分布式搜索引擎elasticsearch专栏一

初识elasticsearch

1.1了解ES

elasticsearch��作用

elasticsearch是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容

例如：

在码云搜索代码
在电商网站搜索商品

在百度搜索答案

1.1.2.ELK技术栈

elasticsearch结合kibana、Logstash、Beats，也就是elastic stack（ELK）。被广泛应用在日志数据分析、实时监控等领域：

而elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。

1.1.3.elasticsearch和lucene

elasticsearch底层是基于lucene来实现的。

Lucene是一个Java语言的搜索引擎类库，是Apache公司的顶级项目，由DougCutting于1999年研发。官网地址：Apache Lucene - Welcome to Apache Lucene 。

elasticsearch的发展历史：

2004年Shay Banon基于Lucene开发了Compass

2010年Shay Banon 重写了Compass，取名为Elasticsearch。

1.1.4.为什么不是其他搜索技术？

目前比较知名的搜索引擎技术排名：

虽然在早期，Apache Solr是最主要的搜索引擎技术，但随着发展elasticsearch已经渐渐超越了Solr，独占鳌头：

1.1.5.总结

什么是elasticsearch？

一个开源的分布式搜索引擎，可以用来实现搜索、日志统计、分析、系统监控等功能

什么是elastic stack（ELK）？

是以elasticsearch为核心的技术栈，包括beats、Logstash、kibana、elasticsearch

什么是Lucene？

是Apache的开源搜索引擎类库，提供了搜索引擎的核心API

1.2.倒排索引

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

那么什么是正向索引呢？例如给下表（tb_goods）中的id创建索引：

如果是根据id查询，那么直接走索引，查询速度非常快。

但如果是基于title做模糊查询，只能是逐行扫描数据，流程如下：

1）用户搜索数据，条件是title符合"%手机%"

2）逐行获取数据，比如id为1的数据

3）判断数据中的title是否符合用户搜索条件

4）如果符合则放入结果集，不符合则丢弃。回到步骤1

逐行扫描，也就是全表扫描，随着数据量增加，其查询效率也会越来越低。当数据量达到数百万时，就是一场灾难。

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，流程如下：

将每一个文档的数据利用算法分词，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，可以给词条创建索引，例如hash表结构索引

如图：

倒排索引的搜索流程如下（以搜索"华为手机"为例）：

1）用户输入条件"华为手机"进行搜索。

2）对用户输入内容分词，得到词条：华为、手机。

3）拿着词条在倒排索引中查找，可以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。

如图：

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，根据词条得到包含词条的文档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.es的一些概念

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：

而Json文档中往往包含很多的字段（Field），类似于数据库中的列。

1.3.2.索引和映射

索引（Index），就是相同类型的文档的***。

例如：

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***，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

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支出：

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

2.索引库操作

索引库就类似数据库表，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“库”和“表”。

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
index：是否创建索引，默认为true
***yzer：使用哪种分词器

properties：该字段的子字段

例如下面的json文档：

{    "age": 21,    "weight": 52.1,    "isMarried": false,    "info": "黑马程序员Java讲师",    "email": "zy@itcast.cn",    "score": [99.1, 99.5, 98.9],    "name": {        "firstName": "云",        "lastName": "赵"    }}

对应的每个字段映射（mapping）：

age：类型为 integer；参与搜索，因此需要index为true；无需分词器
weight：类型为float；参与搜索，因此需要index为true；无需分词器
isMarried：类型为boolean；参与搜索，因此需要index为true；无需分词器
info：类型为字符串，需要分词，因此是text；参与搜索，因此需要index为true；分词器可以用ik_smart
email：类型为字符串，但是不需要分词，因此是keyword；不参与搜索，因此需要index为false；无需分词器
score：虽然是数组，但是我们只看元素的类型，类型为float；参与搜索，因此需要index为true；无需分词器

name：类型为object，需要定义多个子属性

name.firstName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器
name.lastName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器

2.2.索引库的CRUD

这里我们统一使用Kibana编写DSL的方式来演示。

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：

PUT /索引库名称{  "mappings": {    "properties": {      "字段名":{        "type": "text",        "***yzer": "ik_smart"      },      "字段名2":{        "type": "keyword",        "index": "false"      },      "字段名3":{        "properties": {          "子字段": {            "type": "keyword"          }        }      },      // ...略    }  }}

