行业知识
ElasticSearch完整入门及springboot集成
目录
- ElasticSearch概述
- ElasticSearch版本特性
- Elasticsearch 5
- Elasticsearch 6.0
- Elasticsearch 7.0
- Elasticsearch 8.0
- ElasticSearch安装
- Windows
- linux
- Kibana安装
- Windows
- linux
- 使用
- IK分词器(elasticsearch插件)
- 安装
- 自定义的词典
- ES的基本使用
- 字段数据类型
- 索引操作
- 文档操作
- 创建文档
- 查看文档
- 修改文档
- 删除文档
- 复杂查询
- 查询匹配（匹配、过滤、排序、分页）
- 多条件查询（must、should、filter）
- match和term查询
- wildcard查询
- 高亮查询
- SpringBoot整合ES
- 参考��接
ElasticSearch概述
Elaticsearch，简称为es，es是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据;本身扩展性很好，可以扩展到上百台服务器，处理PB级别(大数据时代）的数据。es也使用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，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。
据国际权威的数据库产品评测机构DB Engines的统计，在2016年1月，ElasticSearch已超过Solr等，成为排名第一的搜索引擎类应用。
ElasticSearch版本特性
tip：es的版本7x和8x差别很大，安装和使用也存在差异，本文针对的7x版本的，强烈建议学习使用7x版本的
Elasticsearch 5
首先说明下，ES是从版本2直接跳到5的，主要是为了和Elastic Stack其他组件保持版本一致
ES5，在现在来说是比较老的版本了，就不多介绍了
建议大家使用ES7
Elasticsearch 6.0
-
移除type，在 6.0 里面，开始不支持一个 index 里面存在多个 type 了，所有的新的 index 都将只有一个虚拟的固定的 type： doc 来代替
-
稀疏性 Doc Values 的支持， es 的 doc values 是列式存储，文档的原始值都是存放在 doc values 里面的，优化了一个文档有的字段其他文档的持有开销
-
Index sorting，即在索引阶段的排序支持，索引的时候会要增加额外开销，适合不怎么变化的索引的场景。
-
已经关闭的索引将也支持 replica 的自动处理，确保数据可靠
-
Load aware shard routing， 基于负载的请求路由，目前的搜索请求是全节点轮询，那么性能最慢的节点往往会造成整体的延迟增加，新的实现方式将基于队列的耗费时间自动调节队列长度，负载高的节点的队列长度将减少，让其他节点分摊更多的压力，搜索和索引都将基于这种机制。
-
顺序号的支持，每个 es 的操作都有一个顺序编号（类似增量设计）无缝滚动升级
Elasticsearch 7.0
-
ES 数据库的存储结构变化：去除了Type，包括API层面
-
默认配置变化：默认节点名称为主机名，默认分片数为1，不再是5
-
查询相关速度优化：Weak-AND算法。又称为Wand算法， 输入是n个倒排队列，输出top K个得分最高的文档doc，weak-and算法通过计算每个词的贡献上限来估计文档的相关性上限，从而建立一个阈值对倒排中的结果进行减枝，从而得到提速的效果。
-
彻底废除 _all 字段的支持，为提升性能默认不在支持全文检索
-
集群连接变化：TransportClient被废弃，对于java编程，建议采用 High-level-rest-client 的方式
-
ES程序包默认打包jdk：以至于7.x版本的程序包大小突然边300MB+
-
间隔查询(Intervals queries)，Elasticsearch 7.0中的间隔查询引入了一种构建“单词或短语彼此相距一定距离的记录查询”的需要的全新方式，与之前的方法（跨度查询span queries）相比，使用和定义更加简单。
-
函数分数 2.0，通过新的模块化结构，用户能够混合和匹配一组算术和距离函数，从而构建任意的函数分数计算方式，进而在更大程度上控制结果的评分和排名方式。
-
引入新的集群协调子系统，移除 minimum_master_nodes 参数，让 Elasticsearch 自己选择可以形成仲裁的节点。
-
典型的主节点选举现在只需要很短的时间就可以完成。集群的伸缩变得更安全、更容易，并且可能造成丢失数据的系统配置选项更少了。 节点更清楚地记录它们的状态，有助于诊断为什么它们不能加入集群或为什么无法选举出主节点。
-
不再内存溢出，新的 Circuit Breaker 在JVM 堆栈层面监测内存使用，Elasticsearch 比之前更加健壮。设置indices.breaker.fielddata.limit的默认值已从JVM堆大小的60％降低到40％。
-
支持达到纳秒级精度，强化时序型用例
-
支持达到纳秒级精度，强化时序型用例
-
Lucene9.0的支持
-
7.1开始，Security功能免费使用
Elasticsearch 8.0
Elasticsearch 8.0 版通过改进 Elasticsearch 的矢量搜索功能、对现代自然语言处理模型的原生支持、不断简化的数据上线过程，以及精简的安全防护体验，在速度、扩展幅度、相关性和简便性方面，迎来了一个全新的时代。需要 Java 17 才能运行 Elasticsearch。
Elasticsearch 8.0 版是基于 Lucene 9.0 开发的，那些利用现代 NLP 的搜索体验，都可以借助（新增的）对近似最近邻搜索的原生支持，快速且大规模地实现。通过 ANN，可以快速并高效地将基于矢量的查询与基于矢量的文档语料库（无论是小语料库、大语料库还是巨型语料库）进行比较。
