elasticsearch基础
分布式搜索引擎01
1.初识elasticsearch
1.1.了解ES
1.1.1.elasticsearch的作用
elasticsearch是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容
例如：
-
在GitHub搜索代码
在电商网站搜索商品
在百度搜索答案
在打车软件搜索附近的车
1.1.2.ELK技术栈
elasticsearch结合kibana、Logstash、Beats，也就是elastic stack（ELK）。被广泛应用在日志数据分析、实时监控等领域：
而elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。
1.1.3.elasticsearch和lucene
elasticsearch底层是基于lucene来实现的。
Lucene是一个Java语言的搜索引擎类库，是Apache公司的顶级项目，由DougCutting于1999年研发。官网地址：https://lucene.apache.org/ 。
elasticsearch的发展历史：
-
2004年Shay Banon基于Lucene开发了Compass
-
2010年Shay Banon 重写了Compass，取名为Elasticsearch。
1.1.4.为什么不是其他搜索技术？
目前比较知名的搜索引擎技术排名：
虽然在早期，Apache Solr是最主要的搜索引擎技术，但随着发展elasticsearch已经渐渐超越了Solr，独占鳌头：
1.1.5.总结
什么是elasticsearch？
-
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
什么是elastic stack（ELK）？
-
是以elasticsearch为核心的技术栈，包括beats、Logstash、kibana、elasticsearch
什么是Lucene？
-
是Apache的开源搜索引擎类库，提供了搜索引擎的核心API
1.2.倒排索引
倒排索引的概念是基于MySQL这样的正向索引而言的。
1.2.1.正向索引
那么什么是正向索引呢？例如给下表（tb_goods）中的id创建索引：
如果是根据id查询，那么直接走索引，查询速度非常快。
但如果是基于title做模糊查询，只能是逐行扫描数据，流程如下：
1）用户搜索数据，条件是title符合"%手机%"
2）逐行获取数据，比如id为1的数据
3）判断数据中的title是否符合用户搜索条件
4）如果符合则放入结果集，不符合则丢弃。回到步骤1
逐行扫描，也就是全表扫描，随着数据量增加，其查询效率也会越来越低。当数据量达到数百万时，就是一场灾难。
1.2.2.倒排索引
倒排索引中有两个非常重要的概念：
-
文档（
Document）：用来搜索的数据，其中的每一条数据就是一个文档。例如一个网页、一个商品信息 -
词条（
Term）：对文档数据或用户搜索数据，利用某种算法分词，得到的具备含义的词语就是词条。例如：我是中国人，就可以分为：我、是、中国人、中国、国人这样的几个词条
创建倒排索引是对正向索引的一种特殊处理，流程如下：
-
将每一个文档的数据利用算法分词，得到一个个词条
-
创建表，每行数据包括词条、词条所在文档id、位置等信息
-
因为词条唯一性，可以给词条创建索引，例如hash表结构索引
如图：
倒排索引的搜索流程如下（以搜索"华为手机"为例）：
1）用户输入条件"华为手机"进行搜索。
2）对用户输入内容分词，得到词条：华为、手机。
3）拿着词条在倒排索引中查找，可以得到包含词条的文档id：1、2、3。
4）拿着文档id到正向索引中查找具体文档。
如图：
虽然要先查询倒排索引，再查询倒排索引，但是无论是词条、还是文档id都建立了索引，查询速度非常快！无需全表扫描。
1.2.3.正向和倒排
那么为什么一个叫做正向索引，一个叫做倒排索引呢？
-
正向索引是最传统的，根据id索引的方式。但根据词条查询时，必须先逐条获取每个文档，然后判断文档中是否包含所需要的词条，是根据文档找词条的过程。
-
而倒排索引则相反，是先找到用户要搜索的词条，根据词条得到保护词条的文档的id，然后根据id获取文档。是根据词条找文档的过程。
是不是恰好反过来了？
那么两者方式的优缺点是什么呢？
正向索引：
-
优点：
-
可以给多个字段创建索引
-
根据索引字段搜索、排序速度非常快
-
-
缺点：
-
根据非索引字段，或者索引字段中的部分词条查找时，只能全表扫描。
-
倒排索引：
-
优点：
-
根据词条搜索、模糊搜索时，速度非常快
-
-
缺点：
-
只能给词条创建索引，而不是字段
-
无法根据字段做排序
-
1.3.es的一些概念
elasticsearch中有很多独有的概念，与mysql中略有差别，但也有相似之处。
1.3.1.文档和字段
elasticsearch是面向文档（Document）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：
而Json文档中往往包含很多的字段（Field），类似于数据库中的列。
1.3.2.索引和映射
索引（Index），就是相同类型的文档的集合。
例如：
-
所有用户文档，就可以组织在一起，称为用户的索引；
-
所有商品的文档，可以组织在一起，称为商品的索引；
-
所有订单的文档，可以组织在一起，称为订单的索引；
因此，我们可以把索引当做是数据库中的表。
数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。因此，索引库中就有映射（mapping），是索引中文档的字段约束信息，类似表的结构约束。