示例：

PUT /kjz{  "mappings": {    "properties": {      "info":{        "type": "text",        "***yzer": "ik_smart"      },      "email":{        "type": "keyword",        "index": "falsae"      },      "name":{        "properties": {          "firstName": {            "type": "keyword"          }        }      },      // ... 略    }  }}

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：

GET /索引库名

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。

语法说明：

PUT /索引库名/_mapping{  "properties": {    "新字段名":{      "type": "integer"    }  }}

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：

DELETE /索引库名

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

添加字段：PUT /索引库名/_mapping

3.文档操作

3.1.新增文档

语法：

POST /索引库名/_doc/文档id{    "字段1": "值1",    "字段2": "值2",    "字段3": {        "子属性1": "值3",        "子属性2": "值4"    },    // ...}

示例：

POST /kjz/_doc/1{    "info": "csdn编程小猹",    "email": "zy@itcast.cn",    "name": {        "firstName": "云",        "lastName": "赵"    }}

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：

GET /{索引库名称}/_doc/{id}

通过kibana查看数据：

GET /kjz/_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：

DELETE /{索引库名}/_doc/id值

示例：

# 根据id删除数据DELETE /kjz/_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

增量修改：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：

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：

PUT /{索引库名}/_doc/文档id{    "字段1": "值1",    "字段2": "值2",    // ... 略}

示例：

PUT /kjz/_doc/1{    "info": "csdn编程小猹",    "email": "zy@kuangjz.cn",    "name": {        "firstName": "云",        "lastName": "赵"    }}

3.4.2.增量修改

增量修改是只修改指定id匹配的文档中的部分字段。

语法：

POST /{索引库名}/_update/文档id{    "doc": {         "字段名": "新的值",    }}

示例：

POST /kjz/_update/1{  "doc": {    "email": "ZhaoYun@kuangjz.cn"  }}

3.5.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 }
增量修改：POST /{索引库名}/_update/文档id { "doc": {字段}}

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：Elasticsearch Clients | Elastic

其中的Java Rest Client又包括两种：

Java Low Level Rest Client

Java High Level Rest Client

我们学习的是Java HighLevel Rest Client客户端API

4.0.Demo工程演示

4.0.1.创建数据库

数据结构如下：

CREATE TABLE `tb_hotel` (  `id` bigint(20) NOT NULL COMMENT '酒店id',  `name` varchar(255) NOT NULL COMMENT '酒店名称；例：7天酒店',  `address` varchar(255) NOT NULL COMMENT '酒店地址；例：航头路',  `price` int(10) NOT NULL COMMENT '酒店价格；例：329',  `score` int(2) NOT NULL COMMENT '酒店评分；例：45，就是4.5分',  `brand` varchar(32) NOT NULL COMMENT '酒店品牌；例：如家',  `city` varchar(32) NOT NULL COMMENT '所在城市；例：上海',  `star_name` varchar(16) DEFAULT NULL COMMENT '酒店星级，从低到高分别是：1星到5星，1钻到5钻',  `business` varchar(255) DEFAULT NULL COMMENT '商圈；例：虹桥',  `latitude` varchar(32) NOT NULL COMMENT '纬度；例：31.2497',  `longitude` varchar(32) NOT NULL COMMENT '经度；例：120.3925',  `pic` varchar(255) DEFAULT NULL COMMENT '酒店图片；例:/img/1.jpg',  PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

4.0.2.mapping映射分析

创建索引库，最关键的是mapping映射，而mapping映射要考虑的信息包括：

字段名
字段数据类型
是否参与搜索
是否需要分词

如果分词，分词器是什么？

其中：

字段名、字段数据类型，可以参考数据表结构的名称和类型
是否参与搜索要分析业务来判断，例如图片地址，就无需参与搜索
是否分词呢要看内容，内容如果是一个整体就无需分词，反之则要分词

分词器，我们可以统一使用ik_max_word

来看下酒店数据的索引库结构:

PUT /hotel{  "mappings": {    "properties": {      "id": {        "type": "keyword"      },      "name":{        "type": "text",        "***yzer": "ik_max_word",        "copy_to": "all"      },      "address":{        "type": "keyword",        "index": false      },      "price":{        "type": "integer"      },      "score":{        "type": "integer"      },      "brand":{        "type": "keyword",        "copy_to": "all"      },      "city":{        "type": "keyword",        "copy_to": "all"      },      "starName":{        "type": "keyword"      },      "business":{        "type": "keyword"      },      "location":{        "type": "geo_point"      },      "pic":{        "type": "keyword",        "index": false      },      "all":{        "type": "text",        "***yzer": "ik_max_word"      }    }  }}

