Spring Cloud之ElasticSearch的学习【详细】

已于 2023-10-30 20:31:39 修改
阅读量568 收藏 2
点赞数 8
文章标签： spring cloud elasticsearch 学习
于 2023-10-30 20:26:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zmbwcx/article/details/134127241
版权

目录

ElasticSearch

正向索引与倒排索引

数据库与elasticsearch概念对比

安装ES、Kibana与分词器

分词器作用

自定义字典

拓展词库

禁用词库

索引库操作

Mapping属性

创建索引库

查询索引库

删除索引库

修改索引库

文档操作

新增文档

查找文档

修改文档

全量修改

增量修改

删除文档

RestClient操作索引库

RestClient操作文档

新增文档

根据Id查询文档数据

更新文档

删除文档

批量新增

DSL查询语法

查询所有

全文检索

精确查询

地理查询

复合查询

搜索结果处理

排序

分页

高亮

RestClient查询文档

查询全部

查询文档

解析数据

全文检索查询

精确查询

复合查询

排序和分页

高亮

ElasticSearch

q：什么是elasticsearch?

a：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

q：什么是elastic stack (ELK) ?

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

q：什么是Lucene?

a：是Apache的开源搜索引擎类库，提供了搜索引擎的核心API

正向索引与倒排索引

在理解正向索引与倒排索引之前，先理解文档与词条的概念

  • 文档（document）：每条数据就是一个文档

elasticsearch是面向文档存储的，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。

  • 词条（term）：文档按照语义分成的词语
  • 索引：相同类型的文档的集合

  • 映射：索引中文档的字段约束信息，类似于表的约束结构

传统数据库比如MySQL使用的是正向索引。通常使用id作为索引

在搜索手机时，如果使用select * from 表 where title like '%手机%';语句进行查找，它会逐条扫描数据，然后找到title中的数据后，判断是否保存”手机“词条。这样的效率很慢.

而elasticsearch采用倒排索引

数据库与elasticsearch概念对比

安装ES、Kibana与分词器

这里是基于Docker的安装，ES也支持windows的安装，具体安装方法请参考其他教程。

首先我们需要将ES与Kibana（为ES提供一个可视化界面）容器互联，因此需要先创建一个网络

输入docker命令

docker network create es-net(es-net网络名称，自己随便起名)
docker pull elasticsearch:版本号
docker pull kibana:版本号（两个版本号需要一致）

docker run -d \
--name es \
-e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
-e "discovery.type=single-node" \
-v es-data:/usr/share/elasticsearch/data \
-v es-plugins:/usr/share/elasticsearch/plugins \
--privileged \
--network es-net \
-p 9200:9200 \
-p 9300:9300 \
elasticsearch:版本号

之后访问9200端口

出现如下格式证明启动成功。

接下来启动kibana

docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \
--network=es-net \
-p 5601:5601 \
kibana:版本号

启动成功后访问5601端口，出现如下界面

ES默认的分词器对中文分词并不友好。因此我们需要下载IK分词器

下载地址：GitHub - medcl/elasticsearch-analysis-ik: The IK Analysis plugin integrates Lucene IK analyzer into elasticsearch, support customized dictionary.

