ElasticSearch学习笔记

一、聊聊Doug Cutting

一位名叫Doug Cutting的美国工程师，做了一个用于文本搜索的函数库（姑且理解为软件的功能组件），命名为Lucene。 Lucene是用JAVA写成的，目的是为各种中小型应用软件加入全文检索功能。因为好用而且开源（代码公开），非常受程序员们的欢迎！

回到主题

Lucene是一套信息检索工具包！jar包！不包含搜索引擎系统！ 包含的：索引结构！读写索引的工具！排序、搜索规则等功能（工具类！） Lucene和Elasticsearch关系：ElasticSearch是基于Lucene做了一些封装和增强（我们上手是十分简单！）

二、ElasticSearch概述

ElasticSearch(简称为es)是一个开源的高扩展的分布式全文检索引擎，它可以近乎 实时存储、检索数据； 本身扩展性很好，可以扩展到上百台服务器，处理PB级别（大数据时代）的数据。 es是使用java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的REST-ful的API来隐藏Lucene的复杂性，从而让全文搜索变得简单。

三、Solr和ElasticSearch的区别

imgimgimgimg

ElasticSearch和Solr区别总结

  1. es基本是开箱即用（解压就可以用），非常简单。Solr安装略微复杂一丢丢。
  2. Solr利用Zookeeper进行分布式管理，而Elasticsearch自身带有分布式协调管理功能。
  3. Solr支持更多格式的数据，比JSON、XML、CSV，而Elasticsearch仅支持json文件格式。
  4. Solr官方提供的功能更多，而Elasticsearch本身更注重于核心功能，高级功能多有第三方插件提供，例如图形化界面需要kibana友好支撑。
  5. Solr查询快，但更新索引时慢（即插入删除慢），用于电商等查询多的应用；
    • ES建立索引快（即查询慢），即实时性查询快，用于facebook新浪等搜索。
    • Solr是传统搜索应用的有力解决方案，但Elasticsearch更适用于新兴的实时搜索应用。
  6. Solr比较成熟，有一个更大，更成熟的用户、开发和贡献者社区，而Elasticsearch相对开发维护者较少，更新太快，学习使用成本较高。

四、ElasticSearch安装

最低要求jdk1.8

最新版本下载地址：https://www.elastic.co/cn/downloads/enterprise-search

其他版本下载地址：https://www.elastic.co/cn/downloads/past-releases#elasticsearch

windows下安装

解决问题：http://www.javacui.com/tool/669.html

  1. 解压就可以使用了 img

  2. 熟悉目录

    bin：启动文件
config：配置文件     
log4j2：日志配置文件     
jvm.options：java虚拟机相关的配置     
elasticsearch.yml：elasticsearch的配置文件！默认9200端口！跨域！
lib：相关jar包
logs：日志
modules：功能模块
plugins：插件！

  3. 启动（点击bin文件夹下的elasticsearch.bat），访问9200端口 访问可能会报错或需要输入密码，启动前需要配置elasticsearch.yml： img

    # 启动时会去更新地图的一些数据库，这里直接禁掉即可，用到时再说.ingest.geoip.downloader.enabled: false

    img

  4. 访问测试（localhost:9200） img

安装es可视化界面：head的插件

没有前端基础的，先去看狂神的Vue教程，把基本的环境安装完毕！ 狂神Vue教程地址：https://www.bilibili.com/video/BV18E411a7mC

  1. head插件下载地址：https://github.com/mobz/elasticsearch-head/

  2. 启动head插件，访问9100端口

    # 安装cnpm的命令npm install -g cnpm -registry=https://registry.npm.taobao.org# cnpm下载资源更快cnpm installnpm run start

    如果cnpm不能使用，需要设置：

    1. windows系统搜索Windows PowerShell，以管理员的权限打开。
    2. 输入set-ExecutionPolicy RemoteSigned，点击回车。
    3. 输入A（选择A），回车。
    4. 重新回到项目就可以使用cnpm密令。

  3. 连接测试发现跨域问题 img

  4. 配置es的elasticsearch.yml文件解决跨域问题

    http.cors.enabled: truehttp.cors.allow-origin: "*"

  5. 重启es服务，再次连接（访问9100端口）成功 img 初学，就把es当做一个数据库！（可以建立索引（库），文档（库中的数据！）)