几个特殊字段说明：

location：地理坐标，里面包含经度、纬度

all：一个组合字段，其目的是将多字段的值利用copy_to合并，提供给用户搜索

地理坐标说明：

copy_to说明：

4.0.4.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）引入es的RestHighLevelClient依赖：

    org.elasticsearch.client    elasticsearch-rest-high-level-client

2）因为SpringBoot默认的ES版本是7.6.2，所以我们需要覆盖默认的ES版本：

    1.8    7.12.1

3）初始化RestHighLevelClient：

初始化的代码如下：

RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(        HttpHost.create("http://192.168.150.101:9200")));

这里为了单元测试方便，我们创建一个测试类HotelIndexTest，然后将初始化的代码编写在@BeforeEach方法中：

package com.kjz.hotel;import org.apache.http.HttpHost;import org.elasticsearch.client.RestHighLevelClient;import org.junit.jupiter.api.AfterEach;import org.junit.jupiter.api.BeforeEach;import org.junit.jupiter.api.Test;import java.io.IOException;public class HotelIndexTest {    private RestHighLevelClient client;    @BeforeEach    void setUp() {        this.client = new RestHighLevelClient(RestClient.builder(                HttpHost.create("http://192.168.150.101:9200")        ));    }    @AfterEach    void tearDown() throws IOException {        this.client.close();    }}

4.1.创建索引库

4.1.1.代码解读

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。
2）添加请求参数，其实就是DSL的JSON参数部分。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。

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。

4.1.2.完整示例

创建一个类，定义mapping映射的JSON字符串常量：

package com.kjz.hotel.constants;public class HotelConstants {    public static final String MAPPING_TEMPLATE = "{\n" +            "  \"mappings\": {\n" +            "    \"properties\": {\n" +            "      \"id\": {\n" +            "        \"type\": \"keyword\"\n" +            "      },\n" +            "      \"name\":{\n" +            "        \"type\": \"text\",\n" +            "        \"***yzer\": \"ik_max_word\",\n" +            "        \"copy_to\": \"all\"\n" +            "      },\n" +            "      \"address\":{\n" +            "        \"type\": \"keyword\",\n" +            "        \"index\": false\n" +            "      },\n" +            "      \"price\":{\n" +            "        \"type\": \"integer\"\n" +            "      },\n" +            "      \"score\":{\n" +            "        \"type\": \"integer\"\n" +            "      },\n" +            "      \"brand\":{\n" +            "        \"type\": \"keyword\",\n" +            "        \"copy_to\": \"all\"\n" +            "      },\n" +            "      \"city\":{\n" +            "        \"type\": \"keyword\",\n" +            "        \"copy_to\": \"all\"\n" +            "      },\n" +            "      \"starName\":{\n" +            "        \"type\": \"keyword\"\n" +            "      },\n" +            "      \"business\":{\n" +            "        \"type\": \"keyword\"\n" +            "      },\n" +            "      \"location\":{\n" +            "        \"type\": \"geo_point\"\n" +            "      },\n" +            "      \"pic\":{\n" +            "        \"type\": \"keyword\",\n" +            "        \"index\": false\n" +            "      },\n" +            "      \"all\":{\n" +            "        \"type\": \"text\",\n" +            "        \"***yzer\": \"ik_max_word\"\n" +            "      }\n" +            "    }\n" +            "  }\n" +            "}";}

在hotel-demo中的HotelIndexTest测试类中，编写单元测试，实现创建索引：

@Testvoid createHotelIndex() throws IOException {    // 1.创建Request对象    CreateIndexRequest request = new CreateIndexRequest("hotel");    // 2.准备请求的参数：DSL语句    request.source(MAPPING_TEMPLATE, XContentType.JSON);    // 3.发送请求    client.indices().create(request, RequestOptions.DEFAULT);}

4.2.删除索引库

删除索引库的DSL语句非常简单：

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。依然是三步走：
- 1）创建Request对象。这次是DeleteIndexRequest对象
- 2）准备参数。这里是无参
- 3）发送请求。改用delete方法
  
