SpringBoot中间件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。官方客户端在Java 、 .NET （ C# ）、 PHP 、 Python 、 Apache Groovy 、 Ruby 和许多其他语言中都是可用的。根据DB-Engines 的排名显示， Elasticsearch 是最受欢迎的企业搜索引擎，其次是 Apache Solr ，也是基于 Lucene。
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/
重要特征：
- 分布式的实时文件存储，每个字段都被索引并可被搜索
- 实时分析的分布式搜索引擎
- 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
1. 倒排索引概述
倒排索引的概念是基于 MySQL 这样的正向索引而言的。
1.1 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：
- 用户搜索数据，条件是title符合 "%手机%"
- 逐行获取数据，比如id为1的数据
- 判断数据中的title是否符合用户搜索条件
- 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 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）：
- 用户输入条件 "华为手机" 进行搜索。
- 对用户输入内容分词，得到词条： 华为 、 手机 。
- 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。
- 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。
1.3 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。
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
2. 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。
2.1 文档与字段
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。
2.2 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。
2.3 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
|
两者各有自己的擅长支出：
- 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
2.4 环境安装
Windows 版 ES 下载：https://www.elastic.co/cn/downloads/elasticsearch
Windows 版 ES 安装与启动：
- 运行 elasticsearch.bat
- 访问localhost:9200能看到json代表启动成功
2.5 IK分词器
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
安装
下载：https://github.com/medcl/elasticsearch-analysis-ik/releases
- 在ES安装目录下找到plugins目录创建ik文件夹
- 将ik分词器解压缩在此目录并重启ES即可
2.6 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 ” 。
2.6.1 mapper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、flfloat
- 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": 18,
"weight": 70.2,
"isMarried": false,
"info": "apesourceJavaEE王讲师",
"email": "[email protected]",
"score": [99.1, 99.5, 98.9],
"name": {
"firstName": "师傅",
"lastName": "王"
}
} 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flfloat；参与搜索，因此需要index为true；无需分词器
- isMarried：类型为boolean；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flfloat；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.fifirstName；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
2.6.2 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
格式：
PUT /索引库名称
{
"mappings": {
"properties": {
"字段名":{
"type": "text",
"analyzer": "ik_smart"
},
"字段名2":{
"type": "keyword",
"index": "false"
},
"字段名3":{
"properties": {
"子字段": {
"type": "keyword"
}
}
},
// ...略
}
}
}2.6.3 查询索引库
基本语法：
- 请求方式：GET
- 请求路径：/索引库名
- 请求参数：无
格式：GET /索引库名
2.6.3 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。
语法：
PUT /索引库名/_mapping
{
"properties": {
"新字段名":{
"type": "integer"
}
}
}2.6.4 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 /索引库名
2.6.5 总结
- 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
2.7 文档操作
2.7.1 新增文档
语法：
POST /索引库名/_doc/文档id
{
"字段1": "值1",
"字段2": "值2",
"字段3": {
"子属性1": "值3",
"子属性2": "值4"
},
// ...
}响应：result:created
2.7.2 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。
语法： GET / { 索引库名称 } / _doc / { id }
查看数据： GET / { 索引库名称 } / _doc / 1
2.7.3 删除文档
删除使用 DELETE 请求，同样，需要根据 id 进行删除：
语法： DELETE / { 索引库名 } / _doc / id 值
示例： DELETE / apesource / _doc / 1
结果： result:deleted
2.7.4 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
2.7.4.1 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，第二步的新增也会执行，也就从修改变成了新增操作了。
语法：
PUT /{索引库名}/_doc/文档id
{
"字段1": "值1",
"字段2": "值2",
// ... 略
}2.7.4.2 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。
语法：
POST /{索引库名}/_update/文档id
{
"doc": {
"字段名": "新的值",
}
}2.7.5 总结
- 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}}
3. ResrAPI
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
3.1 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：
org.elasticsearch.client
elasticsearch-rest-high-level-client
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：
1.8
7.12.0
3、初始化RestHighLevelClient：
初始化的部分代码如下：
RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(
HttpHost.create("http://localhost:9200")
)); 这里为了单元测试方便，我们创建一个测试类 HotelIndexTest ，然后将初始化的代码编写在 @BeforeEach方法中：
private RestHighLevelClient client;
@BeforeEach