重要更新
- Rest API相比较7.x而言做了比较大的改动（比如彻底删除_type），为了降低用户的升级成本，8.x会暂时的兼容7.x的请求。
- 默认开启安全配置（三层安全），并极大简化了开启安全需要的工作量，可以这么说：7.x开启安全需要10步复杂的步骤比如CA、证书签发、yml添加多个配置等等，8.x只需要一步即可）。
- 存储空间优化：更新了倒排索引，对倒排文件使用新的编码集，对于keyword、match_only_text、text类型字段有效，有3.5%的空间优化提升，对于新建索引和segment自动生效。
- 优化geo_point，geo_shape类型的索引（写入）效率：15%的提升。
- 新特性：支持上传pyTorch模型，在ingest的时候使用。比如在写入电影评论的时候，如果我们想要知道这个评论的感情正负得分，可以使用对应的AI感情模型对评论进行运算，将结果一并保存在ES中。
- 技术预览版KNN API发布，（K邻近算法），跟推荐系统、自然语言排名相关。之前的KNN是精确搜索，在大数据集合的情况会比较慢，新的KNN提供近似KNN搜索，以提高速度。
- 对ES内置索引的保护加强了：elastic用户默认只能读，如果需要写权限的时候，需有allow_restrict_access权限
ElasticSearch安装
Kibana是ElasticSearch的可视化工具，建议下载7.X版本的，8.x版本改动很多，学习成本很大，这篇文章也是针对7.x版本的
Windows
需要注意的的elasticsearch和kibana版本要一致
下载地址：https://www.elastic.co/cn/downloads/elasticsearch
解压即可
kibana下载地址：https://www.elastic.co/cn/downloads/kibana
也是解压就行
bin 启动文件目录config 配置文件目录 1og4j2 日志配置文件 jvm.options java 虚拟机相关的配置(默认启动占1g内存，内容不够需要自己调整) elasticsearch.ym1 elasticsearch 的配置文件! 默认9200端口!跨域!1ib 相关jar包modules 功能模块目录plugins 插件目录 ik分词器
运行与访问
双击elasticsearch.bat运行即可
访问
http://127.0.0.1:9200/
linux
centos7安装es可以有多种方式，下面演示的是通过wget方式下载
安装wget命令
yum -y install wget
wget命令下载es到指定目录
##es的安装目录cd /usr/local## 下载es压缩包wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-7.6.1-linux-x86_64.tar.gz##解压tar -zxvf elasticsearch-7.6.1-linux-x86_64.tar.gz
上面es的下载地址可以去官网复制
下载并解压成功
配置并启动
新建data目录存放es数据
mkdir /usr/local/elasticsearch-7.6.1/data
修改config/elasticsearch.yml，
vi elasticsearch-7.6.1/config/elasticsearch.yml
在文件最后面加入以下内容，esc后:wq退出并保存
#设置绑定的ip，设置为0.0.0.0以后就可以让任何计算机节点访问到了network.host: 0.0.0.0http.port: 9200 #端口#数据和日志的存储目录path.data: /usr/local/elasticsearch-7.6.1/datapath.logs: /usr/local/elasticsearch-7.6.1/logs#设置在集群中的所有节点名称，默认节点是node-1node.name: node-1#discovery.seed_host: [192.168.0.116]cluster.initial_master_nodes: ["node-1"]
ES从5.几之后便不能用root用户进行启动了所以必须要建一个用户。用新用户连接并启用es才行
添加es新用户
adduser es
为es用户设置密码
passwd es
输入新的密码和确认密码
修改es目录所属用户
chown es /usr/local/elasticsearch-7.6.1 -Rchown -R es:es /usr/local/elasticsearch-7.6.1
vi 编辑 /etc/security/limits.conf
vi /etc/security/limits.conf
在末尾加上
es soft nofile 65536es hard nofile 65536es soft nproc 4096es hard nproc 4096
vi 编辑 vi /etc/security/limits.d/20-nproc.conf，将* 改为用户名（es）
vi /etc/security/limits.d/20-nproc.conf
查询上面的配置是否生效
加了上面修改后需要重新连接服务器才能生效，新建ssh连接后执行命令
ulimit -a
如上变成4096说明配置生效
vi 编辑 /etc/sysctl.conf，在末尾加上：
vm.max_map_count = 655360
执行下面命令，使sysctl.conf配置文件生效
sysctl -p
开放es端口
##开放9200端口firewall-cmd --permanent --zone=public --add-port=9200/tcp##重启防火墙systemctl reload firewalld##查看开放的端口firewall-cmd --list-ports
切换es用户启动es