1.3.3.mysql与elasticsearch
我们统一的把mysql与elasticsearch的概念做一下对比：
| MySQL | Elasticsearch | 说明 |
|---|---|---|
| Table | Index | 索引(index)，就是文档的集合，类似数据库的表(table) |
| Row | Document | 文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式 |
| Column | Field | 字段（Field），就是JSON文档中的字段，类似数据库中的列（Column） |
| Schema | Mapping | Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema） |
| SQL | DSL | DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD |
是不是说，我们学习了elasticsearch就不再需要mysql了呢？
并不是如此，两者各自有自己的擅长支出：
-
Mysql：擅长事务类型操作，可以确保数据的安全和一致性
-
Elasticsearch：擅长海量数据的搜索、分析、计算
因此在企业中，往往是两者结合使用：
-
对安全性要求较高的写操作，使用mysql实现
-
对查询性能要求较高的搜索需求，使用elasticsearch实现
-
两者再基于某种方式，实现数据的同步，保证一致性
1.4.安装elasticsearch、kibana、分词器
1.4.1.安装es、kibana
参考课前资料：
1.4.2.分词器
参考课前资料：
1.4.3.总结
分词器的作用是什么？
-
创建倒排索引时对文档分词
-
用户搜索时，对输入的内容分词
IK分词器有几种模式？
-
ik_smart：智能切分，粗粒度
-
ik_max_word：最细切分，细粒度
IK分词器如何拓展词条？如何停用词条？
-
利用config目录的IkAnalyzer.cfg.xml文件添加拓展词典和停用词典
-
在词典中添加拓展词条或者停用词条
2.索引库操作
索引库就类似数据库表，mapping映射就类似表的结构。
我们要向es中存储数据，必须先创建“库”和“表”。
2.1.mapping映射属性
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
例如下面的json文档：
{ "age": 21, "weight": 52.1, "isMarried": false, "info": "黑马程序员Java讲师", "email": "xxx@itcast.cn", "score": [99.1, 99.5, 98.9], "name": { "firstName": "云", "lastName": "赵" } }
对应的每个字段映射（mapping）：
-
age：类型为 integer；参与搜索，因此需要index为true；无需分词器
-
weight：类型为float；参与搜索，因此需要index为true；无需分词器
-
-
info：类型为字符串，需要分词，因此是text；参与搜索，因此需要index为true；分词器可以用ik_smart
-
email：类型为字符串，但是不需要分词，因此是keyword；不参与搜索，因此需要index为false；无需分词器
-
score：虽然是数组，但是我们只看元素的类型，类型为float；参与搜索，因此需要index为true；无需分词器
-
name：类型为object，需要定义多个子属性
-
name.firstName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器
-
name.lastName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器
-
2.2.索引库的CRUD
这里我们统一使用Kibana编写DSL的方式来演示。
2.2.1.创建索引库和映射
基本语法：
-
请求方式：PUT
-
请求路径：/索引库名，可以自定义
-
请求参数：mapping映射
示例：
1 PUT /heima 2 { 3 "mappings": { 4 "properties": { 5 "info": { 6 "type": "text", 7 "analyzer": "ik_smart" 8 }, 9 "email": { 10 "type": "keyword", 11 "index": false 12 }, 13 "name": { 14 "properties": { 15 "firstName": { 16 "type": "keyword" 17 }, 18 "lastName": { 19 "type": "keyword" 20 } 21 } 22 } 23 } 24 } 25 }
2.2.2.查询索引库
基本语法：
-
请求方式：GET
-
请求路径：/索引库名
-
格式：
GET /索引库名
示例：
GET /heima
2.2.3.修改索引库
倒排索引结构虽然不复杂，但是一旦数据结构改变（比如改变了分词器），就需要重新创建倒排索引，这简直是灾难。
因此索引库一旦创建，无法修改mapping。
虽然无法修改mapping中已有的字段，但是却允许添加新的字段到mapping中，因为不会对倒排索引产生影响。
示例：
PUT /heima/_mapping { "properties": { "age": { "type": "integer" } } }
