Spring-data-elasticsearch是Spring提供的操作ElasticSearch的数据层，封装了大量的基础操作，通过它可以很方便的操作ElasticSearch的数据。
版本说明
ElasticSearch目前最新的已到5.5.1
| spring data elasticsearch | elasticsearch |
|---|---|
| 3.0.0.RC1 | 5.5.0 |
| 3.0.0.M4 | 5.4.0 |
| 2.0.4.RELEASE | 2.4.0 |
| 2.0.0.RELEASE | 2.2.0 |
| 1.4.0.M1 | 1.7.3 |
| 1.3.0.RELEASE | 1.5.2 |
| 1.2.0.RELEASE | 1.4.4 |
| 1.1.0.RELEASE | 1.3.2 |
| 1.0.0.RELEASE | 1.1.1 |
这有一个对应关系，不过不太完整，我目前使用的SpringBoot版本1.5.4对应的spring-data-ElasticSearch是2.1.4，在图上就没有体现。
但是可以预见对应的ElasticSearch应该在2.4.往上，但应该是不支持5.4.0及以上。
注意：我这篇例子，所使用的ElasticSearch版本就是最新的5.5.1，SpringBoot版本是1.5.4，经初步试验，插入及查询都没问题。估计是5.5.的新特性之类的会无法使用，基本操作应该都没问题。
ElasticSearchRepository的基本使用
-
@NoRepositoryBean
-
public
interface ElasticsearchRepository<T, ID extends Serializable> extends ElasticsearchCrudRepository<T, ID> {
-
<S extends T>
S index(S var1);
-
-
Iterable<T> search(QueryBuilder var1);
-
-
Page<T> search(QueryBuilder var1, Pageable var2);
-
-
Page<T> search(SearchQuery var1);
-
-
Page<T> searchSimilar(T var1, String[] var2, Pageable var3);
-
-
void refresh();
-
-
Class<T> getEntityClass();
-
}
我们是通过继承ElasticsearchRepository来完成基本的CRUD及分页操作的，和普通的JPA没有什么区别。
ElasticsearchRepository继承了ElasticsearchCrudRepository extends PagingAndSortingRepository.
先看看普通查询：
-
public
interface BookRepository extends Repository<Book, String> {
-
-
List<Book> findByNameAndPrice(String name, Integer price);
-
-
List<Book> findByNameOrPrice(String name, Integer price);
-
-
Page<Book> findByName(String name,Pageable page);
-
-
Page<Book> findByNameNot(String name,Pageable page);
-
-
Page<Book> findByPriceBetween(int price,Pageable page);
-
-
Page<Book> findByNameLike(String name,Pageable page);
-
-
@Query(
“{\”bool\” : {\”must\” : {\”term\” : {\”message\” : \”?0\”}}}}”)
-
Page<Book> findByMessage(String message, Pageable pageable);
-
}
插入数据也很简单：
-
@Autowired
-
private SampleElasticsearchRepository repository;
-
-
String documentId =
“123456”;
-
SampleEntity sampleEntity =
new SampleEntity();
-
sampleEntity.setId(documentId);
-
sampleEntity.setMessage(
“some message”);
-
-
repository.save(sampleEntity);
-
@Autowired
-
private SampleElasticsearchRepository repository;
-
-
String documentId =
“123456”;
-
SampleEntity sampleEntity1 =
new SampleEntity();
-
sampleEntity1.setId(documentId);
-
sampleEntity1.setMessage(
“some message”);
-
-
String documentId2 =
“123457”
-
SampleEntity sampleEntity2 =
new SampleEntity();
-
sampleEntity2.setId(documentId2);
-
sampleEntity2.setMessage(
“test message”);
-
-
List<SampleEntity> sampleEntities = Arrays.asList(sampleEntity1, sampleEntity2);
-
-
//bulk index
-
repository.save(sampleEntities);
特殊情况下，ElasticsearchRepository里面有几个特殊的search方法，这些是ES特有的，和普通的JPA区别的地方，用来构建一些ES查询的。
主要是看QueryBuilder和SearchQuery两个参数，要完成一些特殊查询就主要看构建这两个参数。
我们先来看看它们之间的类关系
