一、Elasticsearch 基础介绍

ElasticSearch 是分布式实时搜索、实时分析、实时存储引擎，简称（ES)， 成立于2012年，是一家来自荷兰的、开源的大数据搜索、分析服务提供商，为企业提供实时搜索、数据分析服务，支持PB级的大数据。

基于Apache Lucene 开源搜索引擎，Lucene是目前公认的性能最好，最先进的，功能最全的搜索引擎。

Elasticsearch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，通过简单RESTfulAPI来隐藏Lucene的复杂性，从而让全文搜索变得简单。 速度超出你的想像，从10亿的数据中查出一条只需要1-2秒

除了Lucene 和全文搜索，还有以下功能

         分布式的实时文件存储，每个字段都被索引并可被搜索

        分布式的实时分析搜索引擎

        可以扩展到上百台服务器，处理PB级结构化或非结构化数据

而且，所有的这些功能被集成到一个服务里面，你的应用可以通过简单的RESTful API、各种语言的客户端甚至命令行与之交互。

为什么要用ElasticSearch？

全文检索开始使用SQL来写，使用like进行模糊查询。如果数据量比较大，用这种方法就会特别慢，可以使用索引使得速度相对提高，但还是达不到对大数据搜索的要求，所以要使用分布式的全文搜索引擎ElasticSearch。

1)、ES原理剖析

索引和搜索流程图

绿色代表索引过程，对要检索的内容进行索引构建一个索引库，

        索引过程包括：确定的原始内容即要搜索的内容——>采集文档——>创建文档——>分析文档——>索引文档

红色代表搜索过程：从索引库中搜索内容，

        搜索过程：用户通过搜索界面——>创建查询——>执行搜索，从索引库搜索——>渲染搜索结果

二、Elasticsearch基本概念：

索引（Index）

一个索引就是一个拥有几分相似特征的文档的集合。比如说，你可以有一个客户数据的索引，另一个产品目录的索引，还有一个订单数据的索引。一个索引由一个名字来标识（必须全部是小写字母的），并且当我们要对对应于这个索引中的文档进行索引、搜索、更新和删除的时候，都要使用到这个名字。

类型（Type）6.0.0版本中弃用

类型，曾经是索引的逻辑类别/分区，允许您在同一索引中存储不同类型的文档，例如，一种类型用于用户，另一种类型用于博客帖子。

在一个索引中，你可以定义一种或多种类型。一个类型是你的索引的一个逻辑上的分类/分区，其语义完全由你来定。

文档（Document）

一个文档是一个可被索引的基础信息单元。比如，你可以拥有某一个客户的文档，某一个产品的一个文档，当然，也可以拥有某个订单的一个文档。文档以JSON（Javascript Object Notation）格式来表示。文档必须被索引/赋予一个索引的type。

分片(Shards)

索引可能存储大量可能超过单个节点的硬件限制的数据。

如果我们的索引数据量很大，超过硬件存放单个文件的限制，就会影响查询请求的速度，Es引入了分片技术。一个分片本身就是一个完成的搜索引擎，文档存储在分片中，而分片会被分配到集群中的各个节点中，随着集群的扩大和缩小，ES会自动的将分片在节点之间进行迁移，以保证集群能保持一种平衡。分片有以下特点：

1. ES的一个索引可以包含多个分片（shard）；
2. 每一个分片（shard）都是一个最小的工作单元，承载部分数据；
3. 每个shard都是一个lucene实例，有完整的简历索引和处理请求的能力；
4. 增减节点时，shard会自动在nodes中负载均衡；
5. 一个文档只能完整的存放在一个shard上
6. 一个索引中含有shard的数量，默认值为5，在索引创建后这个值是不能被更改的。
7. 优点：水平分割和扩展我们存放的内容索引；分发和并行跨碎片操作提高性能/吞吐量；
8. 每一个shard关联的副本分片（replica shard）的数量，默认值为1，这个设置在任何时候都可以修改。

副本(Replicasedit)

副本，是对分片的复制。目的是为了当分片/节点发生故障时提供高可用性，它允许您扩展搜索量/吞吐量，因为可以在所有副本上并行执行搜索。

一个分片可以有多个复制分片，也可以无复制分片。它的作用主要是防止分片故障，加速查询索引等功能，提供了高可用性。另外，复制分片是不和主分片在一起的，一个主分片在一台机器上，它的复制分片可能分布在其它N台机器上。在这里，我们可以把它理解为，一个分片的复制，就叫复制分片。每个分片会包含部分索引文件。文件由sgment组成 。