2.2.4.删除索引库
语法：
-
请求方式：DELETE
-
请求路径：/索引库名
-
请求参数：无
格式：
DELETE /heima
2.2.5.总结
索引库操作有哪些？
-
创建索引库：PUT /索引库名
-
查询索引库：GET /索引库名
-
删除索引库：DELETE /索引库名
-
添加字段：PUT /索引库名/_mapping
3.文档操作
3.1.新增文档
示例：
POST /heima/_doc/1 { "info": "黑马程序员Java讲师", "email": "zy@itcast.cn", "name": { "firstName": "赵", "lastName": "云" } }
注意：重复执行，就是修改覆盖
响应：
3.2.查询文档
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，这里我们把文档id带上。
示例：
GET /heima/_doc/1
查看结果：
3.3.删除文档
删除使用DELETE请求，同样，需要根据id进行删除：
示例：
# 根据id删除数据
DELETE /heima/_doc/1
结果：
3.4.修改文档
修改有两种方式：
-
全量修改：直接覆盖原来的文档
-
增量修改：修改文档中的部分字段
3.4.1.全量修改
全量修改是覆盖原来的文档，其本质是：根据指定的id删除文档，新增一个相同id的文档
注意：如果根据id删除时，id不存在，就变成了新增操作了
示例：
PUT /heima/_doc/1 { "info": "黑马程序员高级Java讲师", "email": "zy@itcast.cn", "name": { "firstName": "赵", "lastName": "云" } }
3.4.2.增量修改
增量修改是只修改指定id匹配的文档中的部分字段。
示例：
POST /heima/_update/1 { "doc": { "email": "zhaoyun@itcast.cn" } }
3.5.总结
文档操作有哪些？
-
创建文档：POST /{索引库名}/_doc/文档id { json文档 }
-
查询文档：GET /{索引库名}/_doc/文档id
-
删除文档：DELETE /{索引库名}/_doc/文档id
-
修改文档：
-
全量修改：PUT /{索引库名}/_doc/文档id { json文档 }
-
增量修改：POST /{索引库名}/_update/文档id { "doc": {字段}}
-
4. RestAPI
ES官方提供了各种不同语言的客户端，用来操作ES。这些客户端的本质就是组装DSL语句，通过http请求发送给ES。官方文档地址：https://www.elastic.co/guide/en/elasticsearch/client/index.html
其中的Java Rest Client又包括两种：
-
Java Low Level Rest Client
-
Java High Level Rest Client
我们学习的是 Java HighLevel Rest Client 客户端API
4.0.1.导入数据
数据结构如下：
CREATE TABLE `tb_hotel` ( `id` bigint(20) NOT NULL COMMENT '酒店id', `name` varchar(255) NOT NULL COMMENT '酒店名称；例：7天酒店', `address` varchar(255) NOT NULL COMMENT '酒店地址；例：航头路', `price` int(10) NOT NULL COMMENT '酒店价格；例：329', `score` int(2) NOT NULL COMMENT '酒店评分；例：45，就是4.5分', `brand` varchar(32) NOT NULL COMMENT '酒店品牌；例：如家', `city` varchar(32) NOT NULL COMMENT '所在城市；例：上海', `star_name` varchar(16) DEFAULT NULL COMMENT '酒店星级，从低到高分别是：1星到5星，1钻到5钻', `business` varchar(255) DEFAULT NULL COMMENT '商圈；例：虹桥', `latitude` varchar(32) NOT NULL COMMENT '纬度；例：31.2497', `longitude` varchar(32) NOT NULL COMMENT '经度；例：120.3925', `pic` varchar(255) DEFAULT NULL COMMENT '酒店图片；例:/img/1.jpg', PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
4.0.2.导入项目
然后导入课前资料提供的项目:
项目结构如图：
4.0.3.mapping映射分析
创建索引库，最关键的是mapping映射，而mapping映射要考虑的信息包括：
-
字段名
-
字段数据类型
-
是否参与搜索
-
是否需要分词
-
如果分词，分词器是什么？
其中：
-
字段名、字段数据类型，可以参考数据表结构的名称和类型
-
是否参与搜索要分析业务来判断，例如图片地址，就无需参与搜索
-
是否分词呢要看内容，内容如果是一个整体就无需分词，反之则要分词
-
分词器，我们可以统一使用ik_max_word
来看下酒店数据的索引库结构:
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", "copy_to": "all" }, "starName":{ "type": "keyword" }, "business":{ "type": "keyword" }, "location":{ "type": "geo_point" }, "pic":{ "type": "keyword", "index": false }, "all":{ "type": "text", "analyzer": "ik_max_word" } } } }
几个特殊字段说明：
-
location：地理坐标，里面包含精度、纬度
-
all：一个组合字段，其目的是将多字段的值 利用copy_to合并，提供给用户搜索
地理坐标说明：
copy_to说明：
4.0.4.初始化RestClient
在elasticsearch提供的API中，与elasticsearch一切交互都封装在一个名为RestHighLevelClient的类中，必须先完成这个对象的初始化，建立与elasticsearch的连接。
分为三步：
1）引入es的RestHighLevelClient依赖：
<dependency> <groupId>org.elasticsearch.client</groupId> <artifactId>elasticsearch-rest-high-level-client</artifactId> </dependency>
2）因为SpringBoot默认的ES版本是7.6.2，所以我们需要覆盖默认的ES版本：
<properties> <java.version>1.8</java.version> <elasticsearch.version>7.12.1</elasticsearch.version> </properties>
3）初始化RestHighLevelClient：
初始化的代码如下：
private RestHighLevelClient client = new RestHighLevelClient(
RestClient.builder(HttpHost.create("http://192.168.100.150:9200")));
这里为了单元测试方便，我们创建一个测试类 A_HotelIndexTest ：
package cn.itcast.hotel; import cn.itcast.hotel.constants.HotelConstants; import org.apache.http.HttpHost; import org.elasticsearch.client.RequestOptions; import org.elasticsearch.client.RestClient; import org.elasticsearch.client.RestHighLevelClient; import org.junit.jupiter.api.Test; import java.io.IOException; /* * 针对索引库的操作： * CreateIndexRequest * GetIndexRequest * DeleteIndexRequest */ public class A_HotelIndexTest { private RestHighLevelClient client = new RestHighLevelClient( RestClient.builder(HttpHost.create("http://192.168.100.150:9200"))); //创建hotel索引库 @Test public void testCreateIndex() throws IOException { } }
4.1.1.代码解读
创建索引库的API如下：
代码分为三步：
-
1）创建Request对象。因为是创建索引库的操作，因此Request是CreateIndexRequest。
-
2）添加请求参数，其实就是DSL的JSON参数部分。因为json字符串很长，这里是定义了静态字符串常量MAPPING_TEMPLATE，让代码看起来更加优雅。
-
3）发送请求，client.indices()方法的返回值是IndicesClient类型，封装了所有与索引库操作有关的方法。
4.1.2.完整示例
在hotel-demo的cn.itcast.hotel.constants包下，创建一个类，定义mapping映射的JSON字符串常量：
package cn.itcast.hotel.constants; public class HotelConstants { public static final String SOURCE = "{\n" + " \"mappings\": {\n" + " \"properties\": {\n" + " \"id\": {\n" + " \"type\": \"keyword\"\n" + " },\n" + " \"name\":{\n" + " \"type\": \"text\",\n" + " \"analyzer\": \"ik_max_word\",\n" + " \"copy_to\": \"all\"\n" + " },\n" + " \"address\":{\n" + " \"type\": \"keyword\",\n" + " \"index\": false\n" + " },\n" + " \"price\":{\n" + " \"type\": \"integer\"\n" + " },\n" + " \"score\":{\n" + " \"type\": \"integer\"