##前台启动/usr/local/elasticsearch-7.6.1/bin/elasticsearch##后台启动/usr/local/elasticsearch-7.6.1/bin/elasticsearch -d
关闭es,先查询es的进程号再用kill命令强制关闭
ps -ef|grep elasticsearch
启动成功访问 http://ip:9200/
Kibana安装
Windows
Kibana和es一样也是下载解压运行就行
下载的版本需要与ElasticSearch版本对应
下载地址：https://www.elastic.co/cn/downloads/past-releases/kibana-7-6-1
下载解压即可
汉化
编辑器打开kibana解压目录/config/kibana.yml，添加
i18n.locale: "zh-CN"
双击bin目录的kibana.bat就行
访问
http://127.0.0.1:5601/
linux
wget命令下载kibana到指定目录
##es的安装目录cd /usr/local## 下载es压缩包wget https://artifacts.elastic.co/downloads/kibana/kibana-7.6.1-linux-x86_64.tar.gz##解压tar -zxvf kibana-7.6.1-linux-x86_64.tar.gz
上面kibana的下载地址可以去官网复制
配置
修改kibana的config目录里面的kibana.yml文件，在文件最后面加
#配置端口号server.port: 5601#配置网络访问地址server.host: "0.0.0.0"#配置es链接地址(es集群,可以用逗号分隔)，ip设置你的服务器ipelasticsearch.hosts: ["http://192.168.100.110:9200"]#配置中文语言界面i18n.locale: "zh-CN"
修改目录权限
将kibana的目录权限改为es用户的，如果还没添加es用户可以去elasticsearch的linux安装中按步骤添加es用户
chown -R es:es /usr/local/kibana-7.6.1-linux-x86_64
开放kibana端口
##开放5601端口firewall-cmd --permanent --zone=public --add-port=5601/tcp##重启防火墙systemctl reload firewalld##查看开放的端口firewall-cmd --list-ports
启动
注意必须使用普通用户启动服务 root用户启动会报错，并且elasticsearch必须先启动
切换es用户启动
#前台启动/usr/local/kibana-7.6.1-linux-x86_64/bin/kibana#后台启动nohup /usr/local/kibana-7.6.1-linux-x86_64/bin/kibana >/usr/local/kibana-7.6.1-linux-x86_64/kiban.log 2>&1 &
访问
http://192.168.100.110:5601/
使用
查看索引
在Management下的索引管理里查看目前es的全部索引
查看索引的文档
第一步先创建索引模式
IK分词器(elasticsearch插件)
安装
版本要与ElasticSearch版本对应
下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases
找到要下载的版本，不管你的es是安装在windows还是linux都是下载的zip文件，然后将解压后的文件放在es新建的ik文件夹，再重启es就行，Windows和linux都是一个道理
#在es的plugins目录下新建ik文件夹mkdir /usr/local/elasticsearch-7.6.1/plugins/ikcd /usr/local/elasticsearch-7.6.1/plugins/ik#下载ik压缩包wget https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.6.1/elasticsearch-analysis-ik-7.6.1.zip#安装unzipyum install unzip#解压缩unzip elasticsearch-analysis-ik-7.6.1.zip
经过上面的操作，ik目录就变成了这样
然后重启es
启动日志如图所示，说明ik分词器加载成功
在kibana上测试ik分词器
IK的 ik_smart 和 ik_max_word两种模式
ik_smart（最少切分）：分词的时候只分一次，句子里面的每个字只会出现一次
ik_max_word（最细粒度划分（穷尽词库的可能））：句子的字可以反复出现。 只要在词库里面出现过的
就拆分出来。如果没有出现的单字。如果已经在词里面出现过，那么这个就不会以单字的形势出现
需要注意的是es加载了IK分词器并不代表es的的索引和文档都会使用IK分词器，安装IK分词器只是提供了一种选择，你可以在创建文档时选择使用IK分词器，如果不指定会默认使用es内置的标准分词器（Standard Analyzer）进行分词，这种分词器对中文不友好
自定义的词典
在elasticsearch目录/plugins/ik/config 添加自定义字典my.dic
添加内容
修改elasticsearch目录/plugins/ik/config/IKAnalyzer.cfg.xml文件
重启es测试
ES的基本使用
字段数据类型
字符串类型
text、keyword
text：支持分词，全文检索,支持模糊、精确查询,不支持聚合,排序操作;text类型的最大支持的字符长度无限制,适合大字段存储；
keyword：不进行分词，直接索引、支持模糊、支持精确匹配，支持聚合、排序操作。keyword类型的最大支持的长度为——32766个UTF-8类型的字符,可以通过设置ignore_above指定自持字符长度，超过给定长度后的数据将不被索引，无法通过term精确匹配检索返回结果。
