1、Elasticsearch是基于Lucene开发的一个分布式全文检索框架，向Elasticsearch中存储和从Elasticsearch中查询，格式是json。
索引index，相当于数据库中的database。
类型type相当于数据库中的table。
主键id相当于数据库中记录的主键，是唯一的。
向Elasticsearch中存储数据，其实就是向es中的index下面的type中存储json类型的数据。
2、Elasticsearch是RestFul风格的api，通过http的请求形式（注意，参数是url拼接还是请求的json形式哦），发送请求，对Elasticsearch进行操作。
查询，请求方式应该是get。删除，请求方式应该是delete。添加，请求方式应该是put/post。修改，请求方式应该是put/post。
RESTFul接口url的格式:http://ip:port///<[id]>。其中index、type是必须提供的。id是可以选择的，不提供es会自动生成，index、type将信息进行分层，利于管理。
3、如何使用java连接Elasticsearch。由于使用的是maven项目，pom.xml的依赖如下所示：
<project xmlns="http://maven.apache.org/POM/4.0.0"
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">
<modelVersion>4.0.0</modelVersion>
<groupId>com.bie</groupId>
<artifactId>elasticsearch-hello</artifactId>
<version>0.0.1-SNAPSHOT</version>
<properties>
<maven.compiler.source>1.8</maven.compiler.source>
<maven.compiler.target>1.8</maven.compiler.target>
<encoding>UTF-8</encoding>
</properties>
<dependencies>
<!-- elasticsearch的客户端 -->
<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>transport</artifactId>
<version>5.4.3</version>
</dependency>
<!-- elasticsearch依赖2.x的log4j -->
<dependency>
<groupId>org.apache.logging.log4j</groupId>
<artifactId>log4j-api</artifactId>
<version>2.8.2</version>
</dependency>
<dependency>
<groupId>org.apache.logging.log4j</groupId>
<artifactId>log4j-core</artifactId>
<version>2.8.2</version>
</dependency>
<!-- junit单元测试 -->
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
</dependency>
</dependencies>
</project>
使用查询的方式，先简单测试一下是否连通es集群，和对比查询的数据是否一致。
package com.bie.elasticsearch;
import java.net.InetAddress;
import org.elasticsearch.action.get.GetResponse;
import org.elasticsearch.client.transport.TransportClient;
import org.elasticsearch.common.settings.Settings;
import org.elasticsearch.common.transport.InetSocketTransportAddress;
import org.elasticsearch.transport.client.PreBuiltTransportClient;
/**
*
* @author biehl
*
*/
public class HelloElasticsearch {
public static void main(String[] args) {
try {
// 设置集群名称biehl01,Settings设置es的集群名称,使用的设计模式，链式设计模式、build设计模式。
Settings settings = Settings.builder().put("cluster.name", "biehl01").build();
// 读取es集群中的数据,创建client。
@SuppressWarnings("resource")
TransportClient client = new PreBuiltTransportClient(settings).addTransportAddresses(
// 用java访问ES用的端口是9300。es的9200是restful的请求端口号
// 由于我使用的是伪集群,所以就配置了一台机器,如果是集群方式,将竞选主节点的加进来即可。
// new InetSocketTransportAddress(InetAddress.getByName("192.168.110.133"),
// 9300),
// new InetSocketTransportAddress(InetAddress.getByName("192.168.110.133"),
// 9300),
new InetSocketTransportAddress(InetAddress.getByName("192.168.110.133"), 9300));
// 搜索数据(.actionGet()方法是同步的，没有返回就等待)
// 方式是先去索引里面查询出索引数据,再去文档里面查询出数据。
GetResponse response = client.prepareGet("news", "fulltext", "2").execute().actionGet();
// 输出结果
System.out.println(response);
// 关闭client
client.close();
} catch (Exception e) {
e.printStackTrace();
}
}
}
4、如何使用java api创建索引Index、类型Type、以及指定字段，是否创建索引，是否存储，是否即分词，又建立索引（analyzed）、是否建索引不分词（not_analyzed）等等。
package com.bie.elasticsearch;
import java.io.IOException;
import java.net.InetAddress;
import java.util.HashMap;
import org.elasticsearch.action.admin.indices.create.CreateIndexRequestBuilder;
import org.elasticsearch.client.AdminClient;
import org.elasticsearch.client.IndicesAdminClient;
import org.elasticsearch.client.transport.TransportClient;
import org.elasticsearch.common.settings.Settings;
import org.elasticsearch.common.transport.InetSocketTransportAddress;
import org.elasticsearch.common.xcontent.XContentBuilder;
