Elasticsearch学习笔记(一)
在项目中基础的搜索功能是基于数据库的模糊搜索来实现的,存在很多问题。
首先,查询效率较低。由于数据库模糊查询不走索引,在数据量较大的时候,查询性能很差。数据库模糊查询随着表数据量的增多,查询性能的下降会非常明显,而搜索引擎的性能则不会随着数据增多而下降太多。
其次,功能单一。数据库的模糊搜索功能单一,匹配条件非常苛刻,必须恰好包含用户搜索的关键字。而在搜索引擎中,用户输入出现个别错字,或者用拼音搜索、同义词搜索都能正确匹配到数据。
综上,在面临海量数据的搜索,或者有一些复杂搜索需求的时候,推荐使用专门的搜索引擎来实现搜索功能。
目前全球的搜索引擎技术排名如下:
排名第一的就是我们今天要学习的 Elasticsearch,Elasticsearch 的官网是这样介绍自己的:
Elasticsearch 是一个分布式、RESTful 风格的搜索和数据分析引擎。
Elasticsearch 是一款非常强大的开源搜索引擎,支持的功能非常多,例如:
- 代码搜索
- 商品搜索
- 解决方案搜索
- 地图搜索
本文接下来会讲解下面的内容:
- 倒排索引原理
- IK 分词器
- 索引库 Mapping 映射的属性含义
- 创建索引库及映射
- 实现文档的 CRUD
1.初识 Elasticsearch
Elasticsearch 的官方网站:https://www.elastic.co/cn/elasticsearch/
本章我们一起来初步了解一下 Elasticsearch 的基本原理和一些基础概念。
1.1.认识和安装
Elasticsearch 是由 elastic 公司开发的一套搜索引擎技术,它是 elastic 技术栈中的一部分。完整的技术栈包括:
- Elasticsearch:用于数据存储、计算和搜索
- Logstash/Beats:用于数据收集
- Kibana:用于数据可视化
整套技术栈被称为 ELK,经常用来做日志收集、系统监控和状态分析等等:
整套技术栈的核心就是用来存储、搜索、计算的 Elasticsearch,因此我们接下来学习的核心也是 Elasticsearch。
我们要安装的内容包含 2 部分:
- Elasticsearch:存储、搜索和运算
- kibana:图形化展示
首先 Elasticsearch 不用多说,是提供核心的数据存储、搜索、分析功能的。
然后是 Kibana,Elasticsearch 对外提供的是 Restful 风格的 API,任何操作都可以通过发送 http 请求来完成。不过 http 请求的方式、路径、还有请求参数的格式都有严格的规范。这些规范我们肯定记不住,因此我们要借助于 Kibana 这个服务。
Kibana 是 elastic 公司提供的用于操作 Elasticsearch 的可视化控制台。它的功能非常强大,包括:
- 对 Elasticsearch 数据的搜索、展示
- 对 Elasticsearch 数据的统计、聚合,并形成图形化报表、图形
- 对 Elasticsearch 的集群状态监控
- 它还提供了一个开发控制台(DevTools),在其中对 Elasticsearch 的 Restful 的 API 接口提供了语法提示
1.1.1.安装 Elasticsearch
通过下面的 Docker 命令即可安装单机版本的 Elasticsearch:
1 | docker run -d \ |
注意,这里我们采用的是 Elasticsearch 的 7.12.1 版本,由于 8 以上版本的 JavaAPI 变化很大,在企业中应用并不广泛,企业中应用较多的还是 8 以下的版本。
安装完成后,访问 9200 端口,即可看到响应的 Elasticsearch 服务的基本信息:
1.1.2.安装 Kibana
通过下面的 Docker 命令,即可部署 Kibana:
1 | docker run -d \ |
注意,一定要指明
--network=es-net
,让ES和Kibana在一个网络中,不然会报错。
安装完成后,直接访问 5601 端口,即可看到控制台页面:
选择 Explore on my own
之后,进入主页面:
然后选中 Dev tools
,进入开发工具页面:
1.2.倒排索引
Elasticsearch 之所以有如此高性能的搜索表现,正是得益于底层的倒排索引技术。那么什么是倒排索引呢?