副本（replica shard）就是shard的冗余备份，它的主要作用：

        1）、冗余备份，防止数据丢失；

        2）、shard异常时负责容错和负载均衡；

注意：副本是乘法，越多越浪费，但也越保险。分片是除法，分片越多，单分片数据就越少也越分散。

集群

多台ES服务器的结合的统称叫ES集群，一个集群包含多台服务器，多个节点。

节点

一个节点是你集群中的一个服务器，作为集群的一部分，它存储你的数据，参与集群的索引和搜索功能。

节点种类

        主节点：负责集群范围内轻量级的操作，例如创建或删除索引。跟踪那些节点是集群的一部分以及确定将哪些碎片分配给哪些节点

        数据节点：包含已创建的索引文档的分片。数据节点处理及数据相关的操作。例如CRUD，搜索和聚合

        调节节点：仅可路由请求，处理搜索缩减阶段并分配批量索引。本质上，仅协调节点充当智能负载平衡器

节点和分片如何工作？

一个集群至少有一个节点，而一个节点就是一个ElasticSearch进程，节点可以有多个默认索引，如果创建索引，索引将会由5个分片（primary shard，又称主分片）构成，每一个分片会有一个复制分片。

三、与传统的关系型数据库中的库、表、行、列等概念进行对比

关系型数据库 -> Databases(库) -> Tables(表) -> Rows(行) -> Columns(列)。

Elasticsearch -> Indeces(索引) -> Types(类型) -> Documents(文档) -> Fields(属性)。

RDBS	ES
数据库（database）	索引（index）
表（table）	类型（type）（ES6.0之后被废弃，es7中完全删除）
表结构（schema）	映射（mapping）
行（row）	文档（document）
列（column）	字段（field）
索引（Schema）	反向索引（Mapping）
SQL	查询DSL
SELECT * FROM table	GET http://.....
UPDATE table SET	PUT  http://......
DELETE	DELETE  http://......

（1）、关系型数据库中的数据库(database)，等价与ES索引（index）

（2）、一个数据库下面有N张表（table）,等价与1个索引Index下面有N多类型（Type）

        备注：（ES6.0之后被废弃，es7中完全删除）

（3）、一个数据库表（table）下的数据有多行（row）多列（colum）组成，等价与一个Type由多文档（document）多字段（field）组成

（4）、在一个关系型数据库中，索引（Schema）定义了表，每个表的字段，还有表和字段的之间关系，与之对应，在ES中：反向索引（Mapping）定义索引下的Ttype的字段的处理规则，即如何建立、索引类型、是否保存原始索引JSON文档、是否压缩原始JSON文档、是否需要分词处理、如何进行分词处理等

（5）、在数据库中新增 INSERT、删除 DELTE、修改 UPDATE、查询 SEARCH操作等价于ES中的新增PUT/POST、删除DELETE、修改_update、查询GET

ES内置的RREST接口

搜索原理

（1）、客户端给DODE1发送请求，查询名字叫张三的数据

（2）、P1节点接收到请求，判断出当前数据的_ID对应的分片0，且分片P1中的数据对应复制分片R0,R1都有，就会将请求转发到R0进行处理

（3）、取出文档数据返回给P1，最终返回给前端

更新原理

（1）、客户端给NODE1发送更新请求

（2）、它转发请求到主分片所在的节点NODE3

（3）、NODE3从主分片检索出文档，修改_soure字段的JSON，然后在主分片上重建索引，如果有其他进程修改了文档，它以retry_on_conflict设置的次数重复步骤3，都未成功则放弃

（4）、如何NODE3更新文档成功，它同时转发文档的新版本到NODE1和NODE2上的复制节点以重建索引。当所有复制节点更新成功，NODE3返回成功给请求节点，然后返回用户端

创建/删除原理

（1）、客户端发送请求创建、删除请求

（2）、根据文档ID，它将转发请求到主分片所在节点NODE3

（3）、NODE3在主分片上执行请求，如果成功将转发请求到NODE1和NODE2的复制分片上，当所有复制分片成功，则NODE3返回成功信息给请求节点。在将信息返回给客户端

