| ES（Elasticsearch）全文搜索引擎(最全)入门基本语法与在SpringBoot中的实战 | 您所在的位置：网站首页 › es查询数据的执行过程 › ES（Elasticsearch）全文搜索引擎(最全)入门基本语法与在SpringBoot中的实战 |
ES（Elasticsearch）全文搜索引擎(最全)入门基本语法与在SpringBoot中的实战
|
注：本文较长，根据个人情况有些内容可以跳过，前面是基本的概述，中间是一些基于es的一个可视化工具进行操作，代码实现在最下边； 一、认识Elasticsearch 1.1、为什么要使用Elasticsearch虽然在全文搜索领域中，Lucene可以被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库。 但是，Lucene只是一个库。想要使用它，你必须使用Java来作为开发语言并将其直接集成到你的应用中，更糟糕的是，Lucene的配置及使用非常复杂，你需要深入了解检索的相关知识来理解它是如何工作的。 实际项目中，我们建立一个网站或应用程序，并要添加搜索功能，令我们受打击的是：搜索工作是很难的。我们希望我们的搜索解决方案要快，我们希望有一个零配置和一个完全免费的搜索模式，我们希望能够简单地使用JSON/XML通过HTTP的索引数据，我们希望我们的搜索服务器始终可用，我们希望能够从一台开始并在需要扩容时方便地扩展到数百，我们要实时搜索，我们要简单的多租户，我们希望建立一个云的解决方案。 1.2、ElasticSearch（简称ES）ES即为了解决原生Lucene使用的不足，优化Lucene的调用方式，并实现了高可用的分布式集群的搜索方案，其第一个版本于2010年2月出现在GitHub上并迅速成为最受欢迎的项目之一。 首先，ES的索引库管理支持依然是基于Apache Lucene™的开源搜索引擎。 ES也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的 RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。 不过，ES的核心不仅仅在于Lucene，其特点更多的体现为： 分布式的实时文件存储，每个字段都被索引并可被搜索 分布式的实时分析搜索引擎 --ES 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 KB-MB-GB-TB-PB 高度集成化的服务，你的应用可以通过简单的 RESTful API、各种语言的客户端甚至命令行与之交互。 上手Elasticsearch非常容易。它提供了许多合理的缺省值，并对初学者隐藏了复杂的搜索引擎理论。它拥有开瓶即饮的效果（安装即可使用），只需很少的学习既可在生产环境中使用。 总结：ElasticSearch简化了全文检索lucene的使用，同时增加了分布式的特性，使得构建大规模分布式全文检索变得非常容易。 二、ES的核心概念 2.1、几个基本概念 Near Realtime（NRT）近实时，两个意思，从写入数据到数据可以被搜索到有一个小延迟（大概1秒）；基于es执行搜索和分析可以达到秒级； Index：索引库包含一堆有相似结构的文档数据，比如可以有一个客户索引，商品分类索引，订单索引，索引有一个名称。一个index包含很多document，一个index就代表了一类类似的或者相同的document。比如说建立一个product index，商品索引，里面可能就存放了所有的商品数据，所有的商品document； Type：类型每个索引里都可以有一个或多个type，type是index中的一个逻辑数据分类，一个type下的document，都有相同的field，比如博客系统，有一个索引，可以定义用户数据type，博客数据type，评论数据type； Document&field：文档字段文档，es中的最小数据单元，一个document可以是一条客户数据，一条商品分类数据，一条订单数据，通常用JSON数据结构表示，每个index下的type中，都可以去存储多个document。一个document里面有多个field，每个field就是一个数据字段；可以拿Mysql去对比方便理解一点； 包含多个节点，每个节点属于哪个集群是通过一个配置（集群名称，默认是elasticsearch）来决定的，对于中小型应用来说，刚开始一个集群就一个节点很正常； Node：节点集群中的一个节点，节点也有一个名称（默认是随机分配的），节点名称很重要（在执行运维管理操作的时候），默认节点会去加入一个名称为"elasticsearch"的集群，如果直接启动一堆节点，那么它们会自动组成一个elasticsearch集群，当然一个节点也可以组成一个elasticsearch集群； shard：分片单台机器无法存储大量数据，es可以将一个索引中的数据切分为多个shard，分布在多台服务器上存储。有了shard就可以横向扩展，存储更多数据，让搜索和分析等操作分布到多台服务器上去执行，提升吞吐量和性能。每个shard都是一个lucene index； replica：复制品任何一个服务器随时可能故障或宕机，此时shard可能就会丢失，因此可以为每个shard创建多个replica副本。replica可以在shard故障时提供备用服务，保证数据不丢失，多个replica还可以提升搜索操作的吞吐量和性能。