Spring Data ElasticSearch 及Kibana调用Restful
什么是spring Data
Spring Data是一个用于简化数据库访问，并支持云服务的开源框架。其主要目标是使得对数据的访问变得方便快 捷，并支持map-reduce框架和云计算数据服务。 Spring Data可以极大的简化JPA的写法，可以在几乎不用写实现 的情况下，实现对数据的访问和操作。除了CRUD外，还包括如分页、排序等一些常用的功能。 Spring Data的官网：http://projects.spring.io/spring-data/
Spring Data常用的功能模块如下：
spring data commons spring data JPA spring data Redis spring data for Apache Solr spring data ElasticSearch
什么是Spring Data ElasticSearch
Spring Data ElasticSearch 基于 spring data API 简化 elasticSearch操作，将原始操作elasticSearch的客户端API 进 行封装 。Spring Data为Elasticsearch项目提供集成搜索引擎。Spring Data Elasticsearch POJO的关键功能区域为 中心的模型与Elastichsearch交互文档和轻松地编写一个存储库数据访问层。 官方网站：http://projects.spring.io/spring-data-elasticsearch/
引入坐标
<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>2.0.1.RELEASE</version>
</parent>
<dependencies>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</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>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-devtools</artifactId>
</dependency>
</dependencies>
# ES #开启 Elasticsearch 仓库(默认值:true) spring.data.elasticsearch.repositories.enabled=true #默认 9300 是 Java 客户端的端口。9200 是支持 Restful HTTP 的接口 spring.data.elasticsearch.cluster-nodes = 127.0.0.1:9300 #spring.data.elasticsearch.cluster-name Elasticsearch 集群名(默认值: elasticsearch) #spring.data.elasticsearch.cluster-nodes 集群节点地址列表，用逗号分隔。如果没有指定，就启动一个客户端节点 #spring.data.elasticsearch.propertie 用来配置客户端的额外属性 #连接超时的时间 spring.data.elasticsearch.properties.transport.tcp.connect_timeout=120s
/** 其中，注解解释如下： @Document(indexName="blob3",type="article")： indexName：索引的名称（必填项） type：索引的类型 @Id：主键的唯一标识 @Field(index=true,analyzer="ik_smart",store=true,searchAnalyzer="ik_smart",type = FieldType.text) index：是否索引 analyzer：存储时使用的分词器 searchAnalyze：搜索时使用的分词器 store：是否存储 type: 数据类型 注： 一旦添加了@Filed注解，所有的默认值都不再生效。此外，如果添加了@Filed注解，那么type字段必须指定。 所以一般不用添加。 */ @Document(indexName = "blog3",type = "article") public class Article { //@Field(store = true,type = FieldType.Integer) private Integer id; @Field(index = true,store = true,analyzer = "ik_smart",searchAnalyzer = "ik_smart",type = FieldType.text) private String title; @Field(index = true,store = true,analyzer = "ik_smart",searchAnalyzer = "ik_smart",type = FieldType.text) private String content;
增删改查
test
@RunWith(SpringRunner.class) @SpringBootTest(classes = ApplicationRun.class) public class TestSpringDataES { @Autowired private ArticleService as; @Test //保存 public void testSave(){ Article a = new Article(); a.setId(1); a.setTitle("elasticSearch 3.0版本发布...更新"); a.setContent("ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口"); as.save(a); } @Test//修改 public void testUpdate(){ Article a = new Article(); a.setId(1); a.setTitle("elasticSearch 3.01版本发布...更新"); a.setContent("ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口"); as.save(a); } @Test //删除 public void testDelete(){ Article a = new Article(); a.setId(1); as.delete(a); } @Test //批量保存 public void testSave2(){ for (int i = 1; i <= 100; i++) { Article a = new Article(); a.setId(i); a.setTitle(i+"elasticSearch 3.0版本发布...