在前面的章节中，我们把ES的基本功能都给大家介绍完了，从ES的搭建、创建索引、分词器、到数据的查询，大家发现，我们都是通过ES的API去进行调用，那么，我们在项目当中怎么去使用ES呢？这一节，我们就看看ES如何与我们的SpringBoot项目结合。
版本依赖
SpringBoot默认是有ElasticSearch的Starter，但是它依赖的ES客户端的版本比较低，跟不上ES的更新速度，所以我们在SpringBoot项目中要指定ES的最新版本，如下：
<properties>
<elasticsearch.version>7.6.1</elasticsearch.version>
</properties>
<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>
我们在项目中指定ES客户端的版本为7.6.1。
配置文件
然后我们在SpringBoot的配置文件application.properties当中，配置ES集群的地址，如下：
spring.elasticsearch.rest.uris=http://192.168.73.130:9200,http://192.168.73.131:9200,http://192.168.73.132:9200
多个地址之间我们使用,隔开即可。
与ES交互
所有配置的东西都准备好了，下面我们看看在程序当中如何交互，还记得前面咱们提到的动态映射吗？这个东西是非常的好用的，简化了我们不少的工作量。在这里我们还用前面的索引ik_index举例，我们先看看目前ik_index索引中有哪些字段，
![image_20200527102507488]( "image_20200527102507488")
在索引中只有3个字段，id、title和desc。接下来我们在创建索引ik_index对应的实体类，内容也很简单，具体如下：
@Setter@Getter
public class IkIndex {
private Long id;
private String title;
private String desc;
private String category;
}
在实体类中，我们新添加了一个字段category表示分类，我们可以联想一下，category字段动态映射到ES当中会是什么类型？对了，就是text类型，我们再深入想一步，text类型会用到全文索引，会用到分词器，而在索引ik_index当中，我们配置了默认的分词器是IK中文分词器。能够想到这里，我觉得你对ES了解的比较深入了。
接下来，我们就要编写service了，并向ik_index索引中添加一条新的数据，如下：
@Service
public class EService {
@Autowired
private RestHighLevelClient client;
/**
* 添加索引数据
* @throws IOException
*/
public void insertIkIndex() throws IOException {
IkIndex ikIndex = new IkIndex();
ikIndex.setId(10l);
ikIndex.setTitle("足球");
ikIndex.setDesc("足球是世界第一运动");
ikIndex.setCategory("体育");
IndexRequest request = new IndexRequest("ik_index");
// request.id("1");
request.source(JSON.toJSONString(ikIndex), XContentType.JSON);
IndexResponse indexResponse = client.index(request, RequestOptions.DEFAULT);
System.out.println(indexResponse.status());
System.out.println(indexResponse.toString());
}
}
首先，我们要引入ES的高等级的客户端RestHighLevelClient，由于我们在配置文件中配置了ES集群的地址，所以SpringBoot自动为我们创建了RestHighLevelClient的实例，我们直接自动注入就可以了。然后在添加索引数据的方法中，我们先把索引对应的实体创建好，并设置对应的值。
接下来我们就要构建索引的请求了，在IndexRequest的构造函数中，我们指定了索引的名称ik_index，索引的id被我们注释掉了，ES会给我们默认生成id，当然自己指定也可以。大家需要注意的是，这个id和IkIndex类里的id不是一个id，这个id是数据在ES索引里的唯一标识，而IkIndex实体类中的id只是一个数据而已，大家一定要区分开。然后我们使用request.source方法将实体类转化为JSON对象并封装到request当中，最后我们调用client的index方法完成数据的插入。我们看看执行结果吧。
CREATED
IndexResponse[index=ik_index,type=_doc,id=f20EVHIBK8kOanEwfXbW,version=1,result=created,seqNo=9,primaryTerm=6,shards={"total":2,"successful":2,"failed":0}]
status返回的值是CREATED，说明数据添加成功，而后面的响应信息中，包含了很多具体的信息，像每个分片是否成功都已经返回了。我们再用elasticsearch-head插件查询一下，结果如下：
![image_20200527110533076]( "image_20200527110533076")
数据插入成功，并且新添加的字段category也有了对应的值，这是我们期望的结果。下面我们再看看查询怎么使用。代码如下：
public void searchIndex() throws IOException {