字段数据类型：

字符型：text（分词，不能用于排序、过滤查询、聚合查询）、keyWord

数字型：byte、short、integer、float、double

布尔型：boolean

日期型：date

二进制型：binary

对象类型：object

字段属性：

store：是否储存字段原始值（独立于_source字段）

index：是否参与索引

analyzer：指定分词器

boost：字段级别的分数加权

doc_values：是否对不分词建立正排序索引

fleld_data：是否对分词器建立正排序索引

properties：类型映射

ignore_above：超过指定字符的文本将忽略不被索引

include_in_all：是否包含该字段到_all字段中

index_optionss：倒排序索引的可选参数

norms：是否储存长度因子和分数加权（boost）

null_value：初始值

position_increment_gap：指定多字段的多个值之间的位置间隔

search_analyzer：指定搜索时分词器

similarity：指定评分策略

term_vector：指定返回哪些关于词条的统计信息

normalizer：标注化处理器

coerce：强制类型转换器

copy_to：创建自定义的_all属性

dynamic：动态映射策略

enabled：是否处理字段（正排序索引和倒排序索引）

eager_global_ordinals：是否立即加载全局序号

format：指定日期格式

ignore_malformed：忽略格式错误的字段

四、ES的特性：

速度快、易扩展、弹性、灵活、操作简单、多语言客户端、X-Pack、hadoop/spark强强联手、开箱即用。

• 分布式：横向扩展非常灵活
• 全文检索：基于lucene的强大的全文检索能力；
• 近实时搜索和分析：数据进入ES，可达到近实时搜索，还可进行聚合分析
• 高可用：容错机制，自动发现新的或失败的节点，重组和重新平衡数据
• 模式自由：ES的动态mapping机制可以自动检测数据的结构和类型，创建索引并使数据可搜索。
• RESTful API：JSON + HTTP

五、索引的应用

1、创建索引

PUT project_v1
{"settings": {"number_of_shards": 1,"number_of_replicas": 1},"mappings": {"properties": {"name_cn": {"type": "text"},"name_en": {"type": "keyword"},"project_type": {"type": "keyword"},"people_count": {"type": "integer"},"order_count": {"type": "long"},"date": {"type": "date","format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||yyyy-MM||epoch_millis"}}}
}

备注：text 用于索引全文值的字段，例如电子邮件正文或产品说明。它们通过分词器传递 ，以在被索引之前将字符串转换为单个术语的列表。分析过程允许Elasticsearch搜索单个单词中 每个完整的文本字段。文本字段不用于排序，很少用于聚合。
keyword 用于索引结构化内容的字段，例如电子邮件地址，主机名，状态代码，邮政编码或标签。它们通常用于过滤，排序，和聚合。keyword字段只能按其确切值进行搜索。
有时候一个字段同时拥有全文类型（text）和关键字类型（keyword）是有用的：一个用于全文搜索，另一个用于聚合和排序。

number_of_shards 是指索引要做多少个分片，只能在创建索引时指定，后期无法修改。

number_of_replicas 是指每个分片有多少个副本，后期可以动态修改

primary shard（主分片）：每个文档都存储在一个分片中，当你存储一个文档的时候，系统会首先存储在主分片中，然后会复制到不同的副本中。默认情况下，一个索引有5个主分片。你可以在事先制定分片的数量，当分片一旦建立，分片的数量则不能修改。

replica shard（副本分片）：每一个分片有零个或多个副本。副本主要是主分片的复制，可以 增加高可用性，提高性能。

默认情况下，一个主分配有一个副本，但副本的数量可以在后面动态的配置增加。

副本必须部署在不同的节点上，不能部署在和主分片相同的节点上。

2、新增索引数据

PUT /project_v1/_doc/1
{"name_en":"encourage","name_cn":"营销码","project_type":"营销","people_count":4,"order_count":1000000,"date":"2019-04-01"
}

3、查询索引数据

GET /project_v1/_search
{"query": {"match_all": {}}
}

4、匹配查询 match

GET /project_v1/_search
{"query": {"match": {"name_cn": "营销"}}
}

5、过滤查询 Filter

GET /project_v1/_search
{"query": {"bool": {"filter": {"range": {"date": {"gte": "2020-04-01"}}}}}
}

