【ELK】4.spring boot 2.X集成ES spring-data-ES 進行CRUD操做 完整版+kibana管理ES的index操做

spring boot 2.X集成ES 進行CRUD操做  完整版

 

內容包括：

=========================================================================================

1.CRUD：單字段查詢、複合查詢、分頁查詢、評分查詢√

2.時間範圍查詢√

3.GET方法傳入時間類型解析不了的問題√

4.term和match查詢的區別√

5.filter+query查詢的區別√

6.自定義ES的mapping,自定義settings√

7.解決@Field註解 設置分詞器無效的問題、解決@Document註解 設置分區 以及備份無效的問題√

8.pinyin查詢以及繁簡體轉化查詢的集成√

9.同一個字段設置多種分詞器的解決方案√

10.不一樣分詞器的區別。讀時分詞和寫時分詞√

11.索引數據遷移

12.keyword與text類型區別以及引出的相關問題√

13.index建立的索引狀態爲yellow以及啓動集羣后對於index狀態、分片、備份的影響

=======================================================================================

要求：

spring boot 2.0.1

elasticsearch 6.5.4

spring-boot-starter-data-elasticsearch 

 

es中要求已經安裝了ik分詞器、pingyin分詞器、繁簡體轉化分詞器[安裝步驟]

=======================================================================================

註明：

下文中紅色字體部分，即爲集成過程當中解決的問題。

=======================================================================================

集成項目結構：

 

 ===================================================================================

正文

1、spring boot 集成ES基本操做的步驟

1.pom.xml引入jar包

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

2.ES鏈接信息，配置在application.properties中

#elasticsearch相關配置 #es的cluster集羣名稱能夠查看服務器安裝的集羣名稱 curl http://192.168.92.130:9200 獲取到集羣名稱 spring.data.elasticsearch.cluster-name=docker-cluster #注意端口爲9300 9300 是 Java 客戶端的端口,支持集羣之間的通訊。9200 是支持 Restful HTTP 的接口 spring.data.elasticsearch.cluster-nodes=192.168.92.130:9300

3.測試實體Builder

package com.sxd.swapping.domain; import com.fasterxml.jackson.annotation.JsonFormat; import lombok.*; import org.springframework.data.elasticsearch.annotations.*; import javax.persistence.Id; import java.util.Date; /** * es的index的settings 和 mapping 設置，是最初的第一次設置。後續即便更改，也不起做用。 * 可是mapping中的屬性名稱以及屬性個數若是更改了，會更新到ES中。這樣會致使數據的丟失。須要注意。 */ @Setter @Getter //ES的三個註解 //指定index索引名稱爲項目名 指定type類型名稱爲實體名
@Document(indexName = "swapping",type = "builder") //至關於ES中的mapping 注意對比文件中的json和原生json 最外層的key是沒有的
@Mapping(mappingPath = "/esConfig/builder-mapping.json") //至關於ES中的settings 注意對比文件中的json和原生json 最外層的key是沒有的
@Setting(settingPath = "/esConfig/builder-setting.json") public class Builder { //id 測試長整型數據 注意與es中索引自己id區分開
 @Id private Long id; //在建立初始化索引開始 就要去查看mapping是否ik分詞建立成功 不然 須要進行索引數據的遷移操做 //指定查詢分詞器 爲ik分詞器 存儲分詞器爲 ik分詞器 //在@Field中指定的ik分詞器沒起做用，所以採用上面的兩個註解 能夠徹底自定義類型Field的各個屬性 //@Field(searchAnalyzer = "ik_max_word",analyzer = "ik_max_word") //類型定義爲text 可測試ik分詞 繁簡體轉化 pinyin分詞 查詢效果 //名稱 測試字符串類型
    private String buildName; //類型定義爲text 可測試大文本
    private String remark; //類型定義爲keyword 可測試是否分詞 以及查詢效果
    private String email; //數量 測試整型數據
    private int buildNum; //時間也能夠進行範圍查詢，可是查詢傳入參數，應該爲mapping中定義的時間字段的 格式化字符串 或 時間戳 不然，ES沒法解析格式會報錯 //時間 測試時間類型
    private Date buildDate; //積分比率 測試浮點型數據
    private Double integral; //分頁大小
    private Integer pageNum = 0; //分頁數量
    private Integer pageSize = 10; }

