《ElasticSearch6.x实战教程》之简单搜索、Java客户端(上)
第五章-简单搜索
众里寻他千百度
搜索是ES的核心,本节讲解一些基本的简单的搜索。
掌握ES搜索查询的RESTful的API犹如掌握关系型数据库的SQL语句,尽管Java客户端API为我们不需要我们去实际编写RESTful的API,但在生产环境中,免不了在线上执行查询语句做数据统计供产品经理等使用。
数据准备
首先创建一个名为user的Index,并创建一个student的Type,Mapping映射一共有如下几个字段:
创建名为user的Index
PUT http://localhost:9200/user
创建名为student的Type,且指定字段name和address的分词器为
ik_smart
。POST http://localhost:9200/user/student/_mapping { "properties":{ "name":{ "type":"text", "analyzer":"ik_smart" }, "age":{ "type":"short" } } }
经过上一章分词的学习我们把
text类型都指定为
ik_smart分词器。
插入以下数据。
POST localhost:9200/user/student { "name":"kevin", "age":25 }
POST localhost:9200/user/student { "name":"kangkang", "age":26 }
POST localhost:9200/user/student { "name":"mike", "age":22 }
POST localhost:9200/user/student { "name":"kevin2", "age":25 }
POST localhost:9200/user/student { "name":"kevin yu", "age":21 }
按查询条件数量维度
无条件搜索
GET http://localhost:9200/user/student/_search?pretty
查看索引user的student类型数据,得到刚刚插入的数据返回:
单条件搜索
ES查询主要分为
term精确搜索、
match模糊搜索。
term精确搜索
我们用
term搜索name为“kevin”的数据。
POST http://localhost:9200/user/student/_search?pretty{ "query":{ "term":{ "name":"kevin" } } }
既然
term是精确搜索,按照非关系型数据库的理解来讲就等同于
=,那么搜索结果也应该只包含1条数据。然而出乎意料的是,搜索结果出现了两条数据:name="kevin"和name="keivin yu",这看起来似乎是进行的模糊搜索,但又没有搜索出name="kevin2"的数据。我们先继续观察
match的搜索结果。
match模糊搜索
同样,搜索name为“kevin”的数据。
POST http://localhost:9200/user/student/_search?pretty{ "query":{ "match":{ "name":"kevin" } } }
match的搜索结果竟然仍然是两条数据:name="kevin"和name="keivin yu"。同样,name="kevin2"也没有出现在搜索结果中。
原因在于
term和
match的精确和模糊针对的是搜索词而言,
term搜索不会将搜索词进行分词后再搜索,而
match则会将搜索词进行分词后再搜索。例如,我们对name="kevin yu"进行搜索,由于
term搜索不会对搜索词进行搜索,所以它进行检索的是"kevin yu"这个整体,而
match搜索则会对搜索词进行分词搜索,所以它进行检索的是包含"kevin"和"yu"的数据。而name字段是
text类型,且它是按照
ik_smart进行分词,就算是"kevin yu"这条数据由于被分词后变成了"kevin"和"yu",所以
term搜索不到任何结果。
如果一定要用
term搜索name="kevin yu",结果出现"kevin yu",办法就是在定义映射Mapping时就为该字段设置一个
keyword类型。
为了下文的顺利进行,删除
DELETE http:localhost:9200/user/student重新按照开头创建索引以及插入数据吧。唯一需要修改的是在定义映射Mapping时,name字段修改为如下所示:
{ "properties":{ "name":{ "type":"text", "analyzer":"ik_smart", "fields":{ "keyword":{ "type":"keyword", "ignore_abore":256 } } }, "age":{ "type":integer } } }
待我们重新创建好索引并插入数据后,此时再按照
term搜索name="kevin yu"。
POST http://localhost:9200/user/student/_search { "query":{ "term":{ "name.keyword":"kevin yu" } } }
返回一条name="kevin yu"的数据。按照
match搜索同样出现name="kevin yu",因为name.keyword无论如何都不会再分词。
在已经建立索引且定义好映射Mapping的情况下,如果直接修改name字段,此时能修改成功,但是却无法进行查询,这与ES底层实现有关,如果一定要修改要么是新增字段,要么是重建索引。
所以,与其说
match是模糊搜索,倒不如说它是分词搜索,因为它会将搜索关键字分词;与其将
term称之为模糊搜索,倒不如称之为不分词搜索,因为它不会将搜索关键字分词。
match查询还有很多更为高级的查询方式:
match_phrase短语查询,
match_phrase_prefix短语匹配查询,
multi_match多字段查询等。将在复杂搜索一章中详细介绍。
类似like的模糊搜索
wildcard通配符查询。
POST http://localhost:9200/user/student/_search?pretty{ "query": { "wildcard": { "name": "*kevin*" } } }
ES返回结果包括name="kevin",name="kevin2",name="kevin yu"。