数值型
long、Integer、short、byte、double、float、half float、scaled float
日期类型
date
te布尔类型
boolean
二进制类型
binary
索引操作
#创建索引put /es_db#查询索引get es_db#删除索引delete es_db#查询索引是否存在HEAD es_db#关闭索引post /es_db/_close#打开索引post /es_db/_open
文档操作
创建文档
put、post、_create都可以创建文档，put要指定id,post也可以跟put一样创建文档，区别是post如果不指定id的话es会自动生成，_create如果id有存在会添加失败
#put添加文档PUT /es_db/_doc/1{ "name":"张三", "sex":1, "age":25, "address":"广州天河公园", "remake":"java developer"}#post添加文档POST /es_db/_doc{ "name":"张三2", "sex":1, "age":25, "address":"广州天河公园", "remake":"java developer"}POST /es_db/_doc/1{ "name":"张三2", "sex":1, "address":"广州天河公园", "remake":"java developer"}#_create添加文档PUT /es_db/_create/1{ "name":"张三2", "sex":1, "address":"广州天河公园", "remake":"java developer"}查看文档
#根据ID查询指定文档GET /es_db/_doc/1#查询索引的全部文档GET /es_db/_search
修改文档
tip:post和put覆盖更新都是会删除原来的文档再插入，会导致文档的属性丢失，_update是局部更新，只会更新选择的属性不会丢失，所以更新一般用_update
#post覆盖更新（删除原来的文档再插入）POST /es_db/_doc/1{ "name":"张三2", "sex":1, "address":"广州天河公园", "remake":"java developer"}#put覆盖更新（删除原来的文档再插入）PUT /es_db/_doc/1{ "name":"张三2", "sex":1, "address":"广州天河公园"}#局部更新文档（不会删除原来的属性，推荐用以下方法更新文档）POST /es_db/_update/1{ "doc": { "age":27 }}#查询后再更新POST /es_db/_update_by_query{ "query":{ "match":{ "_id":1 } }, "script":{ "source":"ctx._source.age=30" }}删除文档
#删除指定文档DELETE /es_db/_doc/G17EmYgBvN_pzyBmoMoN
复杂查询
查询之前先创建索引并准备数据
创建blog索引并设置索引默认使用IK分词器的ik_max_word模式，不指定分词器会默认使用es内置的标准分词器（Standard Analyzer）进行分词，这个分词器在对中文分词时默认都是将中文的每个字当做一个词分，对中文不友好
##创建blog索引并设置索引默认使用IK分词器的ik_max_word模式，不指定分词器会默认使用es内置的标准分词器（Standard Analyzer）进行分词，这个分词器在对中文分词时默认都是将中文的每个字当做一个词分，对中文不友好PUT /blog{ "settings": { "analysis": { "analyzer": { "default": { "tokenizer": "ik_max_word" } } } }, "mappings": { "properties": { "name": { "type": "text" }, "age": { "type": "long" }, "birthday": { "type": "date" }, "desc": { "type": "text" }, "tag": { "type": "keyword" } } }}##插入数据PUT /blog/_doc/1{ "id":"1", "name" : "刘民锴", "age" : 18, "desc":"java是最好的语言", "tab":"java是最好的语言"}PUT /blog/_doc/2{ "id":"2", "name" : "马老师", "age" : 18, "desc":"c是最好的语言", "tab":"c是最好的语言"}PUT /blog/_doc/3{ "id":"3", "name" : "流柚", "age" : 3, "desc":"c++是最好的语言", "tab":"c++是最好的语言"}查询匹配（匹配、过滤、排序、分页）
match：匹配（会先将搜索词进行分词在去文档搜索）
_source：过滤字段
sort：排序
form、size 分页
## 查询匹配 GET /blog/_doc/_search { "query":{ "match":{ "name":"流" } } , "_source": ["name","desc"] , "sort": [ { "age": { "order": "asc" } } ] , "from": 0 , "size": 1 }多条件查询（must、should、filter）
must 相当于 and
should 相当于 or
must_not 相当于 not (… and …)
filter 过滤