View Code

註釋1：

　　@Document註解，註明index名字是 swapping 項目名；type名字是 builder 實體名。【都是能夠自定義的，若是能夠，在settings中設置也是能夠的】

註釋2：

　　@Document @Field註解詳解

註釋3：

　　自定義mapping

　　@Field註解中指定分詞器無效的問題，是經過設置自定義mapping解決的。

　　一樣，自定義mapping也解決了同一個字段指定多種分詞器的問題。

註釋4：

　　自定義settings

　　自定義settings的設置目的是爲了，建立分詞器規則以及對於index的自定義設置。由於@Document註解中設置分區和備份 可能無效的問題。經過自定義setting也能夠解決。

註釋5：

　　對於實體的mapping和settings的設置，在初始化啓動的第一次，就建立成功了。

　　以後即便程序中自定義的mapping更改了，對於ES中index的mapping的設置也不會發生改動。

　　這也就意味着，若是在第一次建立index的時候，若是屬性類型指定錯誤，或者分詞器未設置，或者@Field中設置ik分詞器無效等這些問題。那這些問題就一直存在，由於ES中的index的mapping在建立成功後就不能更改了。

　　所以，若是須要解決上述的這些問題，

　　要麼就是在初次建立的時候，就使用[註釋3]中的方式，自定義mapping。

　　要麼就是在出現問題以後，使用 elasticsearch 提供的 reindex api 來遷移數據，建立新的索引。這樣能夠實現不影響線上的訪問，須要無縫切換到新的索引上。

　　

 

4.自定義index的settings

{ "index": { "number_of_shards": "2", "number_of_replicas": "0", "analysis": { "filter": { "edge_ngram_filter": { "type": "edge_ngram", "min_gram": 1, "max_gram": 50 }, "pinyin_simple_filter": { "type": "pinyin", "first_letter": "prefix", "padding_char": " ", "limit_first_letter_length": 50, "lowercase": true } }, "char_filter": { "tsconvert": { "type": "stconvert", "convert_type": "t2s" } }, "analyzer": { "ikSearchAnalyzer": { "type": "custom", "tokenizer": "ik_max_word", "char_filter": [ "tsconvert" ] }, "pinyinSimpleIndexAnalyzer": { "tokenizer": "keyword", "filter": [ "pinyin_simple_filter", "edge_ngram_filter", "lowercase" ] } } } } }

View Code

註釋1：

　　對比原生的settings，能夠發現最外層的key是沒有的。這裏附上一份原生的settings，只作參考

{ "settings": { "index": { "refresh_interval": "1s", "number_of_shards": "5", "provided_name": "swapping", "creation_date": "1550472518470", "store": { "type": "fs" }, "number_of_replicas": "1", "uuid": "e0UG1DH8RLG9_UYOzijSvw", "version": { "created": "6050499" } } }, "defaults": { "index": { "max_inner_result_window": "100", "unassigned": { "node_left": { "delayed_timeout": "1m" } }, "max_terms_count": "65536", "routing_partition_size": "1", "max_docvalue_fields_search": "100", "merge": { "scheduler": { "max_thread_count": "1", "auto_throttle": "true", "max_merge_count": "6" }, "policy": { "reclaim_deletes_weight": "2.0", "floor_segment": "2mb", "max_merge_at_once_explicit": "30", "max_merge_at_once": "10", "max_merged_segment": "5gb", "expunge_deletes_allowed": "10.0", "segments_per_tier": "10.0", "deletes_pct_allowed": "33.0" } }, "max_refresh_listeners": "1000", "max_regex_length": "1000", "load_fixed_bitset_filters_eagerly": "true", "number_of_routing_shards": "5", "write": { "wait_for_active_shards": "1" }, "mapping": { "coerce": "false", "nested_fields": { "limit": "50" }, "depth": { "limit": "20" }, "ignore_malformed": "false", "total_fields": { "limit": "1000" } }, "source_only": "false", "soft_deletes": { "enabled": "false", "retention": { "operations": "0" } }, "max_script_fields": "32", "query": { "default_field": [ "*" ], "parse": { "allow_unmapped_fields": "true" } }, "format": "0", "sort": { "missing": [], "mode": [], "field": [], "order": [] }, "priority": "1", "codec": "default", "max_rescore_window": "10000", "max_adjacency_matrix_filters": "100", "gc_deletes": "60s", "optimize_auto_generated_id": "true", "max_ngram_diff": "1", "translog": { "generation_threshold_size": "64mb", "flush_threshold_size": "512mb", "sync_interval": "5s", "retention": { "size": "512mb", "age": "12h" }, "durability": "REQUEST" }, "auto_expand_replicas": "false", "mapper": { "dynamic": "true" }, "requests": { "cache": { "enable": "true" } }, "data_path": "", "highlight": { "max_analyzed_offset": "-1" }, "routing": { "rebalance": { "enable": "all" }, "allocation": { "enable": "all", "total_shards_per_node": "-1" } }, "search": { "slowlog": { "level": "TRACE", "threshold": { "fetch": { "warn": "-1", "trace": "-1", "debug": "-1", "info": "-1" }, "query": { "warn": "-1", "trace": "-1", "debug": "-1", "info": "-1" } } }, "throttled": "false" }, "fielddata": { "cache": "node" }, "default_pipeline": "_none", "max_slices_per_scroll": "1024", "shard": { "check_on_startup": "false" }, "xpack": { "watcher": { "template": { "version": "" } }, "version": "", "ccr": { "following_index": "false" } }, "percolator": { "map_unmapped_fields_as_text": "false", "map_unmapped_fields_as_string": "false" }, "allocation": { "max_retries": "5" }, "indexing": { "slowlog": { "reformat": "true", "threshold": { "index": { "warn": "-1", "trace": "-1", "debug": "-1", "info": "-1" } }, "source": "1000", "level": "TRACE" } }, "compound_format": "0.1", "blocks": { "metadata": "false", "read": "false", "read_only_allow_delete": "false", "read_only": "false", "write": "false" }, "max_result_window": "10000", "store": { "stats_refresh_interval": "10s", "fs": { "fs_lock": "native" }, "preload": [] }, "queries": { "cache": { "enabled": "true" } }, "ttl": { "disable_purge": "false" }, "warmer": { "enabled": "true" }, "max_shingle_diff": "3", "query_string": { "lenient": "false" } } } }