primary shard（建立索引时一次设置，不能修改，默认5个），replica shard（随时修改数量，默认1个），默认每个索引10个shard，5个primary shard，5个replica shard，最小的高可用配置，是2台服务器； 集群的健康状况green 所有的 primary shard 和 replica shard 都是 active 活动状态 - 集群健康 yellow 所有的 primary shard 处于 active 活动状态，有部分的 replica shard 不处于 active 状态 - 集群能用 red 至少有一个 primary shard 不处于 active 活动状态就会出现red - 集群不健康 三、ES安装及使用说明 3.1、包含的内容ES的安装比较简单，只需要官方下载ES的运行包，然后启动ES服务即可。 ES的使用主要是通过能够发起HTTP请求的终端来接入，比如Poster插件、CURL、kibana5等。 3.2、安装ES① 下载ES安装包 官方下载地址：https://www.elastic.co/downloads/elasticsearch. 本本教程在window环境下，以ES 5.2.2版本为例，下载对应的ZIP文件 它还有其他的工具，这儿我就使用Kibana5 ① Kibana5.2.2下载地址：https://www.elastic.co/downloads/kibana. ② 解压并编辑config/kibana.yml，设置elasticsearch.url的值为已启动的ES ③ 启动Kibana5 : bin\kibana.bat ④ 默认访问地址：http://localhost:5601 下面是它每个目录是干啥用的： Discover：可视化查询分析器 Visualize：统计分析图表 Dashboard：自定义主面板（添加图表） Timelion：Timelion是一个kibana时间序列展示组件（暂时不用） Dev Tools ：Console（同CURL/POSTER，操作ES代码工具，代码提示，很方便） Management：管理索引库(index)、已保存的搜索和可视化结果(save objects)、设置 kibana 服务器属性。 ⑤正常情况，我们都是在Dev Tools中去操作； 在全文检索理论中，文档的查询是通过关键字查询文档索引来进行匹配，因此将文本拆分为有意义的单 词，对于搜索结果的准确性至关重要，因此，在建立索引的过程中和分析搜索语句的过程中都需要对文 本串分词。ES的倒排索引是分词的结果。 4.2、ES倒排索引原理 4.3、安装概述为了后面做类型映射,需要先集成分词器； lucene由于是jar工具包,如果要在使用lucene的环境下使用ik分词器,只需导入对应jar,做一些配置就OK.但是ES不是工具包了,是服务器.怎么集成呢? 以插件的方式集成ES服务器,客户端只需告诉我们某个字段要用这个分词器就OK了. 步骤: 服务端安装ik插件 客户端端指定字段用ik分词器 4.4、安装①下载源码 https://github.com/medcl/elasticsearch-analysis-ik ②maven打包 mvn install -Dmaven.test.skip=true ③安装到es服务器 解压到es/plugins ④配置 可选 ⑤重启 4.5、测试分词器随便在网上找段话，看看效果如何 POST _analyze { "analyzer":"ik_smart", "text":"总有一些文章一些句子让我们感同身受,引发读者们的共鸣" }
注意：IK分词器有两种类型，分别是ik_smart分词器和ik_max_word分词器。 ik_smart: 会做最粗粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,国歌”。 ik_max_word: 会将文本做最细粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,中华人民,中华,华人,人民共和国,人民,人,民,共和国,共和,和,国国,国歌”，会穷尽各种可能的组合； 五、操作命令现在该安装的都安装了，该弄的都弄完了，现在来实际操作一波 5.1、索引库CRUD都是在Kibana中进行操作的 5.1.1、增加索引库创建一个名字为 shopping 的索引库，5个 Master Shard 分片，每个Master Shard分片有1个 Replica Shard 从分片 PUT shopping { "settings":{ "number_of_shards":5, "number_of_replicas":1 } } 5.1.2、查询索引库查询所有索引库 GET _cat/indices?v查看指定索引库 GET _cat/indices/{index} 5.1.3、删除索引库 DELETE {index} 5.1.4、修改索引库 没有直接修改的方法哦，只能先删除再去增加 5.2、文档CRUD 5.2.1、文档的概念ES是面向文档(document oriented)的，这意味着它可以存储整个对象或文档(document)； 然而它不仅仅是存储，还会索引(index)每个文档的内容使之可以被搜索。在ES中，你可以对文档（而非成行成列的数据）进行索引、搜索、排序、过滤。 