导包

    <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
        </dependency>

添加配置

spring:
  data:
    elasticsearch:
      cluster-name: elasticsearch
      cluster-nodes: 192.168.88.130:9300

创建一个实体类

@Data
public class TestModel {
    private int id;
    private String name;
    private String brand;
    private String imageurl;
}

映射

Spring Data通过注解来声明字段的映射属性，有下面的三个注解：

• @Document 作用在类，标记实体类为文档对象，一般有两个属性
  • indexName：对应索引库名称
  • type：对应在索引库中的类型
  • shards：分片数量，默认5
  • replicas：副本数量，默认1
• @Id 作用在成员变量，标记一个字段作为id主键
• @Field 作用在成员变量，标记为文档的字段，并指定字段映射属性：
  • type：字段类型，取值是枚举：FieldType
  • index：是否索引，布尔类型，默认是true
  • store：是否存储，布尔类型，默认是false
  • analyzer：分词器名称

示例：

@Data
@Document(indexName = "testindex", type = "equipment", shards = 1, replicas = 1)
public class TestModel {
    @Id
    private int id;
    @Field(type = FieldType.text, analyzer = "ik_max_word")
    private String name;
    @Field(type = FieldType.keyword)
    private String brand;
    @Field(type = FieldType.keyword, index = false)
    private String imageurl;
}

1.Template索引操作

1.1创建索引和映射

@RestController
@RequestMapping("/")
public class TestController {

    @Autowired
    private ElasticsearchTemplate elasticsearchTemplate;

    @PutMapping("test1")
    public void createIndex(){
        elasticsearchTemplate.createIndex(TestModel.class); //根据TestModel类，生成index
        elasticsearchTemplate.putMapping(TestModel.class); //根据TestModel类，生成映射
    }

}

1.2测试api

测试

1.3结果：

结果

删除索引用 deleteIndex(自行测试)

2.Repository文档操作

Spring Data 的强大之处，就在于你不用写任何DAO处理，自动根据方法名或类的信息进行CRUD操作。只要你定义一个接口，然后继承Repository提供的一些子接口，就能具备各种基本的CRUD功能。

我们只需要定义接口，然后继承它就OK了。

2.1创建Repository接口

public interface TestModelRepository extends ElasticsearchRepository<TestModel,Integer> {
}

2.2新增文档

    @Autowired
    private TestModelRepository testModelRepository;
    @PostMapping("test2")
    public void saveDocment(){
        TestModel testModel = new TestModel(1, "testname", "testbrand", "1.jpg");
        testModelRepository.save(testModel);
    }

2.2.1测试

测试

2.2,2结果

结果

2.3使用saveAll()方法可以实现批量新增

2.4修改文档

修改和新增是同一个接口，区分的依据就是id，这一点跟我们在页面发起PUT请求是类似的。

2.5基本查询

 @GetMapping("test3")
    public Object getAll(){
        return  testModelRepository.findAll();
    }

2.5.1测试&结果

结果

2.6 自定义方法查询

Spring Data 的另一个强大功能，是根据方法名称自动实现功能。

比如：你的方法名叫做：findByTitle，那么它就知道你是根据title查询，然后自动帮你完成，无需写实现类。

当然，方法名称要符合一定的约定：

例如，我们来按照价格区间查询，定义这样的一个方法：

public interface TestModelRepository extends ElasticsearchRepository<TestModel,Integer> {
    /**
     * 根据id区间查询
     * @param start
     * @param end
     * @return
     */
    List<TestModel> findByIdBetween(Integer start, Integer end);
}

不需要写实现类，然后我们直接去运行：

  @GetMapping("test4")
    public Object queryById()
    {
        return testModelRepository.findByIdBetween(1,2);
    }

2.6.1结果：

image.png

虽然基本查询和自定义方法已经很强大了，但是如果是复杂查询（模糊、通配符、词条查询等）就显得力不从心了。此时，我们只能使用原生查询。

2.7高级查询

2.7.1基本玩法

    @GetMapping("test5")
    public Object testQuery()
    {
        // 词条查询
        MatchQueryBuilder queryBuilder = QueryBuilders.matchQuery("name", "testname");
        //执行查询
        Iterable<TestModel> testModels = testModelRepository.search(queryBuilder);
        return testModels;
    }