SearchRequest searchRequest = new SearchRequest("ik_index");
SearchSourceBuilder ssb = new SearchSourceBuilder();
QueryBuilder qb = new MatchQueryBuilder("desc","香蕉好吃");
ssb.query(qb);
searchRequest.source(ssb);
SearchResponse response = client.search(searchRequest, RequestOptions.DEFAULT);
SearchHit[] hits = response.getHits().getHits();
for (SearchHit hit : hits) {
String record = hit.getSourceAsString();
System.out.println(record);
}
}
- 我们先创建一个查询请求，并指定索引为
ik_index；
- 然后我们创建一个请求体
SearchSourceBuilder，再构建我们的查询请求QueryBuilder，QueryBuilder是一个接口，它的实现类有很多，对应着ES中的不同种类的查询，比如咱们前面介绍的bool和boosting查询，都有对应的实现类。在这里，咱们使用MatchQueryBuilder并查询desc包含香蕉好吃的数据，这个查询咱们在前面通过API的方式也查询过。
- 最后我们封装好请求，并通过
client.search方法进行查询，返回的结构是SearchResponse。
- 在返回的结果中，我们获取对应的数据，咦？这个为什么调用了两次Hits方法？咱们可以从API的返回值看出端倪，如下：
![image_20200527113435975]( "image_20200527113435975")
- 我们可以看到返回的结果中确实有两个hits，第一个hits中包含了数据的条数，第二个hits中才是我们想要的查询结果，所以在程序中，我们调用了两次hits。
- 在每一个hit当中，我们调用
getSourceAsString方法，获取JSON格式的结果，我们可以用这个字符串通过JSON工具映射为实体。
我们看看程序运行的结果吧，
{"id":1,"title":"香蕉","desc":"香蕉真好吃"}
{"id":1,"title":"香蕉","desc":"香蕉真好吃"}
{"id":1,"title":"橘子","desc":"橘子真好吃"}
{"id":1,"title":"桃子","desc":"桃子真好吃"}
{"id":1,"title":"苹果","desc":"苹果真好吃"}
查询出了5条数据，和我们的预期是一样的，由于使用IK中文分词器，所以desc中包含好吃的都被查询了出来，而我们新添加的足球数据并没有查询出来，这也是符合预期的。我们再来看看聚合查询怎么用，
public void searchAggregation() throws IOException {
SearchRequest searchRequest = new SearchRequest("ik_index");
SearchSourceBuilder ssb = new SearchSourceBuilder();
TermsAggregationBuilder category = AggregationBuilders.terms("category").field("category.keyword");
ssb.aggregation(category);
searchRequest.source(ssb);
SearchResponse response = client.search(searchRequest, RequestOptions.DEFAULT);
Terms terms = response.getAggregations().get("category");
for (Terms.Bucket bucket : terms.getBuckets()) {
System.out.println(bucket.getKey());
System.out.println(bucket.getDocCount());
}
}
- 同样，我们创建一个
SearchRequest，然后再创建一个TermsAggregationBuilder，TermsAggregationBuilder我们指定了name叫做category，这个name对应着上一节中的那个自定义的名称，大家还有印象吗？
- 后面的
field是我们要聚合的字段，注意这里因为category字段是text类型，默认是不能够做聚合查询的，我们指定的是category.keyword，还记得这个keyword类型吗？它是不使用分词器的，我们使用这个keyword类型是可以的。
- 最后把
AggregationBuilder封装到查询请求中，进行查询。
- 查询后，我们怎么去取这个
aggregation呢？取查询结果我们是通过hits，取聚合查询，我们要使用aggregation了，然后再get我们的自定义名称response.getAggregations().get("category")。至于前面的类型，它是和AggregationBuilder对应的，在咱们的例子中使用的是TermsAggregationBuilder，那么我们在取结果时就要用Terms；如果查询时使用的是AvgAggregationBuilder，取结果时就要用Avg。
- 在取得
Terms后，我们可以获取里边的值了。运行一下，看看结果。
体育
1
key是体育，doc_count是1，说明分类体育的数据只有1条。完全符合我们的预期，这个聚合查询的功能非常重要，在电商平台中，商品搜索页通常列出所有的商品类目，并且每个类目后面都有这个商品的数量，这个功能就是基于聚合查询实现的。
好了，到这里，ES已经结合到我们的SpringBoot项目中了，并且最基础的功能也已经实现了，大家放心的使用吧~