ES使用Javascript对象符号(JavaScript Object Notation)，也就是JSON，作为文档序列化格式。JSON现在已经被大多语言所支持，而且已经成为NoSQL领域的标准格式。 尽管原始的 Java对象很复杂，但它的结构和对象的含义已经被完整的体现在JSON中了，在ES中将对象转化为JSON并做索引要比在表结构中做相同的事情简单的多。 一个文档不只有数据。它还包含元数据(metadata)—关于文档的信息。 三个必须的元数据节点是： _index：索引库，类似于关系型数据库里的“数据库”——它是我们存储和索引关联数据的地方。 _type：在应用中，我们使用对象表示一些“事物”，例如一个用户、一篇博客、一个评论，或者一封邮件。可以是大写或小写，不能包含下划线或逗号。我们将使用 employee 做为类型名。 _id: 与 _index 和 _type 组合时，就可以在ELasticsearch中唯一标识一个文档。当创建一个文档，你 可以自定义 _id ，也可以让Elasticsearch帮你自动生成。另外还包括：uid文档唯一标识(type#id) _source：文档原始数据 _all：所有字段的连接字符串 5.2.2、添加文档我们以用户对象为例，我们首先要做的是存储用户数据，每个文档代表一个用户。在ES中存储数据的行为就叫做索引(indexing)，文档归属于一种类型(type),而这些类型存在于索引(index)中，我们可以简单的对比传统数据库和ES的对应关系： 基本语法 指定ID创建索引文档 PUT {index}/{type}/{id} { JSON，文档内容 } -----------------解释---------------------- PUT 索引库/文档类型/文档id { JSON格式，文档原始数据 } 如果想使用内置ID创建索引文档就不用跟后面的id就好了 没有指定文档ID，ES会自动生成ID案例 PUT shopping/goods/1 { "id":2, "name":"xgggg", "age":28, "hobbys":["bird","monkey","dog"] } 添加id为1的用户 ，索引库为 shopping，类型为 goods 5.2.3、获取文档获取指定文档 GET {index}/{type}/{id}指定返回的列 GET {index}/{type}/{id}?_source=字段1，字段2...只要内容（只想显示字段）不要元数据 GET {index}/{type}/{id}/_source 5.2.4、修改文档整体修改 全量修改的语法跟添加文档语法一样，如果文档已经存在就是添加，否则就是修改， 文档修改过程：1.标记删除旧文档，2.添加新文档 PUT {index}/{type}/{id} { "id":1, "name":"zs" } 注意：上面的修改会把ES中的数据全部覆盖，比如，如果你还有age字段的话，即age字段会消失局部修改 局部修改过程： 1.检索旧文档 ， 2.修改文档 ，3.标记删除旧文档 ， 4.添加新文档 POST {index}/{type}/{id}/_update { "doc":{ "id":1, "name":"zs" } } 注意：上面修改只会修改id，和name字段，age字段不会作任何改变 5.2.5、删除文档 DELETE {index}/{type}/{id} 六、文档的查询 6.1、常用查询 6.1.1、查询所有 GET _search 6.1.2、查询指定索引库 GET {index}/_search 6.1.3、查询指定类型 GET {index}/{type}/_search 6.1.4、查询指定文档 GET {index}/{type}/{id} 6.2、分页查询 GET _search { "from" : 0, "size" : 2 } size: 每页条数 form:从多少条数据开始查 6.3、字符串查询 GET _search?q=age:17&size=2&from=2&sort=id:desc&_source=id,name 字符串查询(query string)其实就是在url后面以字符串的方式拼接各种查询条件，这种方式不推荐，因为 条件过多，拼接起来比较麻烦 6.4、批量查询批量查询很重要,对相比单个查询来说，批量查询性能更高 6.4.1、不同索引库查询 GET _mget { "docs" : [ { "_index" : "shopping", "_type" : "goods", "_id" : 2 }, { "_index" : "animal", "_type" : "dog", "_id" : 1, "_source": "name,age" } ] } 6.4.2、同索引库同类型 - 推荐 GET {index}/{type}/_mget { "ids" : [ "{id}", "{id}" ] } 七、DSL查询与DSL过滤 7.1、DSL查询 7.1.1、什么是DSL查询对于简单查询，使用查询字符串比较好，但是对于复杂查询，由于条件多，逻辑嵌套复杂，查询字符串 不易组织与表达，且容易出错，因此推荐复杂查询通过DSL使用JSON内容格式的请求体代替； DSL查询是由ES提供丰富且灵活的查询语言叫做DSL查询(Query DSL),它允许你构建更加复杂、强大的查询。