Elasticsearch【文档操作、搜索操作、入门案例】(五)-全面详解（学习总结---从入门到深化）

目录

原生JAVA操作ES_文档操作

原生JAVA操作ES_搜索操作

SpringDataES_入门案例

---

原生JAVA操作ES_文档操作

新增&修改文档 

@Test
public void addDocument() throws IOException
{
    // 1.创建客户端对象，连接ES
    RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(new HttpHost("192.168.0.187", 9200, "http")));
    // 2.创建请求对象
    IndexRequest request = new IndexRequest("student").id("1");
    request.source(XContentFactory.jsonBuilder()
                   .startObject()
                   .field("id", 1)
                   .field("name", "i love xiaotong")
                   .field("age", 20)
                   .endObject());
    // 3.发送请求
    IndexResponse response = client.index(request, RequestOptions.DEFAULT);
    // 4.操作响应结果
    System.out.println(response.status());
    // 5.关闭客户端
    client.close();
}

根据id查询文档

// 根据id查询文档
@Test
public void findByIdDocument() throws IOException {
    // 1.创建客户端对象，连接ES
    RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(new HttpHost("192.168.0.187", 9200, "http")));
    // 2.创建请求对象
    GetRequest request = new GetRequest("student", "1");
    // 3.发送请求
    GetResponse response = client.get(request, RequestOptions.DEFAULT);
    // 4.操作响应结果
    System.out.println(response.getSourceAsString());
    // 5.关闭客户端
    client.close();
}

删除文档

// 删除文档
@Test
public void DeleteDocument() throws IOException {
    // 1.创建客户端对象，连接ES
    RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(new HttpHost("192.168.0.187", 9200, "http")));
    // 2.创建请求对象
    DeleteRequest request = new DeleteRequest("student", "1");
    // 3.发送请求
    DeleteResponse response = client.delete(request,RequestOptions.DEFAULT);
    // 4.操作响应结果
    System.out.println(response.status());
    // 5.关闭客户端
    client.close();
}

实时学习反馈

1. 使用原生JAVA操作ES时，删除文档的请求对象为

A DeleteRequest

B GetRequest

C IndexRequest

D SearchRequest

2. 使用原生JAVA操作ES时，新增文档的请求对象为

A DeleteRequest

B GetRequest

C IndexRequest

D SearchRequest

原生JAVA操作ES_搜索操作

搜索所有文档 

@Test
public void queryAllDocument() throws IOException {
    // 创建客户端对象，链接ES
    RestHighLevelClient client = new RestHighLevelClient(
        RestClient.builder(new HttpHost("192.168.1.58",9200,"http")));
    // 创建搜索条件
    SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
    searchSourceBuilder.query(QueryBuilders.matchAllQuery());
    // 创建请求对象
    SearchRequest request = new SearchRequest("student").source(searchSourceBuilder);
    // 发送请求
    SearchResponse response = client.search(request,RequestOptions.DEFAULT);
    // 输出返回结果
    for (SearchHit hit:response.getHits()) {
        System.out.println(hit.getSourceAsString());
   }
    // 关闭客户端
    client.close();
}

根据关键词搜索文档

@Test
public void queryTermDocument() throws IOException {
    // 创建客户端对象，链接ES
    RestHighLevelClient client = new RestHighLevelClient(
        RestClient.builder(new HttpHost("192.168.1.58",9200,"http")));
    // 创建请求条件
    SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
    searchSourceBuilder.query(QueryBuilders.termQuery("info","boy"));
    // 创建请求对象
    SearchRequest request = new SearchRequest("student").source(searchSourceBuilder);
    // 发送请求
    SearchResponse response = client.search(request,RequestOptions.DEFAULT);
    // 输出返回结果
    for (SearchHit hit:response.getHits()) {
      System.out.println(hit.getSourceAsString());
   }
    // 关闭客户端
    client.close();
}

实时学习反馈

1. 使用原生JAVA操作ES时，查询文档的请求对象为

A DeleteRequest

B GetRequest

C IndexRequest

D SearchRequest

SpringDataES_入门案例

项目搭建

Spring Data ElasticSearch是Spring对原生JAVA操作Elasticsearch 封装之后的产物。它通过对原生API的封装，使得JAVA程序员可以简 单的对Elasticsearch进行操作。

1、创建SpringBoot项目，加入Spring Data Elasticsearch起步依赖：

    org.springframework.boot
    spring-boot-starter-data-elasticsearch

 2、编写配置文件：

spring:
 elasticsearch:
   uris: http://192.168.1.58:9200

此时Spring Data ElasticSearch项目已经搭建完成。

创建实体类

一个实体类的所有对象都会存入ES的一个索引中，所以我们在创建 实体类时关联ES索引。

@Document(indexName = "product",createIndex = true)
@Data
public class Product {
    @Id
    @Field(type = FieldType.Integer,store = true,index = true)
    private Integer id;
    @Field(type = FieldType.Text,store = true,index = true,analyzer = "ik_max_word",searchAnalyzer = "ik_max_word")
    private String productName;
    @Field(type = FieldType.Text,store = true,index = true,analyzer ="ik_max_word",searchAnalyzer = "ik_max_word")
    private String productDesc;
}

