1.概述
1.1 什么是elasticsearch
elaticsearch
简称为es, es是一个开源的高扩展的分布式全文检索引擎,它可以近乎实时的存储、检索数据;本身扩展性很好,可以扩展到上百台服务器,处理PB级别的数据。es使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能,但是它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。
项目推荐:基于SpringBoot2.x、SpringCloud和SpringCloudAlibaba企业级系统架构底层框架封装,解决业务开发时常见的非功能性需求,防止重复造轮子,方便业务快速开发和企业技术栈框架统一管理。引入组件化的思想实现高内聚低耦合并且高度可配置化,做到可插拔。严格控制包依赖和统一版本管理,做到最少化依赖。注重代码规范和注释,非常适合个人学习和企业使用
Github地址:https://github.com/plasticene/plasticene-boot-starter-parent
Gitee地址:https://gitee.com/plasticene3/plasticene-boot-starter-parent
微信公众号:Shepherd进阶笔记
1.2 全文检索引擎
Google、百度类的网站搜索,它们都是根据网页中的关键字生成索引,我们在搜索的时候输入关键字,它们会将该关键字即索引匹配到的所有网页返回;还有常见的项目中应用日志的搜索等等。对于这些非结构化的数据文本,关系型数据库搜索不是能很好的支持。
一般传统数据库,全文检索都实现的很鸡肋,因为一般也没人用数据库存文本字段。进行全文检索需要扫描整个表,如果数据量大的话即使对SQL 的语法优化,也收效甚微。建立了索引,但是维护起来也很麻烦,对于 insert 和 update 操作都会重新构建索引。
为了解决结构化数据搜索和非结构化数据搜索性能问题,我们就需要专业,健壮,强大的全文搜索引擎。
这里说到的全文搜索引擎指的是目前广泛应用的主流搜索引擎。它的工作原理是计算机索引程序通过扫描文章中的每一个词,对每一个词建立一个索引,指明该词在文章中出现的次数和位置,当用户查询时,检索程序就根据事先建立的索引进行查找,并将查找的结果反馈给用户的检索方式。这个过程类似于通过字典中的检索字表查字的过程。
1.3 elasticsearch 和 solr
Lucene
是Apache 软件基金会Jakarta 项目组的一个子项目,提供了一个简单却强大的应用程式接口,能够做全文索引和搜寻。在Java 开发环境里Lucene 是一个成熟的免费开源工具。就其本身而言,Lucene 是当前以及最近几年最受欢迎的免费Java 信息检索程序库。但Lucene 只是一个提供全文搜索功能类库的核心工具包,而真正使用它还需要一个完善的服务框架搭建起来进行应用。
目前市面上流行的搜索引擎软件,主流的就两款:Elasticsearch 和Solr,这两款都是基于Lucene 搭建的,可以独立部署启动的搜索引擎服务软件。由于内核相同,所以两者除了服务器安装、部署、管理、集群以外,对于数据的操作 修改、添加、保存、查询等等都十分类似。在使用过程中,一般都会将Elasticsearch 和Solr 这两个软件对比,然后进行选型。这两个搜索引擎都是流行的,先进的的开源搜索引擎。它们都是围绕核心底层搜索库 - Lucene构建的 - 但它们又是不同的。像所有东西一样,每个都有其优点和缺点,对比如下所示:
Google 搜索趋势结果表明:
1)与 Solr 相比,Elasticsearch 具有很大的吸引力,但这并不意味着Apache Solr 已经死亡。虽然有些人可能不这么认为,但Solr 仍然是最受欢迎的搜索引擎之一,拥有强大的社区和开源支持。
2)与Solr 相比,Elasticsearch 易于安装且非常轻巧。此外,你可以在几分钟内安装并运行Elasticsearch。但是,如果Elasticsearch 管理不当,这种易于部署和使用可能会成为一个问题。基于JSON 的配置很简单,但如果要为文件中的每个配置指定注释,那么它不适合您。总的来说,如果你的应用使用的是JSON,那么Elasticsearch 是一个更好的选择。否则,请使用Solr,因为它的schema.xml 和solrconfig.xml 都有很好的文档记录。
3)Solr 拥有更大,更成熟的用户,开发者和贡献者社区。ES 虽拥有的规模较小但活跃的用户社区以及不断增长的贡献者社区。Solr 贡献者和提交者来自许多不同的组织,而Elasticsearch 提交者来自单个公司。
4)Solr 更成熟,但ES 增长迅速,更稳定。
5)Solr 是一个非常有据可查的产品,具有清晰的示例和API 用例场景。 Elasticsearch 的文档组织良好,但它缺乏好的示例和清晰的配置说明。
那么如何选择呢?