View Code

註釋2：

　　自定義settings中，設置分片是2，備份是0。若是是備份設置爲1，則表明每一個分片都有一個備份，則總共是4分。

　　由於ES只啓動了一個node節點，因此會致使index的狀態爲yellow。由於一個節點，而分片又要建立備份的緣故，會致使備份建立無效。最後的index的state狀態會顯示爲total=4，而success=2。雖然這樣並不影響使用。

　　所以建議ES啓動爲多個nodes節點，啓動爲集羣。

　　關於index設置分區和備份數量分別爲多少，須要慎重！

註釋3：

　　自定義setting中，JSON做用是建立兩個分析器名爲ikSearchAnalyzer，pinyinSimpleIndexAnalyzer,前者使用ik中文分詞器加繁體轉簡體char_filter過濾，使得引用此分詞器的字段在設置時，將會自動對中文進行分詞和繁簡體轉換。

　　pinyinSimpleIndexAnalyzer 使用pinyin分詞器，並進行edge_ngram 過濾，大寫轉小寫過濾。

註釋4：

　　經過自定義setting，實現了對同一字段設置多種分詞器

註釋5：

　　關於ES的內置分詞器，能夠詳細看看。

註釋6：

　　ES的分詞器，其實就是插件，是工具。而對於分詞的使用，其實能夠分爲讀時分詞和寫時分詞。

　　讀時分詞，發生在用戶查詢時，ES 會即時地對用戶輸入的關鍵詞進行分詞，分詞結果只存在內存中，當查詢結束時，分詞結果也會隨即消失。

　　寫時分詞，發生在文檔寫入時，ES 會對文檔進行分詞後，將結果存入倒排索引，該部分最終會以文件的形式存儲於磁盤上，不會因查詢結束或者 ES 重啓而丟失。

　　看到這裏，其實就明白了。寫時分詞，是在自定義mapping中指定的，並且一經指定就不能再修改，若要修改必須新建索引。

　　因此，查詢的時候，咱們能夠自定義按照哪一種想要的分詞效果進行查詢。沒有指定，就是mapping中指定的查詢分詞。

　　寫的時候就是按照mapping中指定的分詞進行存儲，若是沒有指定，則按照ES默認的分詞器進行分詞存儲！

註釋7：

　　analyzer中設置的自定義的分詞器的名字在mapping中會被引用

 

