【微服务】分布式搜索引擎elasticsearch（1）

1.elasticsearch

1.1.了解es

1.1.1.elasticsearch的作用

elasticsearch是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容

例如：

• 在github搜索代码

  

• 在电商网站搜索商品

  

• 在百度搜索答案

  

1.1.2.elk技术栈

elasticsearch结合kibana、logstash、beats，也就是elastic stack（elk）。被广泛应用在日志数据分析、实时监控等领域：

而elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。

1.1.3.elasticsearch和lucene

elasticsearch底层是基于lucene来实现的。

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/ 。

elasticsearch的发展历史：

• 2004年shay banon基于lucene开发了compass
• 2010年shay banon 重写了compass，取名为elasticsearch。

1.1.4.为什么不是其他搜索技术？

目前比较知名的搜索引擎技术排名：

虽然在早期，apache solr是最主要的搜索引擎技术，但随着发展elasticsearch已经渐渐超越了solr，独占鳌头：

1.1.5.总结

什么是elasticsearch？

• 一个开源的分布式搜索引擎，可以用来实现搜索、日志统计、分析、系统监控等功能

什么是elastic stack（elk）？

• 是以elasticsearch为核心的技术栈，包括beats、logstash、kibana、elasticsearch

什么是lucene？

• 是apache的开源搜索引擎类库，提供了搜索引擎的核心api

1.2.倒排索引

倒排索引的概念是基于mysql这样的正向索引而言的。

1.2.1.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：

1）用户搜索数据，条件是title符合"%手机%"

2）逐行获取数据，比如id为1的数据

3）判断数据中的title是否符合用户搜索条件

4）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。

1.2.2.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）：

1）用户输入条件"华为手机"进行搜索。

2）对用户输入内容分词，得到词条：华为、手机。

3）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。

4）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。

1.2.3.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。

是不是恰好反过来了？

那么两者方式的优缺点是什么呢？

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

1.3.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。

1.3.1.文档和字段

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。

1.3.2.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。

1.3.3.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

是不是说，我们学习了elasticsearch就不再需要mysql了呢？

并不是如此，两者各自有自己的擅长支出：

• 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

1.4.安装es、kibana

1.4.1.安装

参考资料：《java—微服务—elasticsearch安装部署》

1.4.2.分词器

参考资料：《java—微服务—elasticsearch安装部署》

1.4.3.总结

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

ik分词器如何拓展词条？如何停用词条？

• 利用config目录的ikanalyzer.cfg.xml文件添加拓展词典和停用词典
• 在词典中添加拓展词条或者停用词条

2.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”。

2.1.mapping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、float、
  • 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": 21,
    "weight": 52.1,
    "ismarried": false,
    "info": "中关村顶级全栈工程师",
    "email": "123@123.com",
    "score": [99.1, 99.5, 98.9],
    "name": {
        "firstname": "云",
        "lastname": "赵"
    }
}

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float；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float；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.firstname；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

2.2.索引库的crud

这里我们统一使用kibana编写dsl的方式来演示。

2.2.1.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
    }
  }
}

示例：

put /dsc
{
  "mappings": {
    "properties": {
      "info":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "email":{
        "type": "keyword",
        "index": "falsae"
      },
      "name":{
        "properties": {
          "firstname": {
            "type": "keyword"
          }
        }
      },
      // ... 略
    }
  }
}

2.2.2.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

示例：

2.2.3.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。

语法说明：

put /索引库名/_mapping
{
  "properties": {
    "新字段名":{
      "type": "integer"
    }
  }
}

示例：

2.2.4.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

2.2.5.总结

索引库操作有哪些？

• 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

3.文档操作

3.1.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"
    },
    // ...
}

示例：

post /dsc/_doc/1
{
    "info": "中关村顶级全栈工程师",
    "email": "123@123.cn",
    "name": {
        "firstname": "云",
        "lastname": "赵"
    }
}

响应：

3.2.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}

通过kibana查看数据：

get /dsc/_doc/1

查看结果：

3.3.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：

# 根据id删除数据
delete /dsc/_doc/1

结果：

3.4.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

3.4.1.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
}

示例：

put /dsc/_doc/1
{
    "info": "硅谷全栈工程师",
    "email": "321@321.cn",
    "name": {
        "firstname": "松",
        "lastname": "武"
    }
}