1)由于易于使用,Elasticsearch 在新开发者中更受欢迎。一个下载和一个命令就可以启动一切。
2) 如果除了搜索文本之外还需要它来处理分析查询,Elasticsearch 是更好的选择
3) 如果需要分布式索引,则需要选择Elasticsearch。对于需要良好可伸缩性和以及性能分布式环境,Elasticsearch 是更好的选择。
4) Elasticsearch 在开源日志管理用例中占据主导地位,许多组织在Elasticsearch 中索引它们的日志以使其可搜索。
5) 如果你喜欢监控和指标,那么请使用Elasticsearch,因为相对于Solr,Elasticsearch 暴露了更多的关键指标
1.4 elasticsearch的应用
1)GitHub: 2013 年初,抛弃了Solr,采取Elasticsearch 来做PB 级的搜索。“GitHub 使用Elasticsearch 搜索20TB 的数据,包括13 亿文件和1300 亿行代码”。
2) 维基百科:启动以Elasticsearch 为基础的核心搜索架构
3) SoundCloud:“SoundCloud 使用Elasticsearch 为1.8 亿用户提供即时而精准的音乐搜索服务”。
4) 百度:目前广泛使用Elasticsearch 作为文本数据分析,采集百度所有服务器上的各类指标数据及用户自定义数据,通过对各种数据进行多维分析展示,辅助定位分析实例异常或业务层面异常。目前覆盖百度内部20 多个业务线(包括云分析、网盟、预测、文库、直达号、钱包、风控等),单集群最大100 台机器,200 个ES 节点,每天导入30TB+数据。
5) 新浪:使用Elasticsearch 分析处理32 亿条实时日志。
6) 阿里:使用Elasticsearch 构建日志采集和分析体系。
7) Stack Overflow:解决Bug 问题的网站,全英文,编程人员交流的网站
2.elasticsearch入门
2.1 elasticsearch安装
2.1.1 本地安装
本地安装elasticsearch非常简单,只有需要去elasticsearch官网下载对应的系统软件包,然后执行bin文件下的elasticsearch执行文件即可,因为我的电脑是mac,mac软件包如下所示:
启动之后,我们在浏览器输入http://127.0.0.1:9200
{
"name" : "node-1",
"cluster_name" : "es-cluster",
"cluster_uuid" : "p12KHyIqSpeZkbojXwAh-g",
"version" : {
"number" : "7.15.2",
"build_flavor" : "default",
"build_type" : "tar",
"build_hash" : "93d5a7f6192e8a1a12e154a2b81bf6fa7309da0c",
"build_date" : "2021-11-04T14:04:42.515624022Z",
"build_snapshot" : false,
"lucene_version" : "8.9.0",
"minimum_wire_compatibility_version" : "6.8.0",
"minimum_index_compatibility_version" : "6.0.0-beta1"
},
"tagline" : "You Know, for Search"
}
如果我们想本地部署集群:
bin/elasticsearch -E node.name=node-1 -E cluster.name=es-cluster -E path.data=node1_data
bin/elasticsearch -E node.name=node-2 -E cluster.name=es-cluster -E path.data=node2_data
bin/elasticsearch -E node.name=node-3 -E cluster.name=es-cluster -E path.data=node3_data
这里在启动命令后面bin/elasticsearch,需要指定集群名称,节点名称,不同节点的节点名称必须唯一,集群名称必须唯一,path.data指定数据存放的路径,可以不指定,这里是由于在本地一个机器一个安装包起三个节点模拟集群,所以需要指定一下,不同节点的存放数据路径不一样。部署之后,查看集群信息,在浏览器输入http://127.0.0.1:9200/_cat/nodes?v
ip heap.percent ram.percent cpu load_1m load_5m load_15m node.role master name
127.0.0.1 45 98 18 2.05 cdfhilmrstw * node-2
127.0.0.1 9 98 18 2.05 cdfhilmrstw - node-3
127.0.0.1 16 98 18 2.05 cdfhilmrstw - node-1
注意:9300 端口为Elasticsearch 集群间组件的通信端口,9200 端口为浏览器访问的http
Elasticsearch 是使用java 开发的,且7.8 版本的ES 需要JDK 版本1.8 以上,默认安装包带有jdk 环境,如果系统配置JAVA_HOME,那么使用系统默认的JDK,如果没有配置使用自带的JDK,一般建议使用系统配置的JDK,换句话说,希望在安装elasticsearch先安装配置好java jdk环境。
同时,如果我们想要修改elasticsearch的内存大小:请修改config/jvm.options 配置文件
# 设置JVM 初始内存为1G。此值可以设置与-Xmx 相同,以避免每次垃圾回收完成后JVM 重新分配内存
# Xms represents the initial size of total heap space
# 设置JVM 最大可用内存为1G
# Xmx represents the maximum size of total heap space
-Xms1g
-Xmx1g
2.1.2 使用docker安装elasticsearch
使用docker安装elasticsearch非常简单,elasticsearch官方提供了镜像,我们只需要按照如下步骤安装即可:
1)拉取elasticsearch和kibana镜像,这里拉取7.4.2的版本
# 存储和检索数据
docker pull elasticsearch:7.4.2
2)配置挂载数据的文件夹
# 创建配置文件目录
mkdir -p /mydata/elasticsearch/config
# 创建数据目录
mkdir -p /mydata/elasticsearch/data
# 将/mydata/elasticsearch/文件夹中文件都可读可写
chmod -R 777 /mydata/elasticsearch/
# 配置任意机器可以访问 elasticsearch
echo "http.host: 0.0.0.0" >/mydata/elasticsearch/config/elasticsearch.yml
3)运行启动elasticsearch服务
docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \
-e "discovery.type=single-node" \
-e ES_JAVA_OPTS="-Xms64m -Xmx512m" \
-v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
-v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
-d elasticsearch:7.4.2
-
-p 9200:9200 -p 9300:9300
:向外暴露两个端口,9200用于HTTP REST API请求,9300 ES 在分布式集群状态下 ES 之间的通信端口; -
-e "discovery.type=single-node"
:es 以单节点运行 -
-e ES_JAVA_OPTS="-Xms64m -Xmx512m"
:设置启动占用内存,不设置可能会占用当前系统所有内存 -
-v:挂载容器中的配置文件、数据文件、插件数据到本机的文件夹;
-
-d elasticsearch:7.4.2
:指定要启动的镜像
4)设置elasticsearch随docker重启
# 当前 Docker 开机自启,所以 ES 现在也是开机自启
docker update elasticsearch --restart=always
2.1.3 使用k8s安装elasticsearch
由于使用k8s安装elasticsearch比较吃配置,并且既然都用k8s部署了,肯定是集群部署,有点难度,待后续研究补上…
2.1.4 安装ES的图形化界面插件
1)安装elasticsearch-head-master插件
这个插件直接安装在浏览器中,比如说google中,然后我们就可以连接elasticsearch,查看相关信息了,如下所示:
2)安装kibana
Kibana 是一个免费且开放的用户界面,能够让你对 Elasticsearch 数据进行可视化,并让你在 Elastic Stack 中进行导航。你可以进行各种操作,从跟踪查询负载,到理解请求如何流经你的整个应用,都能轻松完成。
本地化安装和安装elasticsearch去elastic公司官网下载安装软件包,执行bin下面kibana执行文件即可,但是安装之前,需要修改配置config/kibana.yml 文件:
# 默认端口
server.port: 5601
# ES 服务器的地址
elasticsearch.hosts: ["http://localhost:9200"]
# 索引名
kibana.index: ".kibana"
# 支持中文
i18n.locale: "zh-CN"
启动之后在浏览器输入http://127.0.0.1:5601就可以看到如下:
在kibana中有一个dev-tools工具是我们经常使用的,我们可以在这里输入DSL查询语句,查询es中的文档数据。
当然我们也可以使用docker部署,非常简单。
docker run --name kibana \
-e ELASTICSEARCH_HOSTS=http://192.168.163.131:9200 \
-p 5601:5601 \
-d kibana:7.4.2
-e ELASTICSEARCH_HOSTS=``http://192.168.163.131:9200
: 这里要设置成自己的虚拟机IP地址
2.2 elasticsearch中的数据格式
Elasticsearch 是面向文档型数据库,一条数据在这里就是一个文档。为了方便大家理解,我们将Elasticsearch 里存储文档数据和关系型数据库MySQL 存储数据的概念进行一个类比
ES 里的Index 可以看做一个库,而Types 相当于表,Documents 则相当于表的行。这里Types 的概念已经被逐渐弱化,Elasticsearch 6.X 中,一个index 下已经只能包含一个type,Elasticsearch 7.X 中, Type 的概念已经被删除了
2.3 elasticsearch的增删改查操作
我们对elasticsearch数据进行操作可以使用postman发送http请求,因为elasticsearch提供了rest API支持;也可以通过可视化插件、kibana书写DSL语句操作es数据,推荐使用后者,因为这种方式我们平常使用Navicat操作关系型数据库数据一样。
这里列举几个rest api操作,其实rest api和kinaba的DSL语句大同小异:
1)新增索引
使用rest api的PUT http:127.0.0.1:9200/product 就可以创建一个名为product索引了
使用DSL语句也非常简单,使用如下语句即可:创建一个product索引,并设置索引分片数为3,分片副本数为2
PUT product
{
"settings": {
"number_of_shards": 3
, "number_of_replicas": 2
}
}
2)删除索引
DELETE product
3)_cat 查看es相关信息
#查看所有索引 ?v 查询的信息更多
GET _cat/indices?v
#查看所有节点 ?v 查询的信息更多
GET _cat/nodes?v
4)新增文档数据
我们可以使用PUT
和POST
新增文档数据, POST新增,如果不指定id,会自动生成id。指定id如果该id存在就会修改这个数据,并新增版本号;PUT可以新增也可以修改。PUT必须指定id;由于PUT需要指定id,我们一般用来做修改操作,不指定id会报错。
POST product/_doc/1
{
"name":"苹果手机13pro",
"category":"手机",
"price":6599,
"stock":100,
"brand":"apple",
"desc":"苹果的手机真的很好用啊"
}
PUT product/_doc/2
{
"name":"华为p50 pro",
"category":"手机",
"price":4999,
"stock":38,
"brand":"huawei",
"desc":"拍照最佳选择,国产手机的骄傲",
"createTime":"2021-10-11 07:10:00"
}
注意这里无论是PUT还是POST,当id存在都是修改数据,但是他们的修改方式都是删除老文档数据,然后再插入。如果要想基于原文档修改某个字段属性值,要使用如下:
POST product/_doc/1/_update
{
"doc":{
"name":"红富士苹果"
}
}
批量插入使用bulk
POST product/_bulk
{ "index": { "_id": 4 }}
{ "name":"小米11","category":"电子产品", "price":2999, "stock":10000 }
{ "index": { "_id": 5 }}
{ "name":"oppo findx","category":"电子产品", "price":5000, "stock":6666 }
{ "index": { "_id": 6 }}
{ "name":"vivo v20","category":"女性电子产品", "price":3999, "stock":8888 }
5)查询数据
#查询所有
GET product/_search
{
"query": {
"match_all": {}
}
}