这个head我们就把它当做数据展示工具！(我们后面所有的查询，可以使用Kibana做)。

五、Kibana安装

了解ELK

ELK是Elasticsearch、Logstash、Kibana三大开源框架首字母大写简称。市面上也被成为Elastic Stack。其中Elasticsearch是一个基于Lucene、分布式、通过Restful方式进行交互的近实时搜索平台框架。像类似百度、谷歌这种大数据全文搜索引擎的场景都可以使用Elasticsearch作为底层支持框架，可见Elasticsearch提供的搜索能力确实强大，市面上很多时候我们简称Elasticsearch为es。 Logstash是ELK的中央数据流引擎，用于从不同目标（文件/数据存储/MQ）收集的不同格式数据，经过过滤后支持输出到不同目的地（文件/MQ/redis/elasticsearch/kafka等）。Kibana可以将elasticsearch的数据通过友好的页面展示出来，提供实时分析的功能。 市面上很多开发只要提到ELK能够一致说出它是一个日志分析架构技术栈总称，但实际上ELK不仅仅适用于日志分析，它还可以支持其它任何数据分析和收集的场景，日志分析和收集只是更具有代表性，并非唯一性。 img

Kibana

Kibana是一个针对Elasticsearch的开源分析及可视化平台，用来搜索、查看交互存储在Elasticsearch索引中的数据。使用Kibana，可以通过各种图表进行高级数据分析及展示。Kibana让海量数据更容易理解。它操作简单，基于浏览器的用户界面可以快速创建仪表板（dashboard）实时显示Elasticsearch查询动态。设置Kibana非常简单。无需编码或者额外的基础架构，几分钟内就可以完成Kibana安装并启动Elasticsearch索引监测。 官网：https://www.elastic.co/cn/kibana/

Kibana要和ES版本一致！！！

  1. 解压目录 img

  2. 启动测试（/bin/Kibana.bat） img

  3. 访问测试，端口号5601 img

  4. 开发工具 img 我们之后的所有操作都在这里进行编写！

  5. 汉化

    自己修改/config/Kibana.yml文件，添加i18n.locale: “zh-CN”，重启Kibana。

    i18n.locale: "zh-CN"

六、ES的核心概念

  1. 索引
  2. 字段类型（mapping）
  3. 文档(documents)

概述

在前面的学习中，我们已经掌握了es是什么，同时也把es的服务已经安装启动，那么es是如何去存储数据，数据结构是什么，又是如何实现搜索的呢？ 我们先来聊聊ElasticSearch的相关概念吧！

集群，节点，索引，类型，文档，分片，映射是什么？

关系行数据库和elasticsearch客观的对比

elasticsearch面向文档

Relational DBElasticSearch
数据库(database)索引(indices)
表(tables)types
行(rows)documents
字段(columns)fields

elasticsearch(集群)中可以包含多个索引(数据库)，每个索引中可以包含多个类型(表)，每个类型下又包含多个文档(行)，每个文档中又包含多个字段(列)。

物理设计

elasticsearch在后台把每个索引划分成多个分片，每个分片可以在集群中的不同服务器间迁移！ 一个人就是一个集群！默认的集群名elasticsearch img

逻辑设计

一个索引类型中，包含多个文档，比如说文档1、文档2。当我们索引一篇文档时，可以通过这样的一个顺序找到它：索引>类型>文档ID，通过这个组合我们就能索引到某个具体的文档。 注意：ID不必是整数，实际上它是个字符串。

  1. 文档 之前说elasticsearch是面向文档的，那么就意味着索引和搜索数据的最小单位是文档，elasticsearch中，文档有几个重要属性：
  • 自我包含：一篇文档同时包含字段和对应的值，也就是同时包含 key:value！
  • 可以是层次型的：一个文档中包含自文档，复杂的逻辑实体就是这么来的！（就是一个json对象，fastjson进行自动转换）
  • 灵活的结构：文档不依赖预先定义的模式，我们知道关系型数据库中，要提前定义字段才能使用，在elasticsearch中，对于字段是非常灵活的，有时候，我们可以忽略该字段，或者动态的添加一个新的字段。 尽管我们可以随意的新增或者忽略某个字段，但是，每个字段的类型非常重要，比如一个年龄字段类型，可以是字符串也可以是整形。因为elasticsearch会保存字段和类型之间的映射及其他的设置。这种映射具体到每个映射的每种类型，这也是为什么在elasticsearch中，类型有时候也称为映射类型。
  1. 类型 类型是文档的逻辑容器，就像关系型数据库一样，表格是行的容器。类型中对于字段的定义称为映射，比如name映射为字符串类型。我们说文档是无模式的，它们不需要拥有映射中所定义的所有字段，比如新增一个字段，那么elasticsearch是怎么做的呢？ elasticsearch会自动的将新字段加入映射，但是这个字段的不确定它是什么类型，elasticsearch就开始猜，如果这个值是18，那么elasticsearch会认为它是整形。但是elasticsearch也可能猜不对，所以最安全的方式就是提前定义好所需要的映射，这点跟关系型数据库殊途同归了，先定义好字段，然后再使用，别整什么么蛾子。
  2. 索引（就是数据库） 索引是映射类型的容器，elasticsearch中的索引是一个非常大的文档集合。索引存储了映射类型的字段和其他设置。然后它们被存储到了各个分片上了。我们来研究下分片是如何工作的。

