SpringBoot整合Elasticsearch超详细教程
1.ES简介
**注：**公司中大部分也是对于管理日志信息使用es，我们也是，这里做简单的教学，之后会有更加完整的ES学习介绍。
说明：
ES（Elasticsearch）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。**Elasticsearch是用Java语言开发的，并作为Apache许可条款下的开放源码发布，是一种流行的企业级搜索引擎。**Elasticsearch用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便 。
其实记住是一个分布式全文搜索引擎，重点是全文搜索。
**全文搜索：**这里解释一下全文索引比如用户要搜索一个文章，以Java为关键字进行搜索，不管是书名中还是文章的标题，文章的作者名字，文章的摘要，只要是包含java关键字就会作为查询结果返回给用户查看，这就使用了全文搜索技术。
搜索的条件不再是仅用于对某一个字段进行比对与查找，而是在一条数据中使用搜索条件去比对表中更多的字段，只要能匹配上就作为查询结果，而ES技术就是一种可以实现上述效果的技术。
2.全文搜索实现过程：倒排索引
ES设计了一种全新的思想，来实现全文搜索。具体操作过程如下：
（1）进行分词
将被查询的字段的数据全部文本信息进行查分，分成若干个词
- 例如“我不想上班”就会被拆分成三个词，分别是“我”、“不想”、“上班”，此过程专业术语叫做分词。（根据分词的策略不同，分出的效果是不一样的，不同的分词策略称为分词器（ik）。）
（2）存储对应id
将分词得到的结果存储起来，对应每条数据的id
-
例如id为1的数据中名称这一项的值是“我不想上班”，那么分词结束后，就会出现“我”对应id为1，“不想”对应id为1，“上班”对应id为1
-
例如id为2的数据中名称这一项的值是“上班真的快乐“，那么分词结束后，就会出现“上班”对应id为2，“真的”对应id为2，“快乐”对应id为2
-
按照上述形式可以对所有文档进行分词。需要注意分词的过程不是仅对一个字段进行，而是对每一个参与查询的字段都执行，最终结果汇总到一个表格中此时就会出现如下对应结果：
分词结果关键字 对应id 我 1 不想 1 上班 1，2 真的 2 快乐 2
（3）通过id查询结果
当进行查询时，如果输入“上班”作为查询条件，可以通过上述表格数据进行比对，得到id值1,2，然后根据id值就可以得到查询的结果数据了。
注：全文搜索中的分词结果关键字查询后得到的并不是整条的数据，而是数据的id，要想获得具体数据还要再次查询，这种分词结果关键字叫做倒排索引。
3.安装
（1）下载ES
windows版安装包下载地址：https://www.elastic.co/cn/downloads/elasticsearch
（2）解压缩
下载的安装包是解压缩就能使用的zip文件，解压缩完毕后会得到如下文件
- bin目录：包含所有的可执行命令
- config目录：包含ES服务器使用的配置文件
- jdk目录：此目录中包含了一个完整的jdk工具包，版本17，当ES升级时，使用最新版本的jdk确保不会出现版本支持性不足的问题
- lib目录：包含ES运行的依赖jar文件
- logs目录：包含ES运行后产生的所有日志文件
- modules目录：包含ES软件中所有的功能模块，也是一个一个的jar包。和jar目录不同，jar目录是ES运行期间依赖的jar包，modules是ES软件自己的功能jar包
- plugins目录：包含ES软件安装的插件，默认为空
（3）启动服务器
进入bin目录，再进入命令窗口，输入以下命令：
elasticsearch.bat
1
双击elasticsearch.bat文件即可启动ES服务器，默认服务端口9200。通过浏览器访问http://localhost:9200看到如下信息视为ES服务器正常启动
{
"name" : "CZBK-**********",
"cluster_name" : "elasticsearch",
"cluster_uuid" : "j137DSswTPG8U4Yb-0T1Mg",
"version" : {
"number" : "7.16.2",
"build_flavor" : "default",
"build_type" : "zip",
"build_hash" : "2b937c44140b6559905130a8650c64dbd0879cfb",
"build_date" : "2021-12-18T19:42:46.604893745Z",
"build_snapshot" : false,
"lucene_version" : "8.10.1",
"minimum_wire_compatibility_version" : "6.8.0",
"minimum_index_compatibility_version" : "6.0.0-beta1"
},
"tagline" : "You Know, for Search"
}
1234567891011121314151617
（4）基本操作
ES中保存要查询的数据，只不过格式和数据库存储数据格式不同。在ES中我们要先创建倒排索引（这个索引的功能又点类似于数据库的表），然后将数据添加到倒排索引中，添加的数据称为文档。所以要进行ES的操作要先创建索引，再添加文档，这样才能进行后续的查询操作。
要操作ES可以通过Rest风格的请求来进行，也就是说发送一个请求就可以执行一个操作。比如新建索引，删除索引这些操作都可以使用发送请求的形式来进行。
（1）创建索引
-
user是索引名称，注意是put请求
PUT请求 http://localhost:9200/user 1发送请求后，看到如下信息即索引创建成功
{ "acknowledged": true, "shards_acknowledged": true, "index": "books" } 12345
注： 重复创建已经存在的索引会出现错误信息，reason属性中描述错误原因。
{
"error": {
"root_cause": [
{
"type": "resource_already_exists_exception",