DSL(Domain Specific Language特定领域语言)以JSON请求体的形式出现。DSL有两部分组成：DSL查询和DSL过滤。 7.1.2、DSL查询语法一个常用的相对完整的DSL查询： GET shopping/goods/_search { "query": { "match_all": {} }, "from": 20, "size": 10, "_source": ["username", "age", "id"], "sort": [{"join_date": "desc"},{"age": "asc"}] } match_all 表示查询所有数据，分页处理，想要显示的列，排序DSL查询案例 GET shopping/goods/_search { "query" :{ "match" : { "name" : "李子" } } }查询username中包含“李子”的内容， match 指的是“标准查询”，该查询方式会对查询的内容进行分词。 DSL查询可以支持的查询方式很多，如 term 词元查询 （不分词，精准查询）， range 范围查询等等。 7.2、DSL过滤 7.2.1、什么是DSL过滤DSL过滤语句和DSL查询语句非常相似，但是它们的使用目的却不同：DSL过滤查询文档的方式更像是对于我的条件"有"或者"没有"（等于 ；不等于），而DSL查询语句则像是"有多像"(模糊查询)。 7.2.2、查询与过滤的区别DSL过滤和DSL查询在性能上的区别： 过滤结果可以缓存并应用到后续请求-> 精确过滤后的结果拿去模糊查询性能高； 查询语句同时匹配文档，计算相关性，所以更耗时，且不缓存； 过滤语句可有效地配合查询语句完成文档过滤； 总结：需要模糊查询的使用DSL查询 ，需要精确查询的使用DSL过滤，在开发中组合使用(组合查询) ，关键字查询使用DSL查询，其他的都是用DSL过滤。 7.2.3、DSL查询+过滤语法 GET animal/dog/_search { "query": { "bool": { "must": [{ //与(must) 或(should) 非(must not) "match": { "name": "zs" } }], "filter": { "term": { "name": "zs" } } } }, "from": 20, "size": 10, "_source": ["name", "age", "sex"], "sort": [{ "join_date": "desc" }, { "age": "asc" }] } 注： query : 查询，所有的查询条件在query里面 bool : 组合搜索bool可以组合多个查询条件为一个查询对象，这里包含了 DSL查询和DSL过滤的条件 must : 必须匹配 ：与(must) 或(should) 非(must_not) match：分词匹配查询，会对查询条件分词 ， multi_match :多字段匹配 filter： 过滤条件 term：词元查询，不会对查询条件分词 from，size :分页 _source ：查询结果中需要哪些列 sort：排序 7.2.4、综合案例名称(name)中有 “zs” 的狗 ，性别sex是公(1),年龄（age）在 1- 4之间,按照年龄（age）倒排序， 查询第 1 页，每页10 条 ，查询结果中只需要 ：id,name,age GET animal/dog/_search { "query": { "bool": { "must": [{ "match": { "name": "zs" } }], "filter": [ { "range":{ //范围查询 "age":{ "gte":1, "lte":4 } } }, { "term": { //词元查询 "sex": 1 } } ] } }, "from": 1, "size": 10, "_source": ["id", "name", "age"], "sort": [ { "age": "desc" }] } 7.3、查询方式在上面的案例中，我们接触了 match ， range 等查询方式(查询对象)，在ES还有很多其他的查询方式，在不同的场景中我们需要根据情况进行合理的选择。 7.3.1、全匹配（match_all）（匹配所有文档） GET _search { "query": { "bool": { "must": [{ "match_all": {} }], "filter": { "term": { "name": "zs1" } } } } } 7.3.2、标准查询（match和multi_match）标准查询，可以理解为分词查询有点像模糊匹配(like),会对查询的内容进行分词后，得到多个单词，分别带着多个单词去检索ES库，只要有一个单词能查出结果，整个查询就有结果。