六、Elasticsearch 聚合查询

1.聚合的概念

官方对聚合有四个关键字：Metric(指标)、Bucketing(桶)、Pipeline(管道)、Matrix(矩阵)，在查询请求体中以aggregations语法来定义聚合分析，也可简写成aggs

Metric(指标)：指标分析类型，如计算最大值、最小值、平均值等（对桶内的文档进行聚合分析的操作）

Bucket(桶)：分桶类型，类似sql中的group by语法（满足特定条件的文档的集合）

Pipeline(管道)：管道分析类型，基于上一级的聚合分析结果进行再分析

Matrix(矩阵)：矩阵分析类型（聚合是一种面向数值型的聚合，用于计算一组文档字段中的统计信息）

2.Metric(指标)聚合

Metric聚合分析分为单值分析和多值分析两类

1、单值分析，只输出一个分析结果

关键字有min， max，avg，sum，cardinality

2、多值分析，输出多个分析结果

关键字有stats，extended_stats，percentile_rank，top hits

1)、min， max，avg， sum

GET /project_v1/_search
{"size": 0,"aggs": {"min_people_count": {"min": {"field": "people_count"}},"max_order_count":{"max": {"field": "order_count"}},"avg_order_count":{"avg": {"field": "order_count"}},"sum_order_count":{"sum": {"field": "order_count"}}}
}

2)、cardinality

cardinality 关键字: 求唯一值，即不重复的字段有多少（相当于sql中的distinct）

GET /project_v1/_search
{"size": 0,"aggs": {"cardinality_project_type": {"cardinality": {"field": "project_type"}}}
}

3)、stats

统计信息，请求后会直接显示各种聚合结果(count，min，max，avg，sum)

GET /project_v1/_search
{"size": 0,"aggs": {"stats_order_count": {"stats": {"field": "order_count"}}}
}

4)、extended_stats

扩展的统计信息，比stats返回更多的统计信息

GET /project_v1/_search
{"size": 0,"aggs": {"extended_stats_order_count": {"extended_stats": {"field": "order_count"}}}
}

3.Bucket(桶)聚合

Bucket可以理解为一个桶，它会遍历文档中的内容，凡是符合某一要求的就放在一个桶中，分桶相当于sql中的group by

关键字有Terms Aggregation，Filter Aggregation，Histogram Aggregation，Date Aggregation

1、Terms Aggregation

根据某一项的每个唯一的值来聚合

GET /project_v1/_search
{"size": 0,"aggs": {"terms_project_type": {"terms": {"field": "project_type","size": 3}}}
}

2、Filter Aggregation

指具体的域和具体的值，可以在Terms Aggregation 的基础上进行了过滤，只对特定的值进行了聚合

#查营销类型的总订单数
GET /project_v1/_search
{"size": 0,"aggs": {"filter_project_type": {"filter": {"term": {"project_type": "营销"}},"aggs": {"sum_order_count": {"sum": {"field": "order_count"}}}}}
}

3、Histogram Aggregation

Histogram与Terms聚合类似，都是数据分组，区别是Terms是按照Field的值分组，而Histogram可以按照指定的间隔对Field进行分组

#项目规模
GET /project_v1/_search
{"size": 0,"aggs": {"project_scale": {"histogram": {"field": "people_count","interval": 1}}}
}

4、Date Aggregation

针对时间格式数据的直方图聚合，基本特性与Histogram Aggregation一致

#项目发展史
GET /project_v1/_search
{"size": 0,"aggs": {"date_by_day": {"date_histogram": {"field": "date","calendar_interval": "day","min_doc_count": 1}}}
}

4.Pipeline(管道)聚合

管道的概念：支持对聚合分析的结果，再次进行聚合分析

#查项目类型最少人数的项目类型
GET /project_v1/_search
{"size":0,"aggs":{"project_type":{"terms": {"field": "project_type","size": 3},"aggs":{"sum_people_count":{"sum": {"field": "people_count"}}}},"min_people_count_by_project_type":{"min_bucket": {"buckets_path": "project_type>sum_people_count"}}}
}