下在对应版本并解压到刚刚指定的数据卷。

重启容器

docker restart es

IK分词器有两种拆分模式

  • ik_smart：最少切分（空间占用更少）
  • ik_max_word：最细切分（切分力度最大，文档搜索到的概率更大）

下面是两种示例

POST /_analyze
{
  "text":"观察ik分词器的两种模式",
  "analyzer": "ik_max_word"
}

{

"tokens" : [

{

"token" : "观察",

"start_offset" : 0,

"end_offset" : 2,

"type" : "CN_WORD",

"position" : 0

},

{

"token" : "ik",

"start_offset" : 2,

"end_offset" : 4,

"type" : "ENGLISH",

"position" : 1

},

{

"token" : "分词器",

"start_offset" : 4,

"end_offset" : 7,

"type" : "CN_WORD",

"position" : 2

},

{

"token" : "分词",

"start_offset" : 4,

"end_offset" : 6,

"type" : "CN_WORD",

"position" : 3

},

{

"token" : "器",

"start_offset" : 6,

"end_offset" : 7,

"type" : "CN_CHAR",

"position" : 4

},

{

"token" : "的",

"start_offset" : 7,

"end_offset" : 8,

"type" : "CN_CHAR",

"position" : 5

},

{

"token" : "两种",

"start_offset" : 8,

"end_offset" : 10,

"type" : "CN_WORD",

"position" : 6

},

{

"token" : "两",

"start_offset" : 8,

"end_offset" : 9,

"type" : "COUNT",

"position" : 7

},

{

"token" : "种",

"start_offset" : 9,

"end_offset" : 10,

"type" : "CN_CHAR",

"position" : 8

},

{

"token" : "模式",

"start_offset" : 10,

"end_offset" : 12,

"type" : "CN_WORD",

"position" : 9

}

]

}

POST /_analyze
{
  "text":"观察ik分词器的两种模式",
  "analyzer": "ik_smart"
}

{

"tokens" : [

{

"token" : "观察",

"start_offset" : 0,

"end_offset" : 2,

"type" : "CN_WORD",

"position" : 0

},

{

"token" : "ik",

"start_offset" : 2,

"end_offset" : 4,

"type" : "ENGLISH",

"position" : 1

},

{

"token" : "分词器",

"start_offset" : 4,

"end_offset" : 7,

"type" : "CN_WORD",

"position" : 2

},

{

"token" : "的",

"start_offset" : 7,

"end_offset" : 8,

"type" : "CN_CHAR",

"position" : 3

},

{

"token" : "两种",

"start_offset" : 8,

"end_offset" : 10,

"type" : "CN_WORD",

"position" : 4

},

{

"token" : "模式",

"start_offset" : 10,

"end_offset" : 12,

"type" : "CN_WORD",

"position" : 5

}

]

}

分词器作用

  1. 创建倒排索引时对文档分词
  2. 用户搜索时，对输入的内容分词

自定义字典

ik分词器之所以可以实现分词，是内部存在一个字典，根据字典会进行划分。但是有的是时候需要排除某些词语，比如说”嗯“，”哦“等词语，没有划分的意义。又比如说网络梗”打个胶先“等这些不会被识别为一个词语。这个时候我们可以自定义我们的词典。具体修改方式如下。

拓展词库

修改ik分词器插件中的confg目录下的IKAnalyzer.cfg.xml文件

<?xml version="1." encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
	<comment>IK Analyzer 扩展配置</comment>
	<!--用户可以在这里配置自己的扩展字典 *** 添加扩展词典-->
	<entry key="ext_dict">ext.dic</entry>
</properties>

禁用词库

<?xml version="1." encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
	<comment>IK Analyzer 扩展配置</comment>
	<!--用户可以在这里配置自己的扩展停止词字典 *** 添加停用词词典-->
  <entry key="ext_stopwords">stopword.dic</entry>
</properties>

配置的文件都需要和IKAnalyzer.cfg.xml在同一目录下。如果不存在就自己创建

索引库操作

Mapping属性

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）、keyword （精确值，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：是否创建索引，默认为true
  • analyzer：使用哪种分词器
  • properties：该字段的子字段

ES还支持两种地理坐标数据类型：

  • geo_point：由维度和经度确定的一个点
  • geo_shape：由多个geo_ponit组成的复杂图形

创建索引库

创建索引库的语法示例如下

PUT /zmbwcx
{
  "mappings": {
    "properties": {
        "info":{
          "type": "text",
          "analyzer": "ik_smart"
        },
        "people":{
          "properties": {
            "name":{
              "type":"keyword"
            },
            "sex":{
              "type":"keyword"
            }
          }
        }
    } 
  }
}

查询索引库

GET /索引库名

删除索引库

DELETE /索引库名

修改索引库

索引库和mapping一旦创建无法进行修改（修改会导致原有的倒排索引发生改变，影响较大，因此无法修改），但是可以向其中添加新的字段

文档操作

新增文档

文档id如果不指定，会随机生成一个文档id

POST /zmbwcx/_doc/1
{
  "info":"成功人士",
  "people":{
    "name":"zmbwcx",
    "sex":"男"
  }
}