不管你需要全文本查询 还是精确查询基本上都要用到它； 如下面的搜索会对 ‘吃肉’ 分词，并找到包含 ‘吃’ 或 ‘肉’ 的文档，然后给出排序分值 GET _search { "query": { "match": { "fieldName": "吃肉" } } } 注意：上面效果如同 where fieldName like "%吃%" or fieldName like "%肉%" 提示：match一般只用于全文字段的匹配与查询，一般不用于过滤而multi_match 查询允许你做 match查询的基础上同时搜索多个字段： GET _search { "query": { "multi_match": { "query": "吃肉", "fields": ["fieldName", "title"] } } } 注意：上面的搜索同时在fieldName和title字段中匹配 7.3.3、单词搜索与过滤（Term和Terms）单词/词元查询 ， 可以理解为等值查询，字符串，数字等都可以使用它，把查询的内容看成一个整体去 检索ES库 GET _search { "query": { "bool": { "must": { "match_all": {} }, "filter": { "term": { "fieldName": "吃肉" } } } } } 上面的 ‘吃肉’ 会被当成一个整体去term中匹配，它跟match不同的地方在于 match会把 ‘吃肉’ 分成 ‘吃’ 和 ‘肉’ 分别取fieldName中查询Terms支持多个字段查询 GET _search { "query": { "bool": { "must": { "match_all": {} }, "filter": { "term": { "fieldName": "吃肉" } } } } } 上面的 ‘吃肉’ 会被当成一个整体去term中匹配，它跟match不同的地方在于 match会把 ‘吃肉’ 分成 ‘吃’ 和 ‘肉’ 分别取fieldName中查询 7.3.4、组合条件搜索与过滤（Bool） GET _search { "query": { "bool": { "must": [ { "term": { "hobby": "睡" } } ], "should": [ { "term": { "hobby": "游戏" } }， { "term": { "hobby": "运动" } } ], "must_not": [ { "range": { "birth_date": { "lt": "1990-06-30" } } } ], "filter":[ ...... ] } } } 上面案例如同：hobby=睡 and （hobby=游戏 or hobby=运动) and birth_date >= 1990-06-30 提示： 如果 bool 查询下没有must子句，那至少应该有一个should子句。但是 如果有 must子句，那么 没有 should子句也可以进行查询。 7.3.5、范围查询与过滤（range）range过滤允许我们按照指定范围查找一批数据 GET _search { "query": { "range": { "age": { "gte": 20, "lt": 30 } } } } 上例中查询年龄大于等于20并且小于30。 gt:> gte:>= lt:< lte: 创建表(指定字段类型) -> 操作数据 而在ES中也是一样： ES创建索引库 -> 文档类型映射 -> 操作文档 8.1.2、默认的字段类型查看索引类型的映射配置：GET {index}/_mapping/{type} 基本字段类型 字符串类型：string,text,keyword 整数类型 ：integer,long,short,byte 浮点类型 ：double,float,half_float,scaled_float 逻辑类型 ：boolean 日期类型 ：date 范围类型 ：range 复杂字段类型 二进制类型 ：binary 数组类型 ：array 对象类型 ：object 嵌套类型 ：nested 地理坐标类型 ：geo_point 地理地图 ：geo_shape IP类型 ：ip 范围类型 ：completion 令牌计数类型 ：token_count 附件类型 ：attachment 抽取类型 ：percolator 默认映射 ES在没有配置Mapping的情况下新增文档，ES会尝试对字段类型进行猜测，并动态生成字段和类型的映 射关系。 字段映射的常用属性配置列表 - 即给某个字段执行类的时候可以指定以下属性 注意：如果索引库已经有数据了，就不能再添加映射了 8.2.1、创建新的索引库 put shopping 8.2.2、单类型创建映射 put shopping/goods/_mapping { "goods": { "properties": { "id": { "type": "long" }, "name": { "type": "text", "analyzer": "ik_smart", "search_analyzer": "ik_smart" } } } } 给shopping索引库中的是goods类型创建映射 ，id指定为long类型 ， name指定为text类型(要分 词)，analyzer分词使用ik，查询分词器也使用ik 8.2.3、多类型创建映射 PUT shopping { "mappings": { "user": { "properties": { "id": { "type": "integer" }, "info": { "type": "text", "analyzer": "ik_smart", "search_analyzer": "ik_smart" } } }, "dept": { "properties": { "id": { "type": "integer" }, ....