\n" + " },\n" + " \"brand\":{\n" + " \"type\": \"keyword\",\n" + " \"copy_to\": \"all\"\n" + " },\n" + " \"city\":{\n" + " \"type\": \"keyword\",\n" + " \"copy_to\": \"all\"\n" + " },\n" + " \"starName\":{\n" + " \"type\": \"keyword\"\n" + " },\n" + " \"business\":{\n" + " \"type\": \"keyword\"\n" + " },\n" + " \"location\":{\n" + " \"type\": \"geo_point\"\n" + " },\n" + " \"pic\":{\n" + " \"type\": \"keyword\",\n" + " \"index\": false\n" + " },\n" + " \"all\":{\n" + " \"type\": \"text\",\n" + " \"analyzer\": \"ik_max_word\"\n" + " }\n" + " }\n" + " }\n" + "}"; }
在hotel-demo中的 A_HotelIndexTest 测试类中，编写单元测试，实现创建索引：
//创建hotel索引库 @Test public void testCreateIndex() throws IOException { CreateIndexRequest request = new CreateIndexRequest("hotel") .source(HotelConstants.SOURCE, XContentType.JSON); client.indices().create(request, RequestOptions.DEFAULT); }
4.2.删除索引库
注意体现在Request对象上，依然是三步走：
-
1）创建Request对象。这次是DeleteIndexRequest对象
-
2）准备参数。这里是无参
-
3）发送请求。改用delete方法
在hotel-demo中的 A_HotelIndexTest 测试类中，编写单元测试，实现删除索引：
//删除hotel索引库 @Test public void testDeleteIndex() throws IOException { DeleteIndexRequest request = new DeleteIndexRequest("hotel"); client.indices().delete(request, RequestOptions.DEFAULT); }
判断索引库是否存在，本质就是查询。
依然是三步走：
-
1）创建Request对象。这次是GetIndexRequest对象
-
2）准备参数。这里是无参
-
3）发送请求。改用exists方法
//判断hotel索引库是否存在 @Test public void testExistsIndex() throws IOException { GetIndexRequest request = new GetIndexRequest("hotel"); boolean exists = client.indices().exists(request, RequestOptions.DEFAULT); System.out.println(exists); }
JavaRestClient操作elasticsearch的流程基本类似。核心是client.indices()方法来获取索引库的操作对象。
/* * 针对索引库的操作： * CreateIndexRequest * GetIndexRequest * DeleteIndexRequest */
索引库操作的基本步骤：
-
初始化RestHighLevelClient
-
创建XxxIndexRequest。XXX是Create、Get、Delete
-
准备DSL（ Create时需要，其它是无参）
-
发送请求。调用RestHighLevelClient#indices().xxx()方法，xxx是create、exists、delete
5.RestClient操作文档
为了与索引库操作分离，我们再次参加一个测试类，做两件事情：
-
初始化 RestHighLevelClient
-
我们的酒店数据在数据库，需要利用IHotelService去查询，所以注入这个接口
package cn.itcast.hotel; import cn.itcast.hotel.service.IHotelService; import org.apache.http.HttpHost; import org.elasticsearch.client.RestClient; import org.elasticsearch.client.RestHighLevelClient; import org.junit.jupiter.api.Test; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.boot.test.context.SpringBootTest; import java.io.IOException; import java.util.List; /* * 针对文档的操作： * IndexRequest * GetRequest * DeleteRequest * UpdateRequest * BulkRequest */ @SpringBootTest public class B_HotelDocumentTest { private RestHighLevelClient client = new RestHighLevelClient( RestClient.builder(HttpHost.create("http://192.168.100.150:9200"))); @Autowired private IHotelService hotelService; @Test void testAddDocument() throws IOException { } }