结果

结果

image.png

虽然elasticsearch提供很多可用的查询方式，但是不够灵活。如果想玩过滤或者聚合查询等就很难了

2.8自定义查询

2.8.1基本match query

   @GetMapping("test6")
    public Object testNativeQuery(){
        // 构建查询条件
        NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder();
        // 添加基本的分词查询
        queryBuilder.withQuery(QueryBuilders.matchQuery("name", "testname"));
        // 执行搜索，获取结果
        Page<TestModel> testModels = testModelRepository.search(queryBuilder.build());
        // 打印总条数
        System.out.println(testModels.getTotalElements());
        // 打印总页数
        System.out.println(testModels.getTotalPages());
        return testModels;
    }

这个效果和上面的match query一样

2.8.2 分页查询

@GetMapping("test7")
    public Object testNativeQuery(){
        // 构建查询条件
        NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder();
        // 添加基本的分词查询
        queryBuilder.withQuery(QueryBuilders.matchQuery("name", "testname"));
        // 初始化分页参数
        int page = 0;
        int size = 1;
        // 设置分页参数
        queryBuilder.withPageable(PageRequest.of(page, size));
        // 执行搜索，获取结果
        Page<TestModel> testModels = testModelRepository.search(queryBuilder.build());
        // 打印总条数
        System.out.println(testModels.getTotalElements());
        // 打印总页数
        System.out.println(testModels.getTotalPages());
        return testModels;
    }

注意：page是从0开始的，不是从1开始的

2.8.3 排序

@GetMapping("test8")
public Object testNativeQuery(){
    // 构建查询条件
    NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder();
    // 添加基本的分词查询
    queryBuilder.withQuery(QueryBuilders.matchQuery("name", "testname"));
    //排序
    queryBuilder.withSort(SortBuilders.fieldSort("id").order(SortOrder.DESC));
    // 执行搜索，获取结果
    Page<TestModel> testModels = testModelRepository.search(queryBuilder.build());
    // 打印总条数
    System.out.println(testModels.getTotalElements());
    // 打印总页数
    System.out.println(testModels.getTotalPages());
    return testModels;
}

这里是根据id,降序排序

结果

2.9 聚合

@GetMapping("test9")
    public void testNativeQuery(){
        // 构建查询条件
        NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder();
        // 添加基本的分词查询
        queryBuilder.withQuery(QueryBuilders.matchQuery("name", "testname"));
        //添加聚合，聚合的名称为brands,聚合的字段为brand
        queryBuilder.addAggregation(AggregationBuilders.terms("brands").field("brand"));
        // 执行搜索，获取结果
       AggregatedPage<TestModel> aggPage = (AggregatedPage<TestModel>)testModelRepository.search(queryBuilder.build());
        //解析
        // 从结果中取出名为brands的那个聚合，
        // 因为是利用String类型字段来进行的term聚合，所以结果要强转为StringTerm类型
       StringTerms brands = (StringTerms)aggPage.getAggregation("brands");
        List<StringTerms.Bucket> buckets = brands.getBuckets();
        System.out.println(buckets);
        for (StringTerms.Bucket bucket : buckets) {
            // 获取桶中的key，即品牌名称
            System.out.println(bucket.getKeyAsString());
            // 获取桶中的文档数量
            System.out.println(bucket.getDocCount());
        }

image.png

2.9.1嵌套聚合

    @GetMapping("test9")
    public void testNativeQuery(){
        // 构建查询条件
        NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder();
        // 添加基本的分词查询
        queryBuilder.withQuery(QueryBuilders.matchQuery("name", "testname"));
        //添加聚合，聚合的名称为brands,聚合的字段为brand
        queryBuilder.addAggregation(AggregationBuilders.terms("brands").field("brand")
                .subAggregation(AggregationBuilders.avg("avgId").field("id")));
        // 执行搜索，获取结果
       AggregatedPage<TestModel> aggPage = (AggregatedPage<TestModel>)testModelRepository.search(queryBuilder.build());
       //解析
        // 从结果中取出名为brands的那个聚合，
        // 因为是利用String类型字段来进行的term聚合，所以结果要强转为StringTerm类型
       StringTerms brands = (StringTerms)aggPage.getAggregation("brands");
        List<StringTerms.Bucket> buckets = brands.getBuckets();
        System.out.println(buckets);
        for (StringTerms.Bucket bucket : buckets) {
            // 获取桶中的key，即品牌名称
            System.out.println(bucket.getKeyAsString());
            // 获取桶中的文档数量
            System.out.println(bucket.getDocCount());

            InternalAvg avgId = (InternalAvg)bucket.getAggregations().asMap().get("avgId");
            System.out.println(avgId.getValue());
        }
    }