# 匹配查询,注意match只能放一个字段条件
GET product/_search
{
"query": {
"match": {
"name": "小米苹果"
}
}
}
# 匹配查询 多个条件组合
GET product/_search
{
"query": {
"bool": {
"must": [
{"match": {
"category": "手机"
}},
{
"match": {
"name": "苹果"
}
}
]
}
}
}
# 多字段匹配查询
GET product/_search
{
"query": {
"multi_match": {
"query": "苹果",
"fields": ["name", "desc"]
}
}
}
#精确匹配term
GET product/_search
{
"query": {
"term": {
"stock": {
"value":38
}
}
}
}
# 范围查询
GET product/_search
{
"query": {
"range": {
"stock": {
"gte": 10,
"lte": 100
}
}
}
}
# 排序
GET student/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"rank": {
"order": "desc"
},
"age":
{
"order":"desc"
}
}
]
}
# 分页查询
GET product/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"_id": {
"order": "desc"
}
}
],
"from": 0,
"size": 2
}
# 索引mapping添加字段
PUT /product/_mapping
{
"properties": {
"title": {
"type": "text"
}
}
}
# 分词器测试
GET product/_analyze
{
"analyzer": "ik_smart",
"text": "我是一个中国人,测试中文分词器"
}
更多高阶、详细查询语句请自行查询相关文档。
3.springboot集成elasticsearch
springboot集成es现在主流的方式大概有两种:集成elasticsearch rest client
和使用spring data
。
今天讲一下集成rest client,在pom.xml加上下面依赖即可:
<dependency>
<groupId>org.elasticsearch</groupId>
<artifactId>elasticsearch</artifactId>
</dependency>
<!-- elasticsearch的客户端 -->
<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>
<!-- elasticsearch依赖2.x的log4j -->
<dependency>
<groupId>org.apache.logging.log4j</groupId>
<artifactId>log4j-api</artifactId>
</dependency>
<dependency>
<groupId>org.apache.logging.log4j</groupId>
<artifactId>log4j-core</artifactId>
</dependency>
<dependency>
<groupId>commons-logging</groupId>
<artifactId>commons-logging</artifactId>
<version>1.2</version>
</dependency>
<dependency>
<groupId>com.fasterxml.jackson.core</groupId>
<artifactId>jackson-databind</artifactId>
<version>2.9.9</version>
</dependency>
<!-- junit单元测试 -->
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
</dependency>
接下来主要讲述一下es的文档doc的增删改查,这是我们在平时开发项目中主要用到的
1)新增文档
public class InsertDoc {
public static void main(String[] args) throws Exception {
RestHighLevelClient esClient = new RestHighLevelClient(
RestClient.builder(new HttpHost("127.0.0.1", 9200, "http"))
);
// 插入数据
IndexRequest request = new IndexRequest();
request.index("user").id("1001");
User user = new User();
user.setName("zhangsan");
user.setAge(30);
user.setSex("男");
// 向ES插入数据,必须将数据转换位JSON格式
ObjectMapper mapper = new ObjectMapper();
String userJson = mapper.writeValueAsString(user);
request.source(userJson, XContentType.JSON);
IndexResponse response = esClient.index(request, RequestOptions.DEFAULT);
System.out.println(response.getResult());
esClient.close();
}
}
批量新增文档
/**
* @author fjzheng
* @version 1.0
* @date 2021/12/7 17:23
*/
public class InsertDocBatch {
public static void main(String[] args) throws Exception {
RestHighLevelClient esClient = new RestHighLevelClient(
RestClient.builder(new HttpHost("127.0.0.1", 9200, "http"))
);
// 批量插入数据
BulkRequest request = new BulkRequest();
request.add(new IndexRequest().index("user").id("1001").source(XContentType.JSON, "name", "zhangsan", "age",30,"sex","男"));
request.add(new IndexRequest().index("user").id("1002").source(XContentType.JSON, "name", "lisi", "age",30,"sex","女"));