3.4.2.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",
    }
}

示例：

post /dsc/_update/1
{
  "doc": {
    "email": "141614@3051.cn"
  }
}

3.5.总结

文档操作有哪些？

• 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}}

4.restapi

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

4.0.导入demo工程

4.0.1.导入数据

首先导入数据库数据,数据结构如下：

create table `tb_hotel` (
  `id` bigint(20) not null comment '酒店id',
  `name` varchar(255) not null comment '酒店名称；例：7天酒店',
  `address` varchar(255) not null comment '酒店地址；例：航头路',
  `price` int(10) not null comment '酒店价格；例：329',
  `score` int(2) not null comment '酒店评分；例：45，就是4.5分',
  `brand` varchar(32) not null comment '酒店品牌；例：如家',
  `city` varchar(32) not null comment '所在城市；例：上海',
  `star_name` varchar(16) default null comment '酒店星级，从低到高分别是：1星到5星，1钻到5钻',
  `business` varchar(255) default null comment '商圈；例：虹桥',
  `latitude` varchar(32) not null comment '纬度；例：31.2497',
  `longitude` varchar(32) not null comment '经度；例：120.3925',
  `pic` varchar(255) default null comment '酒店图片；例:/img/1.jpg',
  primary key (`id`)
) engine=innodb default charset=utf8mb4;

4.0.2.导入项目

导入黑马提供的项目，项目结构如图：

4.0.3.mapping映射分析

创建索引库，最关键的是mapping映射，而mapping映射要考虑的信息包括：

• 字段名
• 字段数据类型
• 是否参与搜索
• 是否需要分词
• 如果分词，分词器是什么？

其中：

• 字段名、字段数据类型，可以参考数据表结构的名称和类型
• 是否参与搜索要分析业务来判断，例如图片地址，就无需参与搜索
• 是否分词呢要看内容，内容如果是一个整体就无需分词，反之则要分词
• 分词器，我们可以统一使用ik_max_word

来看下酒店数据的索引库结构:

put /hotel
{
  "mappings": {
    "properties": {
      "id": {
        "type": "keyword"
      },
      "name":{
        "type": "text",
        "analyzer": "ik_max_word",
        "copy_to": "all"
      },
      "address":{
        "type": "keyword",
        "index": false
      },
      "price":{
        "type": "integer"
      },
      "score":{
        "type": "integer"
      },
      "brand":{
        "type": "keyword",
        "copy_to": "all"
      },
      "city":{
        "type": "keyword",
        "copy_to": "all"
      },
      "starname":{
        "type": "keyword"
      },
      "business":{
        "type": "keyword"
      },
      "location":{
        "type": "geo_point"
      },
      "pic":{
        "type": "keyword",
        "index": false
      },
      "all":{
        "type": "text",
        "analyzer": "ik_max_word"
      }
    }
  }
}

几个特殊字段说明：

• location：地理坐标，里面包含精度、纬度
• all：一个组合字段，其目的是将多字段的值 利用copy_to合并，提供给用户搜索

地理坐标说明：

copy_to说明：

4.0.4.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：

<dependency>
    <groupid>org.elasticsearch.client</groupid>
    <artifactid>elasticsearch-rest-high-level-client</artifactid>
</dependency>

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：

<properties>
    <java.version>1.8</java.version>
    <elasticsearch.version>7.12.1</elasticsearch.version>
</properties>

3）初始化resthighlevelclient：

初始化的代码如下：

resthighlevelclient client = new resthighlevelclient(restclient.builder(
        httphost.create("http://192.168.150.101:9200")
));

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：

package cn.itcast.hotel;

import org.apache.http.httphost;
import org.elasticsearch.client.resthighlevelclient;
import org.junit.jupiter.api.aftereach;
import org.junit.jupiter.api.beforeeach;
import org.junit.jupiter.api.test;

import java.io.ioexception;

public class hotelindextest {
    private resthighlevelclient client;

    @beforeeach
    void setup() {
        this.client = new resthighlevelclient(restclient.builder(
                httphost.create("http://192.168.150.101:9200")
        ));
    }

    @aftereach
    void teardown() throws ioexception {
        this.client.close();
    }
}

4.1.创建索引库

4.1.1.代码解读

创建索引库的api如下：

代码分为三步：

• 1）创建request对象。因为是创建索引库的操作，因此request是createindexrequest。
• 2）添加请求参数，其实就是dsl的json参数部分。因为json字符串很长，这里是定义了静态字符串常量mapping_template，让代码看起来更加优雅。
• 3）发送请求，client.indices()方法的返回值是indicesclient类型，封装了所有与索引库操作有关的方法。

4.1.2.完整示例

在hotel-demo的cn.itcast.hotel.constants包下，创建一个类，定义mapping映射的json字符串常量：

package cn.itcast.hotel.constants;

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：

@test
void createhotelindex() throws ioexception {
    // 1.创建request对象
    createindexrequest request = new createindexrequest("hotel");
    // 2.准备请求的参数：dsl语句
    request.source(mapping_template, xcontenttype.json);
    // 3.发送请求
    client.indices().create(request, requestoptions.default);
}