5.自定義Index的mapping

{ "builder": { "properties": { "id": { "type": "long" }, "buildName": { "type": "text", "analyzer": "ikSearchAnalyzer", "search_analyzer": "ikSearchAnalyzer", "fields": { "pinyin": { "type": "text", "analyzer": "pinyinSimpleIndexAnalyzer", "search_analyzer": "pinyinSimpleIndexAnalyzer" } } }, "remark": { "type": "text", "analyzer": "ikSearchAnalyzer", "search_analyzer": "ikSearchAnalyzer", "fields": { "pinyin": { "type": "text", "analyzer": "pinyinSimpleIndexAnalyzer", "search_analyzer": "pinyinSimpleIndexAnalyzer" } } }, "email": { "type": "keyword", "ignore_above": 50 }, "buildNum": { "type": "long" }, "buildDate": { "type": "date", "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis" }, "integral": { "type": "float" }, "pageNum": { "type": "long" }, "pageSize": { "type": "long" }, "query": { "properties": { "match_all": { "type": "object" } } } } } }

View Code

註釋1：

　　mapping中只要是對實體的各個屬性對應的類型，以及分詞器進行指定。

註釋2：

　　尤爲是時間字段，類型須要設置爲date，時間格式須要設置爲文件中指定的。

　　時間類型設置爲date的目的，是對時間進行範圍查詢是可操做的。若是類型設置爲text類型，則時間範圍查詢就沒法實現。

　　時間格式的指定，是須要解析ES對接java程序，進行查詢時候，傳入參數能夠是"yyyy-MM-dd"的時間字符串，也能夠是時間戳。

　　須要注意的是：時間字段在ES中存儲是時間戳，所以想要進行精準的時間查詢以及時間範圍查詢，其實能夠經過傳入時間戳進行查詢。後面的controller中有具體的方法。

　　若是ES查詢時間報錯：Caused by: ElasticsearchParseException[failed to parse date field [Sun Dec 31 16:00:00 UTC 2017] with format [yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis]];

註釋3：

　　這裏須要注意的是字符串類型的兩種數據類型text和keyword。

　　text類型：支持分詞、全文檢索，不支持聚合、排序操做。適合大字段存儲，如：文章詳情、content字段等.

　　keyword類型：支持精確匹配，支持聚合、排序操做。適合精準字段匹配，如：url、name、email、title等字段.

　　

　　keyword支持的最大長度爲32766個UTF-8字符，且若是超過了ignore_above設置的字符串最大長度後，數據將不會被索引，沒法經過term精確匹配查詢.

　　text則不受長度限制

 

　　本點相關聯的問題：

　　問題1：設置爲keyword類型的字段，插入很長的大段內容後，報字符超出異常，沒法插入。

　　問題2：檢索超過ignore_above設定長度的字段後，沒法返回結果

註釋4：

　　在自定義mapping中實現了對同一字段設置多個分詞器。

註釋5：

　　對於上面字段中fields的設置，例如 pinyin，是自定義的，會在controller中查詢時候，指定按照mapping中設置好的分詞器查詢時候，用到。

QueryBuilder ikSTQuery = QueryBuilders.matchQuery("buildName",pinyinStr).boost(1f); QueryBuilder pinyinQuery = QueryBuilders.matchQuery("buildName.pinyin",pinyinStr);

　　固然，除了能夠用mapping中預先設定好的強大的分詞器以外，也能夠本身指定分詞器進行查詢。[前提是你的ES中默認有或者你本身安裝了的分詞器]

QueryBuilder matchBuilder =   QueryBuilders.matchQuery( "buildName" ,str).analyzer("ik_max_word");

　　這裏的分詞器，能夠參考4中註釋5的 ES中默認的分詞器 進行賦值。甚至更多。

註釋6：

　　這裏的分詞器名稱，採用自定義settings中預先設置的分詞器名稱。

 

6.繼承ElasticsearchRepository的BuilderDao

package com.sxd.swapping.esDao; import com.sxd.swapping.domain.Builder; import org.springframework.data.elasticsearch.repository.ElasticsearchRepository; public interface BuilderDao extends ElasticsearchRepository<Builder,Long>{ }

View Code

 