import org.elasticsearch.common.xcontent.XContentFactory;
import org.elasticsearch.transport.client.PreBuiltTransportClient;
import org.junit.Before;
import org.junit.Test;
/**
*
* @author biehl
*
*/
public class AdminAPI {
private TransportClient client = null;
// 在所有的测试方法之前执行
@SuppressWarnings("resource")
@Before
public void init() throws Exception {
// 设置集群名称biehl01
Settings settings = Settings.builder().put("cluster.name", "biehl01")
// 自动感知的功能(可以通过当前指定的节点获取所有es节点的信息)
.put("client.transport.sniff", true).build();
// 创建client
client = new PreBuiltTransportClient(settings).addTransportAddresses(
// new InetSocketTransportAddress(InetAddress.getByName("192.168.110.133"),
// 9300),
// new InetSocketTransportAddress(InetAddress.getByName("192.168.110.133"),
// 9300),
// 建议指定2个及其以上的节点。
new InetSocketTransportAddress(InetAddress.getByName("192.168.110.133"), 9300));
}
/**
*
* AdminClient创建索引,并配置一些参数,用来指定一些映射关系等等
*
* 这里创建一个索引Index,并且指定分区、副本的数量
*
*/
@Test
public void createIndexWithSettings() {
// 获取Admin的API
AdminClient admin = client.admin();
// 使用Admin API对索引进行操作
IndicesAdminClient indices = admin.indices();
// 准备创建索引
indices.prepareCreate("food")
// 配置索引参数
.setSettings(
// 参数配置器
Settings.builder()// 指定索引分区的数量。shards分区
.put("index.number_of_shards", 5)
// 指定索引副本的数量(注意：不包括本身,如果设置数据存储副本为1,实际上数据存储了2份)
// replicas副本
.put("index.number_of_replicas", 1))
// 真正执行
.get();
}
/**
* 你可以通过dynamic设置来控制这一行为,它能够接受以下的选项： true：默认值。
*
* 动态添加字段 false：忽略新字段
*
* strict：如果碰到陌生字段,抛出异常
*
* 给索引添加mapping信息(给表添加schema信息)
*
* @throws IOException
*/
@Test
public void elasticsearchSettingsMappings() throws IOException {
// 1:settings
HashMap<String, Object> settings_map = new HashMap<String, Object>(2);
// shards分区的数量4
settings_map.put("number_of_shards", 4);
// 副本的数量1
settings_map.put("number_of_replicas", 1);
// 2:mappings(映射、schema)
// field("dynamic", "true")含义是动态字段
XContentBuilder builder = XContentFactory.jsonBuilder().startObject().field("dynamic", "true")
// 设置type中的属性
.startObject("properties")
// id属性
.startObject("id")
// 类型是integer
.field("type", "integer")
// 不分词,但是建索引
.field("index", "not_analyzed")
// 在文档中存储
.field("store", "yes").endObject()
// name属性
.startObject("name")
// string类型
.field("type", "string")
// 在文档中存储
.field("store", "yes")
// 建立索引
.field("index", "analyzed")
// 使用ik_smart进行分词
.field("analyzer", "ik_smart").endObject().endObject().endObject();
CreateIndexRequestBuilder prepareCreate = client.admin().indices().prepareCreate("computer");
// 管理索引（user_info）然后关联type（user）
prepareCreate.setSettings(settings_map).addMapping("xiaomi", builder).get();
}
/**
* index这个属性,no代表不建索引
*
* not_analyzed,建索引不分词
*
* analyzed 即分词,又建立索引
*
* expected [no],[not_analyzed] or [analyzed]。即可以选择三者任意一个值
*
* @throws IOException
*/
@Test
public void elasticsearchSettingsPlayerMappings() throws IOException {
// 1:settings
HashMap<String, Object> settings_map = new HashMap<String, Object>(2);
// 分区的数量4
settings_map.put("number_of_shards", 4);
// 副本的数量1
settings_map.put("number_of_replicas", 1);
// 2:mappings
XContentBuilder builder = XContentFactory.jsonBuilder().startObject()//
.field("dynamic", "true").startObject("properties")
// 在文档中存储、
.startObject("id").field("type", "integer").field("store", "yes").endObject()
// 不分词,但是建索引、
.startObject("name").field("type", "string").field("index", "not_analyzed").endObject()
//
.startObject("age").field("type", "integer").endObject()
//
.startObject("salary").field("type", "integer").endObject()
// 不分词,但是建索引、
