为id主键@Transient:默认情况下，存储或检索文档时，所有字段都映射到文档，此注释不包括该字段。@PersistenceConstructor: 标记从数据库实例化对象时要使用的给定构造函数，甚至是受保护的程序包。构造函数参数按名称映射到检索到的Document中的键值。@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
- index：是否索引，布尔类型，默认是true
- store：是否存储，布尔类型，默认是false
- analyzer：插入是使用分词器名称
- searchAnalyzer :查询是使用分词器
-
analyzer和search_analyzer的区别
分析器主要有两种情况会被使用：第一种是插入文档时，将text类型的字段做分词然后插入倒排索引， 第二种就是在查询时，先对要查询的text类型的输入做分词，再去倒排索引搜索 如果想要让 索引 和 查询 时使用不同的分词器，ElasticSearch也是能支持的，只需要在字段上加上search_analyzer参数 在索引时，只会去看字段有没有定义analyzer，有定义的话就用定义的，没定义就用ES预设的 在查询时，会先去看字段有没有定义search_analyzer，如果没有定义，就去看有没有analyzer，再没有定义，才会去使用ES预设的
elasticsearchTemplate索引操作：
ElasticsearchTemplate中提供了创建索引并映射的API运行如下图：
使用kibana控制台查询映射结果:
删除索引：
可以根据类名或索引名删除。
使用kibana控制台查询结果:
index_not_found_exception(索引删除成功)
简单的CRUD：
新增
public void saveCreate() {
Product product = new Product(1L, "苹果手机",
"手机", "苹果", 8600.00);
//保存 第一种方式
elasticsearchRestTemplate.save(product);
//保存 第二种方式
IndexQuery indexQuery = new IndexQueryBuilder()
.withId(product.getId().toString())
.withObject(product)
.build();
elasticsearchRestTemplate.index(indexQuery, IndexCoordinates.of("product"));
}
使用kibana控制台查询结果
GET /product/_search
{
"query": {
"match_all": {}
}
}
批量新增
public void saveAllCreate() {
List<Product> list = new ArrayList<>();
Product product1 = new Product(1L, "小米手机",
"手机", "小米", 3600.00);
list.add(product1);
Product product2 = new Product(2L, "苹果手机",
"手机", "苹果", 8600.00);
list.add(product2);
Product product3 = new Product(3L, "华为手机",
"手机", "华为", 8600.00);
list.add(product3);
Product product4 = new Product(4L, "小米电视",
"电视", "小米", 18600.00);
list.add(product4);
Product product5 = new Product(5L, "华为电视",
"电视", "华为", 28600.00);
list.add(product5);
elasticsearchRestTemplate.save(list);
}
使用kibana控制台查询结果:
修改和新增是同一个接口，区分的依据就是id，这一点跟我们在页面发起PUT请求是类似的。
把id等于1的名称修改为小米至尊版
运行:
查看结果:
高级查询：
自定义查询
先来看最基本的match query：
NativeSearchQueryBuilder：Spring提供的一个查询条件构建器，帮助构建json格式的请求体
-
SearchHit包含以下信息：
- Id
- Score 得分
- Sort Values 排序值
- Highlight fields 突出显示字段
- The retrieved entity of type 检索到的类型为的实体
-
SearchHits 包含以下信息：
- Number of total hits 总条数
- Total hits relation 总匹配关系
- Maximum score 最高分数
- A list o fSearchHitobjects SearchHit对象列表
- TReturned aggregations 返回的汇总
官方文档:
分页查询
利用NativeSearchQueryBuilder可以方便的实现分页：
字段排序
排序也通过NativeSearchQueryBuilder完成：
聚合
桶就是分组，比如这里我们按照品牌brand进行分组:
显示的结果：
关键APIAggregationBuilders：聚合的构建工厂类。所有聚合都由这个类来构建，看看他的静态方法：
嵌套聚合，求平均值
代码：
结果：
关键词高亮
@Test
public void testHighlight() {
//分词字段/高亮字段
String fieId = "name";
// 构建查询条件
NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder();
// match类型查询，会把查询条件进行分词，然后进行查询,多个词条之间是or的关系
MultiMatchQueryBuilder multiMatchQueryBuilder = QueryBuilders.multiMatchQuery("手机电视至尊", fieId);
multiMatchQueryBuilder.type(MultiMatchQueryBuilder.Type.BEST_FIELDS);
multiMatchQueryBuilder.tieBreaker(0.3F);
//应该匹配的分词的最少数量
multiMatchQueryBuilder.minimumShouldMatch("30%");
queryBuilder.withQuery(multiMatchQueryBuilder);
// 排序
queryBuilder.withSort(SortBuilders.fieldSort("price").order(SortOrder.DESC));
//生成高亮查询器
HighlightBuilder highlightBuilder = new HighlightBuilder();
//高亮查询字段
highlightBuilder.field(fieId);
//如果要多个字段高亮,这项要为false
highlightBuilder.requireFieldMatch(false);
//高亮标签
highlightBuilder.preTags("<font color=\"#4F4FEC\">");
highlightBuilder.postTags("</font>");
queryBuilder.withHighlightBuilder(highlightBuilder);
// 执行搜索，获取结果
SearchHits<Product> search = elasticsearchRestTemplate.search(queryBuilder.build(), Product.class);
for (SearchHit<Product> hit : search.getSearchHits()) {
Product content = hit.getContent();
List<String> name = hit.getHighlightField(fieId);
System.out.println(name);
StringBuilder stringBuilder = new StringBuilder();
for (String text : name) {
stringBuilder.append(text);
}
content.setName(stringBuilder.toString());
}
//当前页数据
search.getSearchHits().forEach(System.out::println);
}
结果:
完
才疏学浅，难免会有纰漏，如果你发现了错误的地方，可以在留言区提出来，我对其加以修改。
感谢您的阅读
扫一扫
9万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