7.controller層CRUD

package com.sxd.swapping.controller; import com.sxd.swapping.base.UniVerResponse; import com.sxd.swapping.domain.Builder; import com.sxd.swapping.esDao.BuilderDao; import org.elasticsearch.index.query.*; import org.elasticsearch.index.query.functionscore.FunctionScoreQueryBuilder; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.beans.propertyeditors.CustomDateEditor; import org.springframework.data.domain.Page; import org.springframework.data.domain.PageRequest; import org.springframework.data.domain.Pageable; import org.springframework.data.domain.Sort; import org.springframework.data.elasticsearch.core.query.SearchQuery; import org.springframework.web.bind.WebDataBinder; import org.springframework.web.bind.annotation.*; import java.text.SimpleDateFormat; import java.util.*; /** * 使用方式有兩種： * 1.一種是通過 SpringData 封裝過的，直接在 dao 接口繼承 ElasticsearchRepository 便可 * 2.一種是通過 Spring 封裝過的，直接在 Service/Controller 中引入該 bean 便可 ElasticsearchTemplate */ @RestController @RequestMapping("/es") public class ESBuilderController { @Autowired BuilderDao builderDao; /** * 方式1 * * 單個保存索引 * @return
     */ @RequestMapping(value = "/save", method = RequestMethod.POST) public UniVerResponse<Builder> save(@RequestBody Builder builder){ builder = builder == null ? new Builder() : builder; UniVerResponse<Builder> res = new UniVerResponse<>(); Builder builder2 = builderDao.save(builder); res.beTrue(builder2); return res; } /** * 方式1 * * 根據ID獲取單個索引 * @param id * @return
     */ @RequestMapping(value = "/get", method = RequestMethod.GET) public UniVerResponse<Builder> get(Long id){ UniVerResponse<Builder> res = new UniVerResponse<>(); Optional<Builder> get = builderDao.findById(id); res.beTrue(get.isPresent() == false ? null : get.get()); return res; } /** * ============================單條件查詢================================== */

    /** * 方式1 * * 經過match進行模糊查詢 * 根據傳入屬性值，檢索指定屬性下是否有匹配 * * 例如： * name:中國人 * 那麼查詢會將 中國人 進行分詞， 中國 人 國人 等。以後再進行查詢匹配 * * @param name * @return
     */ @RequestMapping(value = "/searchNameByMatch", method = RequestMethod.GET) public UniVerResponse<List<Builder>> searchNameByMatch(String name){ UniVerResponse<List<Builder>> res = new UniVerResponse<>(); MatchQueryBuilder matchBuilder = QueryBuilders.matchQuery("buildName",name); Iterable<Builder> search = builderDao.search(matchBuilder); Iterator<Builder> iterator = search.iterator(); List<Builder> list = new ArrayList<>(); while (iterator.hasNext()){ list.add(iterator.next()); } res.beTrue(list); return res; } /** * 方式1 * * 經過term進行全量徹底匹配查詢 * 根據傳入屬性值，檢索指定屬性下是否有屬性值徹底匹配的 * * 例如： * name:中國人 * 那麼查詢不會進行分詞，就是按照 包含完整的 中國人 進行查詢匹配 * * 此時ik中文分詞 並無起做用【此時是在@Field註解 指定的ik分詞器】 * 例如存入 張衛健 三個字，以ik_max_word 分詞存入，查詢也指定以ik查詢，可是 以張衛健 查詢 沒有結果 * 以 【張】 或 【衛】 或 【健】 查詢 纔有結果，說明分詞是以默認分詞器 進行分詞 ，也就是一箇中文漢字 進行一個分詞的效果。 * * * * @param name * @return
     */ @RequestMapping(value = "/searchNameByTerm", method = RequestMethod.GET) public UniVerResponse<List<Builder>> searchNameByTerm(String name){ UniVerResponse<List<Builder>> res = new UniVerResponse<>(); TermQueryBuilder termBuilder = QueryBuilders.termQuery("buildName",name); Iterable<Builder> search = builderDao.search(termBuilder); Iterator<Builder> iterator = search.iterator(); List<Builder> list = new ArrayList<>(); while (iterator.hasNext()){ list.add(iterator.next()); } res.beTrue(list); return res; } /** * 方式1 * * 根據range進行範圍查詢 * * 時間也能夠進行範圍查詢，但時間傳入值應該爲yyyy-MM-dd HH:mm:ss 格式的時間字符串或時間戳 或其餘定義的時間格式 * 只有在mapping中定義的時間格式，才能被ES查詢解析成功 * * @param num * @return
     */ @RequestMapping(value = "/searchNumByRange", method = RequestMethod.GET) public UniVerResponse<List<Builder>> searchNumByRange(Integer num){ UniVerResponse<List<Builder>> res = new UniVerResponse<>(); RangeQueryBuilder rangeBuilder = QueryBuilders.rangeQuery("buildNum").gt(0).lt(num); Iterable<Builder> search = builderDao.search(rangeBuilder); Iterator<Builder> iterator = search.iterator(); List<Builder> list = new ArrayList<>(); while (iterator.hasNext()){ list.add(iterator.next()); } res.beTrue(list); return res; } //處理GET請求的時間轉化
 @InitBinder public void initBinder(WebDataBinder binder) { SimpleDateFormat dateFormat = new SimpleDateFormat("yyyy-MM-dd"); dateFormat.setLenient(false); binder.registerCustomEditor(Date.class, new CustomDateEditor(dateFormat, true)); } /** * ============================複合條件查詢================================== */