@Document：标记在类上，标记实体类为文档对象，一般有如 下属性：

            indexName：对应索引的名称

            createIndex：是否自动创建索引

@Id：标记在成员变量上，标记一个字段为主键，该字段的值会 同步到ES该文档的id值。

@Field：标记在成员变量上，标记为文档中的域，一般有如下 属性：

            type：域的类型

            index：是否创建索引，默认是 true store：是否单独存储，默认是 false

            analyzer：分词器

            searchAnalyzer：搜索时的分词器

实时学习反馈

1. 在Spring Data ElasticSearch中，实体类上方添加的注解为

A @Entity

B @Bean

C @Document

D @Repository

2. 在Spring Data ElasticSearch中，实体类成员变量上方添加的 注解为

A @Field

B @Bean

C @Document

D @Id 

复习：

 Elasticsearch常用操作_域的属性

index

该域是否创建索引。只有值设置为true，才能根据该域的关键词查询文档。

// 根据关键词查询文档
GET /索引名/_search
{
  "query":{
        "term":{
           搜索字段: 关键字
       }
   }
}

 type

域的类型

store 

是否单独存储。如果设置为true，则该域能够单独查询。

// 单独查询某个域：
GET /索引名/_search
{
  "stored_fields": ["域名"]
}

实时学习反馈

1. 在Elasticsearch中，只有域的属性设置为true，才能根据该域 的关键词查询文档

A type

B index

C store

D analyzer

2. 在Elasticsearch中，域的属性表示域的数据类型

A type

B index

C store

D analyzer

分词器_默认分词器

ES文档的数据拆分成一个个有完整含义的关键词，并将关键词与文 档对应，这样就可以通过关键词查询文档。要想正确的分词，需要 选择合适的分词器。

standard analyzer：Elasticsearch默认分词器，根据空格和标点 符号对英文进行分词，会进行单词的大小写转换。 

默认分词器是英文分词器，对中文的分词是一字一词。

查看分词效果

GET /_analyze
{
  "text":测试语句,
  "analyzer":分词器
}

 实时学习反馈

1. 在Elasticsearch中，默认分词器为

A standard analyzer

B IKAnalyzer

C pinyin analysis

D 没有默认分词器

2. 在Elasticsearch中，默认分词器对中文的分词

A 根据标点符号分词

B 根据空格符号分词

C 根据词汇分词

D 一字一词

分词器_IK分词器

IKAnalyzer是一个开源的，基于java语言开发的轻量级的中文分词 工具包。提供了两种分词算法：

1、ik_smart：最少切分

2、ik_max_word：最细粒度划分 

安装IK分词器

1、关闭es服务

2 、使用rz命令将ik分词器上传至虚拟机

注：ik分词器的版本要和es版本保持一致。

3、解压ik分词器到elasticsearch的plugins目录下

unzip elasticsearch-analysis-ik-7.17.0.zip -d /usr/local/elasticsearch1/plugins/analysis -ik

4、启动ES服务 

su es

#进入ES安装文件夹：
cd /usr/local/elasticsearch1/bin/

#启动ES服务：
./elasticsearch -d

测试分词器效果

GET /_analyze
{
 "text":"测试语句",
 "analyzer":"ik_smart/ik_max_word"
}

IK分词器词典

IK分词器根据词典进行分词，词典文件在IK分词器的config目录中。

1、main.dic：IK中内置的词典。记录了IK统计的所有中文单词。

2、IKAnalyzer.cfg.xml：用于配置自定义词库。

        IK Analyzer 扩展配置
        
        ext_dict.dic
         
        ext_stopwords.dic
        
        
        
        

实时学习反馈

1. IK分词器的算法分为

A ik_smart 和 ik_min_word

B ik_min_word 和 ik_max_word

C ik_smart 和 ik_max_word

D ik_smart 和 ik_max_word 和 ik_min_word

2. 在Elasticsearch中，测试分词器效果的方法为

A PUT /_analyze

B GET /_analyze

C POST /_analyze

D DELETE /_analyze 

分词器_拼音分词器

拼音分词器可以将中文分成对应的全拼，全拼首字母等。

安装拼音分词器

1、 关闭es服务

2 、使用rz命令将拼音分词器上传至虚拟机

注：拼音分词器的版本要和es版本保持一致。

3、解压ik分词器到elasticsearch的plugins目录下 

unzip elasticsearch-analysis-pinyin-7.17.0.zip -d /usr/local/elasticsearch1/plugins/analysis -pinyin

4、启动ES服务

su es

#进入ES安装文件夹：
cd /usr/local/elasticsearch1/bin/

#启动ES服务：
./elasticsearch

测试分词效果

GET /_analyze
{
 "text":测试语句,
 "analyzer":pinyin
}

实时学习反馈

1. 在Elasticsearch中，分词器存放的目录为

A bin

B config

C plugins

D log