request.add(new IndexRequest().index("user").id("1003").source(XContentType.JSON, "name", "wangwu", "age",40,"sex","男"));
request.add(new IndexRequest().index("user").id("1004").source(XContentType.JSON, "name", "wangwu1", "age",40,"sex","女"));
request.add(new IndexRequest().index("user").id("1005").source(XContentType.JSON, "name", "wangwu2", "age",50,"sex","男"));
request.add(new IndexRequest().index("user").id("1006").source(XContentType.JSON, "name", "wangwu3", "age",50,"sex","男"));
request.add(new IndexRequest().index("user").id("1007").source(XContentType.JSON, "name", "wangwu44", "age",60,"sex","男"));
request.add(new IndexRequest().index("user").id("1008").source(XContentType.JSON, "name", "wangwu555", "age",60,"sex","男"));
request.add(new IndexRequest().index("user").id("1009").source(XContentType.JSON, "name", "wangwu66666", "age",60,"sex","男"));
BulkResponse response = esClient.bulk(request, RequestOptions.DEFAULT);
System.out.println(response.getTook());
System.out.println(response.getItems());
esClient.close();
}
}
2)更新文档
public class UpdateDoc {
public static void main(String[] args) throws Exception {
RestHighLevelClient esClient = new RestHighLevelClient(
RestClient.builder(new HttpHost("localhost", 9200, "http"))
);
// 修改数据
UpdateRequest request = new UpdateRequest();
request.index("user").id("1001");
request.doc(XContentType.JSON, "sex", "女");
UpdateResponse response = esClient.update(request, RequestOptions.DEFAULT);
System.out.println(response.getResult());
esClient.close();
}
}
3)删除文档
/**
* @author fjzheng
* @version 1.0
* @date 2021/12/7 18:08
*/
public class DeleteDoc {
public static void main(String[] args) throws Exception {
RestHighLevelClient esClient = new RestHighLevelClient(
RestClient.builder(new HttpHost("localhost", 9200, "http"))
);
DeleteRequest request = new DeleteRequest();
request.index("user").id("1001");
DeleteResponse response = esClient.delete(request, RequestOptions.DEFAULT);
System.out.println(response.toString());
esClient.close();
}
}
4)根据id查询文档
public class GetDoc {
public static void main(String[] args) throws Exception {
RestHighLevelClient esClient = new RestHighLevelClient(
RestClient.builder(new HttpHost("localhost", 9200, "http"))
);
// 查询数据
GetRequest request = new GetRequest();
request.index("user").id("1001");
GetResponse response = esClient.get(request, RequestOptions.DEFAULT);
System.out.println(response.getSourceAsString());
esClient.close();
}
}
5)多条件复杂查询
/**
* @author fjzheng
* @version 1.0
* @date 2021/12/7 17:36
*/
public class SearchDoc {
public static void main(String[] args) throws Exception {
RestHighLevelClient esClient = new RestHighLevelClient(
RestClient.builder(new HttpHost("localhost", 9200, "http"))
);
// 1. 查询索引中全部的数据
// SearchRequest request = new SearchRequest();
// request.indices("user");
//
// request.source(new SearchSourceBuilder().query(QueryBuilders.matchAllQuery()));
//
// SearchResponse response = esClient.search(request, RequestOptions.DEFAULT);
//
// SearchHits hits = response.getHits();
//
// System.out.println(hits.getTotalHits());
// System.out.println(response.getTook());
//
// for ( SearchHit hit : hits ) {
// System.out.println(hit.getSourceAsString());
// }
// 2. 条件查询 : termQuery
// SearchRequest request = new SearchRequest();