    /** * 方式1 * * 使用bool進行復合查詢，使用filter比must query性能好 * * filter是過濾，1.文檔是否包含於結果 2.不涉及評分 3.更快 * query是查詢，1.文檔是否匹配於結果 2.計算文檔匹配評分 3.速度慢 * * * @param builder * @return
     */ @RequestMapping(value = "/searchByBool", method = RequestMethod.GET) public UniVerResponse<Page<Builder>> searchByBool(Builder builder){ UniVerResponse<Page<Builder>> res = new UniVerResponse<>(); BoolQueryBuilder boolBuilder = QueryBuilders.boolQuery(); //多個字段匹配 屬性值 must query
        MultiMatchQueryBuilder matchQueryBuilder = QueryBuilders.multiMatchQuery(builder.getBuildName(),"buildName","buildName2"); boolBuilder.must(matchQueryBuilder); //filter 分別過濾不一樣字段，縮小篩選範圍
        TermQueryBuilder numQuery = QueryBuilders.termQuery("buildNum",builder.getBuildNum()); boolBuilder.filter(numQuery); RangeQueryBuilder dateQuery = QueryBuilders.rangeQuery("buildDate").lt(builder.getBuildDate().getTime()); boolBuilder.filter(dateQuery); //排序 + 分頁
        Sort sort = Sort.by(Sort.Direction.DESC,"buildNum"); PageRequest pageRequest = PageRequest.of(builder.getPageNum()-1,builder.getPageSize(),sort); Page<Builder> search = builderDao.search(boolBuilder, pageRequest); res.beTrue(search); return res; } /** * 方式1 * 時間範圍查詢 * ES中時間字段須要設置爲 date類型，才能查詢時間範圍 * 時間範圍要想準確查詢，須要將時間轉化爲時間戳進行查詢 * * ES中date字段存儲是 時間戳存儲 * * * from[包含] - to[包含] * gt - lt * gte - lte * * * * @return
     */ @RequestMapping(value = "/searchByTimeRange", method = RequestMethod.GET) public UniVerResponse<List<Builder>> searchByTimeRange(Builder builder){ UniVerResponse<List<Builder>> res = new UniVerResponse<>(); QueryBuilder queryBuilder = QueryBuilders.rangeQuery("buildDate").from(builder.getBuildDate().getTime()); Iterable<Builder> search = builderDao.search(queryBuilder); Iterator<Builder> iterator = search.iterator(); List<Builder> list = new ArrayList<>(); while (iterator.hasNext()){ list.add(iterator.next()); } res.beTrue(list); return res; } /** * 方式1 * * 檢索全部索引 * @return
     */ @RequestMapping(value = "/searchAll", method = RequestMethod.GET) public UniVerResponse<List<Builder>> searchAll(){ UniVerResponse<List<Builder>> res = new UniVerResponse<>(); QueryBuilder queryBuilder = QueryBuilders.boolQuery(); Iterable<Builder> search = builderDao.search(queryBuilder); Iterator<Builder> iterator = search.iterator(); List<Builder> list = new ArrayList<>(); while (iterator.hasNext()){ list.add(iterator.next()); } res.beTrue(list); return res; } /** * 方式1 * * 根據傳入屬性值 全文檢索全部屬性 * 關於QueryStringQueryBuilder的使用，若是不指定分詞器，那麼查詢的時候，會使用ES默認的分詞器進行查詢。 * 結果就是 會查詢出與查詢內容絲絕不相干的結果。 * * * 關於ES內置分詞器： * https://blog.csdn.net/u013795975/article/details/81102010 * * * * @return
     */ @RequestMapping(value = "/findByStr", method = RequestMethod.GET) public UniVerResponse<List<Builder>> findByStr(String paramStr){ UniVerResponse<List<Builder>> res = new UniVerResponse<>(); QueryStringQueryBuilder qsqb = new QueryStringQueryBuilder(paramStr).analyzer("standard"); Iterable<Builder> search = builderDao.search(qsqb); Iterator<Builder> iterator = search.iterator(); List<Builder> list = new ArrayList<>(); while (iterator.hasNext()){ list.add(iterator.next()); } res.beTrue(list); return res; } /** * 方式1 * * 選擇用term或match方式查詢 * 查詢字段buildName或者buildName2 * 指定以分詞器 ik_max_word 或 ik_smart 或 standard[es默認分詞器] 或 english 或 whitespace 分詞器進行分詞查詢 * * * * @param analyzer 分詞器 * @param str 查詢屬性值 * @param param 指定是參數1[buildName] 仍是 參數2[remark] * @return
     */ @RequestMapping(value = "/searchByIK", method = RequestMethod.GET) public UniVerResponse<List<Builder>> searchByIK(String analyzer,String str,Integer param){ UniVerResponse<List<Builder>> res = new UniVerResponse<>(); QueryBuilder matchBuilder =   QueryBuilders.matchQuery(param ==1 ? "buildName" : "remark",str).analyzer(analyzer); Iterable<Builder> search = builderDao.search(matchBuilder); Iterator<Builder> iterator = search.iterator(); List<Builder> list = new ArrayList<>(); while (iterator.hasNext()){ list.add(iterator.next()); } res.beTrue(list); return res; } /** * 方式1 * * 繁簡體轉化查詢、拼音查詢,而且加入評分查詢 * 評分規則詳情：https://blog.csdn.net/paditang/article/details/79098830 * @param pinyinStr * @return
     */ @RequestMapping(value = "/searchByPinYin",method = RequestMethod.GET) public UniVerResponse<List<Builder>> searchByPinYin(String pinyinStr){ UniVerResponse<List<Builder>> res =  new UniVerResponse<>(); DisMaxQueryBuilder disMaxQuery = QueryBuilders.disMaxQuery(); QueryBuilder ikSTQuery = QueryBuilders.matchQuery("buildName",pinyinStr).boost(1f); QueryBuilder pinyinQuery = QueryBuilders.matchQuery("buildName.pinyin",pinyinStr); disMaxQuery.add(ikSTQuery); disMaxQuery.add(pinyinQuery); Iterable<Builder> search = builderDao.search(disMaxQuery); Iterator<Builder> iterator = search.iterator(); List<Builder> list = new ArrayList<>(); while (iterator.hasNext()){ list.add(iterator.next()); } res.beTrue(list); return res; } /** * * @param builder * @return
     */ @RequestMapping(value = "/delete", method = RequestMethod.POST) public UniVerResponse<Builder> delete(@RequestBody Builder builder){ UniVerResponse<Builder> res = new UniVerResponse<>(); builderDao.deleteById(builder.getId()); res.beTrue(builder); return res; } }

