《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。

idea-springboot-es

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 {
}
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)
原文地址https://www.cnblogs.com/yulinfeng/p/11219786.html