fuzzy更智能的模糊搜索
fuzzy也是一个模糊查询,它看起来更加”智能“。它类似于搜狗输入法中允许语法错误,但仍能搜出你想要的结果。例如,我们查询name等于”kevin“的文档时,不小心输成了”kevon“,它仍然能查询出结构。
POST http://localhost:9200/user/student/_search?pretty{ "query": { "fuzzy": { "name": "kevin" } } }
ES返回结果包括name="kevin",name="kevin yu"。
多条件搜索
上文介绍了单个条件下的简单搜索,并且介绍了相关的精确和模糊搜索(分词与不分词)。这部分将介绍多个条件下的简单搜索。
当搜索需要多个条件时,条件与条件之间的关系有”与“,”或“,“非”,正如非关系型数据库中的”and“,”or“,“not”。
在ES中表示”与“关系的是关键字
must,表示”或“关系的是关键字
should,还有表示表示”非“的关键字
must_not。
must、
should、
must_not在ES中称为
bool查询。当有多个查询条件进行组合查询时,此时需要上述关键字配合上文提到的
term,
match等。
- 精确查询(
term
,搜索关键字不分词)name="kevin"且age="25"的学生。
POST http://localhost:9200/user/student/_search?pretty{ "query":{ "bool":{ "must":[{ "term":{ "name.keyword":"kevin" } },{ "term":{ "age":25 } }] } } }
返回name="kevin"且age="25"的数据。
- 精确查询(
term
,搜索关键字不分词)name="kevin"或age="21"的学生。
POST http://localhost:9200/user/student/_search?pretty{ "query":{ "bool":{ "should":[{ "term":{ "name.keyword":"kevin" } },{ "term":{ "age":21 } }] } } }
返回name="kevin",age=25和name="kevin yu",age=21的数据
- 精确查询(
term
,搜索关键字不分词)name!="kevin"且age="25"的学生。
POST http://localhost:9200/user/student/_search?pretty{ "query":{ "bool":{ "must":[{ "term":{ "age":25 } }], "must_not":[{ "term":{ "name.keyword":"kevin" } }] } } }
返回name="kevin2"的数据。
如果查询条件中同时包含
must、
should、
must_not,那么它们三者是"且"的关系
多条件查询中查询逻辑(
must、
should、
must_not)与查询精度(
term、
match)配合能组合成非常丰富的查询条件。
按等值、范围查询维度
上文中讲到了精确查询、模糊查询,已经"且","或","非"的查询。基本上都是在做等值查询,实际查询中还包括,范围(大于小于)查询(
range)、存在查询(
exists)、~不存在查询(
missing)。
范围查询
范围查询关键字
range,它包括大于
gt、大于等于
gte、小于
lt、小于等于
lte。
- 查询age>25的学生。
POST http://localhost:9200/user/student/_search?pretty{ "query":{ "range":{ "age":{ "gt":25 } } } }
返回name="kangkang"的数据。
- 查询age >= 21且age < 26的学生。
POST http://localhost:9200/user/search/_search?pretty { "query":{ "range":{ "age":{ "gte":21, "lt":25 } } } }
查询age >= 21 且 age < 26且name="kevin"的学生
POST http://localhost:9200/user/search/_search?pretty { "query":{ "bool":{ "must":[{ "term":{ "name":"kevin" } },{ "range":{ "age":{ "gte":21, "lt":25 } } }] } } }
存在查询
存在查询意为查询是否存在某个字段。
查询存在name字段的数据。
POST http://localhost:9200/user/student/_search?pretty{ "query":{ "exists":{ "field":"name" } } }
不存在查询
不存在查询顾名思义查询不存在某个字段的数据。在以前ES有
missing表示查询不存在的字段,后来的版本中由于
must not和
exists可以组合成
missing,故去掉了
missing。
查询不存在name字段的数据。
POST http://localhost:9200/user/student/_search?pretty{ "query":{ "bool":{ "must_not":{ "exists":{ "field":"name" } } } } }
分页搜索
谈到ES的分页永远都绕不开深分页的问题。但在本章中暂时避开这个问题,只说明在ES中如何进行分页查询。
ES分页查询包含
from和
size关键字,
from表示起始值,
size表示一次查询的数量。
- 查询数据的总数
POST http://localhost:9200/user/student/_search?pretty
返回文档总数。
- 分页(一页包含1条数据)模糊查询(
match
,搜索关键字不分词)name="kevin"
POST http://localhost:9200/user/student/_search?pretty{ "query":{ "match":{ "name":"kevin" } }, "from":0, "size":1 }
结合文档总数即可返回简单的分页查询。
分页查询中往往我们也需要对数据进行排序返回,MySQL中使用
order by关键字,ES中使用