查找文档

GET /索引库名/_doc/文档id

字段解读：

  • _index：索引库名
  • _type：查询类型
  • _id：文档id
  • _version：查询次数
  • _source：文档内容

修改文档

全量修改

删除旧文档，添加新文档。具体操作和新增文档相同，只有请求由POST变为PUT。如果修改的文档id不存在，则相当于新增

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

增量修改

POST /索引库名/_update/文档id
{
	"doc":{
      "字段名":"新的值"
	}
}

删除文档

DELETE /索引库名/_doc/文档id

RestClient操作索引库

资料下载：https://pan.baidu.com/s/1ORJ-jERwZzJMoyWpCrgafw?pwd=zmbw

mapping要考虑的问题：字段名、数据类型、是否参与搜索、是否分词、如果分词，分词器是什么?

字段名与数据类型的设计与数据库一样就可以。其余的部分要联合业务决定

具体DSL语句如下，我们可以选择在视图界面直接运行如下代码也可以在Java中创建索引库。

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"
      },
      "starName":{
        "type":"keyword"
      },
      "business":{
        "type":"keyword",
        "copy_to": "all"
      },
      "location":{
        "type": "geo_point"
      },
      "pic":{
        "type":"keyword",
        "index": false
      },
      "all":{
        "type": "text",
        "analyzer": "ik_max_word"
      }
    }
  }
}

如果需要实现搜索一个字段可以查询到多个字段的内容需要使用字段拷贝。

"拷贝字段":{
	"type":"test",
  "analyzer":"ik_max_word"
},
"被拷贝字段":{
	"copy_to"："拷贝字段"
}

创建好mapping映射后，编写Java部分的代码

首先引入依赖，这里的版本一定要和docker中安装的版本一样

<properties>
    <java.version>1.8</java.version>
    <elasticsearch.version>7.12.1</elasticsearch.version>
</properties>
<dependencies>
	<dependency>
    <groupId>org.elasticsearch.client</groupId>
    <artifactId>elasticsearch-rest-high-level-client</artifactId>
  </dependency>
</dependencies>

创建客户端对象，并使用该对象创建索引库。

@SpringBootTest
class HotelDemoApplicationTests {
    private RestHighLevelClient client;

    @BeforeEach//初始化客户端
    void setUp() {
        this.client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://192.168.116.131:9200")
        ));
    }

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

    @Test//创建索引库
    public void testCreateIndex() throws Exception {
        CreateIndexRequest request = new CreateIndexRequest("hotel");
        request.source(MAPPING_TEMPLATE, XContentType.JSON);
        client.indices().create(request, RequestOptions.DEFAULT);
    }
       
    @Test//删除索引库
    public void testDeleteIndex() throws Exception {
        DeleteIndexRequest request = new DeleteIndexRequest("hotel");
        client.indices().delete(request,RequestOptions.DEFAULT);
    }

    @Test//判断索引库是否存在
    public void testGetIndex() throws Exception {
        GetIndexRequest request = new GetIndexRequest("hotel");
        boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);
        System.out.println(exists?"索引库存在":"索引库不存在");
    }
}

RestClient操作文档

新增文档

@SpringBootTest
class TestDoc {
    private RestHighLevelClient client;
    @Autowired
    private IHotelService service;

    @BeforeEach
    void setUp() {
        this.client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://192.168.116.131:9200")
        ));
    }

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

    @Test
    public void testInsertDoc() throws Exception {
        //从数据库中查找数据
        Hotel hotel = service.getById(36934);
        //转换为Mapping相对应的格式
        HotelDoc hotelDoc = new HotelDoc(hotel);
        //创建添加请求
        IndexRequest request = new IndexRequest("hotel").id(hotelDoc.getId().toString());
        //准备JSON文档
        request.source(JSON.toJSONString(hotelDoc),XContentType.JSON);
        //添加文档
        client.index(request,RequestOptions.DEFAULT);
    }
}