5.总结

Metric(指标)：分类并对一组文档进行sum、avg等数学运算

Bucketing(桶)：桶聚合，常规的分类然后计算每个分类的文档数量

Pipeline(管道)：对聚合的结果再次聚合

Matrix(矩阵)：可在多个字段上计算，生成矩阵结果

七，通过SQL查询Elasticsearch

1.为什么用SQL查询

Elasticsearch 的官方查询语言是 Query DSL，既然是官方指定的，说明最吻合 ES 的强大功能，为ES做支撑。

其实，SQL 作为一个数据库查询语言，它语法简洁，书写方便而且大部分服务端程序员都清楚了解和熟知它的写法。但是作为一个 ES 新人来说，就算他已经是一位编程界的老江湖，但是如果他不熟悉 ES ，那么他如果要使用公司已经搭好的 ES 服务，他必须要先学习 Query DSL，学习成本也是一项影响技术开发进度的因素而且不稳定性高。但是如果 ES 查询支持 SQL的话，那么也许就算他是工作一两年的同学，他虽然不懂 ES的复杂概念，他也能很好的使用 ES 而且顺利的参加到开发的队伍中，毕竟SQL 都会写

2.Elasticsearch-SQL

Elasticsearch-SQL不属于 Elasticsearch 官方的，它是 NLPChina（中国自然语言处理开源组织）开源的一个 ES 插件，主要功能是通过 SQL 来查询 ES，其实它的底层是通过解释 SQL，将SQL 转换为 DSL 语法，再通过DSL 查询。

查询语法

SELECT fields from indexName/type WHERE conditions

表名 tableName 的地方现在改为了索引名 indexName，如果有索引Type ，则indexName/type

POST _sql?format=txt
{"query": "select * from project_index limit 10"
}

SQL翻译成DSL语句

POST _sql/translate
{"query": "select name_en,COUNT(*) from project_index GROUP BY name_en"
}

八、注意点

1.版本问题

es 5到7的版本变动很大，其中包括type的变动

• 5.x 支持多种type
• 6.x 只能有一种type
• 7.x 将去除type 没有类型的概念了

2.ES并不可靠

ES不是可靠的存储系统，不是数据库，它有丢数据的风险。ES不是实时系统，数据写入成功只是trans log成功（类似于mysql的bin log），写入成功后立刻查询查不到是正常的。因为数据此刻可能还在内存里而不是进入存储引擎里。

3.同步问题

在需要添加新数据与新字段的时候，如果elasticSearch进行搜索是可能需要重新修改格式。之前的数据需要重新同步，对数据的管理有很多困难。

九、SpringBoot集成Elasticsearch

1.引入依赖

<properties><!--告诉springboot我们处理的ES的版本--><elasticsearch.version>7.10.2</elasticsearch.version>
</properties><dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-elasticsearch</artifactId></dependency>
</dependencies>

2.yml配置es集群

spring:elasticsearch:rest:uris:- 192.168.53.112:9200- 192.168.53.113:9200- 192.168.53.114:9200

3.简单Test

3.1 创建索引以及分片设置

@Test
public void createIndex() throws Exception{//1 创建索引并设置分片//1.1 创建一个RestHightLevelClient对象，相当于和服务端建立连接。RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(//没有集群的话  此处可new 一个即可。new HttpHost("192.168.53.112",9200)new HttpHost("192.168.53.113",9200),new HttpHost("192.168.53.114",9200),));//1.2 使用client的索引管理的对象,indices()返回索引管理对象。IndicesClient indicesClient = client.indices();//两个参数//1.2.1 创建索引请求对象  参数：创建的索引库的名称CreateIndexRequest request = new CreateIndexRequest("hello").settings(Settings.builder().put("number_of_shards", 5).put("number_of_replicas", 1).build());//1.2.2 请求选项，使用默认值。配置请求头，主要用于认证。CreateIndexResponse response = indicesClient.create(request,   RequestOptions.DEFAULT);//显示结果System.out.println(response.toString());}