从这个关系中可以看到ES的search方法需要的参数SearchQuery是一个接口，有一个实现类叫NativeSearchQuery，实际使用中，我们的主要任务就是构建NativeSearchQuery来完成一些复杂的查询的。
我们可以看到要构建NativeSearchQuery，主要是需要几个构造参数
-
public NativeSearchQuery(QueryBuilder query, QueryBuilder filter, List<SortBuilder> sorts, Field[] highlightFields) {
-
this.query = query;
-
this.filter = filter;
-
this.sorts = sorts;
-
this.highlightFields = highlightFields;
-
}
可以看出来，大概是需要QueryBuilder，filter，和排序的SortBuilder，和高亮的字段。
一般情况下，我们不是直接是new NativeSearchQuery，而是使用NativeSearchQueryBuilder。
通过NativeSearchQueryBuilder.withQuery(QueryBuilder1).withFilter(QueryBuilder2).withSort(SortBuilder1).withXXXX().build();这样的方式来完成NativeSearchQuery的构建。
从名字就能看出来，QueryBuilder主要用来构建查询条件、过滤条件，SortBuilder主要是构建排序。
譬如，我们要查询距离某个位置100米范围内的所有人、并且按照距离远近进行排序：
-
double lat =
39.929986;
-
double lon =
116.395645;
-
-
Long nowTime = System.currentTimeMillis();
-
//查询某经纬度100米范围内
-
GeoDistanceQueryBuilder builder = QueryBuilders.geoDistanceQuery(
“address”).point(lat, lon)
-
.distance(
100, DistanceUnit.METERS);
-
-
GeoDistanceSortBuilder sortBuilder = SortBuilders.geoDistanceSort(
“address”)
-
.point(lat, lon)
-
.unit(DistanceUnit.METERS)
-
.order(SortOrder.ASC);
-
-
Pageable pageable =
new PageRequest(
0,
50);
-
-
NativeSearchQueryBuilder builder1 =
new NativeSearchQueryBuilder().withFilter(builder).withSort(sortBuilder).withPageable(pageable);
-
SearchQuery searchQuery = builder1.build();
SearchQuery searchQuery = new NativeSearchQueryBuilder().withQuery(QueryBuilders.queryStringQuery("spring boot OR 书籍")).build();
要构建SortBuilder，可以使用SortBuilders来完成各种排序。
然后就可以通过NativeSearchQueryBuilder来组合这些QueryBuilder和SortBuilder，再组合分页的参数等等，最终就能得到一个SearchQuery了。
至此，我们明白了ElasticSearchRepository里那几个search查询方法需要的参数的含义和构建方式了。
ElasticSearchTemplate的使用
ElasticSearchTemplate更多是对ESRepository的补充，里面提供了一些更底层的方法。
这里主要是一些查询相关的，同样是构建各种SearchQuery条件。
也可以完成add操作
-
String documentId =
“123456”;
-
SampleEntity sampleEntity =
new SampleEntity();
-
sampleEntity.setId(documentId);
-
sampleEntity.setMessage(
“some message”);
-
IndexQuery indexQuery =
new IndexQueryBuilder().withId(sampleEntity.getId()).withObject(sampleEntity).build();
-
elasticsearchTemplate.index(indexQuery);
构建这个对象，主要是设置一下id，就是你的对象的id，Object就是对象本身，indexName和type就是在你的对象javaBean上声明的
其他的字段自行发掘含义，构建完IndexQuery后就可以通过Template的index方法插入了。
template里还有各种deleteIndex，delete，update等方法，用到的时候就查查看吧。
下面讲一个批量插入的方法，我们经常需要往ElasticSearch中插入大量的测试数据来完成测试搜索，一条一条插肯定是不行的，ES提供了批量插入数据的功能——bulk。
前面讲过JPA的save方法也可以save（List）批量插值，但适用于小数据量，要完成超大数据的插入就要用ES自带的bulk了，可以迅速插入百万级的数据。
在ElasticSearchTemplate里也提供了对应的方法
-
public void bulkIndex(List<IndexQuery> queries) {
-
BulkRequestBuilder bulkRequest =
this.client.prepareBulk();
-
Iterator var3 = queries.iterator();
-
-
while(var3.hasNext()) {
-
IndexQuery query = (IndexQuery)var3.next();
-
bulkRequest.add(
this.prepareIndex(query));
-
}
-
-