 去可视化界面查询是否插入成功

根据Id查询文档数据

    @Test
    public void testGetResultById() throws Exception {
        GetRequest request = new GetRequest("hotel","36934");
        GetResponse response = client.get(request, RequestOptions.DEFAULT);
        String jsonStr = response.getSourceAsString();
        HotelDoc hotelDoc = JSON.parseObject(jsonStr, HotelDoc.class);
        System.out.println(hotelDoc);
    }

更新文档

更新文档有两种，一种是全量更新，更改方式与新增文档一模一样。

另一种是局部更新，代码如下

    @Test
    public void testUpdateDoc() throws Exception {
        UpdateRequest request = new UpdateRequest("hotel","36934");
        //参数类似于k:v，但不同的是，不是使用:而是,分割，每两个作为一个kv。第三个参数作为k
        request.doc(
                "price","300"
        );
        client.update(request,RequestOptions.DEFAULT);
    }

删除文档

    @Test
    public void testDeleteDoc() throws Exception {
        DeleteRequest request = new DeleteRequest("hotel","36934");
        client.delete(request,RequestOptions.DEFAULT);
    }

批量新增

    @Test
    public void testInsertDocs() throws Exception {
        List<Hotel> list = service.list();
        List<HotelDoc> listHotelDocs = list.stream().map(hotel -> new HotelDoc(hotel)).collect(Collectors.toList());
        BulkRequest bulkRequest = new BulkRequest();
        for (HotelDoc hotelDoc : listHotelDocs) {
            bulkRequest.add(new IndexRequest("hotel")
                    .id(hotelDoc.getId().toString())
                    .source(JSON.toJSONString(hotelDoc),XContentType.JSON));
        }
        client.bulk(bulkRequest,RequestOptions.DEFAULT);
    }

DSL查询语法

查询所有

但实际上有条数限制，为10条

GET /hotel/_search
{
  "query": {
    "match_all": {}
  }
}

全文检索

会对用户输入的数据经过分词器处理后搜索文档，常用于搜索框

一种是match搜索

GET /hotel/_search
{
  "query": {
    "match": {
      "all": "北京"
    }
  }
}

一种是multi_match，可以查询多个字段

GET /hotel/_search
{
  "query": {
    "multi_match": {
      "query": "北京如家",
      "fields": ["brand","name","business"]
    }
  }
}

两种查询效果基本相同，但第二种查询的索引更多，速度更慢些，所以更推荐通过拷贝的方式只查询一个索引。

精确查询

精确查询一般是查找keyword、数值、日期、boolean等类型字段。所以不会对搜索条件分词。

  • term：根据词条精确值查询
  • range：根据值的范围查询

查询北京地区的旅店信息

GET /hotel/_search
{
  "query": {
    "term": {
      "city": {
        "value": "北京"
      }
    }
  }
}

查询价格区间的旅店信息

GET /hotel/_search
{
  "query": {
    "range": {
      "price": {
        "gte": 100,
        "lte": 200
      }
    }
  }
}

地理查询

geo_bounding_box查询方式。

geo_distance查询方式

复合查询

复合查询可以将其他简单的查询组合起来，实现更复杂的搜索逻辑

fuction score：算分函数查询，可以控制文档相关性算分，控制文档排名

boolean query：布尔查询是一个或多个查询子句的组合。子查询的组合方式有

  • must：必须匹配每个子查询，类似”与“
  • should：选择性匹配子查询，类似”或“
  • must_not：必须不匹配，不参与算分，类似”非“
  • filter：必须匹配，不参与算分

参与算分的条件越多，性能越差

搜索结果处理

排序

默认根据相关度算分（_score）排序，但是可以自定义排序规则，比如说价格，或是日期，如果指定其他排序，则放弃算分，性能更好

按用户评分降序，价格升序查询

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "score": "desc"
    },
    {
      "price": "asc"
    }
  ]
}

分页

ES中默认一次查询出10条数据。如果需要获取更多的数据，需要修改分页参数

#分页查询
GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "from": 10, //从第十条开始查找
  "size": 20 //查询20条数据
}