sort关键字指定排序字段以及降序升序。
- 分页(一页包含1条数据)查询age >= 21且age <=26的学生,按年龄降序排列。
POST http://localhost:9200/user/student/_search?pretty{ "query":{ "range":{ "age":{ "gte":21, "lte":26 } } }, "from":0, "size":1, "sort":{ "age":{ "order":"desc" } } }
ES默认升序排列,如果不指定排序字段的排序),则
sort字段可直接写为
"sort":"age"。
第六章-Java客户端(上)
ES提供了多种方式使用Java客户端:
- TransportClient,通过Socket方式连接ES集群,传输会对Java进行序列化
- RestClient,通过HTTP方式请求ES集群
目前常用的是
TransportClient方式连接ES服务。但ES官方表示,在未来
TransportClient会被永久移除,只保留
RestClient方式。
同样,Spring Boot官方也提供了操作ES的方式
Spring Data ElasticSearch。本章节将首先介绍基于Spring Boot所构建的工程通过
Spring Data ElasticSearch操作ES,再介绍同样是基于Spring Boot所构建的工程,但使用ES提供的
TransportClient操作ES。
Spring Data ElasticSearch
本节完整代码(配合源码使用更香):https://github.com/yu-linfeng/elasticsearch6.x_tutorial/tree/master/code/spring-data-elasticsearch
使用
Spring Data ElasticSearch后,你会发现一切变得如此简单。就连连接ES服务的类都不需要写,只需要配置一条ES服务在哪儿的信息就能开箱即用。
作为简单的API和简单搜索两章节的启下部分,本节示例仍然是基于上一章节的示例。
通过IDEA创建Spring Boot工程,并且在创建过程中选择
Spring Data ElasticSearch,主要步骤如下图所示:
第一步,创建工程,选择
Spring Initializr。
第二步,选择SpringBoot的依赖
NoSQL -> Spring Data ElasticSearch。
创建好Spring Data ElasticSearch的Spring Boot工程后,按照ES惯例是定义Index以及Type和Mapping。在
Spring Data ElasticSearch中定义Index、Type以及Mapping非常简单。ES文档数据实质上对应的是一个数据结构,也就是在
Spring Data ElasticSearch要我们把ES中的文档数据模型与Java对象映射关联。
定义StudentPO对象,对象中定义Index以及Type,Mapping映射我们引入外部json文件(json格式的Mapping就是在简单搜索一章中定义的Mapping数据)。
package com.coderbuff.es.easy.domain; import lombok.Getter; import lombok.Setter; import lombok.ToString; import org.springframework.data.annotation.Id; import org.springframework.data.elasticsearch.annotations.Document; import org.springframework.data.elasticsearch.annotations.Field; import org.springframework.data.elasticsearch.annotations.FieldType; import org.springframework.data.elasticsearch.annotations.Mapping; import java.io.Serializable; /** * ES mapping映射对应的PO * Created by OKevin on 2019-06-26 22:52 */ @Getter @Setter @ToString @Document(indexName = "user", type = "student") @Mapping(mappingPath = "student_mapping.json") public class StudentPO implements Serializable { private String id; /** * 姓名 */ private String name; /** * 年龄 */ private Integer age; }
Spring Data ElasticSearch为我们屏蔽了操作ES太多的细节,以至于真的就是开箱即用,它操作ES主要是通过
ElasticsearchRepository接口,我们在定义自己具体业务时,只需要继承它,扩展自己的方法。
package com.coderbuff.es.easy.dao; import com.coderbuff.es.easy.domain.StudentPO; import org.springframework.data.elasticsearch.repository.ElasticsearchRepository; import org.springframework.stereotype.Repository; /** * Created by OKevin on 2019-06-26 23:45 */ @Repository public interface StudentRepository extends ElasticsearchRepository<StudentPO, String> { }
ElasticsearchTemplate可以说是
Spring Data ElasticSearch最为重要的一个类,它对ES的Java API进行了封装,创建索引等都离不开它。在Spring中要使用它,必然是要先注入,也就是实例化一个bean。而
Spring Data ElasticSearch早为我们做好了一切,只需要在
application.properties中定义