物理设计：节点和分片如何工作

一个集群至少有一个节点，而一个节点就是一个elasricsearch进程，节点可以有多个索引默认的，如果你创建索引，那么索引将会有个5个分片（primary shard，又称主分片）构成的，每一个主分片会有一个副本（replica shard，又称复制分片） img 上图是一个有3个节点的集群，可以看到主分片和对应的复制分片都不会在同一个节点内，这样有利于某个节点挂掉了，数据也不至于丢失。实际上，一个分片是一个Lucene索引，一个包含倒排索引的文件目录，倒排索引的结构使得elasticsearch在不扫描全部文档的情况下，就能告诉你哪些文档包含特定的关键字。不过，等等，倒排索引是什么鬼？

倒排索引（面试题）

elasticsearch使用的是一种称为倒排索引的结构，采用Lucene倒排索作为底层。这种结构适用于快速的全文搜索，一个索引由文档中所有不重复的列表构成，对于每一个词，都有一个包含它的文档列表。例如，现在有两个文档，每个文档包含如下内容：

study every day，good good up to forever #文档1包含的内容To forever，study every day，good good up #文档2包含的内容

为了创建倒排索引，我们首先要将每个文档拆分成独立的词（或称为词条或者tokens），然后创建一个包含所有不重复的词条的排序列表，然后列出每个词条出现在哪个文档：

termdoc_1doc_2
Study有无
To无无
every有有
forever有有
day有有
study无有
good有有
every有有
to有无
up有有

现在，我们试图搜索to forever，只需要查看包含每个词条的文档。权重score

termdoc_1doc_2
to有无
forever有有
total21

两个文档都匹配，但是第一个文档比第二个匹配程度更高。如果没有别的条件，现在，这两个包含关键字的文档都将返回。 再来看一个示例，比如我们通过博客标签来搜索博客文章。那么倒排索引列表就是这样的一个结构： img 如果要搜索含有 python标签的文章，那相对于查找所有原始数据而言，查找倒排索引后的数据将会快的多。只需要查看标签这一栏，然后获取相关的文章ID即可。 elasticsearch的索引和Lucene的索引对比： 在elasticsearch中，索引这个词被频繁使用，这就是术语的使用。在elasticsearch中，索引被分为多个分片，每份分片是一个Lucene的索引。所以一个elasticsearch索引是由多个Lucene索引组成的。别问为什么，谁让elasticsearch使用Lucene作为底层呢！ 如无特指，说起索引都是指elasticsearch的索引。 接下来的一切操作都在kibana中Dev Tools下的Console里完成。基础操作！

七、IK分词器插件

概念

分词：即把一段中文或者别的划分成一个个的关键字，我们在搜索时候会把自己的信息进行分词，会把数据库中或者索引库中的数据进行分词，然后进行一个匹配操作，默认的中文分词是将每个字看成一个词，比如“我爱狂神”会被分为“我””爱”，“狂”，”神”，这显然是不符合要求的，所以我们需要安装中文分词器ik来解决这个问题。 ik提供了两个分词算法：ik_smart和ik_max_word，其中ik_smart为最少切分，ik_max_word为最细粒度划分！一会我们测试！

如果要使用中文，建议使用IK分词器

安装

  1. 下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases
  2. 下载完成之后，解压放在elasticsearch的plugins文件下 img
  3. 重启，观察ES img
  4. 可以通过elasticsearch-plugin这个命令来查看加载进来的插件。 img
  5. 使用kibana测试。（查看不同分词效果） 其中ik_smart为最少切分imgik_max_word为最细粒度划分（穷尽词库）img