GET /blog/_doc/_search{ "query":{ "bool": { "must": [ { "match":{ "age":3 } }, { "match": { "name": "流" } } ], "filter": { "range": { "age": { "gte": 1, "lte": 3 } } } } }}match和term查询
match会对搜索词进行分词，将分词后的field去倒排索引寻找文档；
term不会对搜索词进行分词，用搜索词去倒排索引寻找文档；
match和term的区别在于是否拆解搜索词
数据类型text和keyword的区别也是是否对数据分词
##term不分词,用java去搜索GET /blog/_doc/_search{ "query":{ "term":{ "desc":"java" } }}##match分词，会将“java是”分成“java”和“是”再去搜索GET /blog/_doc/_search{ "query":{ "match":{ "desc":"java是" } }}wildcard查询
用wildcard模拟mysql中的like “%java%”
通配符 * 来表示任意多个字符
? 来表示任意一个字符
##wildcard 是一种查询方式，用于在文本字段中进行通配符匹配,用wildcard模拟mysql中的like "%java%"GET /blog/_doc/_search{ "query": { "wildcard": { "tab": "*java*" } }}高亮查询
##高亮查询GET blog/_doc/_search{ "query": { "match": { "name":"流" } } , "highlight": { "fields": { "name": {} } }}##自定义前缀和后缀GET blog/_doc/_search{ "query": { "match": { "name":"流" } } , "highlight": { "pre_tags": "", "post_tags": "
", "fields": { "name": {} } }}SpringBoot整合ES
目录结构
ElasticSearchConfig配置类
import org.apache.http.HttpHost;import org.elasticsearch.client.RestClient;import org.elasticsearch.client.RestHighLevelClient;import org.springframework.beans.factory.annotation.Value;import org.springframework.context.annotation.Bean;import org.springframework.context.annotation.Configuration;@Configurationpublic class ElasticSearchConfig { @Value("${es.ip}") private String esIp; @Value("${es.port}") private Integer port; // 注册 rest高级客户端 @Bean public RestHighLevelClient restHighLevelClient() { RestHighLevelClient client = new RestHighLevelClient( RestClient.builder( new HttpHost(esIp, port, "http") ) ); return client; }}User类
import lombok.AllArgsConstructor;import lombok.Data;import lombok.NoArgsConstructor;@Data@NoArgsConstructor@AllArgsConstructorpublic class User { private String name; private Integer age;}application.yml
server: port: 8056es: ip: 192.168.100.110 port: 9200
BootElasticsearchTrainingApplicationTests测试用例类
import com.alibaba.fastjson.JSON;import com.honger1234.elasticsearchtraining.domain.User;import org.elasticsearch.action.admin.indices.delete.DeleteIndexRequest;import org.elasticsearch.action.bulk.BulkRequest;import org.elasticsearch.action.bulk.BulkResponse;import org.elasticsearch.action.delete.DeleteRequest;import org.elasticsearch.action.delete.DeleteResponse;import org.elasticsearch.action.get.GetRequest;import org.elasticsearch.action.get.GetResponse;import org.elasticsearch.action.index.IndexRequest;import org.elasticsearch.action.index.IndexResponse;import org.elasticsearch.action.search.SearchRequest;import org.elasticsearch.action.search.SearchResponse;import org.elasticsearch.action.support.master.AcknowledgedResponse;import