// request.indices("user");
//
// request.source(new SearchSourceBuilder().query(QueryBuilders.termQuery("age", 30)));
// SearchResponse response = esClient.search(request, RequestOptions.DEFAULT);
//
// SearchHits hits = response.getHits();
//
// System.out.println(hits.getTotalHits());
// System.out.println(response.getTook());
//
// for ( SearchHit hit : hits ) {
// System.out.println(hit.getSourceAsString());
// }
// 3. 分页查询
// SearchRequest request = new SearchRequest();
// request.indices("user");
//
// SearchSourceBuilder builder = new SearchSourceBuilder().query(QueryBuilders.matchAllQuery());
// // (当前页码-1)*每页显示数据条数
// builder.from(2);
// builder.size(2);
// request.source(builder);
// SearchResponse response = esClient.search(request, RequestOptions.DEFAULT);
//
// SearchHits hits = response.getHits();
//
// System.out.println(hits.getTotalHits());
// System.out.println(response.getTook());
//
// for ( SearchHit hit : hits ) {
// System.out.println(hit.getSourceAsString());
// }
// // 4. 查询排序
// SearchRequest request = new SearchRequest();
// request.indices("user");
//
// SearchSourceBuilder builder = new SearchSourceBuilder().query(QueryBuilders.matchAllQuery());
// //
// builder.sort("age", SortOrder.DESC);
//
// request.source(builder);
// SearchResponse response = esClient.search(request, RequestOptions.DEFAULT);
//
// SearchHits hits = response.getHits();
//
// System.out.println(hits.getTotalHits());
// System.out.println(response.getTook());
//
// for ( SearchHit hit : hits ) {
// System.out.println(hit.getSourceAsString());
// }
// // 5. 过滤字段
// SearchRequest request = new SearchRequest();
// request.indices("user");
//
// SearchSourceBuilder builder = new SearchSourceBuilder().query(QueryBuilders.matchAllQuery());
// //
// String[] excludes = {"age"};
// String[] includes = {};
// builder.fetchSource(includes, excludes);
//
// request.source(builder);
// SearchResponse response = esClient.search(request, RequestOptions.DEFAULT);
//
// SearchHits hits = response.getHits();
//
// System.out.println(hits.getTotalHits());
// System.out.println(response.getTook());
//
// for ( SearchHit hit : hits ) {
// System.out.println(hit.getSourceAsString());
// }
// // 6. 组合查询
// SearchRequest request = new SearchRequest();
// request.indices("user");
//
// SearchSourceBuilder builder = new SearchSourceBuilder();
// BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery();
//
// //boolQueryBuilder.must(QueryBuilders.matchQuery("age", 30));
// //boolQueryBuilder.must(QueryBuilders.matchQuery("sex", "男"));
// //boolQueryBuilder.mustNot(QueryBuilders.matchQuery("sex", "男"));
// boolQueryBuilder.should(QueryBuilders.matchQuery("age", 30));
// boolQueryBuilder.should(QueryBuilders.matchQuery("age", 40));
//
// builder.query(boolQueryBuilder);
//
// request.source(builder);
// SearchResponse response = esClient.search(request, RequestOptions.DEFAULT);
//
// SearchHits hits = response.getHits();
//
// System.out.println(hits.getTotalHits());
// System.out.println(response.getTook());
//
// for ( SearchHit hit : hits ) {
// System.out.println(hit.getSourceAsString());
// }
// // 7. 范围查询
// SearchRequest request = new SearchRequest();