4.2.删除索引库

删除索引库的dsl语句非常简单：

delete /hotel

与创建索引库相比：

• 请求方式从put变为delte
• 请求路径不变
• 无请求参数

所以代码的差异，注意体现在request对象上。依然是三步走：

• 1）创建request对象。这次是deleteindexrequest对象
• 2）准备参数。这里是无参
• 3）发送请求。改用delete方法

在hotel-demo中的hotelindextest测试类中，编写单元测试，实现删除索引：

@test
void testdeletehotelindex() throws ioexception {
    // 1.创建request对象
    deleteindexrequest request = new deleteindexrequest("hotel");
    // 2.发送请求
    client.indices().delete(request, requestoptions.default);
}

4.3.判断索引库是否存在

判断索引库是否存在，本质就是查询，对应的dsl是：

get /hotel

因此与删除的java代码流程是类似的。依然是三步走：

• 1）创建request对象。这次是getindexrequest对象
• 2）准备参数。这里是无参
• 3）发送请求。改用exists方法

@test
void testexistshotelindex() throws ioexception {  
    // 1.创建request对象
    getindexrequest request = new getindexrequest("hotel");
    // 2.发送请求
    boolean exists = client.indices().exists(request, requestoptions.default);
    // 3.输出
    system.err.println(exists ? "索引库已经存在！" : "索引库不存在！");
}

4.4.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

5.restclient操作文档

为了与索引库操作分离，我们再次参加一个测试类，做两件事情：

• 初始化resthighlevelclient
• 我们的酒店数据在数据库，需要利用ihotelservice去查询，所以注入这个接口

package cn.itcast.hotel;

import cn.itcast.hotel.pojo.hotel;
import cn.itcast.hotel.service.ihotelservice;
import org.junit.jupiter.api.aftereach;
import org.junit.jupiter.api.beforeeach;
import org.junit.jupiter.api.test;
import org.springframework.beans.factory.annotation.autowired;
import org.springframework.boot.test.context.springboottest;

import java.io.ioexception;
import java.util.list;

@springboottest
public class hoteldocumenttest {
    @autowired
    private ihotelservice hotelservice;

    private resthighlevelclient client;

    @beforeeach
    void setup() {
        this.client = new resthighlevelclient(restclient.builder(
                httphost.create("http://192.168.150.101:9200")
        ));
    }

    @aftereach
    void teardown() throws ioexception {
        this.client.close();
    }
}

5.1.新增文档

我们要将数据库的酒店数据查询出来，写入elasticsearch中。

5.1.1.索引库实体类

数据库查询后的结果是一个hotel类型的对象。结构如下：

@data
@tablename("tb_hotel")
public class hotel {
    @tableid(type = idtype.input)
    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 longitude;
    private string latitude;
    private string pic;
}

与我们的索引库结构存在差异：

• longitude和latitude需要合并为location

因此，我们需要定义一个新的类型，与索引库结构吻合：

package cn.itcast.hotel.pojo;

import lombok.data;
import lombok.noargsconstructor;

@data
@noargsconstructor
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();
    }
}

5.1.2.语法说明

新增文档的dsl语句如下：

post /{索引库名}/_doc/1
{
    "name": "jack",
    "age": 21
}

对应的java代码如图：

可以看到与创建索引库类似，同样是三步走：

• 1）创建request对象
• 2）准备请求参数，也就是dsl中的json文档
• 3）发送请求

变化的地方在于，这里直接使用client.xxx()的api，不再需要client.indices()了。

5.1.3.完整代码

我们导入酒店数据，基本流程一致，但是需要考虑几点变化：

• 酒店数据来自于数据库，我们需要先查询出来，得到hotel对象
• hotel对象需要转为hoteldoc对象
• hoteldoc需要序列化为json格式

因此，代码整体步骤如下：

• 1）根据id查询酒店数据hotel
• 2）将hotel封装为hoteldoc
• 3）将hoteldoc序列化为json
• 4）创建indexrequest，指定索引库名和id
• 5）准备请求参数，也就是json文档
• 6）发送请求

在hotel-demo的hoteldocumenttest测试类中，编写单元测试：

@test
void testadddocument() throws ioexception {
    // 1.根据id查询酒店数据
    hotel hotel = hotelservice.getbyid(61083l);
    // 2.转换为文档类型
    hoteldoc hoteldoc = new hoteldoc(hotel);   
    // 3.将hoteldoc转json
    string json = json.tojsonstring(hoteldoc);

    // 1.准备request对象
    indexrequest request = new indexrequest("hotel").id(hoteldoc.getid().tostring());
    // 2.准备json文档
    request.source(json, xcontenttype.json);
    // 3.发送请求
    client.index(request, requestoptions.default);
}