更新"); a.setContent(i+"ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口"); as.save(a); } } @Test //查询所有保存 public void testFindAll(){ Iterable<Article> list = as.findAll(); for (Article article : list) { System.out.println(article); } } @Test public void TestFindByPage(){ // Pageable pageable= PageRequest.of(1,10); Pageable pageable= PageRequest.of(1,10, Sort.by(Sort.Order.asc("id;"))); Page page = as.findByPage(pageable); List<Article> list = page.getContent(); for (Article article : list) { System.out.println(article); } } @Test //根据title查询 public void testFindByTitle(){ List<Article> list = as.findByTitle("版本"); for (Article article : list) { System.out.println(article); } } @Test //根据title查询 public void testFindByTitlePage(){ Pageable pageable=PageRequest.of(0,20,Sort.by(Sort.Order.asc("id"))); Page page = as.findByTitle("版本", pageable); List<Article> list = page.getContent(); for (Article article : list) { System.out.println(article); } } }
service
public interface ArticleService { //保存 public void save(Article article); //删除 public void delete(Article article); //查询 public Iterable<Article> findAll(); //分页查询 public Page findByPage(Pageable pageable); public List<Article> findByTitle(String title); public Page findByTitle(String title,Pageable pageable); }
impl
@Service public class ArticleServiceImpl implements ArticleService { @Autowired private ArticleDao articleDao; @Override public void save(Article article) { articleDao.save(article); } @Override public void delete(Article article) { articleDao.delete(article); } @Override//Sort.by(Sort.Order.asc("id") 根据id排序 public Iterable<Article> findAll() { return articleDao.findAll(Sort.by(Sort.Order.asc("id"))); } @Override public Page findByPage(Pageable pageable) { return articleDao.findAll(pageable); } @Override public List<Article> findByTitle(String title) { return articleDao.findByTitle(title); } @Override public Page findByTitle(String title, Pageable pageable) { return articleDao.findByTitle(title,pageable); } }
dao
//ElasticsearchRepository<实体类,实体类的主键类型> : 提供了CRUD的操作 public interface ArticleDao extends ElasticsearchRepository<Article,Integer> { //根据title字段查询 public List<Article> findByTitle(String title); public Page findByTitle(String title, Pageable pageable); }
常用查询命名规则
Kibana是一个基于Node.js的Elasticsearch索引库数据统计工具，可以利用Elasticsearch的聚合功能，生成各种图表，如柱形图，线状图，饼图等。
而且还提供了操作Elasticsearch索引数据的控制台，并且提供了一定的API提示，非常有利于我们学习Elasticsearch的语法。
安装
因为Kibana依赖于node，需要在windows下先安装Node.js，然后安装kibana，最新版本与elasticsearch保持一致，也是5.6.8
解压即可!
运行
进入安装目录下的bin目录-->双击kibana.bat
发现kibana的监听端口是5601
控制台
进入之后选择左侧的DevTools菜单，即可进入控制台页面,在页面右侧，我们就可以输入请求，访问Elasticsearch了。
创建索引库
语法
Elasticsearch采用Rest风格API，因此其API就是一次http请求，你可以用任何工具发起http请求 创建索引的请求格式： - 请求方式：PUT - 请求路径：/索引库名
使用kibana创建
相当于是省去了elasticsearch的服务器地址
而且还有语法提示，非常舒服。
查看索引数据库
语法
GET /索引库名
删除索引库
语法
DELETE /索引库名
类型及映射操作
有了`索引库`，等于有了数据库中的`database`。接下来就需要索引库中的`类型`了，也就是数据库中的`表`。创建数据库表需要设置字段约束，索引库也一样，
在创建索引库的类型时，需要知道这个类型下有哪些字段，每个字段有哪些**约束**信息，这就叫做`字段映射(mapping)` 字段的约束我们在学习Lucene中我们都见到过，包括到不限于： - 字段的数据类型 - 是否要存储 - 是否要索引 - 是否分词 - 分词器是什么
创建字段映射
语法
PUT /索引库名/_mapping/类型名称 { "properties": { "字段名": { "type": "类型", "index": true， "store": true， "analyzer": "分词器" } } }
-
-
type：类型，可以是text、long、short、date、integer、object等
-
index：是否索引，默认为true
-
store：是否存储，默认为false
-
analyzer：分词器，这里的
ik_max_word即使用ik分词器
查看映射关系
语法
GET /索引库名/_mapping
附录:映射属性
1）type
Elasticsearch中支持的数据类型非常丰富：
这里说几个关键的：
-
String类型，又分两种：
-
text：可分词，不可参与聚合
-
keyword：不可分词，数据会作为完整字段进行匹配，可以参与聚合
-
-
Numerical：数值类型，分两类
-
基本数据类型：long、interger、short、byte、double、float、half_float
-
浮点数的高精度类型：scaled_float
-
需要指定一个精度因子，比如10或100。elasticsearch会把真实值乘以这个因子后存储，取出时再还原。
-
-
-
Date：日期类型
elasticsearch可以对日期格式化为字符串存储，但是建议我们存储为毫秒值，存储为long，节省空间。