  在hotel-demo中的HotelIndexTest测试类中，编写单元测试，实现删除索引：
```
@Testvoid testDeleteHotelIndex() throws IOException {    // 1.创建Request对象    DeleteIndexRequest request = new DeleteIndexRequest("hotel");    // 2.发送请求    client.indices().delete(request, RequestOptions.DEFAULT);}
```
  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DSL是：
```
GET /hotel
```
  因此与删除的Java代码流程是类似的。依然是三步走：
  - 1）创建Request对象。这次是GetIndexRequest对象
  - 2）准备参数。这里是无参
  - 3）发送请求。改用exists方法
```
@Testvoid testExistsHotelIndex() throws IOException {    // 1.创建Request对象    GetIndexRequest request = new GetIndexRequest("hotel");    // 2.发送请求    boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);    // 3.输出    System.err.println(exists ? "索引库已经存在！" : "索引库不存在！");}
```
    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DSL（ Create时需要，其它是无参）
    - 发送请求。调用RestHighLevelClient#indices().xxx()方法，xxx是create、exists、delete
      
      5.RestClient操作文档
      
      为了与索引库操作分离，我们再次参加一个测试类，做两件事情：
      - 初始化RestHighLevelClient
      - 我们的酒店数据在数据库，需要利用IHotelService去查询，所以注入这个接口
        
        package com.kjz.hotel;import com.kjz.hotel.pojo.Hotel;import com.kjz.hotel.service.IHotelService;import org.junit.jupiter.api.AfterEach;import org.junit.jupiter.api.BeforeEach;import org.junit.jupiter.api.Test;import org.springframework.beans.factory.annotation.Autowired;import org.springframework.boot.test.context.SpringBootTest;import java.io.IOException;import java.util.List;@SpringBootTestpublic class HotelDocumentTest { @Autowired private IHotelService hotelService; private RestHighLevelClient client; @BeforeEach void setUp() { this.client = new RestHighLevelClient(RestClient.builder( HttpHost.create("http://192.168.150.101:9200") )); } @AfterEach void tearDown() throws IOException { this.client.close(); }}
        
        5.1.新增文档
        
        我们要将数据库的酒店数据查询出来，写入elasticsearch中。
        
        5.1.1.索引库实体类
        
        数据库查询后的结果是一个Hotel类型的对象。结构如下：
        
        @Data@TableName("tb_hotel")public class Hotel { @TableId(type = IdType.INPUT) private Long id; private String name; private String address; private Integer price; private Integer score; private String brand; private String city; private String starName; private String business; private String longitude; private String latitude; private String pic;}
        
        与我们的索引库结构存在差异：
        
        longitude和latitude需要合并为location
        
        因此，我们需要定义一个新的类型，与索引库结构吻合：
        
        package com.kjz.hotel.pojo;import lombok.Data;import lombok.NoArgsConstructor;@Data@NoArgsConstructorpublic class HotelDoc { private Long id; private String name; private String address; private Integer price; private Integer score; private String brand; private String city; private String starName; private String business; private String location; private String pic; public HotelDoc(Hotel hotel) { this.id = hotel.getId(); this.name = hotel.getName(); this.address = hotel.getAddress(); this.price = hotel.getPrice(); this.score = hotel.getScore(); this.brand = hotel.getBrand(); this.city = hotel.getCity(); this.starName = hotel.getStarName(); this.business = hotel.getBusiness(); this.location = hotel.getLatitude() + ", " + hotel.getLongitude(); this.pic = hotel.getPic(); }}
        
        5.1.2.语法说明
        
        新增文档的DSL语句如下：
        
        POST /{索引库名}/_doc/1{ "name": "Jack", "age": 21}
        
        对应的java代码如图：
        
        可以看到与创建索引库类似，同样是三步走：
        
        1）创建Request对象
        
        2）准备请求参数，也就是DSL中的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
        
        我们导入酒店数据，基本流程一致，但是需要考虑几点变化：
        
        酒店数据来自于数据库，我们需要先查询出来，得到hotel对象
        
        hotel对象需要转为HotelDoc对象
        
        HotelDoc需要序列化为json格式
        
        因此，代码整体步骤如下：
        
        1）根据id查询酒店数据Hotel
        
        2）将Hotel封装为HotelDoc
        
        3）将HotelDoc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hotel-demo的HotelDocumentTest测试类中，编写单元测试：
        