5.2.查询文档

5.2.1.语法说明

查询的dsl语句如下：

get /hotel/_doc/{id}

非常简单，因此代码大概分两步：

• 准备request对象
• 发送请求

不过查询的目的是得到结果，解析为hoteldoc，因此难点是结果的解析。完整代码如下：

可以看到，结果是一个json，其中文档放在一个_source属性中，因此解析就是拿到_source，反序列化为java对象即可。

与之前类似，也是三步走：

• 1）准备request对象。这次是查询，所以是getrequest
• 2）发送请求，得到结果。因为是查询，这里调用client.get()方法
• 3）解析结果，就是对json做反序列化

5.2.2.完整代码

在hotel-demo的hoteldocumenttest测试类中，编写单元测试：

@test
void testgetdocumentbyid() throws ioexception {
    // 1.准备request
    getrequest request = new getrequest("hotel", "61082");
    // 2.发送请求，得到响应
    getresponse response = client.get(request, requestoptions.default);
    // 3.解析响应结果
    string json = response.getsourceasstring();

    hoteldoc hoteldoc = json.parseobject(json, hoteldoc.class);
    system.out.println(hoteldoc);
}

5.3.删除文档

删除的dsl为是这样的：

delete /hotel/_doc/{id}

与查询相比，仅仅是请求方式从delete变成get，可以想象java代码应该依然是三步走：

• 1）准备request对象，因为是删除，这次是deleterequest对象。要指定索引库名和id
• 2）准备参数，无参
• 3）发送请求。因为是删除，所以是client.delete()方法

在hotel-demo的hoteldocumenttest测试类中，编写单元测试：

@test
void testdeletedocument() throws ioexception {
    // 1.准备request
    deleterequest request = new deleterequest("hotel", "61083");
    // 2.发送请求
    client.delete(request, requestoptions.default);
}

5.4.修改文档

5.4.1.语法说明

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，判断依据是id：

• 如果新增时，id已经存在，则修改
• 如果新增时，id不存在，则新增

这里不再赘述，我们主要关注增量修改。

代码示例如图：

与之前类似，也是三步走：

• 1）准备request对象。这次是修改，所以是updaterequest
• 2）准备参数。也就是json文档，里面包含要修改的字段
• 3）更新文档。这里调用client.update()方法

5.4.2.完整代码

在hotel-demo的hoteldocumenttest测试类中，编写单元测试：

@test
void testupdatedocument() throws ioexception {
    // 1.准备request
    updaterequest request = new updaterequest("hotel", "61083");
    // 2.准备请求参数
    request.doc(
        "price", "952",
        "starname", "四钻"
    );
    // 3.发送请求
    client.update(request, requestoptions.default);
}

5.5.批量导入文档

案例需求：利用bulkrequest批量将数据库数据导入到索引库中。

步骤如下：

• 利用mybatis-plus查询酒店数据

• 将查询到的酒店数据（hotel）转换为文档类型数据（hoteldoc）

• 利用javarestclient中的bulkrequest批处理，实现批量新增文档

5.5.1.语法说明

批量处理bulkrequest，其本质就是将多个普通的crud请求组合在一起发送。

其中提供了一个add方法，用来添加其他请求：

可以看到，能添加的请求包括：

• indexrequest，也就是新增
• updaterequest，也就是修改
• deleterequest，也就是删除

因此bulk中添加了多个indexrequest，就是批量新增功能了。示例：

其实还是三步走：

• 1）创建request对象。这里是bulkrequest
• 2）准备参数。批处理的参数，就是其它request对象，这里就是多个indexrequest
• 3）发起请求。这里是批处理，调用的方法为client.bulk()方法

我们在导入酒店数据时，将上述代码改造成for循环处理即可。

5.5.2.完整代码

在hotel-demo的hoteldocumenttest测试类中，编写单元测试：

@test
void testbulkrequest() throws ioexception {
    // 批量查询酒店数据
    list<hotel> hotels = hotelservice.list();

    // 1.创建request
    bulkrequest request = new bulkrequest();
    // 2.准备参数，添加多个新增的request
    for (hotel hotel : hotels) {
        // 2.1.转换为文档类型hoteldoc
        hoteldoc hoteldoc = new hoteldoc(hotel);
        // 2.2.创建新增文档的request对象
        request.add(new indexrequest("hotel")
                    .id(hoteldoc.getid().tostring())
                    .source(json.tojsonstring(hoteldoc), xcontenttype.json));
    }
    // 3.发送请求
    client.bulk(request, requestoptions.default);
}

5.6.小结

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）

如有不足，请多指教，
未完待续，持续更新！
大家一起进步！