"reason": "index [books/VgC_XMVAQmedaiBNSgO2-w] already exists",
"index_uuid": "VgC_XMVAQmedaiBNSgO2-w",
"index": "books"
}
],
"type": "resource_already_exists_exception",
"reason": "index [books/VgC_XMVAQmedaiBNSgO2-w] already exists", # books索引已经存在
"index_uuid": "VgC_XMVAQmedaiBNSgO2-w",
"index": "book"
},
"status": 400
}
1234567891011121314151617
（2）查询索引
GET请求 http://localhost:9200/user
1
查询索引得到索引相关信息，如下
{
"book": {
"aliases": {},
"mappings": {},
"settings": {
"index": {
"routing": {
"allocation": {
"include": {
"_tier_preference": "data_content"
}
}
},
"number_of_shards": "1",
"provided_name": "books",
"creation_date": "1645768584849",
"number_of_replicas": "1",
"uuid": "VgC_XMVAQmedaiBNSgO2-w",
"version": {
"created": "7160299"
}
}
}
}
}
12345678910111213141516171819202122232425
注： 如果查询了不存在的索引，会返回错误信息。
{
"error": {
"root_cause": [
{
"type": "index_not_found_exception",
"reason": "no such index [book]",
"resource.type": "index_or_alias",
"resource.id": "book",
"index_uuid": "_na_",
"index": "book"
}
],
"type": "index_not_found_exception",
"reason": "no such index [book]", # 没有book索引
"resource.type": "index_or_alias",
"resource.id": "book",
"index_uuid": "_na_",
"index": "book"
},
"status": 404
}
123456789101112131415161718192021
（3）删除索引
DELETE请求 http://localhost:9200/books
1
删除所有后，给出删除结果
{
"acknowledged": true
}
123
注： 如果重复删除，会给出错误信息，同样在reason属性中描述具体的错误原因
{
"error": {
"root_cause": [
{
"type": "index_not_found_exception",
"reason": "no such index [books]",
"resource.type": "index_or_alias",
"resource.id": "book",
"index_uuid": "_na_",
"index": "book"
}
],
"type": "index_not_found_exception",
"reason": "no such index [books]", # 没有books索引
"resource.type": "index_or_alias",
"resource.id": "book",
"index_uuid": "_na_",
"index": "book"
},
"status": 404
}
123456789101112131415161718192021
（4）创建索引并指定分词器
前面创建的索引是未指定分词器的，可以在创建索引时添加请求参数，设置分词器。目前国内较为流行的分词器是IK分词器，使用前先在下对应的分词器，然后使用。
IK分词器下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases
分词器下载后解压到ES安装目录的plugins目录中即可，安装分词器后需要重新启动ES服务器。
使用IK分词器创建索引格式：（要把注释删掉否则报错）
PUT请求 http://localhost:9200/books
请求参数如下（注意是json格式的参数）
{
"mappings":{ #定义mappings属性，替换创建索引时对应的mappings属性
"properties":{ #定义索引中包含的属性设置
"id":{ #设置索引中包含id属性
"type":"keyword" #当前属性可以被直接搜索
},
"name":{ #设置索引中包含name属性
"type":"text", #当前属性是文本信息，参与分词
"analyzer":"ik_max_word", #使用IK分词器进行分词
"copy_to":"all" #分词结果拷贝到all属性中
},
"type":{
"type":"keyword"
},
"description":{
"type":"text",
"analyzer":"ik_max_word",
"copy_to":"all"
},
"all":{ #定义属性，用来描述多个字段的分词结果集合，当前属性可以参与查询
"type":"text",
"analyzer":"ik_max_word"
}
}
}
}
1234567891011121314151617181920212223242526272829
创建完毕后返回结果和不使用分词器创建索引的结果是一样的。
此时可以通过查看索引信息观察到添加的请求参数mappings已经进入到了索引属性中
{
"user": {
"aliases": {},
"mappings": { #mappings属性已经被替换
"properties": {