.startObject("team").field("type", "string").field("index", "not_analyzed").endObject()
// 不分词,但是建索引、
.startObject("position").field("type", "string").field("index", "not_analyzed").endObject()
// 即分词,又建立索引、
.startObject("description").field("type", "string").field("store", "no").field("index", "analyzed")
.field("analyzer", "ik_smart").endObject()
// 即分词,又建立索引、在文档中存储、
.startObject("addr").field("type", "string").field("store", "yes").field("index", "analyzed")
.field("analyzer", "ik_smart").endObject()
.endObject()
.endObject();
CreateIndexRequestBuilder prepareCreate = client.admin().indices().prepareCreate("player");
prepareCreate.setSettings(settings_map).addMapping("basketball", builder).get();
}
}
5、使用java api操作Elasticsearch的增删改查以及复杂查询（聚合查询，可以进行分组统计数量，分组统计最大值，分组统计平均值，等等统计）。
package com.bie.elasticsearch;
import static org.elasticsearch.common.xcontent.XContentFactory.jsonBuilder;
import static org.elasticsearch.index.query.QueryBuilders.rangeQuery;
import java.io.IOException;
import java.net.InetAddress;
import java.util.Date;
import java.util.Iterator;
import java.util.Map;
import java.util.Set;
import org.elasticsearch.action.ActionListener;
import org.elasticsearch.action.bulk.byscroll.BulkByScrollResponse;
import org.elasticsearch.action.delete.DeleteResponse;
import org.elasticsearch.action.get.GetResponse;
import org.elasticsearch.action.get.MultiGetItemResponse;
import org.elasticsearch.action.get.MultiGetResponse;
import org.elasticsearch.action.index.IndexResponse;
import org.elasticsearch.action.search.SearchRequestBuilder;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.action.update.UpdateRequest;
import org.elasticsearch.action.update.UpdateResponse;
import org.elasticsearch.client.transport.TransportClient;
import org.elasticsearch.common.settings.Settings;
import org.elasticsearch.common.transport.InetSocketTransportAddress;
import org.elasticsearch.index.query.QueryBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.index.reindex.DeleteByQueryAction;
import org.elasticsearch.search.aggregations.Aggregation;
import org.elasticsearch.search.aggregations.AggregationBuilders;
import org.elasticsearch.search.aggregations.bucket.terms.StringTerms;
import org.elasticsearch.search.aggregations.bucket.terms.Terms;
import org.elasticsearch.search.aggregations.bucket.terms.TermsAggregationBuilder;
import org.elasticsearch.search.aggregations.metrics.avg.AvgAggregationBuilder;
import org.elasticsearch.search.aggregations.metrics.avg.InternalAvg;
import org.elasticsearch.search.aggregations.metrics.max.InternalMax;
import org.elasticsearch.search.aggregations.metrics.max.MaxAggregationBuilder;
import org.elasticsearch.search.aggregations.metrics.sum.InternalSum;
import org.elasticsearch.search.aggregations.metrics.sum.SumAggregationBuilder;
import org.elasticsearch.transport.client.PreBuiltTransportClient;
import org.junit.Before;
import org.junit.Test;
/**
*
* @author biehl
*
*/
public class ElasticsearchCRUD {
private TransportClient client = null;
@SuppressWarnings("resource")
@Before
public void init() throws Exception {
// 设置集群名称biehl01
Settings settings = Settings.builder().put("cluster.name", "biehl01")
// 自动感知的功能(可以通过当前指定的节点获取所有es节点的信息)
.put("client.transport.sniff", true).build();
// 创建client
client = new PreBuiltTransportClient(settings).addTransportAddresses(
// new InetSocketTransportAddress(InetAddress.getByName("192.168.110.133"),
// 9300),
// new InetSocketTransportAddress(InetAddress.getByName("192.168.110.133"),
// 9300),
// 建议指定2个及其以上的节点。