public void setUp(){
this.client = new RestHighLevelClient(RestClient.builder(HttpHost.create("http://localhost:9200")));
}
@AfterEach
void tearDown() throws IOException {
this.client.close();
}3.2 创建索引库
创建索引库的 API 如下：
创建一个类，定义 mapping 映射的 JSON 字符串常量：
package com.itzhi.common;
/**
* @author lizhihui
* @version 1.0
* @since 2023/8/11
*/
public class HotelConstants {
public static final String MAPPING_TEMPLATE = "{\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 HotelIndexTest 测试类中，编写单元测试，实现创建索引：
// 创建索引库
@Test
public void createHotelIndex() throws IOException {
CreateIndexRequest request = new CreateIndexRequest("hotels");
request.source(HotelConstants.MAPPING_TEMPLATE, XContentType.JSON);
client.indices().create(request,RequestOptions.DEFAULT);
}3.3 删除索引库
在 hotel-demo 中的 HotelIndexTest 测试类中，编写单元测试，实现删除索引：
// 删除索引库
@Test
public void testDeleteHotelIndex() throws IOException {
DeleteIndexRequest request = new DeleteIndexRequest("hotels");
client.indices().delete(request,RequestOptions.DEFAULT);
}3.4 判断索引库是否存在
// 查找索引是否存在
@Test
public void testExistsHotelIndex() throws IOException {
// 1、创建request对象
GetIndexRequest request = new GetIndexRequest("hotels");
boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);
System.err.println(exists ? "索引库已经存在！" : "索引库不存在！");
}3.5 总结
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。
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
4. RestClient操作文档
4.1 新增文档
与数据库相关的实体类
/**
* @author lizhihui
* @version 1.0
* @since 2023/8/11
*/
@Data
@AllArgsConstructor
@NoArgsConstructor
@ToString
@TableName("tb_hotel")
public class Hotel {
@TableId(value = "id",type = IdType.INPUT)
private Long id;
@TableField("name")
private String name;
@TableField("address")
private String address;
@TableField("price")
private Integer price;
@TableField("score")
private Integer score;
@TableField("brand")
private String brand;
@TableField("city")
private String city;
@TableField("starName")
private String starName;
@TableField("business")
private String business;
@TableField("longitude")
private String longitude;//经度
@TableField("latitude")
private String latitude;//纬度
@TableField("pic")
private String pic;
}
我们需要定义一个新的类型，与索引库结构吻合：
为 ES 索引库设计实体类
- longitude和latitude需要合并为location
/**
* @author lizhihui
* @version 1.0
* @since 2023/8/11
*/
@Data
@NoArgsConstructor
@ToString
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;
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();
}
}
在 hotel-demo 的 HotelDocumentTest 测试类中，编写单元测试：
// 添加一个文档到es
@Test
public void testAddDocument() throws IOException {
Hotel hotel = service.getById(197837109);
HotelDoc hotelDoc = new HotelDoc(hotel);
String json = JSON.toJSONString(hotelDoc);
IndexRequest request = new IndexRequest("hotels").id(hotelDoc.getId().toString());
request.source(json, XContentType.JSON);
client.index(request, RequestOptions.DEFAULT);
}4.2 查询文档
在 hotel-demo 的 HotelDocumentTest 测试类中，编写单元测试：
// 根据id查找一个文档
@Test
public void testGetDocument() throws IOException {
GetRequest request = new GetRequest("hotels", "197837109");
GetResponse response = client.get(request, RequestOptions.DEFAULT);
String json = response.getSourceAsString();
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
System.out.println(hotelDoc);
}4.3 删除文档
在 hotel-demo 的 HotelDocumentTest 测试类中，编写单元测试：
// 根据id删除一个文档
@Test
public void testDeleteDocument() throws IOException {
DeleteRequest request = new DeleteRequest("hotels", "197837109");
client.delete(request, RequestOptions.DEFAULT);
}4.4 修改文档
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
在hotel-demo的HotelDocumentTest测试类中，编写单元测试：
// 根据id修改文档
@Test
public void testUpdateDocument() throws IOException {
UpdateRequest request = new UpdateRequest("hotels", "197837109");
request.doc("name", "W酒店",
"city", "西安",
"price", "2000",
"starName", "五星级");
client.update(request, RequestOptions.DEFAULT);
}4.5 批量导入文档
在 hotel-demo 的 HotelDocumentTest 测试类中，编写单元测试：
// 批量添加文档
@Test
public void testBulkRequest() throws IOException {
List list = service.list();
BulkRequest request = new BulkRequest();
for (Hotel hotel : list) {
HotelDoc hotelDoc = new HotelDoc(hotel);
request.add(new IndexRequest("hotels")