org.elasticsearch.action.update.UpdateRequest;import org.elasticsearch.action.update.UpdateResponse;import org.elasticsearch.client.RequestOptions;import org.elasticsearch.client.RestHighLevelClient;import org.elasticsearch.client.indices.CreateIndexRequest;import org.elasticsearch.client.indices.CreateIndexResponse;import org.elasticsearch.client.indices.GetIndexRequest;import org.elasticsearch.common.unit.TimeValue;import org.elasticsearch.common.xcontent.XContentType;import org.elasticsearch.index.query.QueryBuilders;import org.elasticsearch.index.query.TermQueryBuilder;import org.elasticsearch.search.SearchHit;import org.elasticsearch.search.SearchHits;import org.elasticsearch.search.builder.SearchSourceBuilder;import org.elasticsearch.search.fetch.subphase.FetchSourceContext;import org.elasticsearch.search.fetch.subphase.highlight.HighlightBuilder;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.concurrent.TimeUnit;@SpringBootTestclass BootElasticsearchTrainingApplicationTests { @Autowired public RestHighLevelClient restHighLevelClient; // 测试索引的创建， Request PUT boot_index @Test public void testCreateIndex() throws IOException { CreateIndexRequest request = new CreateIndexRequest("boot_index"); CreateIndexResponse response = restHighLevelClient.indices().create(request, RequestOptions.DEFAULT); System.out.println(response.isAcknowledged());// 查看是否创建成功 restHighLevelClient.close(); } // 获取索引，并判断其是否存在 @Test public void testIndexIsExists() throws IOException { GetIndexRequest request = new GetIndexRequest("boot_index"); boolean exists = restHighLevelClient.indices().exists(request, RequestOptions.DEFAULT); System.out.println(exists);// 索引是否存在 restHighLevelClient.close(); } // 测试索引删除 @Test public void testDeleteIndex() throws IOException { DeleteIndexRequest request = new DeleteIndexRequest("boot_index"); AcknowledgedResponse response = restHighLevelClient.indices().delete(request, RequestOptions.DEFAULT); System.out.println(response.isAcknowledged());// 是否删除成功 restHighLevelClient.close(); } // 添加文档(先创建一个User实体类，添加fastjson依赖) @Test public void testAddDocument() throws IOException { // 创建一个User对象 User liuyou = new User("张三", 18); // 创建请求 IndexRequest request = new IndexRequest("boot_index"); // 制定规则 PUT /boot_index/_doc/1 request.id("1");// 设置文档ID request.timeout(TimeValue.timeValueMillis(1000));// request.timeout("1s") // 将我们的数据放入请求中 request.source(JSON.toJSONString(liuyou), XContentType.JSON); // 客户端发送请求，获取响应的结果 IndexResponse response = restHighLevelClient.index(request, RequestOptions.DEFAULT); System.out.println(response.status());// 获取建立索引的状态信息 CREATED