new InetSocketTransportAddress(InetAddress.getByName("192.168.110.133"), 9300));
}
/**
* 创建一个Index索引、Type类型、以及id。
*
* 然后插入类型里面的数据。
*
* @throws IOException
*/
@Test
public void elasticsearchCreate() throws IOException {
IndexResponse response = client.prepareIndex("people", "student", "3")
.setSource(jsonBuilder().startObject().field("username", "王五五").field("sex", "男")
.field("birthday", new Date()).field("age", 21).field("message", "trying out Elasticsearch")
.endObject())
.get();
System.out.println(response.toString());
}
/**
* 查找一条索引Index里面的类型Type里面的id的所有信息
*
* @throws IOException
*/
@Test
public void elasticsearchGet() throws IOException {
GetResponse response = client.prepareGet("people", "student", "1").get();
System.out.println(response.getSourceAsString());
}
/**
* 查找多条
*
* 索引Index里面的类型Type里面的多个id的所有信息
*
* @throws IOException
*/
@Test
public void elasticsearchMultiGet() throws IOException {
// 查询出多个索引Index多个类型Type的多个id的所有信息
MultiGetResponse multiGetItemResponses = client.prepareMultiGet().add("people", "student", "1")
.add("people", "student", "2", "3").add("people", "teacher", "1").add("news", "fulltext", "1").get();
// 将查询出的结果遍历输出
for (MultiGetItemResponse itemResponse : multiGetItemResponses) {
// 将每一个查询出的结果遍历输出
GetResponse response = itemResponse.getResponse();
// 判断如果存在就进行遍历输出
if (response.isExists()) {
String json = response.getSourceAsString();
System.out.println(json);
}
}
}
/**
* 修改指定的索引Index里面的类型Type的id的信息
*
* @throws Exception
*/
@Test
public void elasticsearchUpdate() throws Exception {
// 创建一个更新的请求对象
UpdateRequest updateRequest = new UpdateRequest();
// 指定索引Index
updateRequest.index("people");
// 指定类型Type
updateRequest.type("student");
// 指定id的值
updateRequest.id("3");
// 设置修改的字段信息
updateRequest.doc(jsonBuilder().startObject().field("username", "王五五").endObject());
// 开始进行修改，并且返回响应信息
UpdateResponse updateResponse = client.update(updateRequest).get();
// 打印输出响应的信息
System.out.println(updateResponse.toString());
}
/**
* 删除指定的索引Index里面的类型Type的id的信息
*/
@Test
public void elasticsearchDelete() {
// 指定删除的id信息,并且给出响应结果
// prepareDelete(String index, String type, String id);
DeleteResponse response = client.prepareDelete("people", "student", "4").get();
// 打印输出的响应信息
System.out.println(response);
}
/**
* 根据查询条件进行删除数据
*
*
*/
@Test
public void elasticsearchDeleteByQuery() {
BulkByScrollResponse response = DeleteByQueryAction.INSTANCE.newRequestBuilder(client)
// 指定查询条件,matchQuery是name的值text里面包括了这个内容就进行删除。默认使用标准分词器。
.filter(QueryBuilders.matchQuery("username", "王五五"))
// 指定索引名称
.source("people").get();
// 获取到删除的个数
long deleted = response.getDeleted();
// 打印输出删除的个数
System.out.println(deleted);
}
/**
* 异步删除
*
* 监听,如果真正删除以后进行回调,打印输出删除确认的消息。
*/
@Test
public void elasticsearchDeleteByQueryAsync() {
DeleteByQueryAction.INSTANCE.newRequestBuilder(client).filter(QueryBuilders.matchQuery("sex", "男"))
.source("people").execute(new ActionListener<BulkByScrollResponse>() {
// 删除以后的方法回调
@Override
public void onResponse(BulkByScrollResponse response) {
// 返回删除的个数
long deleted = response.getDeleted();
System.out.println("数据删除完毕！");
// 打印删除的个数
System.out.println("数据删除的个数: " + deleted);
}
@Override
public void onFailure(Exception e) {
// 失败打印异常信息
e.printStackTrace();
}
});
// 先打印输出,正常执行完毕。再执行异步监听删除数据。
try {
System.out.println("异步删除操作!");
// 休眠10秒钟,避免主线程里面结束,子线程无法进行结果输出
Thread.sleep(10000);
} catch (Exception e) {
e.printStackTrace();
}
}
/**
*
* 按照范围进行查找。
*
*/
@Test
public void elasticsearchRange() {
// includeLower(true).includeUpper(false)含义是包含前面,不包含后面的