3.2 创建索引库并设置mapping信息

@Test
public void createIndexAndMapping() throws Exception{RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(//没有集群的话  此处可new 一个即可。new HttpHost("192.168.53.112",9200)new HttpHost("192.168.53.113",9200),new HttpHost("192.168.53.114",9200),));//创建json数据XContentBuilder mappings = XContentFactory.jsonBuilder().startObject().startObject("properties").startObject("id").field("type","long").endObject().startObject("title").field("type","text").field("analyzer","ik_smart").field("store",true).endObject().endObject().endObject();//创建索引请求对象  参数：创建的索引库的名称，分片副片数量以及mapping信息CreateIndexRequest request = new CreateIndexRequest("hello1").settings(Settings.builder().put("number_of_shards", 5).put("number_of_replicas", 1).build()).mapping(mappings);//两个参数//1 创建索引请求对象  参数：创建的索引库的名称//2 请求选项，使用默认值。配置请求头，主要用于认证。CreateIndexResponse response = client.indices().create(request, RequestOptions.DEFAULT);//显示结果System.out.println(response.toString());}
}

3.3删除索引库

@Test
public void deleteIndex() throws Exception{RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(//没有集群的话  此处可new 一个即可。new HttpHost("192.168.53.112",9200)new HttpHost("192.168.53.113",9200),new HttpHost("192.168.53.114",9200),));//删除索引库AcknowledgedResponse response = client.indices().delete(new DeleteIndexRequest("hello"), RequestOptions.DEFAULT);//显示结果System.out.println(response.toString());}  	

3.4 添加索引库字段信息

@Test
public void putIndex() throws Exception{RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(//没有集群的话  此处可new 一个即可。new HttpHost("192.168.53.112",9200)new HttpHost("192.168.53.113",9200),new HttpHost("192.168.53.114",9200),));String mappings = "{\n" +"\t\t\t\"properties\":{\n" +"\t\t\t\t\"id\":{\n" +"\t\t\t\t\t\"type\" : \"long\"\n" +"\t\t\t\t},\n" +"\t\t\t\t\"title\" :{\n" +"\t\t\t\t\t\"type\" : \"text\",\n" +"\t\t\t\t\t\"analyzer\" : \"ik_smart\",\n" +"\t\t\t\t\t\"store\" : true\n" +"\t\t\t\t},\n" +"\t\t\t\t\" content\" :{\n" +"\t\t\t\t\t\"type\" : \"text\",\n" +"\t\t\t\t\t\"analyzer\" : \"ik_smart\",\n" +"\t\t\t\t\t\"store\" :true\n" +"\t\t\t\t}\n" +"\t\t\t}\n" +"\t\t}";//将字符串以json形式发送PutMappingRequest request = new PutMappingRequest("hello1").source(mappings, XContentType.JSON);//修改索引库AcknowledgedResponse response = client.indices().putMapping(request, RequestOptions.DEFAULT);//显示结果System.out.println(response.toString());
}

十、Elasticsearch文档管理

0.抽取ES连接对象的公共方法

//原生客户端类，即ESjava客户端。
private RestHighLevelClient client;
public void init(){//1.1 创建一个RestHightLevelClient对象，相当于和服务端建立连接。client = new RestHighLevelClient(RestClient.builder(//没有集群的话  此处可new 一个即可。new HttpHost("192.168.53.112",9200)new HttpHost("192.168.53.113",9200),new HttpHost("192.168.53.114",9200),));
}

1.添加文档

使用RestHightLevelClient对象。

使用client对象的index方法添加文档

创建IndexRequest对象，其中包含了索引库名称、文档id、文档的内容

{“id”:“1”,“title”:“测试文档1”,“content”:“测试文档中的内容”}

public void addDocument() throws Exception{String document = "{\"id\":1, \"title\":\"这是测试文章\", \"content\":\"xxxxx\"}";//创建IndexRequest对象，其中包含索引库名称，文档id，文档内容IndexRequest request = new IndexRequest().index("hello1").id("1").source(document, XContentType.JSON);IndexResponse response = client.index(request, RequestOptions.DEFAULT);System.out.println(response.toString());}

2.更新文档

使用client对象的update方法。

需要UpdateRequest参数：

        1.更新的索引

        2.更新的文档的id

        3.更新的文档内容

public void updateDocument() throws Exception{String document = "{\"id\":1, \"title\":\"这是测试文章更细的\", \"content\":\"new update\"}";//创建IndexRequest对象，其中包含索引库名称，文档id，文档内容UpdateRequest request = new UpdateRequest().index("hello1").id("1").doc(document, XContentType.JSON);UpdateResponse response = client.update(request, RequestOptions.DEFAULT);System.out.println(response.toString());}