分页存在的问题：

ES和数据库不同，ES做的是逻辑分页，也就是查询出前30条数据，然后截取10之后的20条数据。其次，ES通常为了存储更多文档都是集群工作，会将文档拆分到不同节点上。如果我们以价格升序排序后，截取50-60的文档，那么实际上是每个节点都进行排序后，每个节点数据集合到内存后再次重新排序后再去截取50-60的数据。

如果搜索的页数过深，或者结果集（from+size）过大，对内存和CPU消耗越高，因此ES设定结果集上限为1000

高亮

GET /hotel/_search
{
  "query": {
    "match": {
      "all": "北京"
    }
  },
  "highlight": {
    "fields": {
      "name": {
        "require_field_match": "false" //取消字段匹配
      }
    }
  }
}

ES默认情况下ES的搜索字段必须与高亮字段名一致。如果不需要一致，则需要添加配置

RestClient查询文档

查询全部

查询文档

    @Test
    public void testSearchMatchAll() throws Exception {
        SearchRequest request = new SearchRequest("hotel");
        //准备DSL
        request.source().query(QueryBuilders.matchAllQuery());
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        System.out.println(response);
    }

解析数据

结合JSON格式进行解析数据

    @Test
    public void testSearchMatchAll() throws Exception {
        SearchRequest request = new SearchRequest("hotel");
        //准备DSL
        request.source().query(QueryBuilders.matchAllQuery());
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        System.out.println(response);
        SearchHits searchHits = response.getHits();
        long totalNum = searchHits.getTotalHits().value;
        SearchHit[] hits = searchHits.getHits();
        for (SearchHit hit : hits) {
            HotelDoc hotelDoc = JSON.parseObject(hit.getSourceAsString(), HotelDoc.class);
            System.out.println(hotelDoc);
        }
        System.out.println("一共查询到:"+totalNum+"条");
    }

全文检索查询

    @Test
    public void testSearchMatch() throws Exception {
        SearchRequest request = new SearchRequest("hotel");
        request.source().query(QueryBuilders.matchQuery("all","北京"));
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        SearchHits searchHits = response.getHits();
        long totalNum = searchHits.getTotalHits().value;
        SearchHit[] hits = searchHits.getHits();
        for (SearchHit hit : hits) {
            HotelDoc hotelDoc = JSON.parseObject(hit.getSourceAsString(), HotelDoc.class);
            System.out.println(hotelDoc);
        }
        System.out.println("一共查询到:"+totalNum+"条");
    }

与MatchAll的查询方式基本无异。多了个指定字段与查询内容

精确查询

复合查询

排序和分页

    @Test
    public void testSearchPage() throws Exception {
        SearchRequest request = new SearchRequest("hotel");
        request.source().query(QueryBuilders.matchQuery("all","北京"));
        request.source().from(10).size(5);
        request.source().sort("price", SortOrder.ASC);
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        SearchHits searchHits = response.getHits();
        long totalNum = searchHits.getTotalHits().value;
        SearchHit[] hits = searchHits.getHits();
        for (SearchHit hit : hits) {
            HotelDoc hotelDoc = JSON.parseObject(hit.getSourceAsString(), HotelDoc.class);
            System.out.println(hotelDoc);
        }
        System.out.println("一共查询到:"+totalNum+"条");
    }

高亮

    @Test
    public void testHighLight() throws Exception {
        SearchRequest request = new SearchRequest("hotel");
        request.source().query(QueryBuilders.matchQuery("all","北京"));
        request.source().highlighter(new HighlightBuilder().field("name").requireFieldMatch(false));
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        SearchHits searchHits = response.getHits();
        SearchHit[] hits = searchHits.getHits();
        for (SearchHit hit : hits) {
            HotelDoc hotelDoc = JSON.parseObject(hit.getSourceAsString(), HotelDoc.class);
            Map<String, HighlightField> highlightFields = hit.getHighlightFields();
            if (!CollectionUtils.isEmpty(highlightFields)){
                HighlightField field = highlightFields.get("name");
                if (field!=null){
                    String value = field.getFragments()[0].string();
                    hotelDoc.setName(value);
                }
            }
            System.out.println(hotelDoc);
        }
    }