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
我们先来回顾一下正向索引。
例如有一张名为 tb_goods
的表:
id | title | price |
---|---|---|
1 | 小米手机 | 3499 |
2 | 华为手机 | 4999 |
3 | 华为小米充电器 | 49 |
4 | 小米手环 | 49 |
… | … | … |
其中的 id
字段已经创建了索引,由于索引底层采用了 B+ 树结构,因此我们根据 id 搜索的速度会非常快。但是其他字段例如 title
,只在叶子节点上存在。
因此要根据 title
搜索的时候只能遍历树中的每一个叶子节点,判断 title 数据是否符合要求。
比如用户的 SQL 语句为:
1 | select * from tb_goods where title like '%手机%'; |
那搜索的大概流程如图:
说明:
- 1)检查到搜索条件为
like '%手机%'
,需要找到title
中包含手机
的数据 - 2)逐条遍历每行数据(每个叶子节点),比如第 1 次拿到
id
为 1 的数据 - 3)判断数据中的
title
字段值是否符合条件 - 4)如果符合则放入结果集,不符合则丢弃
- 5)回到步骤 1
综上,根据 id 精确匹配时,可以走索引,查询效率较高。而当搜索条件为模糊匹配时,由于索引无法生效,导致从索引查询退化为全表扫描,效率很差。
因此,正向索引适合于根据索引字段的精确搜索,不适合基于部分词条的模糊匹配。
而倒排索引恰好解决的就是根据部分词条模糊匹配的问题。
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和应用,流程如下:
- 将每一个文档的数据利用分词算法根据语义拆分,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,可以给词条创建正向索引
此时形成的这张以词条为索引的表,就是倒排索引表,两者对比如下:
正向索引
id(索引) | title | price |
---|---|---|
1 | 小米手机 | 3499 |
2 | 华为手机 | 4999 |
3 | 华为小米充电器 | 49 |
4 | 小米手环 | 49 |
… | … | … |
倒排索引
词条(索引) | 文档 id |
---|---|
小米 | 1,3,4 |
手机 | 1,2 |
华为 | 2,3 |
充电器 | 3 |
手环 | 4 |
倒排索引的搜索流程如下(以搜索”华为手机”为例),如图:
流程描述:
1)用户输入条件 "华为手机"
进行搜索。
2)对用户输入条件分词,得到词条:华为
、手机
。
3)拿着词条在倒排索引中查找(由于词条有索引,查询效率很高),即可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即可(由于 id
也有索引,查询效率也很高)。
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.基础概念
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:
1 | { |
因此,原本数据库中的一行数据就是 ES 中的一个 JSON 文档;而数据库中每行数据都包含很多列,这些列就转换为 JSON 文档中的字段(Field)。
1.3.2.索引和映射
随着业务发展,需要在 es 中存储的文档也会越来越多,比如有商品的文档、用户的文档、订单文档等等:
所有文档都散乱存放显然非常混乱,也不方便管理。
因此,我们要将类型相同的文档集中在一起管理,称为索引(Index)。例如:
商品索引
1 | { |
用户索引
1 | { |
订单索引
1 | { |
- 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 |
如图:
那是不是说,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之处:
- 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.IK 分词器
Elasticsearch 的关键就是倒排索引,而倒排索引依赖于对文档内容的分词,而分词则需要高效、精准的分词算法,IK 分词器就是这样一个中文分词算法。
1.4.1.安装 IK 分词器
运行一个命令即可:
1 | docker exec -it es ./bin/Elasticsearch-plugin install https://github.com/medcl/Elasticsearch-analysis-ik/releases/download/v7.12.1/Elasticsearch-analysis-ik-7.12.1.zip |
然后重启 es 容器:
1 | docker restart es |
1.4.2.使用 IK 分词器
IK 分词器包含两种模式:
ik_smart
:智能语义切分ik_max_word
:最细粒度切分
我们在 Kibana 的 DevTools 上来测试分词器,首先测试 Elasticsearch 官方提供的标准分词器:
1 | POST /_analyze |
结果如下:
1 | { |
可以看到,标准分词器智能 1 字 1 词条,无法正确对中文做分词。
我们再测试 IK 分词器:
1 | POST /_analyze |
执行结果如下:
1 | { |
1.4.3.拓展词典
随着互联网的发展,“造词运动”也越发的频繁。出现了很多新的词语,在原有的词汇列表中并不存在。比如:“泰裤辣” 等。
IK 分词器无法对这些词汇分词,测试一下:
1 | POST /_analyze |
结果:
1 | { |
可以看到, 泰裤辣
无法正确分词。
所以要想正确分词,IK 分词器的词库也需要不断的更新,IK 分词器提供了扩展词汇的功能。
1)打开 IK 分词器 config 目录:
默认是没有 config 目录的,需要自己新建。
2)在 IKAnalyzer.cfg.xml 配置文件内容添加:
1 |
|
3)在 IK 分词器的 config 目录新建一个 ext.dic
,可以参考 config 目录下复制一个配置文件进行修改
1 | 泰裤辣 |
4)重启 Elasticsearch
1 | docker restart es |
再次测试,可以发现 泰裤辣
都正确分词了:
1.4.4.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
Index 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 Index 和 Mapping。
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
- 字符串:
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:
1 | { |
对应的每个字段映射(Mapping):