// [21, 24)
QueryBuilder qb = rangeQuery("age").from(21).to(24).includeLower(true).includeUpper(false);
// 将查询条件传递进去,并将查询结果进行返回。
SearchResponse response = client.prepareSearch("people").setQuery(qb).get();
System.out.println(response);
}
/**
*
* 向指定索引index里面的类型Type的id的信息
*
* @throws IOException
*/
@Test
public void elasticsearchAddPlayer() throws IOException {
//
IndexResponse response = client.prepareIndex("player", "basketball", "4")
.setSource(jsonBuilder().startObject()
.field("name", "安其拉")
.field("age", 28)
.field("salary", 99000)
.field("team", "啦啦队 team")
.field("position", "打中锋")
.field("description", "跪族蓝孩")
.endObject())
.get();
System.out.println(response);
}
/**
*
*
* select team, count(*) as team_count from player group by team;
*
* team_counts是别名称。
*/
@Test
public void elasticsearchAgg1() {
// 指定索引和type
SearchRequestBuilder builder = client.prepareSearch("player").setTypes("basketball");
// 按team分组然后聚合，但是并没有指定聚合函数。
// team_count是别名称
TermsAggregationBuilder teamAgg = AggregationBuilders.terms("team_count").field("team");
// 添加聚合器
builder.addAggregation(teamAgg);
// 触发
SearchResponse response = builder.execute().actionGet();
// System.out.println(response);
// 将返回的结果放入到一个map中
Map<String, Aggregation> aggMap = response.getAggregations().getAsMap();
// 遍历打印输出
Set<String> keys = aggMap.keySet();
for (String key : keys) {
System.out.println("key: " + key);
}
System.out.println("");
// //取出聚合属性
StringTerms terms = (StringTerms) aggMap.get("team_count");
// //依次迭代出分组聚合数据
for (Terms.Bucket bucket : terms.getBuckets()) {
// 分组的名字
String team = (String) bucket.getKey();
// count，分组后一个组有多少数据
long count = bucket.getDocCount();
System.out.println(team + ": " + count);
}
System.out.println("");
// 使用Iterator进行遍历迭代
Iterator<Terms.Bucket> teamBucketIt = terms.getBuckets().iterator();
while (teamBucketIt.hasNext()) {
Terms.Bucket bucket = teamBucketIt.next();
// 获取到分组后每组的组名称
String team = (String) bucket.getKey();
// 获取到分组后的每组数量
long count = bucket.getDocCount();
// 打印输出
System.out.println(team + ": " + count);
}
}
/**
*
* select
*
* team, position, count(*) as pos_count
*
* from
*
* player
*
* group by
*
* team,position;
*
*
*/
@Test
public void elasticsearchAgg2() {
SearchRequestBuilder builder = client.prepareSearch("player").setTypes("basketball");
// 指定别名和分组的字段
TermsAggregationBuilder teamAgg = AggregationBuilders.terms("team_name").field("team");
TermsAggregationBuilder posAgg = AggregationBuilders.terms("pos_count").field("position");
// 添加两个聚合构建器。先按照team分组,再按照position分组。
builder.addAggregation(teamAgg.subAggregation(posAgg));
// 执行查询
SearchResponse response = builder.execute().actionGet();
// 将查询结果放入map中
Map<String, Aggregation> aggMap = response.getAggregations().getAsMap();
// 根据属性名到map中查找
StringTerms teams = (StringTerms) aggMap.get("team_name");
// 循环查找结果
for (Terms.Bucket teamBucket : teams.getBuckets()) {
// 先按球队进行分组
String team = (String) teamBucket.getKey();
Map<String, Aggregation> subAggMap = teamBucket.getAggregations().getAsMap();
StringTerms positions = (StringTerms) subAggMap.get("pos_count");
// 因为一个球队有很多位置，那么还要依次拿出位置信息
for (Terms.Bucket posBucket : positions.getBuckets()) {
// 拿到位置的名字
String pos = (String) posBucket.getKey();
// 拿出该位置的数量
long docCount = posBucket.getDocCount();
// 打印球队，位置，人数
System.out.println(team + ": " + pos + ": " + docCount);
}
}
}
/**
* select team, max(age) as max_age from player group by team;
*/
@Test
public void elasticsearchAgg3() {
SearchRequestBuilder builder = client.prepareSearch("player").setTypes("basketball");