zmbwcx2003
关注
  • 8
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
SpringCloud整合ElasticSearch搜索使用
还在活水泥的未来包工头
04-15 512
Easy-Es（简称 EE）是一款基于 ElasticSearch（简称 Es）官方提供的 RestHighLevelClient 打造的 ORM 开发框架，在 RestHighLevelClient 的基础上，只做增强不做改变，为简化开发、提高效率而生。您如果有用过 Mybatis-Plus（简称 MP），那么您基本可以零学习成本直接上手 EE。EE 是 MP 的 Es 平替版，在有些方面甚至比 MP 更简单，同时也融入了更多 Es 独有的功能，助力您快速实现各种场景的开发。③ 配置文件增加链接配置。
spring-data-elasticsearch中文使用文档
09-29
spring-data-elasticsearch中文使用文档，spring-data-elasticsearch、elasticsearch、ES、ElasticSearch、ES中文教程
Spring data elasticsearch 官方文档（翻译）
包子的博客
08-28 1万+
Working with spring data repositories -1.1 Core concepts Spring数据存储库抽象中的中心接口是repository。它使用域类和域类的ID类型作为类型参数来管理。这个接口主要作为一个标记接口来捕获要使用的类型，并帮助您发现扩展这个接口的接口。CrudRepository为正在管理的实体类提供了复杂的CRUD功能。 Crud...
springdata-elasticsearch官方文档
小诸葛的博客
04-10 3045
Spring Data Elasticsearch - Reference Documentation
SpringCloud：ElasticSearch之文档操作
时代各有不同，青春一脉相承。
03-29 101
文档操作有哪些？POST /{索引库名}/_doc/文档id { json文档 }GET /{索引库名}/_doc/文档idDELETE /{索引库名}/_doc/文档id修改文档：PUT /{索引库名}/_doc/文档id { json文档 }POST /{索引库名}/_update/文档id { "doc": {字段}}
springboot整合elasticsearch
zwjzone的博客
05-12 2万+
spring boot整合elasticsearch详细教程讲解，本文重点讲怎么利用官方文档来写出自己的方法，不用看复杂的文章，只需要搞清楚流程套路，再复杂的方法都能实现，不明白流程套路，怎么写都不顺畅。
es(elasticsearch)整合SpringCloud（SpringBoot）搭建教程详解
08-19
在本教程中，我们将探讨如何将Elasticsearch与SpringBoot和SpringCloud进行集成，以便在微服务架构中利用Elasticsearch强大的搜索和分析能力。Elasticsearch是一个分布式、RESTful风格的搜索和数据分析引擎，而...
SpringCloud视频教程全套百度网盘
03-01
第6章 ElasticSearch详细讲解及应用 第7章 Eureka分布式服务器的搭建 。。。。。。。。。 第15章 SpringCloud项目实战 。。。。。。。。。 第20章 SpringCloud总结 学习SpringCloud前面要对SpringBoot有一定的了解...
springcloud+nocos+mongodb+redis+es
08-20
主要有三个模块，springcloud集成es，gateway，mongdodb， 通知有基于feign调用的整套代码注解说明 能帮助大家轻易打建springcloud基于nocos配置，注册中心的微服务架构 包含了远程共享私库 manven配置， nacos配置...
一个基于Spring Cloud，ElasticSearch、minio的微服务B2B2C电商商城系统
最新发布
05-28
一个基于Spring Cloud、Nacos、Seata、Mysql、Redis、RocketMQ、canal、ElasticSearch、minio的微服务B2B2C电商商城系统，采用主流的互联网技术架构、全新的UI设计、支持集群部署、服务注册和发现以及拥有完整的订单...
springcloud学习代码资源的其他框架
05-22
本资源包中包含了SpringCloud的学习代码和其他框架的整合示例，这将有助于我们深入理解和实践微服务架构。 首先，Spring Cloud的核心组件包括Eureka（服务注册与发现）、Zuul（边缘服务/API网关）、Hystrix（断路器...
SpringBoot整合Elasticsearch(最新最全，高效安装到使用)