字段名 | 字段类型 | 类型说明 | 是否****参与搜索 | 是否****参与分词 | 分词器 | |
---|---|---|---|---|---|---|
age | integer |
整数 | - [x] | - [ ] | —— | |
weight | float |
浮点数 | - [x] | - [ ] | —— | |
isMarried | boolean |
布尔 | - [x] | - [ ] | —— | |
info | text |
字符串,但需要分词 | - [x] | - [x] | IK | |
keyword |
字符串,但是不分词 | - [ ] | - [ ] | —— | ||
score | float |
只看数组中元素类型 | - [x] | - [ ] | —— | |
name | firstName | keyword |
字符串,但是不分词 | - [x] | - [ ] | —— |
lastName | keyword |
字符串,但是不分词 | - [x] | - [ ] | —— |
2.2.索引库的 CRUD
由于 Elasticsearch 采用的是 Restful 风格的 API,因此其请求方式和路径相对都比较规范,而且请求参数也都采用 JSON 风格。
我们直接基于 Kibana 的 DevTools 来编写请求做测试,由于有语法提示,会非常方便。
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:
1 | PUT /索引库名称 |
示例:
1 | PUT /heima |
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:
1 | GET /索引库名 |
示例:
1 | GET /heima |
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。因此修改索引库能做的就是向索引库中添加新字段,或者更新索引库的基础属性。
语法说明:
1 | PUT /索引库名/_mapping |
示例:
1 | PUT /heima/_mapping |
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:
1 | DELETE /索引库名 |
示例:
1 | DELETE /heima |
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
- 修改索引库,添加字段:PUT /索引库名/_mapping
可以看到,对索引库的操作基本遵循的 Restful 的风格,因此 API 接口非常统一,方便记忆。
3.文档操作
有了索引库,接下来就可以向索引库中添加数据了。
Elasticsearch 中的数据其实就是 JSON 风格的文档。操作文档自然保护 增
、删
、改
、查
等几种常见操作,我们分别来学习。
3.1.新增文档
语法:
1 | POST /索引库名/_doc/文档id |
示例:
1 | POST /heima/_doc/1 |
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:
1 | GET /{索引库名称}/_doc/{id} |
示例:
1 | GET /heima/_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:
1 | DELETE /{索引库名}/_doc/id值 |
示例:
1 | DELETE /heima/_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
- 局部修改: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,其本质是两步操作:
- 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:
1 | PUT /{索引库名}/_doc/文档id |
示例:
1 | PUT /heima/_doc/1 |
由于 id
为 1
的文档已经被删除,所以第一次执行时,得到的反馈是 created
:
所以如果执行第 2 次时,得到的反馈则是 updated
:
3.4.2.局部修改
局部修改是只修改指定 id 匹配的文档中的部分字段。
语法:
1 | POST /{索引库名}/_update/文档id |
示例:
1 | POST /heima/_update/1 |
执行结果:
3.5.批处理
批处理采用 POST 请求,基本语法如下:
1 | POST _bulk |
其中:
index
代表新增操作_index
:指定索引库名_id
指定要操作的文档 id{ "field1" : "value1" }
:则是要新增的文档内容
delete
代表删除操作_index
:指定索引库名_id
指定要操作的文档 id
update
代表更新操作_index
:指定索引库名_id
指定要操作的文档 id{ "doc" : {"field2" : "value2"} }
:要更新的文档字段
示例,批量新增:
1 | POST /_bulk |
批量删除:
1 | POST /_bulk |
3.6.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 }
- 局部修改:
POST /{索引库名}/_update/文档id { "doc": {字段}}
- 全量修改:
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
由于 ES 目前最新版本是 8.8,提供了全新版本的客户端,老版本的客户端已经被标记为过时。而我们采用的是 7.12 版本,因此只能使用老版本客户端:
然后选择 7.12 版本,HighLevelRestClient 版本:
4.1.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)在 item-service
模块中引入 es
的 RestHighLevelClient
依赖:
1 | <dependency> |
2)因为 SpringBoot 默认的 ES 版本是 7.17.10
,所以我们需要覆盖默认的 ES 版本:
1 | <properties> |
3)初始化 RestHighLevelClient:
初始化的代码如下:
1 | RestHighLevelClient client = new RestHighLevelClient(RestClient.builder( |
这里为了单元测试方便,我们创建一个测试类 IndexTest
,然后将初始化的代码编写在 @BeforeEach
方法中:
1 | package com.hmall.item.es; |
4.1.创建索引库
由于要实现对商品搜索,所以我们需要将商品添加到 Elasticsearch 中,不过需要根据搜索业务的需求来设定索引库结构,而不是一股脑的把 MySQL 数据写入 Elasticsearch.