// request.indices("user");
//
// SearchSourceBuilder builder = new SearchSourceBuilder();
// RangeQueryBuilder rangeQuery = QueryBuilders.rangeQuery("age");
//
// rangeQuery.gte(30);
// rangeQuery.lt(50);
//
// builder.query(rangeQuery);
//
// request.source(builder);
// SearchResponse response = esClient.search(request, RequestOptions.DEFAULT);
//
// SearchHits hits = response.getHits();
//
// System.out.println(hits.getTotalHits());
// System.out.println(response.getTook());
//
// for ( SearchHit hit : hits ) {
// System.out.println(hit.getSourceAsString());
// }
// 8. 模糊查询
// SearchRequest request = new SearchRequest();
// request.indices("user");
//
// SearchSourceBuilder builder = new SearchSourceBuilder();
// builder.query(QueryBuilders.fuzzyQuery("name", "wangwu").fuzziness(Fuzziness.TWO));
//
// request.source(builder);
// SearchResponse response = esClient.search(request, RequestOptions.DEFAULT);
//
// SearchHits hits = response.getHits();
//
// System.out.println(hits.getTotalHits());
// System.out.println(response.getTook());
//
// for ( SearchHit hit : hits ) {
// System.out.println(hit.getSourceAsString());
// }
// // 9. 高亮查询
// SearchRequest request = new SearchRequest();
// request.indices("user");
//
// SearchSourceBuilder builder = new SearchSourceBuilder();
// TermsQueryBuilder termsQueryBuilder = QueryBuilders.termsQuery("name", "zhangsan");
//
// HighlightBuilder highlightBuilder = new HighlightBuilder();
// highlightBuilder.preTags("<font color='red'>");
// highlightBuilder.postTags("</font>");
// highlightBuilder.field("name");
//
// builder.highlighter(highlightBuilder);
// builder.query(termsQueryBuilder);
//
// request.source(builder);
// SearchResponse response = esClient.search(request, RequestOptions.DEFAULT);
//
// SearchHits hits = response.getHits();
//
// System.out.println(hits.getTotalHits());
// System.out.println(response.getTook());
//
// for ( SearchHit hit : hits ) {
// System.out.println(hit.getSourceAsString());
// }
// // 10. 聚合查询
// SearchRequest request = new SearchRequest();
// request.indices("user");
//
// SearchSourceBuilder builder = new SearchSourceBuilder();
//
// AggregationBuilder aggregationBuilder = AggregationBuilders.max("maxAge").field("age");
// builder.aggregation(aggregationBuilder);
//
// request.source(builder);
// SearchResponse response = esClient.search(request, RequestOptions.DEFAULT);
//
// SearchHits hits = response.getHits();
//
// System.out.println(hits.getTotalHits());
// System.out.println(response.getTook());
//
// for ( SearchHit hit : hits ) {
// System.out.println(hit.getSourceAsString());
// }
// 11. 分组查询
SearchRequest request = new SearchRequest();
request.indices("user");
SearchSourceBuilder builder = new SearchSourceBuilder();
AggregationBuilder aggregationBuilder = AggregationBuilders.terms("ageGroup").field("age");
builder.aggregation(aggregationBuilder);
request.source(builder);
SearchResponse response = esClient.search(request, RequestOptions.DEFAULT);
SearchHits hits = response.getHits();
System.out.println(hits.getTotalHits());
System.out.println(response.getTook());
for ( SearchHit hit : hits ) {
System.out.println(hit.getSourceAsString());
}
esClient.close();
}
}