当我们输入”超级喜欢狂神说java”，发现问题：狂神说，被拆开了。 这种自己需要的词，需要自己加到我们的分词器的字典中。 img

ik分词器增加自己的配置

img

  1. 自定义配置。

  2. 把自定义配置添加到扩展配置中去。

  3. 重启ES（看细节：如下图）。 img

  4. 重启kibana。

  5. 再次测试下，输入”超级喜欢狂神说java”，看下效果。 img

    以后的话，我们需要自己配置分词就在自己定义的dic文件中进行配置即可！|

八、restful风格说明

一种软件架构风格，而不是标准，只是提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。基于这个风格设计的软件可以更简洁，更有层次，更易于实现缓存等机制。

基本rest说明：

methodurl地址描述
PUTlocalhost:9200/索引名称/类型名称/文档id创建文档（指定文档id）
POSTlocalhost:9200/索引名称/类型名称创建文档（随机文档id）
POSTlocalhost:9200/索引名称/类型名称/文档id/_update修改文档
DELETElocalhost:9200/索引名称/类型名称/文档id删除文档
GETlocalhost:9200/索引名称/类型名称/文档id查询文档通过文档id
POSTlocalhost:9200/索引名称/类型名称/_search查询所有数据

关于索引的基本操作

创建一个索引。

# ElasticSearch的7.x.x版本
PUT /索引名/类型名/文档id
{
    请求体
}


# ElasticSearch的8.x.x版本，类型已经弃用，默认写_doc。
PUT /索引名/_doc/文档id
{
    请求体
}

img

name这个字段需要指定类型吗？需要（毕竟我们关系型数据库是需要指定类型的）

官网类型文档地址：https://www.elastic.co/guide/en/elasticsearch/reference/current/keyword.html
- 字符串类型text、keyword
- 数值类型long，integer，short，byte，double，float，half float，scaled float
- 日期类型date
- 布尔值类型boolean·
- 二进制类型binary
- 等等……

指定字段类型

img 获得这个规则（可以通过GET请求获取具体的信息） img

查看默认信息。

img

如果自己的文档字段没有指定，那么es就会给我们默认配置字段类型！

扩展：通过命令elasticsearch索引情况！（通过get_cat/可以获得es的当前的很多信息！）

GET _cat/health      # 查看健康值GET _cat/indices?v  #查看所有东西的版本信息

img

修改

提交，使用PUT，覆盖（弊端：如果漏掉一个字段，那么字段的值就没了）

img

新的修改方法：使用post提交（7.x.x版本和8.x.x版本提交方式不一样）

7.x.x版本（7.6.1）img

8.x.x版本（8.2.3）img

删除

通过DELETE命令实现删除、根据你的请求来判断是删除索引还是删除文档记录！ 使用RESTFUL风格是我们ES推荐大家使用的！ img

2.关于文档的基本操作（重点）

2.1 基本操作（增删改查回顾）

添加数据
PUT /kuangshen/_doc/1{  "name": "狂神说",  "age": 3,  "desc": "工资2500",  "tags": ["直男","温暖","技术宅"]}
PUT /kuangshen/_doc/2{  "name": "张三",  "age": 30,  "desc": "没有工资",  "tags": ["渣男","旅游","交友"]}

img

查询数据
GET /kuangshen/_doc/1GET /kuangshen/_doc/2
更新 PUT
PUT /kuangshen/_doc/1{  "name": "狂神说123",  "age": 3,  "desc": "工资2500",  "tags": ["直男","温暖","技术宅"]}
更新 POST
POST /kuangshen/_doc/1{ "doc": {  "name": "狂神说123"     }}

2.2 简单操作（条件查询）

// 支持模糊查询GET /kuangshen/_search?q=name:狂神说

img

2.3 复杂操作

（查询select：排序，分页，高亮，模糊查询，精准查询）

imgimg

过滤字段查询

（输出结果，不需要很多）：(我们之后使用java操作es，所有的方法和对象就是这里面的key！)

img

排序查询：

img

分页查询：

（数据索引下标还是从0开始）

GET /kuangshen/_search/{currentPage}/{pageSize} img

布尔值查询：

must （and），所有的条件都要符合 where id=1 and name=xxx img should（or），所有的条件都要符合 where id=1 or name=xxx img must_not (not) img

filter查询过滤：

img

匹配多个条件：

img

精确查询：

（term 查询是直接通过倒排索引指定的词条进程精确的查找的！） 关于分词：

  • term：直接查询精确的。（两种情况：text、keyword）
  • match：会使用分词器解析！（先分析文档，然后在通过分析的文档进行查询！）
  1. 创建数据 img
  2. 分析数据，查看结果 imgimg
  3. 查询数据**（keyword类型的字段不会被分词器解析）** imgimg
多个值匹配精确查询：

img

高亮查询：

img

九、集成SpringBoot

找官方文档 （7.6.x）

https://www.elastic.co/guide/index.html imgimg

1. 找到原生的依赖。

<dependency>    
	<groupId>org.elasticsearch.client</groupId>    
    <artifactId>elasticsearch-rest-high-level-client</artifactId>    
    <version>7.6.2</version>
</dependency>