BulkResponse bulkResponse = (BulkResponse)bulkRequest.execute().actionGet();
-
if (bulkResponse.hasFailures()) {
-
Map<String, String> failedDocuments =
new HashMap();
-
BulkItemResponse[] var5 = bulkResponse.getItems();
-
int var6 = var5.length;
-
-
for(
int var7 =
0; var7 < var6; ++var7) {
-
BulkItemResponse item = var5[var7];
-
if (item.isFailed()) {
-
failedDocuments.put(item.getId(), item.getFailureMessage());
-
}
-
}
-
-
throw
new ElasticsearchException(
“Bulk indexing has failures. Use ElasticsearchException.getFailedDocuments() for detailed messages [“ + failedDocuments +
“]”, failedDocuments);
-
}
-
}
-
-
public void bulkUpdate(List<UpdateQuery> queries) {
-
BulkRequestBuilder bulkRequest =
this.client.prepareBulk();
-
Iterator var3 = queries.iterator();
-
-
while(var3.hasNext()) {
-
UpdateQuery query = (UpdateQuery)var3.next();
-
bulkRequest.add(
this.prepareUpdate(query));
-
}
-
-
BulkResponse bulkResponse = (BulkResponse)bulkRequest.execute().actionGet();
-
if (bulkResponse.hasFailures()) {
-
Map<String, String> failedDocuments =
new HashMap();
-
BulkItemResponse[] var5 = bulkResponse.getItems();
-
int var6 = var5.length;
-
-
for(
int var7 =
0; var7 < var6; ++var7) {
-
BulkItemResponse item = var5[var7];
-
if (item.isFailed()) {
-
failedDocuments.put(item.getId(), item.getFailureMessage());
-
}
-
}
-
-
throw
new ElasticsearchException(
“Bulk indexing has failures. Use ElasticsearchException.getFailedDocuments() for detailed messages [“ + failedDocuments +
“]”, failedDocuments);
-
}
-
}
-
public void bulkIndex(List<Person> personList) {
-
int counter =
0;
-
try {
-
if (!elasticsearchTemplate.indexExists(PERSON_INDEX_NAME)) {
-
elasticsearchTemplate.createIndex(PERSON_INDEX_TYPE);
-
}
-
List<IndexQuery> queries =
new ArrayList<>();
-
for (Person person : personList) {
-
IndexQuery indexQuery =
new IndexQuery();
-
indexQuery.setId(person.getId() +
“”);
-
indexQuery.setObject(person);
-
indexQuery.setIndexName(PERSON_INDEX_NAME);
-
indexQuery.setType(PERSON_INDEX_TYPE);
-
-
//上面的那几步也可以使用IndexQueryBuilder来构建
-
//IndexQuery index = new IndexQueryBuilder().withId(person.getId() + “”).withObject(person).build();
-
-
queries.add(indexQuery);
-
if (counter %
500 ==
0) {
-
elasticsearchTemplate.bulkIndex(queries);
-
queries.clear();
-
System.out.println(
“bulkIndex counter : “ + counter);
-
}
-
counter++;
-
}
-
if (queries.size() >
0) {
-
elasticsearchTemplate.bulkIndex(queries);
-
}
-
System.out.println(
“bulkIndex completed.”);
-
}
catch (Exception e) {
-
System.out.println(
“IndexerService.bulkIndex e;” + e.getMessage());
-
throw e;
-
}
-
}
OK，这篇主要是讲一些ElasticSearchRepository和ElasticSearchTemplate的用法，构造QueryBuilder的方式。下一篇用实例来看一下，在百万或者更大量级的数据中查询距离某个坐标100米范围内的所有数据。
版权声明：本文为博主原创文章，转载请注明地址 http://blog.csdn.net/tianyaleixiaowu。
327
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