whatevery的博客
08-02 1万+
在node安装路径下，使用命令安装：npm install -g grunt-cli 安装grunt。为了避免使用的Elasticsearch版本和SpringBoot采用的版本不一致导致的问题，尽量使用一致的版本。安装过程结束后，在dos窗口查看是否安装成功，使用命令：node -v，出现如下截图，则说明安装成功。es5以上就需要安装node和grunt，所以安装head插件的前提，是需要把该两项配置好。-version查看是否安装成功，出现如下截图，说明安装成功。下载对应环境的node版本安装即可。
springCloud整合Elasticsearch 之 Elasticsearch简介
liuerchong的博客
06-04 1595
一、什么是Elasticsearch？ 这是新手碰到的第一个问题！我来概括以下： Elasticsearch是一个NoSql数据库，其搜索引擎基于Lucene构建。Elasticsearch提供了一个分布式的，基于JSON的实时，多租户的全文搜索解决方案。 即使上面的定义仅用两句话就结束了，但您还是不会听到很多术语。让我们拆分它们并分别进行探索 1 Lucene 简而言之，Lucene是一个用Java编写的库。因此，下一个显而易见的问题是它的作用和功能是什么！ Lucene是一个搜索库。这意味着，有一些用J
SpringData ElasticSearch
赵广陆
01-18 3744
目录1 SpringData ElasticSearch简介2 ElasticSearch环境搭建2.1 安装ElasticSearch2.1.1 准备工作2.1.2 文件上传2.1.3 文件解压2.1.4 添加用户2.1.5 修改配置2.1.6 启动elasticSearch2.1.7 访问测试2.2 安装Head插件2.2.1 安装nodeJS2.2.2 安装cnpm2.2.3 安装grunt2.2.4 安装head插件2.2.5 安装head插件所需依赖2.2.6 修改elasticsearch的配置
Elasticsearch 在各大互联网公司大量真实的应用案例！
石杉的架构笔记
04-22 1160
公众号后台回复“面试”，获取精品学习资料扫描下方海报了解专栏详情本文来源：https://www.cnblogs.com/rickie/p/11648622.html《Java工程师面试...
Spring Boot整合Elasticsearch，最新最全教程
热门推荐
Cloud-Future的博客
12-21 9万+
要想快速入门新技术，英文文档的阅读能力必不可少。本篇文章主要参考《Spring Data Elasticsearch》Spring Boot整合Elasticsearch的官方文档。 Elasticsearch官网参考文档：https://www.elastic.co/guide/index.html Elasticsearch官方下载地址：https://www.elastic.co/cn/downloads/elasticsearch Elasticsearch目前最近版本为:7.10.1 最近系统.
Java-主流框架—（12）Spring-ElasticSearch
qq_33513145的博客
02-09 967
1.初始ElasticSeearch 1.1基于数据库查询的问题 1.2倒排索引 倒排索引：将文档进行分词，形成词条和id的对应关系即为反向索引。 以唐诗为例，所处包含“前”的诗句 正向索引：由《静夜思》-->窗前明月光--->“前”字 反向索引：“前”字-->窗前明月光-->《静夜思》 反向索引的实现就是对诗句进行分词，分成单个的词，由词推据，即为反向索引 “床前明月光”--> 分词 将一段文本按照一定的规则，拆分为不同的词条（term） .
spring cloud如何集成elasticsearch
aaxiaoxiaomi的博客
12-12 1304
elasticsearch
SpringBoot集成elasticsearch使用（增删改查）
ljfgyy0205的博客
04-11 4034
此文适合了解了es相关概念以及基础知识的同学阅读提示：以下是本篇文章正文内容，下面案例可供参考。
springcloud集成elasticsearch
03-16
Spring Cloud集成Elasticsearch可以通过使用Spring Data Elasticsearch来实现。Spring Data Elasticsearch是Spring Data项目的一部分，它提供了与Elasticsearch交互的API和工具。 要使用Spring Data Elasticsearch...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

zmbwcx2003

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值