2. 找对象。

img

RestHighLevelClient client = new RestHighLevelClient(        
    RestClient.builder(                
        new HttpHost("localhost", 9200, "http"),                
        new HttpHost("localhost", 9201, "http")
   	)
);

3. 分析这个类的方法。

类中的方法api

十、集成SpringBoot代码实现（7.6.1）

1.导入依赖

<!--processor-->        
<dependency>            
    <groupId>org.springframework.boot</groupId>            
    <artifactId>spring-boot-configuration-processor</artifactId>            
    <optional>true</optional>        
</dependency>        
<!--lombok-->        
<dependency>            
    <groupId>org.projectlombok</groupId>            
    <artifactId>lombok</artifactId>            
    <optional>true</optional>        
</dependency>        
<!--整合es-->        
<dependency>            
    <groupId>org.springframework.boot</groupId>            
    <artifactId>spring-boot-starter-data-elasticsearch</artifactId>       
</dependency>       
<!--es-->        
<dependency>            
    <groupId>org.elasticsearch.client</groupId>            
    <artifactId>elasticsearch-rest-high-level-client</artifactId>            
    <version>7.6.1</version>        
</dependency>       
<!--fastjson-->        
<dependency>            
    <groupId>com.alibaba</groupId>            
    <artifactId>fastjson</artifactId>            
    <version>1.2.80</version>        
</dependency>

2.配置ElasticSearch

import org.apache.http.HttpHost;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
@Configurationpublic 
class ElasticSearchClientConfig {    
    @Bean    
    public RestHighLevelClient restHighLevelClient(){        
        RestHighLevelClient client = new RestHighLevelClient(                
            RestClient.builder(                        
                new HttpHost("localhost", 9200, "http")));        
        return client;    
    }
}

3.导入bean后，使用。

@SpringBootTestclass 
ElasticSearchApiApplicationTests {    
    @Autowired    
    private RestHighLevelClient restHighLevelClient;
}

十一、具体的api测试

1、创建索引

// 测试索引的创建    
@Test    
void testCreateIndex() throws IOException {        
	// 1.创建索引请求        
	CreateIndexRequest request = new CreateIndexRequest("kuang_index");        
	// 2.执行创建请求，请求后获得响应createIndexResponse       
	CreateIndexResponse createIndexResponse = restHighLevelClient.indices().create(request,RequestOptions.DEFAULT);        
	System.out.println(createIndexResponse);    
}

2、判断索引是否存在

// 测试获取索引，只能判断其是否存在    
@Test    
	void testExistIndex() throws IOException {        
	// 1.创建索引请求        
	GetIndexRequest request = new GetIndexRequest("kuang_index");        
	// 2.获取索引，是否存在        
	boolean exists = restHighLevelClient.indices().exists(request, RequestOptions.DEFAULT);        
	System.out.println(exists);    
}

3、删除索引

// 测试删除索引    
@Test    
	void testDeleteIndex() throws IOException {        
	// 1.创建删除索引请求       
	DeleteIndexRequest request = new DeleteIndexRequest("kuang_index");       
	// 2.获取删除状态        
	AcknowledgedResponse delete = restHighLevelClient.indices().delete(request, RequestOptions.DEFAULT);
    System.out.println(delete.isAcknowledged());    
}

4、添加文档

// 测试添加文档    
@Test    
void testAddDocument() throws IOException {        
    // 1.创建对象       
    User user = new User("狂神说",3);        
    // 2.创建请求        
    IndexRequest request = new IndexRequest("kuang_index");     
    // 3.规则 put /kuang_index/_doc/1       
    request.id("1");       
    request.timeout(TimeValue.timeValueSeconds(1));// 或者 request.timeout("1s");        
    // 4.把数据放入请求 json      
    IndexRequest source = request.source(JSON.toJSONString(user), XContentType.JSON);    
    // 5.客户端发送请求，获取响应结果       
    IndexResponse indexResponse = restHighLevelClient.index(request, RequestOptions.DEFAULT); 
    System.out.println(indexResponse.toString());// 结果的json       
    System.out.println(indexResponse.status());// 对应我们命令返回的状态 created    
}