View Code

註釋1：

　　注意GET請求接受時間轉化

註釋2：

　　filter和query的區別　

　　filter是過濾，1.文檔是否匹配 2.不涉及評分 3.更快 4.會自動緩存，下次查詢速度會更快
　　query是查詢，1.文檔是否匹配查詢，相關度高不高 2.計算文檔匹配評分 3.速度慢 4.查詢的結果要比filter可能更多一些，由於涉及評分，因此更精確

註釋3：

　　term和match的區別

* 經過match進行模糊查詢 * 根據傳入屬性值進行分詞，檢索指定屬性下是否有匹配 *
     * 例如： * name:中國人 * 那麼查詢會將 中國人 進行分詞， 中國  人  國人 等。以後再進行查詢匹配

* 經過term進行全量徹底匹配查詢 * 根據傳入屬性值，檢索指定屬性下是否有屬性值徹底匹配的 *
     * 例如： * name:中國人 *  那麼查詢不會進行分詞，就是按照  完整的  中國人  進行查詢匹配

 

 

 

============================================================================

2、kibana管理index

1.Discover下查詢

1.1輸入上面操做的type名builder，能夠看到ES中已經存入的document

 

1.2點擊每一條Document左側的三角，能夠下拉查看document詳情

 

2.Monitoring下管理

 

3.Management管理

 

 

=================================告一段落================================================