        @Testvoid testAddDocument() throws IOException { // 1.根据id查询酒店数据 Hotel hotel = hotelService.getById(61083L); // 2.转换为文档类型 HotelDoc hotelDoc = new HotelDoc(hotel); // 3.将HotelDoc转json String json = JSON.toJSONString(hotelDoc); // 1.准备Request对象 IndexRequest request = new IndexRequest("hotel").id(hotelDoc.getId().toString()); // 2.准备Json文档 request.source(json, XContentType.JSON); // 3.发送请求 client.index(request, RequestOptions.DEFAULT);}
        
        5.2.查询文档
        
        5.2.1.语法说明
        
        查询的DSL语句如下：
        
        GET /hotel/_doc/{id}
        
        非常简单，因此代码大概分两步：
        
        准备Request对象
        
        发送请求
        
        不过查询的目的是得到结果，解析为HotelDoc，因此难点是结果的解析。完整代码如下：
        
        可以看到，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。
        
        与之前类似，也是三步走：
        
        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hotel-demo的HotelDocumentTest测试类中，编写单元测试：
        
        @Testvoid testGetDocumentById() throws IOException { // 1.准备Request GetRequest request = new GetRequest("hotel", "61082"); // 2.发送请求，得到响应 GetResponse response = client.get(request, RequestOptions.DEFAULT); // 3.解析响应结果 String json = response.getSourceAsString(); HotelDoc hotelDoc = JSON.parSEObject(json, HotelDoc.class); System.out.println(hotelDoc);}
        
        5.3.删除文档
        
        删除的DSL为是这样的：
        
        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代码应该依然是三步走：
        
        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
        
        3）发送请求。因为是删除，所以是client.delete()方法
        
        在hotel-demo的HotelDocumentTest测试类中，编写单元测试：
        
        @Testvoid testDeleteDocument() throws IOException { // 1.准备Request DeleteRequest request = new DeleteRequest("hotel", "61083"); // 2.发送请求 client.delete(request, RequestOptions.DEFAULT);}
        
        5.4.修改文档
        
        5.4.1.语法说明
        
        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
        
        增量修改：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，我们主要关注增量修改。
        
        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hotel-demo的HotelDocumentTest测试类中，编写单元测试：
        
        @Testvoid testUpdateDocument() throws IOException { // 1.准备Request UpdateRequest request = new UpdateRequest("hotel", "61083"); // 2.准备请求参数 request.doc( "price", "952", "starName", "四钻" ); // 3.发送请求 client.update(request, RequestOptions.DEFAULT);}
        
        5.5.批量导入文档
        
        案例需求：利用BulkRequest批量将数据库数据导入到索引库中。
        
        步骤如下：
        
        利用mybatis-plus查询酒店数据
        
        将查询到的酒店数据（Hotel）转换为文档类型数据（HotelDoc）
        
        利用JavaRestClient中的BulkRequest批处理，实现批量新增文档
        
        5.5.1.语法说明
        
        批量处理BulkRequest，其本质就是将多个普通的CRUD请求组合在一起发送。
        
        其中提供了一个add方法，用来添加其他请求：
        
        可以看到，能添加的请求包括：
        
        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：
        
        其实还是三步走：
        
        1）创建Request对象。这里是BulkRequest
        
        2）准备参数。批处理的参数，就是其它Request对象，这里就是多个IndexRequest
        
        3）发起请求。这里是批处理，调用的方法为client.bulk()方法
        
        我们在导入酒店数据时，将上述代码改造成for循环处理即可。
        
        5.5.2.完整代码
        
        在hotel-demo的HotelDocumentTest测试类中，编写单元测试：
        
        @Testvoid testBulkRequest() throws IOException { // 批量查询酒店数据 List hotels = hotelService.list(); // 1.创建Request BulkRequest request = new BulkRequest(); // 2.准备参数，添加多个新增的Request for (Hotel hotel : hotels) { // 2.1.转换为文档类型HotelDoc HotelDoc hotelDoc = new HotelDoc(hotel); // 2.2.创建新增文档的Request对象 request.add(new IndexRequest("hotel") .id(hotelDoc.getId().toString()) .source(JSON.toJSONString(hotelDoc), XContentType.JSON)); } // 3.发送请求 client.bulk(request, RequestOptions.DEFAULT);}
        
        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
        
        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
        
        解析结果（Get时需要）