5.1.新增文档
我们要将数据库的酒店数据查询出来，写入elasticsearch中。
5.1.1.索引库实体类
数据库查询后的结果是一个Hotel类型的对象。结构如下：
@Data @TableName("tb_hotel") public class Hotel { @TableId(type = IdType.INPUT) private Long id; private String name; private String address; private Integer price; private Integer score; private String brand; private String city; private String starName; private String business; private String longitude; private String latitude; private String pic; }
Hotel与我们的索引库结构存在差异，longitude和latitude需要合并为location，因此，我们需要定义一个新的类型，与索引库结构吻合.
package cn.itcast.hotel.pojo; import lombok.Data; import lombok.NoArgsConstructor; import java.util.ArrayList; import java.util.Collections; import java.util.List; @Data @NoArgsConstructor public class HotelDoc { private Long id; private String name; private String address; private Integer price; private Integer score; private String brand; private String city; private String starName; private String business; private String location; private String pic; private Object distance; // 排序时的距离值 private Boolean isAD; // 是否广告 private List<String> suggestion = new ArrayList<>(); // 自动补全建议字段 public HotelDoc(Hotel hotel) { this.id = hotel.getId(); this.name = hotel.getName(); this.address = hotel.getAddress(); this.price = hotel.getPrice(); this.score = hotel.getScore(); this.brand = hotel.getBrand(); this.city = hotel.getCity(); this.starName = hotel.getStarName(); this.business = hotel.getBusiness(); this.location = hotel.getLatitude() + ", " + hotel.getLongitude(); this.pic = hotel.getPic(); // 自动补全建议字段：添加品牌、城市、商圈信息。其中商圈可能包含"/"需要切分 this.suggestion.add(this.brand); this.suggestion.add(this.city); Collections.addAll(this.suggestion, this.business.split("/")); } }
5.1.2.语法说明
新增文档的DSL语句，对应的java代码如图：
可以看到与创建索引库类似，同样是三步走：
-
1）创建Request对象
-
2）准备请求参数，也就是DSL中的JSON文档
-
3）发送请求
变化的地方在于，这里直接使用client.xxx()的API，不再需要client.indices()了。
5.1.3.完整代码
我们导入酒店数据，基本流程一致，但是需要考虑几点变化：
-
酒店数据来自于数据库，我们需要先查询出来，得到hotel对象
-
hotel对象需要转为HotelDoc对象
-
HotelDoc需要序列化为json格式
在hotel-demo的 B_HotelDocumentTest 测试类中，编写单元测试：