"all": {
"type": "text",
"analyzer": "ik_max_word"
},
"description": {
"type": "text",
"copy_to": [
"all"
],
"analyzer": "ik_max_word"
},
"id": {
"type": "keyword"
},
"name": {
"type": "text",
"copy_to": [
"all"
],
"analyzer": "ik_max_word"
},
"type": {
"type": "keyword"
}
}
},
"settings": {
"index": {
"routing": {
"allocation": {
"include": {
"_tier_preference": "data_content"
}
}
},
"number_of_shards": "1",
"provided_name": "books",
"creation_date": "1645769809521",
"number_of_replicas": "1",
"uuid": "DohYKvr_SZO4KRGmbZYmTQ",
"version": {
"created": "7160299"
}
}
}
}
}
12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152
目前我们已经有了索引了，但是索引中还没有数据，所以要先添加数据，ES中称数据为文档，下面进行文档操作。
a.添加文档，有三种方式
POST请求 http://localhost:9200/user/_doc #使用系统生成id
POST请求 http://localhost:9200/user/_create/1 #使用指定id
POST请求 http://localhost:9200/user/_doc/1 #使用指定id，不存在创建，存在更新（版本递增）
文档通过请求参数传递，数据格式json
{
"name":"cllb",
"type":"bozhu",
"description":"xihuan java"
}
12345678910
b.查询文档
这里注意请求时要把参数调整为none，否则会报错。
GET请求 http://localhost:9200/user/_doc/1 #查询单个文档
GET请求 http://localhost:9200/user/_search #查询全部文档
12
c.条件查询
GET请求 http://localhost:9200/user/_search?q=name:cllb # q=查询属性名:查询属性值
1
d.修改文档（全量更新）
PUT请求 http://localhost:9200/user/_doc/1
文档通过请求参数传递，数据格式json
{
"name":"ccc",
"type":"bb",
"description":"123"
}
12345678
e.修改文档（部分更新）
POST请求 http://localhost:9200/user/_update/1
文档通过请求参数传递，数据格式json
{
"doc":{ #部分更新并不是对原始文档进行更新，而是对原始文档对象中的doc属性中的指定属性更新
"name":"springboot" #仅更新提供的属性值，未提供的属性值不参与更新操作
}
}
12345678
f.删除文档
DELETE请求 http://localhost:9200/books/_doc/1
1
4. 整合（早期低级版）
其实和整合Redis，MongoDB，ES都是一样的。
下面就开始springboot整合ES，操作步骤如下：
（1）：导入springboot整合ES的starter坐标
<dependency>
<groupId>org.springframework.bootgroupId>
<artifactId>spring-boot-starter-data-elasticsearchartifactId>
dependency>
1234
（2）：进行基础配置
spring:
elasticsearch:
rest:
uris: http://localhost:9200
1234
配置ES服务器地址，端口9200
（3）：使用springboot整合ES的专用客户端接口ElasticsearchRestTemplate来进行操作
@SpringBootTest
class Springboot18EsApplicationTests {
@Autowired
private ElasticsearchRestTemplate template;
}
12345
（4）连接pojo层
package com.test;
import org.springframework.data.elasticsearch.annotations.Document;
import java.lang.annotation.Documented;
@Document(indexName = "user")
public class User {
private Integer id;
private String name;
private String type;
private String description;
public User(Integer id, String name, String type, String description) {
this.id = id;
this.name = name;
this.type = type;
this.description = description;
}
public User() {
}
public Integer getId() {
return id;
}
public void setId(Integer id) {
this.id = id;
}
public String getName() {
return name;
}
public void setName(String name) {
this.name = name;
}
public String getType() {
return type;
}