4.1.1.Mapping 映射
搜索页面的效果如图所示:
实现搜索功能需要的字段包括三大部分:
搜索过滤字段
- 分类
- 品牌
- 价格
排序字段
- 默认:按照更新时间降序排序
- 销量
- 价格
展示字段
- 商品 id:用于点击后跳转
- 图片地址
- 是否是广告推广商品
- 名称
- 价格
- 评价数量
- 销量
对应的商品表结构如下,索引库无关字段已经划掉:
结合数据库表结构,以上字段对应的 mapping 映射属性如下:
字段名 | 字段类型 | 类型说明 | 是否****参与搜索 | 是否****参与分词 | 分词器 | |
---|---|---|---|---|---|---|
id | long |
长整数 | - [x] | - [ ] | —— | |
name | text |
字符串,参与分词搜索 | - [x] | - [x] | IK | |
price | integer |
以分为单位,所以是整数 | - [x] | - [ ] | —— | |
stock | integer |
字符串,但需要分词 | - [x] | - [ ] | —— | |
image | keyword |
字符串,但是不分词 | - [ ] | - [ ] | —— | |
category | keyword |
字符串,但是不分词 | - [x] | - [ ] | —— | |
brand | keyword |
字符串,但是不分词 | - [x] | - [ ] | —— | |
sold | integer |
销量,整数 | - [x] | - [ ] | —— | |
commentCount | integer |
评价,整数 | - [ ] | - [ ] | —— | |
isAD | boolean |
布尔类型 | - [x] | - [ ] | —— | |
updateTime | Date |
更新时间 | - [x] | - [ ] | —— |
因此,最终我们的索引库文档结构应该是这样:
1 | PUT /items |
4.1.2.创建索引
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
。
- 因为是创建索引库的操作,因此 Request 是
2)添加请求参数
- 其实就是 Json 格式的 Mapping 映射参数。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。
- 其实就是 Json 格式的 Mapping 映射参数。因为 json 字符串很长,这里是定义了静态字符串常量
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。例如创建索引、删除索引、判断索引是否存在等
在 item-service
中的 IndexTest
测试类中,具体代码如下:
1 |
|
4.2.删除索引库
删除索引库的请求非常简单:
1 | 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。流程如下:
- 1)创建 Request 对象。这次是 DeleteIndexRequest 对象
- 2)准备参数。这里是无参,因此省略
- 3)发送请求。改用 delete 方法
在 item-service
中的 IndexTest
测试类中,编写单元测试,实现删除索引:
1 |
|
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,对应的请求语句是:
1 | GET /hotel |
因此与删除的 Java 代码流程是类似的,流程如下:
- 1)创建 Request 对象。这次是 GetIndexRequest 对象
- 2)准备参数。这里是无参,直接省略
- 3)发送请求。改用 exists 方法
1 |
|
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
- 准备请求参数(
Create
时需要,其它是无参,可以省略) - 发送请求。调用
RestHighLevelClient#indices().xxx()
方法,xxx 是create
、exists
、delete
。
5.RestClient 操作文档
索引库准备好以后,就可以操作文档了。为了与索引库操作分离,我们再次创建一个测试类,做两件事情:
- 初始化 RestHighLevelClient
- 我们的商品数据在数据库,需要利用 IHotelService 去查询,所以注入这个接口
1 | package com.hmall.item.es; |
5.1.新增文档
我们需要将数据库中的商品信息导入 Elasticsearch 中,而不是造假数据了。
5.1.1.实体类
索引库结构与数据库结构还存在一些差异,因此我们要定义一个索引库结构对应的实体。
在 hm-service
模块的 com.hmall.item.domain.dto
包中定义一个新的 DTO:
1 | package com.hmall.item.domain.po; |
5.1.2.API 语法
新增文档的请求语法如下:
1 | POST /{索引库名}/_doc/1 |