.id(hotelDoc.getId().toString())
.source(JSON.toJSONString(hotelDoc), XContentType.JSON));
}
client.bulk(request,RequestOptions.DEFAULT);
} 4.6 总结
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）
5. ElasticSearch查询
elasticsearch的查询依然是基于JSON风格的DSL来实现的。
5.1 DSL查询文档
Elasticsearch 提供了基于 JSON 的 DSL （ Domain Specifific Language ）来定义查询。常见的查询类型包括：
- 查询所有：查询出所有数据，一般测试用(不会显示出所有，自带分页功能)。例如：match_all
- 全文检索（full text）查询：利用分词器对用户输入内容分词，然后去倒排索引库中匹配。例如：
- match_query：单字段查询
- multi_match_query：多字段查询，任意一个字段符合条件就算符合查询条件
- 精确查询：根据精确词条值查找数据，一般是查找keyword、数值、日期、boolean等类型字段。例如：
- ids
- range根据值的范围查询
- term根据词条精确值查询
- 地理（geo）查询：根据经纬度查询。例如：
- geo_distance
- geo_bounding_box
- 复合（compound）查询：复合查询可以将上述各种查询条件组合起来，合并查询条件。例如：
- bool
- function_score
5.2 RestClient查询文档
文档的查询同样适用 RestHighLevelClient 对象，基本步骤包括：
- 准备Request对象
- 准备请求参数
- 发起请求
- 解析响应
我们以 match_all 查询为例 完整代码如下：
// 查询所有
@Test
public void testMatchAll() throws IOException {
SearchRequest request = new SearchRequest("hotels");
request.source().query(QueryBuilders.matchAllQuery());
SearchResponse response = client.search(request,RequestOptions.DEFAULT);
show(response);
}
//查询all字段内容中有如家的（or拼接多条件）
@Test
public void testMatch() throws IOException {
SearchRequest request = new SearchRequest("hotels");
request.source().query(QueryBuilders.matchQuery("all","如家"));
SearchResponse response = client.search(request,RequestOptions.DEFAULT);
show(response);
}
//查询name,business字段内容中有如家的
@Test
void testMultiMatch() throws IOException {
// 1.准备Request
SearchRequest request = new SearchRequest("hotels");
// 2.准备DSL 参数1：字段 参数2：数据
request.source()
.query(QueryBuilders.multiMatchQuery("如家", "name","business"));
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
show(response);
}
// 词条查询
@Test
public void testTermQuery() throws IOException{
SearchRequest request = new SearchRequest("hotels");
request.source().query(QueryBuilders.termQuery("city","上海"));
SearchResponse response = client.search(request,RequestOptions.DEFAULT);
show(response);
}
//范围查询
@Test
void testRangeQuery() throws IOException {
// 1.准备Request
SearchRequest request = new SearchRequest("hotels");
// 2.准备DSL，QueryBuilders构造查询条件
request.source()
.query(QueryBuilders.rangeQuery("price").gte(100).lte(150));
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
show(response);
}
@Test
void testBool() throws IOException {
// 1.准备request
SearchRequest request = new SearchRequest("hotels");
// 布尔查询是一个或多个查询子句的组合,子查询的组合方式有:
// must:必须匹配每个子查询，类似“与”
// should:选择性匹配子查询，类似“或”
// must_not:必须不匹配，不参与算分，类似“非”
// filter:必须匹配，类似“与”，不参与算分
// 一般搜索框用must，选择条件使用filter
// 2.准备请求参数(and拼接)
// BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
// // 2.1.must
// boolQuery.must(QueryBuilders.termQuery("city", "上海"));
// // 2.2.filter小于等于
// boolQuery.filter(QueryBuilders.rangeQuery("price").lte(260));
//
// request.source().query(boolQuery);
//方式2
request.source().query(
QueryBuilders.boolQuery()
.must(QueryBuilders.termQuery("city", "上海"))
.filter(QueryBuilders.rangeQuery("price").lte(260))
);
// 3.发送请求，得到响应
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.结果解析
show(response);
}
@Test
void testPageAndSort() throws IOException {
// 页码，每页大小
int page = 1, size = 20;
// 查询条件
String searchName = "如家";
// String searchName = null;
// 1.准备Request
SearchRequest request = new SearchRequest("hotels");
// 2.准备DSL
// 2.1.query
if(searchName == null){
request.source().query(QueryBuilders.matchAllQuery());
}else{
request.source().query(QueryBuilders.matchQuery("name", searchName));
}
// 2.2.分页 from、size
request.source().from((page - 1) * size).size(size);
//2.3.排序
request.source().sort("price", SortOrder.DESC);
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
show(response);
}
// 解析响应对象
public void show(SearchResponse response){
// 解析响应
SearchHits searchHits = response.getHits();
// 获取总条数
long total = searchHits.getTotalHits().value;
System.out.println("共搜到" + total + "条数据");
// 文档数组
SearchHit[] hits = searchHits.getHits();
// 遍历
for (SearchHit s : hits){
String json = s.getSourceAsString();
HotelDoc hotelDoc = JSON.parseObject(json,HotelDoc.class);
System.out.println("HotelDoc = " + hotelDoc);
}
}