3.删除文档

使用client的delete方法

需要DeleteRequest对象，需要两个参数

        1.操作的索引

        2.文档的id

public void deleteDocument() throws Exception{//创建IndexRequest对象，其中包含索引库名称，文档id，文档内容DeleteRequest request = new DeleteRequest("hello1", "1");DeleteResponse response = client.delete(request, RequestOptions.DEFAULT);System.out.println(response.toString());}

4.根据id查询文档

使用client对象的get方法。

需要使用GetRequest对象，两个参数：

        1.操作的索引

        2.文档的id

public void getDocument() throws Exception{//创建IndexRequest对象，其中包含索引库名称，文档id，文档内容GetRequest request = new GetRequest("hello1", "1");GetResponse response = client.get(request, RequestOptions.DEFAULT);System.out.println(response.toString());}

5.批量查询文档

使用client对象的bulk方法。

BulkRequest对象，使用add方法，添加要批量处理的请求。

支持的处理：IndexRequest，DeleteRequest，UpdateRequest

public void bulkDocument() throws Exception{//json数据String jsonData = "[" +"{\"id\":3, \"title\":\"这是测试文章1\", \"content\":\"xxxxx\", \"comment\":\"备注信息\", \"mobile\":\"13344556677\"}\n" +"{\"id\":4, \"title\":\"这是一篇文章2\", \"content\":\"xxxxx\", \"comment\":\"备注信息\", \"mobile\":\"13344556677\"}\n" +"{\"id\":5, \"title\":\"这是一篇文章3\", \"content\":\"xxxxx\", \"comment\":\"备注信息\", \"mobile\":\"13344556677\"}]";//转换成json格式字符串JSONArray jsonArray = JSONObject.parseArray(jsonData);//创建IndexRequest对象，其中包含索引库名称，文档id，文档内容BulkRequest request = new BulkRequest();jsonArray.stream().forEach(json -> {IndexRequest r = new IndexRequest().index("hello1").id(((JSONObject) json).getString("id")).source(((JSONObject) json).toJSONString(), XContentType.JSON);request.add(r);});BulkResponse response = client.bulk(request, RequestOptions.DEFAULT);System.out.println(response.toString());}

十一、ElasticsearchRestTemplate类与ElasticsearchRepository类

SpringData对ES的封装ElasticsearchRestTemplate类，可直接使用，此类在ElasticsearchRestTemplate基础上进行性一定程度的封装，使用起来更方便灵活，拓展性更强。

ElasticsearchRepository可以被继承操作ES，是SpringBoot对ES的高度封装，操作最为方便，但牺牲了灵活性。

索引库实体类

@Data
@Document(indexName = "blog_1", shards = 5, replicas = 1)
public class Blog {@Field(type = FieldType.Long, store = true)private Long id;//type = FieldType.Text     字段类型为text//analyzer = "ik_max_word"  分词器为"ik_max_word"//store = true              存储 => 是@Field(type = FieldType.Text, analyzer = "ik_max_word", store = true)private String title;@Field(type = FieldType.Text, analyzer = "ik_max_word", store = true)private String content;@Field(type = FieldType.Text, analyzer = "ik_max_word", store = true)private String comment;@Field(type = FieldType.Keyword, store = true)private String mobile;}

1、使用ElasticsearchRestTemplate类

a)、创建索引库

@Autowired
private ElasticsearchRestTemplate template;/*** 创建索引库*/public void createIndex(){//创建索引库template. indexOps(IndexCoordinates.of("mytest")).create();}

b)、创建索引库并实体类设置mapping

1）创建索引库

template.indexOps(IndexCoordinates.of(“mytest”)).create();