System.out.println(response);// 查看返回内容 IndexResponse[index=liuyou_index,type=_doc,id=1,version=1,result=created,seqNo=0,primaryTerm=1,shards={"total":2,"successful":1,"failed":0}] } // 获得指定文档信息 @Test public void testGetDocument() throws IOException { GetRequest request = new GetRequest("boot_index", "1"); GetResponse response = restHighLevelClient.get(request, RequestOptions.DEFAULT); System.out.println(response.getSourceAsString());// 打印文档内容 System.out.println(request);// 返回的全部内容和命令是一样的 restHighLevelClient.close(); } /** * 查询索引的全部文档 * * @throws IOException */ @Test public void testGetAllDocument() throws IOException { SearchRequest searchRequest = new SearchRequest("boot_index"); SearchResponse search = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT); for (SearchHit hit : search.getHits().getHits()) { System.out.println(hit.getSourceAsString()); } restHighLevelClient.close(); } // 获取文档，判断是否存在 get /boot_index/_doc/1 @Test public void testDocumentIsExists() throws IOException { GetRequest request = new GetRequest("boot_index", "1"); // 不获取返回的 _source的上下文了 request.fetchSourceContext(new FetchSourceContext(false)); request.storedFields("_none_"); boolean exists = restHighLevelClient.exists(request, RequestOptions.DEFAULT); System.out.println(exists); } // 更新文档内容 @Test public void testUpdateDocument() throws IOException { UpdateRequest request = new UpdateRequest("boot_index", "1"); User user = new User("李四", 11); request.doc(JSON.toJSONString(user), XContentType.JSON); UpdateResponse response = restHighLevelClient.update(request, RequestOptions.DEFAULT); System.out.println(response.status()); // OK restHighLevelClient.close(); } // 删除文档 @Test public void testDeleteDocument() throws IOException { DeleteRequest request = new DeleteRequest("boot_index", "1"); request.timeout("1s"); DeleteResponse response = restHighLevelClient.delete(request, RequestOptions.DEFAULT); System.out.println(response.status());// OK } /** * 批量添加文档 * * @throws IOException */ @Test public void testBatchAdd() throws IOException { BulkRequest bulkRequest = new BulkRequest(); for (int i = 0; ipom.xml
1.87.6.1org.springframework.bootspring-boot-starterorg.springframework.bootspring-boot-starter-testtestorg.springframework.bootspring-boot-starter-data-elasticsearchcom.alibabafastjson1.2.70org.projectlomboklomboktrue
参考链接
视频地址：https://www.bilibili.com/video/BV17a4y1x7zqp=10&vd_source=a3d625a64090fc4e2e34f1ae12c724f1
https://www.bilibili.com/video/BV1JY4y1Z714?p=18&vd_source=a3d625a64090fc4e2e34f1ae12c724f1
文档地址： https://www.kuangstudy.com/bbs/1354069127022583809#header23
-
下一篇：累的英文怎么读发音?