对应的 JavaAPI 如下:
可以看到与索引库操作的 API 非常类似,同样是三步走:
- 1)创建 Request 对象,这里是
IndexRequest
,因为添加文档就是创建倒排索引的过程 - 2)准备请求参数,本例中就是 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
我们导入商品数据,除了参考 API 模板“三步走”以外,还需要做几点准备工作:
- 商品数据来自于数据库,我们需要先查询出来,得到
Item
对象 Item
对象需要转为ItemDoc
对象ItemDTO
需要序列化为json
格式
因此,代码整体步骤如下:
- 1)根据 id 查询商品数据
Item
- 2)将
Item
封装为ItemDoc
- 3)将
ItemDoc
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 item-service
的 DocumentTest
测试类中,编写单元测试:
1 |
|
5.2.查询文档
我们以根据 id 查询文档为例
5.2.1.语法说明
查询的请求语句如下:
1 | GET /{索引库名}/_doc/{id} |
与之前的流程类似,代码大概分 2 步:
- 创建 Request 对象
准备请求参数,这里是无参,直接省略- 发送请求
不过查询的目的是得到结果,解析为 ItemDTO,还要再加一步对结果的解析。示例代码如下:
可以看到,响应结果是一个 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。
其它代码与之前类似,流程如下:
- 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 item-service
的 DocumentTest
测试类中,编写单元测试:
1 |
|
5.3.删除文档
删除的请求语句如下:
1 | 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 2 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,直接省略 - 3)发送请求。因为是删除,所以是
client.delete()
方法
在 item-service
的 DocumentTest
测试类中,编写单元测试:
1 |
|
5.4.修改文档
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
- 局部修改: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,我们主要关注局部修改的 API 即可。
5.4.1.语法说明
局部修改的请求语法如下:
1 | POST /{索引库名}/_update/{id} |
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 item-service
的 DocumentTest
测试类中,编写单元测试:
1 |
|
5.5.批量导入文档
在之前的案例中,我们都是操作单个文档。而数据库中的商品数据实际会达到数十万条,某些项目中可能达到数百万条。
我们如果要将这些数据导入索引库,肯定不能逐条导入,而是采用批处理方案。常见的方案有:
利用 Logstash 批量导入
- 需要安装 Logstash
- 对数据的再加工能力较弱
- 无需编码,但要学习编写 Logstash 导入配置
利用 JavaAPI 批量导入
- 需要编码,但基于 JavaAPI,学习成本低
- 更加灵活,可以任意对数据做再加工处理后写入索引库
接下来,我们就学习下如何利用 JavaAPI 实现批量文档导入。
5.5.1.语法说明
批处理与前面讲的文档的 CRUD 步骤基本一致:
- 创建 Request,但这次用的是
BulkRequest
- 准备请求参数
- 发送请求,这次要用到
client.bulk()
方法
BulkRequest
本身其实并没有请求参数,其本质就是将多个普通的 CRUD 请求组合在一起发送。例如:
- 批量新增文档,就是给每个文档创建一个
IndexRequest
请求,然后封装到BulkRequest
中,一起发出。 - 批量删除,就是创建 N 个
DeleteRequest
请求,然后封装到BulkRequest
,一起发出
因此 BulkRequest
中提供了 add
方法,用以添加其它 CRUD 的请求:
可以看到,能添加的请求有:
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:
1 |
|
5.5.2.完整代码
当我们要导入商品数据时,由于商品数量达到数十万,因此不可能一次性全部导入。建议采用循环遍历方式,每次导入 1000 条左右的数据。
item-service
的 DocumentTest
测试类中,编写单元测试:
1 |
|
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
- XXX 是
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
- 调用
解析结果(
Get
时需要)