2）设置mapping信息

需要创建一个实体类，其中配置实体类和文档的映射关系，使用注解配置。

可以从Entity中生成mapping信息。

public void putMapping(){//创建索引库Document mapping = template.indexOps(IndexCoordinates.of("mytest")).createMapping(Blog.class);template.indexOps(IndexCoordinates.of("mytest")).putMapping(mapping);
}

c)、删除索引库

	//删除索引库public void deleteIndex(){template.indexOps(IndexCoordinates.of("hello1")).delete();}

d)、索引库查询

public void maxQueryTest(){NativeSearchQuery builder = new NativeSearchQueryBuilder()//多字段查询  （高亮跟查询条件有关）.withQuery(QueryBuilders.multiMatchQuery("8", "id","title"))//增加过滤条件, 可以设置多个.withFilter(QueryBuilders.boolQuery()//增加bool查询：should的term关键字查询.should(QueryBuilders.termQuery("title", "文章")).should(QueryBuilders.termQuery("content","xxx")))//增加过滤条件的关键字查询.withFilter(QueryBuilders.termQuery("mobile", "13344556677"))//分页设置.withPageable(PageRequest.of(0,5))//设置高亮.withHighlightBuilder(new HighlightBuilder()//高亮显示的字段.field("title")//高亮显示的字段.field("content")//高亮显示的前缀.preTags("<em>")//高亮显示的后缀.postTags("</em>"))//添加聚合查询.addAggregation(new TermsAggregationBuilder("mobile_group").field("mobile")).build();//基于Blog.class 类型返回的结果SearchHits<Blog> searchHits = template.search(builder, Blog.class);//从searchHits取相关数据long totalHits = searchHits.getTotalHits();               //取总记录数List<SearchHit<Blog>> list = searchHits.getSearchHits();  //取每条数据放入集合中System.out.println("总记录数为：" + totalHits);list.forEach(blogSearchHit -> {//取原生文档对象Blog blog = blogSearchHit.getContent();System.out.println(blog);//取高亮对象Map<String, List<String>> highlightFields = blogSearchHit.getHighlightFields();System.out.println(highlightFields);//取高亮对象 放到Blog里去 这样就将Blog和高亮结合输出了String title = highlightFields.get("title").get(0);//String content = highlightFields.get("content").get(0);blog.setTitle(title);//blog.setContent(content);System.out.println(blog);});//取聚合结果Aggregations aggregations = searchHits.getAggregations();System.out.println(aggregations.toString());}

2、使用ElasticsearchRepository类

a)、创建接口继承ElasticsearchRepository

public interface BlogRepository extends ElasticsearchRepository<Blog, Long> {/*** 定义一个方法查询：根据title查询es** 原因：  ElasticsearchRepository会分析方法名,参数对应es中的field（这就是灵活之处）* @param title* @return java.util.List<com.yt.cubemall.search.model.Blog>*/List<Blog> findByTitle(String title);/*** 定义一个方法查询： 根据title，content查询es*/List<Blog> findByTitleAndContent(String title, String content);}

b)、使用BlogRepository接口

public class BlogRepositoryTest {@Autowiredprivate BlogRepository blogRepository;/*** 添加文档*/@Testpublic void addDocument(){Blog blog = new Blog();for (int i = 0; i < 10; i++) {blog.setId((long)i+1);blog.setTitle("测试spring集成es"+i+1);blog.setContent("sjihfapf"+i+1);blog.setComment("注释内容"+i+1);blog.setMobile("12345678901");blogRepository.save(blog);}}/*** 更新文档*/@Testpublic void updateDocument(){Optional<Blog> optional = blogRepository.findById(1l);if (optional.isPresent()){Blog blog = optional.get();blog.setTitle("hello update");blogRepository.save(blog);}}/*** 删除文档*/@Testpublic void deleteDocument() {blogRepository.deleteById(1l);}/*** 查询所有 文档*/@Testpublic void getDocument() {//根据id查找//Optional<Blog> optional = blogRepository.findById(1l);//Blog blog = optional.get();//System.out.println(blog);//查找全部//Iterable<Blog> all = blogRepository.findAll();//all.forEach(blog -> System.out.println(blog));//分页查找全部Iterable<Blog> all = blogRepository.findAll(PageRequest.of(1,10));all.forEach(blog -> System.out.println(blog));}/*** 自定义方法：根据title内容查询索引库* /@Testpublic void testFindByTitle(){List<Blog> blogList = blogRepository.findByTitle("测试");blogList.stream().forEach(System.out::println);}/*** 自定义方法：根据title，content内容查询索引库* /@Testpublic void testFindByTitleAndContent(){List<Blog> blogList = blogRepository.findByTitleAndContent("测试", "sjihfapf");blogList.stream().forEach(System.out::println);}
}}