spring.data.elasticsearch.cluster-nodes=127.0.0.1:9300,就可大功告成(网上有人的教程还在使用applicationContext.xml定义一个bean,事实证明,受到了Spring多年的“毒害”,Spring Boot远比我们想象的智能)。
单元测试创建Index、Type以及定义Mapping。
package com.coderbuff.es; import com.coderbuff.es.easy.domain.StudentPO; import org.junit.Test; import org.junit.runner.RunWith; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.boot.test.context.SpringBootTest; import org.springframework.data.elasticsearch.core.ElasticsearchTemplate; import org.springframework.test.context.junit4.SpringRunner; @RunWith(SpringRunner.class) @SpringBootTest public class SpringDataElasticsearchApplicationTests { @Autowired private ElasticsearchTemplate elasticsearchTemplate; /** * 测试创建Index,type和Mapping定义 */ @Test public void createIndex() { elasticsearchTemplate.createIndex(StudentPO.class); elasticsearchTemplate.putMapping(StudentPO.class); } }
使用
GET http://localhost:9200/user请求命令,可看到通过
Spring Data ElasticSearch创建的索引。
索引创建完成后,接下来就是定义操作student文档数据的接口。在
StudentService接口的实现中,通过组合
StudentRepository类对ES进行操作。
StudentRepository类继承了
ElasticsearchRepository接口,这个接口的实现已经为我们提供了基本的数据操作,保存、修改、删除只是一句代码的事。就算查询、分页也为我们提供好了builder类。"最难"的实际上不是实现这些方法,而是如何构造查询参数
SearchQuery。创建
SearchQuery实例,有两种方式:
- 构建
NativeSearchQueryBuilder
类,通过链式调用构造查询参数。 - 构建
NativeSearchQuery
类,通过构造方法传入查询参数。
这里以"不分页range范围和term查询age>=21且age<26且name=kevin"为例。
SearchQuery searchQuery = new NativeSearchQueryBuilder() .withQuery(QueryBuilders.boolQuery() .must(QueryBuilders.rangeQuery("age").gte(21).lt(26)) .must(QueryBuilders.termQuery("name", "kevin"))).build();
搜索条件的构造一定要对ES的查询结构有比较清晰的认识,如果是在了解了简单的API和简单搜索两章的前提下,学习如何构造多加练习一定能掌握。这里就不一一验证前面章节的示例,一定要配合代码使用练习(https://github.com/yu-linfeng/elasticsearch6.x_tutorial/tree/master/code/spring-data-elasticsearch)
TransportClient
ES的Java API非常广泛,一种操作可能会有好几种写法。Spring Data ElasticSearch实际上是对ES Java API的再次封装,从使用上将更加简单。
本节请直接对照代码学习使用,如果要讲解ES的Java API那将是一个十分庞大的工作,https://github.com/yu-linfeng/elasticsearch6.x_tutorial/tree/master/code/transportclient-elasticsearch
关注公众号:CoderBuff,回复“es”获取《ElasticSearch6.x实战教程》完整版PDF,回复“抽奖”参与《从Lucene到Elasticsearch:全文检索实战》图书抽奖活动(7.17-7.21)。
这是一个能给程序员加buff的公众号 (CoderBuff)- Java review--NIO实例:实现服务端和客户端的简单通信
- fastdfs5.x Java客户端简单例子
- .NET作为客户端调用Java和.NET WebService 简单示例
- Java中利用socket实现简单的服务端与客户端的通信(入门级)
- jxbrowser 教程 1 使用jxbrowser 创建简单的浏览器 使用html5+java写cs客户端
- Java实现简单的Socket服务器与客户端字符串通讯(适合初学者阅读)
- memcached学习——常用命令+基于java客户端的3种简单实现(二)
- memcached java客户端的简单使用
- Java通信之客户端的创建以及客户端和服务器的简单交互
- java客户端连接MongoDB数据库的简单使用
- Thrift0.9.0的简单示例,java实现客户端服务端
- 简单搭建kafka + zookeeper,附简单Java生产和消费客户端
- Java网络编程之简单的服务端客户端应用实例
- socket连接 java服务器端 C#客户端进行交互 简单例子
- java客户端连接kafka简单测试
- Java实现服务器和客户端简单通信
- 简单通过java的socket&serversocket以及多线程技术实现多客户端的数据的传输,并将数据写入hbase中
- android客户端 与javaweb服务端的简单理解
- java applet调用客户端dll 简单案例
- zookeeper java客户端简单API