-
Array：数组类型
-
进行匹配时，任意一个元素满足，都认为满足
-
排序时，如果升序则用数组中的最小值来排序，如果降序则用数组中的最大值来排序
-
-
Object：对象
{
name:"Jack",
age:21,
girl:{
name: "Rose",
age:21
}
}
如果存储到索引库的是对象类型，例如上面的girl，会把girl编程两个字段：girl.name和girl.age
2）index
index影响字段的索引情况。
-
true：字段会被索引，则可以用来进行搜索过滤。默认值就是true
-
false：字段不会被索引，不能用来搜索
index的默认值就是true，也就是说你不进行任何配置，所有字段都会被索引。
但是有些字段是我们不希望被索引的，比如商品的图片信息，就需要手动设置index为false。
3）store
是否将数据进行额外存储。
在学习lucene和solr时，我们知道如果一个字段的store设置为false，那么在文档列表中就不会有这个字段的值，用户的搜索结果中不会显示出来。
但是在Elasticsearch中，即便store设置为false，也可以搜索到结果。
原因是Elasticsearch在创建文档索引时，会将文档中的原始数据备份，保存到一个叫做_source的属性中。而且我们可以通过过滤_source来选择哪些要显示，哪些不显示。
而如果设置store为true，就会在_source以外额外存储一份数据，多余，因此一般我们都会将store设置为false，事实上，store的默认值就是false。
4）boost
权重，新增数据时，可以指定该数据的权重，权重越高，得分越高，排名越靠前。
一次创建索引库和类型
put /索引库名 { "settings":{ "索引库属性名":"索引库属性值" }, "mappings":{ "类型名":{ "properties":{ "字段名":{ "映射属性名":"映射属性值" } } } } }
文档操作
新增文档
通过POST请求，可以向一个已经存在的索引库中添加文档数据。
POST /索引库名/类型名 { "key":"value" }
另外，需要注意的是，在响应结果中有个_id字段，这个就是这条文档数据的唯一标示，以后的增删改查都依赖这个id作为唯一标示。
可以看到id的值为：r9c1KGMBIhaxtY5rlRKv,这里我们新增时没有指定id，所以是ES帮我们随机生成的id。
查看文档
根据rest风格，新增是post，查询应该是get，不过查询一般都需要条件，这里我们把刚刚生成数据的id带上。
通过kibana查看数据：
GET /test1/goods/r9c1KGMBIhaxtY5rlRKv
新增文档并自定义id
POST /索引库名/类型/id值 { ... } 示例: POST /test1/goods/2 { "title":"大米手机", "images":"http://image.leyou.com/12479122.jpg", "price":2899.00 }
修改数据
把刚才新增的请求方式改为PUT，就是修改了。不过修改必须指定id，
-
id对应文档存在，则修改
-
id对应文档不存在，则新增
比如，我们把使用id为3，不存在，则应该是新增：
PUT /test1/goods/3 { "title":"超米手机", "images":"http://image.leyou.com/12479122.jpg", "price":3899.00, "stock": 100, "saleable":true }
我们再次执行刚才的请求，不过把数据改一下：
PUT /test1/goods/3 { "title":"超大米手机", "images":"http://image.leyou.com/12479122.jpg", "price":3299.00, "stock": 100, "saleable":true }
删除数据
删除使用DELETE请求，同样，需要根据id进行删除：
语法
DELETE /索引库名/类型名/id值
查询
-
基本查询
-
_source过滤 -
结果过滤
-
高级查询
-
GET /索引库名/_search { "query":{ "查询类型":{ "查询条件":"查询条件值" } } }
这里的query代表一个查询对象，里面可以有不同的查询属性
-
查询类型：
-
例如：
match_all，match，term，range等等
-
-
查询条件：查询条件会根据类型的不同，写法也有差异
GET /test1/_search { "query":{ "match_all": {} } }
-
-
match_all：代表查询所有
匹配查询
我们先加入一条数据
PUT /test1/goods/3 { "title":"小米电视4A", "images":"http://image.leyou.com/12479122.jpg", "price":3899.00 }
-
or关系
match
GET /test1/_search { "query":{ "match":{ "title":"小米电视" } } }
-
and关系
某些情况下，我们需要更精确查找，我们希望这个关系变成and，可以这样做：
GET /goods/_search { "query":{ "match":{ "title":{"query":"小米电视","operator":"and"} } } }
词条匹配
GET /test1/_search { "query":{ "term":{ "price":2699.00 } } }
POST /test1/goods/4 { "title":"apple手机", "images":"http://image.leyou.com/12479122.jpg", "price":6899.00 }
GET /test1/_search { "query": { "fuzzy": { "title": "appla" } } }
上面的查询，也能查询到apple手机
我们可以通过fuzziness来指定允许的编辑距离：
GET /test1/_search { "query": { "fuzzy": { "title": { "value":"appla", "fuzziness":1 } } } }
排序
GET /test1/_search
{
"query": {
"match": {
"title": "小米手机"
}
},
"sort": [
{
"price": {
"order": "desc"
}
}
]
}
分页
elasticsearch的分页与mysql数据库非常相似，都是指定两个值：
-
from：开始位置
-
size：每页大小
GET /test1/_search { "query": { "match_all": {} }, "sort": [ { "price": { "order": "asc" } } ], "from": 3, "size": 3 }
高亮
高亮原理：
-
服务端搜索数据，得到搜索结果
-
把搜索结果中，搜索关键字都加上约定好的标签
-
前端页面提前写好标签的CSS样式，即可高亮
elasticsearch中实现高亮的语法比较简单：
GET /test1/_search { "query": { "match": { "title": "手机" } }, "highlight": { "pre_tags": "<em>", "post_tags": "</em>", "fields": { "title": {} } } }
在使用match查询的同时，加上一个highlight属性：
-
pre_tags：前置标签
-
post_tags：后置标签
-
fields：需要高亮的字段
-