public void setType(String type) {
this.type = type;
}
public String getDescription() {
return description;
}
public void setDescription(String description) {
this.description = description;
}
@Override
public String toString() {
return "Book{" +
"id=" + id +
", name='" + name + '\'' +
", type='" + type + '\'' +
", description='" + description + '\'' +
'}';
}
}
123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869
（5）连接dao层
package com.test;
import org.elasticsearch.ElasticsearchSecurityException;
import org.springframework.data.elasticsearch.repository.ElasticsearchRepository;
public interface Esresposity extends ElasticsearchRepository<User,Integer> {
}
12345678
注： 上述这是ES早期的操作方式，使用的客户端被称为Low Level Client，因为这种操作方式在性能方面略显不足。
于是ES开发了全新的客户端操作方式，称为High Level Client。
高级别客户端与ES版本同步更新，但是springboot最初整合ES的时候使用的是低级别客户端，所以企业开发需要更换成高级别的客户端模式。
5.整合（最新高级版）
下面使用高级别客户端方式进行springboot整合ES，操作步骤如下：
（1）导入springboot整合ES高级别客户端的坐标
此种形式目前没有对应的starter，需要去找。
<dependency>
<groupId>org.elasticsearch.clientgroupId>
<artifactId>elasticsearch-rest-high-level-clientartifactId>
dependency>
1234
（2）使用编程的形式设置连接的ES服务器，并获取客户端对象
@SpringBootTest
class HighClientTest {
private RestHighLevelClient client;
@Test
void testCreateClient() throws IOException {
HttpHost host = HttpHost.create("http://localhost:9200");
RestClientBuilder builder = RestClient.builder(host);
client = new RestHighLevelClient(builder);
client.close();
}
}
123456789101112
注： 记得客户端使用完毕需要手工关闭。配置ES服务器地址与端口9200，由于当前客户端是手工维护的，因此不能通过自动装配的形式加载对象。
（3）使用客户端对象操作ES
例如创建索引：（这里需要先执行上面的删除索引操作，否则会报错）
@SpringBootTest
class HighClientTest{
private RestHighLevelClient client;
@Test
void testCreateIndex() throws IOException {
HttpHost host = HttpHost.create("http://localhost:9200");
RestClientBuilder builder = RestClient.builder(host);
client = new RestHighLevelClient(builder);
CreateIndexRequest request = new CreateIndexRequest("user");
client.indices().create(request, RequestOptions.DEFAULT);
client.close();
}
}
123456789101112131415
**注：**第一步永远是获取RestHighLevelClient对象，创建索引的对象是CreateIndexRequest，其他操作也会有自己专用的Request对象。最后一步永远是关闭该对象的连接。可以得出以下结论，进行方法提取。
@SpringBootTest
class Springboot18EsApplicationTests {
@BeforeEach //在测试类中每个操作运行前运行的方法
void setUp() {
HttpHost host = HttpHost.create("http://localhost:9200");
RestClientBuilder builder = RestClient.builder(host);
client = new RestHighLevelClient(builder);
}
@AfterEach //在测试类中每个操作运行后运行的方法
void tearDown() throws IOException {
client.close();
}
private RestHighLevelClient client;
@Test
void testCreateIndex() throws IOException {
CreateIndexRequest request = new CreateIndexRequest("book");
client.indices().create(request, RequestOptions.DEFAULT);
}
}
12345678910111213141516171819202122
现在的书写简化了很多，也更合理。下面使用上述模式将所有的ES操作执行一遍，测试结果