// 指定安球队进行分组
TermsAggregationBuilder teamAgg = AggregationBuilders.terms("team_name").field("team");
// 指定分组求最大值
MaxAggregationBuilder maxAgg = AggregationBuilders.max("max_age").field("age");
// 分组后求最大值
builder.addAggregation(teamAgg.subAggregation(maxAgg));
// 查询
SearchResponse response = builder.execute().actionGet();
Map<String, Aggregation> aggMap = response.getAggregations().getAsMap();
// 根据team属性，获取map中的内容
StringTerms teams = (StringTerms) aggMap.get("team_name");
for (Terms.Bucket teamBucket : teams.getBuckets()) {
// 分组的属性名
String team = (String) teamBucket.getKey();
// 在将聚合后取最大值的内容取出来放到map中
Map<String, Aggregation> subAggMap = teamBucket.getAggregations().getAsMap();
// 取分组后的最大值
InternalMax ages = (InternalMax) subAggMap.get("max_age");
// 获取到年龄的值
double max = ages.getValue();
// 打印输出值
System.out.println(team + ": " + max);
}
}
/**
* select team, avg(age) as avg_age, sum(salary) as total_salary from player
* group by team;
*/
@Test
public void elasticsearchAgg4() {
SearchRequestBuilder builder = client.prepareSearch("player").setTypes("basketball");
// 指定分组字段
TermsAggregationBuilder termsAgg = AggregationBuilders.terms("team_name").field("team");
// 指定聚合函数是求平均数据
AvgAggregationBuilder avgAgg = AggregationBuilders.avg("avg_age").field("age");
// 指定另外一个聚合函数是求和
SumAggregationBuilder sumAgg = AggregationBuilders.sum("total_salary").field("salary");
// 分组的聚合器关联了两个聚合函数
builder.addAggregation(termsAgg.subAggregation(avgAgg).subAggregation(sumAgg));
// 查询
SearchResponse response = builder.execute().actionGet();
Map<String, Aggregation> aggMap = response.getAggregations().getAsMap();
// 按分组的名字取出数据
StringTerms teams = (StringTerms) aggMap.get("team_name");
for (Terms.Bucket teamBucket : teams.getBuckets()) {
// 获取球队名字
String team = (String) teamBucket.getKey();
Map<String, Aggregation> subAggMap = teamBucket.getAggregations().getAsMap();
// 根据别名取出平均年龄
InternalAvg avgAge = (InternalAvg) subAggMap.get("avg_age");
// 根据别名取出薪水总和
InternalSum totalSalary = (InternalSum) subAggMap.get("total_salary");
double avgAgeValue = avgAge.getValue();
double totalSalaryValue = totalSalary.getValue();
System.out.println(team + ": " + avgAgeValue + ": " + totalSalaryValue);
}
}
/**
* select team, sum(salary) as total_salary from player group by team order by
* total_salary desc;
*/
@Test
public void elasticsearchAgg5() {
SearchRequestBuilder builder = client.prepareSearch("player").setTypes("basketball");
// 按team进行分组，然后指定排序规则
TermsAggregationBuilder termsAgg = AggregationBuilders.terms("team_name").field("team")
.order(Terms.Order.aggregation("total_salary ", true));
// 指定一个聚合函数是求和
SumAggregationBuilder sumAgg = AggregationBuilders.sum("total_salary").field("salary");
// 添加两个聚合构建器。先按照team分组,再按照salary求和。
builder.addAggregation(termsAgg.subAggregation(sumAgg));
// 查询
SearchResponse response = builder.execute().actionGet();
// 将查询结果放入map中
Map<String, Aggregation> aggMap = response.getAggregations().getAsMap();
// 从查询结果中获取到team_name的信息
StringTerms teams = (StringTerms) aggMap.get("team_name");
// 开始遍历获取到的信息
for (Terms.Bucket teamBucket : teams.getBuckets()) {
// 获取到key的值
String team = (String) teamBucket.getKey();
// 获取到求和的值
Map<String, Aggregation> subAggMap = teamBucket.getAggregations().getAsMap();
// 获取到求和的值的信息
InternalSum totalSalary = (InternalSum) subAggMap.get("total_salary");
// 获取到求和的值
double totalSalaryValue = totalSalary.getValue();
// 打印输出信息
System.out.println(team + " " + totalSalaryValue);
}
}
}
1636
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
