ElasticSearchRepository和ElasticSearchTemplate的使用

Spring-data-elasticsearch是Spring提供的操作ElasticSearch的数据层，封装了大量的基础操作，通过它可以很方便的操作ElasticSearch的数据。

版本说明

ElasticSearch目前最新的已到5.5.1

spring data elasticsearchelasticsearch3.0.0.RC15.5.03.0.0.M45.4.02.0.4.RELEASE2.4.02.0.0.RELEASE2.2.01.4.0.M11.7.31.3.0.RELEASE1.5.21.2.0.RELEASE1.4.41.1.0.RELEASE1.3.21.0.0.RELEASE1.1.1

这有一个对应关系，不过不太完整，我目前使用的SpringBoot版本1.5.4对应的spring-data-ElasticSearch是2.1.4，在图上就没有体现。

但是可以预见对应的ElasticSearch应该在2.4.*往上，但应该是不支持5.4.0及以上。

注意：我这篇例子，所使用的ElasticSearch版本就是最新的5.5.1，SpringBoot版本是1.5.4，经初步试验，插入及查询都没问题。估计是5.5.*的新特性之类的会无法使用，基本操作应该都没问题。

ElasticSearchRepository的基本使用

@NoRepositoryBeanpublic interface ElasticsearchRepository<T, ID extends Serializable> extends ElasticsearchCrudRepository<T, ID> {    <S extends T> S index(S var1);    Iterable<T> search(QueryBuilder var1);    Page<T> search(QueryBuilder var1, Pageable var2);    Page<T> search(SearchQuery var1);    Page<T> searchSimilar(T var1, String[] var2, Pageable var3);    void refresh();    Class<T> getEntityClass();}

我们是通过继承ElasticsearchRepository来完成基本的CRUD及分页操作的，和普通的JPA没有什么区别。

ElasticsearchRepository继承了ElasticsearchCrudRepository extends PagingAndSortingRepository.

先看看普通查询：

public interface BookRepository extends Repository<Book, String> {        List<Book> findByNameAndPrice(String name, Integer price);        List<Book> findByNameOrPrice(String name, Integer price);                Page<Book> findByName(String name,Pageable page);        Page<Book> findByNameNot(String name,Pageable page);        Page<Book> findByPriceBetween(int price,Pageable page);        Page<Book> findByNameLike(String name,Pageable page);        @Query("{\"bool\" : {\"must\" : {\"term\" : {\"message\" : \"?0\"}}}}")        Page<Book> findByMessage(String message, Pageable pageable);    }

这个没什么特点，就是普通的JPA查询，这个很熟悉，通过上面的JPA查询就能完成很多的基本操作了。

插入数据也很简单：

@Autowired        private SampleElasticsearchRepository repository;        String documentId = "123456";        SampleEntity sampleEntity = new SampleEntity();        sampleEntity.setId(documentId);        sampleEntity.setMessage("some message");        repository.save(sampleEntity);

还可以批量插入数据：

@Autowired        private SampleElasticsearchRepository repository;        String documentId = "123456";        SampleEntity sampleEntity1 = new SampleEntity();        sampleEntity1.setId(documentId);        sampleEntity1.setMessage("some message");        String documentId2 = "123457"        SampleEntity sampleEntity2 = new SampleEntity();        sampleEntity2.setId(documentId2);        sampleEntity2.setMessage("test message");        List<SampleEntity> sampleEntities = Arrays.asList(sampleEntity1, sampleEntity2);        //bulk index        repository.save(sampleEntities);

特殊情况下，ElasticsearchRepository里面有几个特殊的search方法，这些是ES特有的，和普通的JPA区别的地方，用来构建一些ES查询的。

主要是看QueryBuilder和SearchQuery两个参数，要完成一些特殊查询就主要看构建这两个参数。

我们先来看看它们之间的类关系

从这个关系中可以看到ES的search方法需要的参数SearchQuery是一个接口，有一个实现类叫NativeSearchQuery，实际使用中，我们的主要任务就是构建NativeSearchQuery来完成一些复杂的查询的。