5、判断文档是否存在

// 获取文档信息，判断是否存在 get /index/_doc/1   
@Test    
void testIsExists() throws IOException {      
    GetRequest getRequest = new GetRequest("kuang_index", "1");        // 不获取返回_source的上下文了   
    getRequest.fetchSourceContext(new FetchSourceContext(false));       
    getRequest.storedFields("_none_");        
    boolean exists = restHighLevelClient.exists(getRequest, RequestOptions.DEFAULT);        
    System.out.println(exists);    
}

6、获取文档的信息

    // 获取文档的信息    
@Test    
void testGetDocument() throws IOException {       
    GetRequest getRequest = new GetRequest("kuang_index", "1");   
    GetResponse getResponse = restHighLevelClient.get(getRequest, RequestOptions.DEFAULT);  
    System.out.println(getResponse.getSourceAsString());// 打印文档的内容        
    System.out.println(getResponse);// 返回的全部内容和密令一样   
}

7、更新文档的信息

// 更新文档的信息    
@Test   
	void testUpdateDocument() throws IOException {        
	UpdateRequest updateRequest = new UpdateRequest("kuang_index", "1");       
    updateRequest.timeout("1s");        
	User user = new User("狂神说Java", 18);      
    updateRequest.doc(JSON.toJSONString(user),XContentType.JSON);        
	UpdateResponse update = restHighLevelClient.update(updateRequest,RequestOptions.DEFAULT);
    System.out.println(update.status());    
}

8、删除文档信息

// 删除文档记录    
@Test    
void testDeleteRequest() throws IOException {        
	DeleteRequest deleteRequest = new DeleteRequest("kuang_index","1");       
    deleteRequest.timeout("1s");        
	DeleteResponse deleteResponse = restHighLevelClient.delete(deleteRequest,RequestOptions.DEFAULT);
    System.out.println(deleteResponse.status());    
}

9、批量插入数据

特殊的，真实的项目一般都会批量插入数据。

// 特殊的，真实的项目一般都会批量插入数据    
@Test    
void testBulkRequest() throws IOException {       
    BulkRequest bulkRequest = new BulkRequest();      
    bulkRequest.timeout("1s");        
    ArrayList<User> users = new ArrayList<>();     
    users.add(new User("kuangshen1",3));       
    users.add(new User("kuangshen2",3));       
    users.add(new User("kuangshen3",3));       
    users.add(new User("qinjiang1",3));        
    users.add(new User("qinjiang1",3));       
    users.add(new User("qinjiang1",3));       
    for (int i = 0; i < users.size(); i++) {            
        bulkRequest.add(new IndexRequest("kuang_index")                    
                        .id(""+(i+1))// 不设置id，则会生成默认id                 
                        .source(JSON.toJSONString(users.get(i)),XContentType.JSON));       
    } 
    BulkResponse bulkResponse = restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT);
    System.out.println(bulkResponse.hasFailures());// 是否失败，返回false代表成功    }

10、查询

// 查询    
// SearchRequest 搜索请求    
// SearchSourceBuilder 条件构造    
// HighlightBuilder 构建高亮    
// TermQueryBuilder精确查询    
// MatchALLQueryBuilder    
// xxx QueryBuilder 对应我们刚才看到的命令！    
@Test    
void testSearch() throws IOException {        
    // 创建请求        
    SearchRequest searchRequest = new SearchRequest("kuang_index");       
    // 构建搜索条件       
    SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();      
    // 查询条件，我们可以使用 QueryBuilders 工具来实现        
    TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", "qinjiang1");// 精确        
    //MatchAllQueryBuilder matchAllQueryBuilder = QueryBuilders.matchAllQuery();// 匹配所有     
    sourceBuilder.query(termQueryBuilder);       
    sourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));      
    searchRequest.source(sourceBuilder);        
    SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);   
    System.out.println(JSON.toJSONString(searchResponse.getHits()));        
    System.out.println("=============");        
    for (SearchHit hit : searchResponse.getHits().getHits()) {            
        System.out.println(hit.getSourceAsMap());        
    }    
}
Last Updated:
Contributors: wqby