更多字段映射配置 } } } } 同时给user和dept创建文档映射 8.2.4、对象/数组映射基本类型字段映射非常简单，直接配置对应的类型即可，但是数组和对象如何指定类型呢 ①对象映射 { "id" : 1, "girl" : { "name" : "翠花", "age" : 22 } }文档映射 { "properties": { "id": { "type": "long" }, "girl": { "properties":{ "name": { "type": "keyword" }, "age": { "type": "integer" } } } } }②数组映射 { "id" : 1, "hobby" : ["女","篮球"] }文档映射 { "properties": { "id": { "type": "long" }, "hobby": { "type": "keyword" } } } 注意啦：数组的映射只需要映射一个元素即可，因为数组中的元素类型是一样的③对象数组 { "id" : 1, "person":[{"name":"小花","age":18},{"name":"大黄","age":22}] }文档映射 { "properties": { "id": { "type": "long" }, "girl": { "properties": { "age": { "type": "long" }, "name": { "type": "text" } } } } }④全局映射 索引库中多个类型(表)的字段是有相同的映射，如所有的ID都可以指定为integer类型，基于这种思想，我们可以做全局映射，让所有的文档都使用全局文档映射。全局映射可以通过动态模板和默认设置两种 方式实现 九、ES集群 十、JavaApi操作ES 10.1、集成ES 10.1.1、导入依赖 org.elasticsearch.client transport 5.2.2 org.apache.logging.log4j log4j-api 2.7 10.1.2、连接ES因为在后面的每一个操作中都会用到，所以就直接弄一个工具类 public class ESClientUtil { public static TransportClient getClient(){ Settings settings = Settings.builder().put("cluster.name","my-ealsticsearch") .put("client.transport.sniff", true).build(); TransportClient client = null; try { client = new PreBuiltTransportClient(settings) .addTransportAddress( new InetSocketTransportAddress(InetAddress .getByName("127.0.0.1"), 9303)); } catch (UnknownHostException e) { e.printStackTrace(); } return client; } } 10.2、对文档CRUD操作 10.2.1、添加文档 @Test public void testAdd() { //使用工具类获取客户端对象 TransportClient client = ESClientUtil.getClient(); //创建索引 IndexRequestBuilder indexRequestBuilder = client.prepareIndex("shopping", "user", "1"); Map data = new HashMap(); data.put("id",1); data.put("username","zs"); data.put("age",11); //获取结果 IndexResponse indexResponse = indexRequestBuilder.setSource(data).get(); System.out.println(indexResponse); client.close(); } 10.2.2、获取文档 GetResponse response = client.prepareGet("crm", "vip", "1").get(); 10.2.3、更新文档 @Test public void testUpdate(){ //使用工具类获取客户端对象 TransportClient client = ESClientUtil.getClient(); //修改索引 UpdateRequestBuilder updateRequestBuilder = client.prepareUpdate("shopping", "user", "1"); Map data = new HashMap(); data.put("id",1); data.put("username","zs"); data.put("age",11); //获取结果设置修改内容 UpdateResponse updateResponse = updateRequestBuilder.setDoc(data).get(); System.out.println(updateResponse); client.close(); } 