我们可以看到要构建NativeSearchQuery，主要是需要几个构造参数

public NativeSearchQuery(QueryBuilder query, QueryBuilder filter, List<SortBuilder> sorts, Field[] highlightFields) {        this.query = query;        this.filter = filter;        this.sorts = sorts;        this.highlightFields = highlightFields;    }

当然了，我们没必要实现所有的参数。

可以看出来，大概是需要QueryBuilder，filter，和排序的SortBuilder，和高亮的字段。

一般情况下，我们不是直接是new NativeSearchQuery，而是使用NativeSearchQueryBuilder。

通过NativeSearchQueryBuilder.withQuery(QueryBuilder1).withFilter(QueryBuilder2).withSort(SortBuilder1).withXXXX().build();这样的方式来完成NativeSearchQuery的构建。

从名字就能看出来，QueryBuilder主要用来构建查询条件、过滤条件，SortBuilder主要是构建排序。

譬如，我们要查询距离某个位置100米范围内的所有人、并且按照距离远近进行排序：

double lat = 39.929986;        double lon = 116.395645;        Long nowTime = System.currentTimeMillis();        //查询某经纬度100米范围内        GeoDistanceQueryBuilder builder = QueryBuilders.geoDistanceQuery("address").point(lat, lon)                .distance(100, DistanceUnit.METERS);        GeoDistanceSortBuilder sortBuilder = SortBuilders.geoDistanceSort("address")                .point(lat, lon)                .unit(DistanceUnit.METERS)                .order(SortOrder.ASC);        Pageable pageable = new PageRequest(0, 50);        NativeSearchQueryBuilder builder1 = new NativeSearchQueryBuilder().withFilter(builder).withSort(sortBuilder).withPageable(pageable);        SearchQuery searchQuery = builder1.build();

要完成字符串的查询：

SearchQuery searchQuery = new NativeSearchQueryBuilder().withQuery(QueryBuilders.queryStringQuery("spring boot OR 书籍")).build();

要构建QueryBuilder，我们可以使用工具类QueryBuilders，里面有大量的方法用来完成各种各样的QueryBuilder的构建，字符串的、Boolean型的、match的、地理范围的等等。

要构建SortBuilder，可以使用SortBuilders来完成各种排序。

然后就可以通过NativeSearchQueryBuilder来组合这些QueryBuilder和SortBuilder，再组合分页的参数等等，最终就能得到一个SearchQuery了。

至此，我们明白了ElasticSearchRepository里那几个search查询方法需要的参数的含义和构建方式了。

ElasticSearchTemplate的使用

ElasticSearchTemplate更多是对ESRepository的补充，里面提供了一些更底层的方法。

这里主要是一些查询相关的，同样是构建各种SearchQuery条件。

也可以完成add操作

String documentId = "123456";        SampleEntity sampleEntity = new SampleEntity();        sampleEntity.setId(documentId);        sampleEntity.setMessage("some message");        IndexQuery indexQuery = new IndexQueryBuilder().withId(sampleEntity.getId()).withObject(sampleEntity).build();        elasticsearchTemplate.index(indexQuery);

add主要是通过index方法来完成，需要构建一个IndexQuery对象

构建这个对象，主要是设置一下id，就是你的对象的id，Object就是对象本身，indexName和type就是在你的对象javaBean上声明的

其他的字段自行发掘含义，构建完IndexQuery后就可以通过Template的index方法插入了。

template里还有各种deleteIndex，delete，update等方法，用到的时候就查查看吧。

下面讲一个批量插入的方法，我们经常需要往ElasticSearch中插入大量的测试数据来完成测试搜索，一条一条插肯定是不行的，ES提供了批量插入数据的功能——bulk。

