SpringBoot项目通过 spring data elasticsearch使用elasticsearch

心已赠人 2022-01-15 12:53 271阅读 0赞

[为什么80%的码农都做不了架构师？>>> ][80_] ![hot3.png][]

### 依赖添加 ###

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

### 配置添加 ###

spring.data.elasticsearch.cluster-nodes=10.111.27.202:9300

### 实体标注 ###

@Document(indexName = "resource", type = "resources")
    public class Resource {
        private Long id;
    
        @Field(type = FieldType.text, analyzer = "ik_max_word", searchAnalyzer = "ik_max_word")
        private String name;
    
        private String type;
    
        private Date createTime;
        private Date updateTime;
    
        private String url;
    
        private Integer readNumber;
        private Integer likeNumber;
    
        @Field(type = FieldType.text, analyzer = "ik_max_word", searchAnalyzer = "ik_max_word")
        private String content;
    
        @Field(type = FieldType.text, analyzer = "ik_max_word", searchAnalyzer = "ik_max_word")
        private String writer;
        private String resource;
    
        private Date publishTime;
    
    }

我们主要看@Document和@Field两个注解

这两个注解在springdata elasticsearch包下，springdata是spring的一项project，主要是封装了一个关系型数据库和非关系型数据库，比如MongoDB redis MySQL等，方便我们来使用。

> package org.springframework.data.elasticsearch.annotations;

#### Document ####

Document对应的就是elasticsearch中的document

@Persistent
    @Inherited
    @Retention(RetentionPolicy.RUNTIME)
    @Target({ElementType.TYPE})
    public @interface Document {
    
    	String indexName();
    
    	String type() default "";
    
    	boolean useServerConfiguration() default false;
    
    	short shards() default 5;
    
    	short replicas() default 1;
    
    	String refreshInterval() default "1s";
    
    	String indexStoreType() default "fs";
    
    	boolean createIndex() default true;
    }

indexNmae 对应的是elasticsearch中的index，我们看到createIndex默认值是true，所以当elastic search中没有对应的index的时候会自己创建

document可以分组，比如weacher这个index中，可以按照城市分组，比如 北京 上海

> 注意事项： 不建议使用type 因为按照elastic search的计划后面的版本7.0以后会移除type

#### Field ####

我们就可以。理解为每个document字段，这个和jpa的column有点类似

@Retention(RetentionPolicy.RUNTIME)
    @Target(ElementType.FIELD)
    @Documented
    @Inherited
    public @interface Field {
    
    	FieldType type() default FieldType.Auto;
    
    	boolean index() default true;
    
    	DateFormat format() default DateFormat.none;
    
    	String pattern() default "";
    
    	boolean store() default false;
    
    	boolean fielddata() default false;
    
    	String searchAnalyzer() default "";
    
    	String analyzer() default "";
    
    	String[] ignoreFields() default {};
    
    	boolean includeInParent() default false;
    }

需要了解的几个地方

*  type

返回值是FieldType 类型

public enum FieldType {
    	text, Integer, Long, Date, Float, Double, Boolean, Object, Auto, Nested, Ip, Attachment, keyword
    }

可以理解为数据类型

*  analyzer 指定分词器
 *  searchAnalyzer 查询时候使用的分词器

上面的代码自动会去判断是否存在index，不存在创建

通过上面的代码创建的index如下：

{
        "resource": {
            "aliases": {},
            "mappings": {
                "resources": {
                    "properties": {
                        "content": {
                            "type": "text",
                            "analyzer": "ik_max_word"
                        },
                        "createTime": {
                            "type": "long"
                        },
                        "id": {
                            "type": "long"
                        },
                        "name": {
                            "type": "text",
                            "analyzer": "ik_max_word"
                        },
                        "publishTime": {
                            "type": "long"
                        },
                        "url": {
                            "type": "text",
                            "fields": {
                                "keyword": {
                                    "type": "keyword",
                                    "ignore_above": 256
                                }
                            }
                        },
                        "writer": {
                            "type": "text",
                            "analyzer": "ik_max_word"
                        }
                    }
                }
            },
            "settings": {
                "index": {
                    "refresh_interval": "1s",
                    "number_of_shards": "5",
                    "provided_name": "resource",
                    "creation_date": "1524469358634",
                    "store": {
                        "type": "fs"
                    },
                    "number_of_replicas": "1",
                    "uuid": "Q43LJHzkRJW5_kJtpumI-g",
                    "version": {
                        "created": "6010299"
                    }
                }
            }
        }
    }

### 使用 ###

#### ElasticsearchRepository ####

熟悉spring data 这个project的朋友，应该会比较熟悉，简单说就是spring data 项目帮忙做了一些封装，只要继承相关的repository就可以做一些增删改查的操作了

首先我们继承ElasticsearchRepository这个接口，绑定相关的实体类和id类型

public interface ResourceRepository extends ElasticsearchRepository<Resource,Long>{
    
    }

#### 数据插入 ####

@Test
        public void contextLoads() {
            long count = resourceService.resourcesCount();
            System.out.println("总数：" + count);
    
            long start = System.currentTimeMillis();
            //查询数据，插入到elastic search
            int pages = (int) (count / 200);
            int page = 1;
    
            while (page < pages) {
                PageInfo<Resource> resources = resourceService.resources(1, 200);
                page++;
                List<Resource> list = resources.getList();
                resourceRepository.saveAll(list);
            }
            long end = System.currentTimeMillis();
    
            System.out.println("执行结束：" + (end - start));
        }

上面的代码是将数据库中查询到的数据插入到elastic search 中

#### 数据查询 ####

@Test
        public void search() {
            long start = System.currentTimeMillis();
            resourceRepository.findById(200L);
            long end = System.currentTimeMillis();
            System.out.println("elastic 查询时间：" + (end - start));
            start = System.currentTimeMillis();
            resourceService.findResourceById(200L);
            end = System.currentTimeMillis();
            System.out.println("mysql 查询时间：" + (end - start));
    
        }

上面的代码是两种实现，一种从数据库中查询，一种从elastic search中查询

elastic 查询时间：123
    mysql 查询时间：297

我MySQL数据库中只有三千多条数据，从执行结果来看，elastic search的查询效率更高，可以考虑用来作为缓存使用

#### 数据全文检索 ####

@Test
        public void searchContent(){
            Iterable<Resource> search = resourceRepository.search(new MatchQueryBuilder("content", "心怡"));
            search.forEach(resource -> {
                System.out.println(resource.getName());
                System.out.println(resource.getContent());
            });
        }

全文检索含有'心怡'关键字

### 项目源码 ###

我把项目的代码传到码云了，大家可以参考具体的代码

[https://gitee.com/kipeng928829/springboot-elasticsearch][https_gitee.com_kipeng928829_springboot-elasticsearch]

转载于:https://my.oschina.net/kipeng/blog/1799827

[80_]: https://my.oschina.net/u/2663968/blog/3051541
[hot3.png]: /images/20220115/b33a07b50baf4786a4be35d3fe698383.png
[https_gitee.com_kipeng928829_springboot-elasticsearch]: https://gitee.com/kipeng928829/springboot-elasticsearch