创建索引（IK分词器）：
@Test
void testCreateIndexByIK() throws IOException {
CreateIndexRequest request = new CreateIndexRequest("books");
String json = "{\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" +
" \"type\":{\n" +
" \"type\":\"keyword\"\n" +
" },\n" +
" \"description\":{\n" +
" \"type\":\"text\",\n" +
" \"analyzer\":\"ik_max_word\",\n" +
" \"copy_to\":\"all\"\n" +
" },\n" +
" \"all\":{\n" +
" \"type\":\"text\",\n" +
" \"analyzer\":\"ik_max_word\"\n" +
" }\n" +
" }\n" +
" }\n" +
"}";
//设置请求中的参数
request.source(json, XContentType.JSON);
client.indices().create(request, RequestOptions.DEFAULT);
}
123456789101112131415161718192021222324252627282930313233
**注：**IK分词器是通过请求参数的形式进行设置的，设置请求参数使用request对象中的source方法进行设置，至于参数是什么，取决于你的操作种类。当请求中需要参数时，均可使用当前形式进行参数设置。
添加文档：
@Test
//添加文档
void testCreateDoc() throws IOException {
User user = userDao.selectById(1);
IndexRequest request = new IndexRequest("user").id(book.getId().toString());
String json = JSON.toJSONString(book);
request.source(json,XContentType.JSON);
client.index(request,RequestOptions.DEFAULT);
}
123456789
添加文档使用的请求对象是IndexRequest，与创建索引使用的请求对象不同。
批量添加文档：
@Test
//批量添加文档
void testCreateDocAll() throws IOException {
List<User> userList = userDao.selectList(null);
BulkRequest bulk = new BulkRequest();
for (User user : userList) {
IndexRequest request = new IndexRequest("user").id(user.getId().toString());
String json = JSON.toJSONString(book);
request.source(json,XContentType.JSON);
bulk.add(request);
}
client.bulk(bulk,RequestOptions.DEFAULT);
}
12345678910111213
**注：**批量做时，先创建一个BulkRequest的对象，可以将该对象理解为是一个保存request对象的容器，将所有的请求都初始化好后，添加到BulkRequest对象中，再使用BulkRequest对象的bulk方法，一次性执行完毕。
按id查询文档：
@Test
//按id查询
void testGet() throws IOException {
GetRequest request = new GetRequest("user","1");
GetResponse response = client.get(request, RequestOptions.DEFAULT);
String json = response.getSourceAsString();
System.out.println(json);
}
12345678
根据id查询文档使用的请求对象是GetRequest。
按条件查询文档：
@Test
//按条件查询
void testSearch() throws IOException {
SearchRequest request = new SearchRequest("user");
SearchSourceBuilder builder = new SearchSourceBuilder();
builder.query(QueryBuilders.termQuery("all","spring"));
request.source(builder);
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
SearchHits hits = response.getHits();
for (SearchHit hit : hits) {
String source = hit.getSourceAsString();
//System.out.println(source);
Book book = JSON.parseObject(source, Book.class);
System.out.println(book);
}
}
123456789101112131415161718
**注：**按条件查询文档使用的请求对象是SearchRequest，查询时调用SearchRequest对象的termQuery方法，需要给出查询属性名，此处支持使用合并字段，也就是前面定义索引属性时添加的all属性。
**总结：ES是为了查询速度快，之后会有更细致的有关ES的博客。希望对您有帮助，感谢阅读
结束语：裸体一旦成为艺术，便是最圣洁的。道德一旦沦为虚伪，便是最下流的。
勇敢去做你认为正确的事，不要被世俗的流言蜚语所困扰。**