前面讲过JPA的save方法也可以save（List）批量插值，但适用于小数据量，要完成超大数据的插入就要用ES自带的bulk了，可以迅速插入百万级的数据。

在ElasticSearchTemplate里也提供了对应的方法

public void bulkIndex(List<IndexQuery> queries) {        BulkRequestBuilder bulkRequest = this.client.prepareBulk();        Iterator var3 = queries.iterator();        while(var3.hasNext()) {            IndexQuery query = (IndexQuery)var3.next();            bulkRequest.add(this.prepareIndex(query));        }        BulkResponse bulkResponse = (BulkResponse)bulkRequest.execute().actionGet();        if (bulkResponse.hasFailures()) {            Map<String, String> failedDocuments = new HashMap();            BulkItemResponse[] var5 = bulkResponse.getItems();            int var6 = var5.length;            for(int var7 = 0; var7 < var6; ++var7) {                BulkItemResponse item = var5[var7];                if (item.isFailed()) {                    failedDocuments.put(item.getId(), item.getFailureMessage());                }            }            throw new ElasticsearchException("Bulk indexing has failures. Use ElasticsearchException.getFailedDocuments() for detailed messages [" + failedDocuments + "]", failedDocuments);        }    }    public void bulkUpdate(List<UpdateQuery> queries) {        BulkRequestBuilder bulkRequest = this.client.prepareBulk();        Iterator var3 = queries.iterator();        while(var3.hasNext()) {            UpdateQuery query = (UpdateQuery)var3.next();            bulkRequest.add(this.prepareUpdate(query));        }        BulkResponse bulkResponse = (BulkResponse)bulkRequest.execute().actionGet();        if (bulkResponse.hasFailures()) {            Map<String, String> failedDocuments = new HashMap();            BulkItemResponse[] var5 = bulkResponse.getItems();            int var6 = var5.length;            for(int var7 = 0; var7 < var6; ++var7) {                BulkItemResponse item = var5[var7];                if (item.isFailed()) {                    failedDocuments.put(item.getId(), item.getFailureMessage());                }            }            throw new ElasticsearchException("Bulk indexing has failures. Use ElasticsearchException.getFailedDocuments() for detailed messages [" + failedDocuments + "]", failedDocuments);        }    }

和index插入单条数据一样，这里需要的是List<IndexQuery>仅此而已，是不是很简单。

public void bulkIndex(List<Person> personList) {        int counter = 0;        try {            if (!elasticsearchTemplate.indexExists(PERSON_INDEX_NAME)) {                elasticsearchTemplate.createIndex(PERSON_INDEX_TYPE);            }            List<IndexQuery> queries = new ArrayList<>();            for (Person person : personList) {                IndexQuery indexQuery = new IndexQuery();                indexQuery.setId(person.getId() + "");                indexQuery.setObject(person);                indexQuery.setIndexName(PERSON_INDEX_NAME);                indexQuery.setType(PERSON_INDEX_TYPE);                //上面的那几步也可以使用IndexQueryBuilder来构建                //IndexQuery index = new IndexQueryBuilder().withId(person.getId() + "").withObject(person).build();                queries.add(indexQuery);                if (counter % 500 == 0) {                    elasticsearchTemplate.bulkIndex(queries);                    queries.clear();                    System.out.println("bulkIndex counter : " + counter);                }                counter++;            }            if (queries.size() > 0) {                elasticsearchTemplate.bulkIndex(queries);            }            System.out.println("bulkIndex completed.");        } catch (Exception e) {            System.out.println("IndexerService.bulkIndex e;" + e.getMessage());            throw e;        }    }

这里是创建了100万个Person对象，每到500就用bulkIndex插入一次，速度飞快，以秒的速度插入了百万数据。

OK，这篇主要是讲一些ElasticSearchRepository和ElasticSearchTemplate的用法，构造QueryBuilder的方式。下一篇用实例来看一下，在百万或者更大量级的数据中查询距离某个坐标100米范围内的所有数据。