10.2.4、删除文档 @Test public void testDelete(){ //使用工具类获取客户端对象 TransportClient client = ESClientUtil.getClient(); DeleteRequestBuilder deleteRequestBuilder = client.prepareDelete("shopping", "user", "1"); DeleteResponse deleteResponse = deleteRequestBuilder.get(); System.out.println(deleteResponse); client.close(); } 10.2.5、批量操作 @Testpublic void testBuilkAdd(){ //使用工具类获取客户端对象 TransportClient client = ESClientUtil.getClient(); BulkRequestBuilder bulkRequestBuilder = client.prepareBulk(); Map data1 = new HashMap(); data1.put("id",11); data1.put("username","zs"); data1.put("age",11); bulkRequestBuilder.add(client.prepareIndex("shopping", "user", "11").setSource(data1)); Map data2 = new HashMap(); data2.put("id",22); data2.put("username","zs"); data2.put("age",11); bulkRequestBuilder.add(client.prepareIndex("shopping", "user", "11").setSource(data2)); BulkResponse bulkItemResponses = bulkRequestBuilder.get(); Iterator iterator = bulkItemResponses.iterator(); while(iterator.hasNext()){ BulkItemResponse next = iterator.next(); System.out.println(next.getResponse()); } client.close(); } 10.3、查询 @Test public void testSearch(){ TransportClient client = ESClientUtil.getClient(); SearchRequestBuilder searchRequestBuilder = client.prepareSearch("shopping"); searchRequestBuilder.setTypes("user"); searchRequestBuilder.setFrom(0); searchRequestBuilder.setSize(10); searchRequestBuilder.addSort("age", SortOrder.ASC); //查询条件 BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery(); List must = boolQueryBuilder.must(); must.add(QueryBuilders.matchQuery("username" , "zs")); List filter = boolQueryBuilder.filter(); filter.add(QueryBuilders.rangeQuery("age").lte(20).gte(10)); filter.add(QueryBuilders.termQuery("id",11)); searchRequestBuilder.setQuery(boolQueryBuilder); SearchResponse searchResponse = searchRequestBuilder.get(); SearchHits hits = searchResponse.getHits(); System.out.println("条数："+hits.getTotalHits()); for (SearchHit hit : hits.getHits()) { System.out.println(hit.getSource()); } client.close(); } |
② 运行ES 解压 解压完后，建议去config中的jvm.options去修改下内存，默认是4个g 
然后就运行 bin/elasticsearch.bat ③ 验证 默认为9200 访问：http://localhost:9200 
看到上图信息，恭喜你，你的ES已经启动并且正常运行了。
当然后面还有很多，截了一部分；
ES集群可以包含多个索引(indices)（数据库），每一个索引库中可以包含多个类型(types)（表），每一个类型包含多个文档(documents)（行），然后每个文档包含多个字段(Fields)（列）；
【本文地址】