//添加文档 @Test void testAddDocument() throws IOException { //1. 查询mysql数据库 Hotel hotel = hotelService.getById(61083L); //2. 将Hotel转为HotelDoc HotelDoc hotelDoc = new HotelDoc(hotel); //3. 将HotelDoc转为json字符串 String jsonString = JSON.toJSONString(hotelDoc); //4. 创建IndexRequest对象，添加json文档数据，指定id IndexRequest request = new IndexRequest("hotel") .id(hotelDoc.getId().toString()) .source(jsonString, XContentType.JSON); //5. 发送请求，添加文档数据 client.index(request, RequestOptions.DEFAULT); }
5.2.查询文档
5.2.1.语法说明
查询的目的是得到结果，解析为HotelDoc，因此难点是结果的解析。完整代码如下：
可以看到，结果是一个JSON，其中文档放在一个_source属性中，因此解析就是拿到_source，反序列化为Java对象即可。
与之前类似，也是三步走：
-
1）准备Request对象。这次是查询，所以是GetRequest
-
2）发送请求，得到结果。因为是查询，这里调用client.get()方法
-
3）解析结果，就是对JSON做反序列化
5.2.2.完整代码
在hotel-demo的 B_HotelDocumentTest 测试类中，编写单元测试：
//根据id获取文档数据，反序列到HotelDoc对象中 @Test void testGetDocumentById() throws IOException { GetRequest request = new GetRequest("hotel").id("61083"); GetResponse response = client.get(request, RequestOptions.DEFAULT); HotelDoc hotelDoc = JSON.parseObject(response.getSourceAsString(), HotelDoc.class); System.out.println(hotelDoc); }
5.3.删除文档
与查询相比，仅仅是请求方式从DELETE变成GET，可以想象Java代码应该依然是三步走：
-
1）准备Request对象，因为是删除，这次是DeleteRequest对象。要指定索引库名和id
-
2）准备参数，无参
-
3）发送请求。因为是删除，所以是client.delete()方法
在hotel-demo的 B_HotelDocumentTest 测试类中，编写单元测试：
//根据id删除文档 @Test void testDeleteDocumentById() throws IOException { DeleteRequest request = new DeleteRequest("hotel").id("61083"); client.delete(request, RequestOptions.DEFAULT); }
5.4.修改文档
5.4.1.语法说明
修改我们讲过两种方式：
-
全量修改：本质是先根据id删除，再新增
-
增量修改：修改文档中的指定字段值
在RestClient的API中，全量修改与新增的API完全一致，判断依据是ID：
-
如果新增时，ID已经存在，则修改
-
如果新增时，ID不存在，则新增
代码示例如图：
其实还是三步走：
-
1）创建Request对象。这里是BulkRequest
-
2）准备参数。批处理的参数，就是其它Request对象，这里就是多个IndexRequest
-
3）发起请求。这里是批处理，调用的方法为client.bulk()方法
我们在导入酒店数据时，将上述代码改造成for循环处理即可。
5.5.2.完整代码
在hotel-demo的 B_HotelDocumentTest 测试类中，编写单元测试：
//批量添加文档，将mysql中的hotel数据同步到es中 @Test void testBulkRequest() throws IOException { List<Hotel> list = hotelService.list(); BulkRequest request = new BulkRequest(); for (Hotel hotel : list) { HotelDoc hotelDoc = new HotelDoc(hotel); String json = JSON.toJSONString(hotelDoc); request.add(new IndexRequest("hotel") .id(hotel.getId().toString()) .source(json, XContentType.JSON)); } client.bulk(request, RequestOptions.DEFAULT); }
5.6.小结
/* * 针对文档的操作： * IndexRequest * GetRequest * DeleteRequest * UpdateRequest * BulkRequest */
文档操作的基本步骤：
- 初始化RestHighLevelClient
- 创建XxxRequest。XXX是Index、Get、Update、Delete、Bulk
- 准备参数（Index、Update、Bulk时需要）
- 发送请求。调用RestHighLevelClient#.xxx()方法，xxx是index、get、update、delete、bulk
- 解析结果（Get时需要）
浙公网安备 33010602011771号