Elasticsearch使用指南
- Create by yster@foxmail.com 2018-7-1
- 官方文档：https://www.elastic.co/guide/cn/elasticsearch/guide/current/index.html
- 23个颇有用的查询示例：https://www.coyee.com/article/10764-23-useful-elasticsearch-example-queries/
前言
ES是什么
ElasticSearch简写ES，ES是一个高扩展、开源的全文检索和分析引擎，它能够准实时地快速存储、搜索、分析海量的数据。javascript
什么是全文检索
全文检索是指计算机索引程序经过扫描文章中的每个词，对每个词创建一个索引，指明该词在文章中出现的次数和位置，当用户查询时，检索程序就根据事先创建的索引进行查找，并将查找的结果反馈给用户的检索方式。这个过程相似于经过字典中的检索字表查字的过程。全文搜索搜索引擎数据库中的数据。php
ES的应用场景
- 一个线上商城系统，用户须要搜索商城上的商品。
在这里你能够用ES存储全部的商品信息和库存信息，用户只须要输入”空调”就能够搜索到他须要搜索到的商品。 - 一个运行的系统须要收集日志，用这些日志来分析、挖掘从而获取系统业务将来的趋势。
你能够用logstash（elk中的一个产品，elasticsearch/logstash/kibana）收集、转换你的日志，并将他们存储到ES中。一旦数据到达ES中，就你能够在里面搜索、运行聚合函数等操做来挖掘任何你感兴趣的信息。 - 若是你有想基于大量数据（数百万甚至数十亿的数据）快速调查、分析而且要将分析结果可视化的需求。
你能够用ES来存储你的数据，用kibana构建自定义的可视化图形、报表，为业务决策提供科学的数据依据。
直白点讲，ES是一个企业级海量数据的搜索引擎，能够理解为是一个企业级的百度搜索，除了搜索以外，ES还能够快速的实现聚合运算。css
ES的存储结构
ES存储结构与MYSQL具备以下对应关系：html
| ES | MYSQLjava |
| 索引 | 数据库 |
| 类型 | 数据表 |
| 文档 | 数据表的一行 |
| 属性 | 数据表的一列 |
第一章：安装
环境：node
Centos7.4系统nginx
Putty远程链接git
1.下载
下载地址去官网啥的复制下来github
wget https://download.elastic.co/elasticsearch/release/org/elasticsearch/distribution/tar/elasticsearch/2.4.1/elasticsearch-2.4.1.tar.gz
2.解压
新手注意下执行目录不要错web
tar -zxvf elasticsearch-2.4.1.tar.gz
3.配置
找到解压后的config文件夹打开elasticsearch.yml
下面贴出个人设置
关键是要打开network.host: 0.0.0.0和http.port: 9200注释，提供web访问
# ======================== Elasticsearch Configuration =========================
#
# NOTE: Elasticsearch comes with reasonable defaults for most settings.
# Before you set out to tweak and tune the configuration, make sure you
# understand what are you trying to accomplish and the consequences.
#
# The primary way of configuring a node is via this file. This template lists
# the most important settings you may want to configure for a production cluster.
#
# Please see the documentation for further information on configuration options:
# <http://www.elastic.co/guide/en/elasticsearch/reference/current/setup-configuration.html>
#
# ---------------------------------- Cluster -----------------------------------
#
# Use a descriptive name for your cluster:
# 集群名称，默认为elasticsearch
cluster.name: my-application
#
# ------------------------------------ Node ------------------------------------
#
# Use a descriptive name for the node:
# 节点名称，es启动时会自动建立节点名称，但你也可进行配置
node.name: node-1
#
# Add custom attributes to the node:
#
# 是否做为主节点，每一个节点均可以被配置成为主节点，默认值为true：
# node.master: true
#
# node.rack: r1
#
# ----------------------------------- Paths ------------------------------------
#
# Path to directory where to store the data (separate multiple locations by comma):
# 分配给当前节点的索引数据所在的位置
# path.data: /path/to/data
#
# Path to log files:
# 日志文件所在位置
# path.logs: /path/to/logs
#
# ----------------------------------- Memory -----------------------------------
#
# Lock the memory on startup:
#
# bootstrap.memory_lock: true
#
# Make sure that the `ES_HEAP_SIZE` environment variable is set to about half the memory
# available on the system and that the owner of the process is allowed to use this limit.
#
# Elasticsearch performs poorly when the system is swapping the memory.
#
# ---------------------------------- Network -----------------------------------
#
# Set the bind address to a specific IP (IPv4 or IPv6):
#
network.host: 0.0.0.0
#
# Set a custom port for HTTP:
#
http.port: 9200
#
# For more information, see the documentation at:
# <http://www.elastic.co/guide/en/elasticsearch/reference/current/modules-network.html>
#
# --------------------------------- Discovery ----------------------------------
#
# Pass an initial list of hosts to perform discovery when new node is started:
# The default list of hosts is ["127.0.0.1", "[::1]"]
#
# discovery.zen.ping.unicast.hosts: ["host1", "host2"]
#
# Prevent the "split brain" by configuring the majority of nodes (total number of nodes / 2 + 1):
#
# discovery.zen.minimum_master_nodes: 3
#
# For more information, see the documentation at:
# <http://www.elastic.co/guide/en/elasticsearch/reference/current/modules-discovery.html>
#
# ---------------------------------- Gateway -----------------------------------
#
# Block initial recovery after a full cluster restart until N nodes are started:
#
# gateway.recover_after_nodes: 3
#
# For more information, see the documentation at:
# <http://www.elastic.co/guide/en/elasticsearch/reference/current/modules-gateway.html>
#
# ---------------------------------- Various -----------------------------------
#
# Disable starting multiple nodes on a single system:
#
# node.max_local_storage_nodes: 1
#
# Require explicit names when deleting indices:
#
# action.destructive_requires_name: true
4.启动
在bin目录下执行命令
1.规范的方式
./elasticsearch -d
2.通用的方式（注意&的语法是为了让程序后台执行，当你Ctrl+C退出时程序依旧运行）
./elasticsearch &
这里应该会报错，提示不能使用root用户启动该服务。
而后你能够新建一个用户admin，并设置elasticsearch解压后的全部文件权限为777，命令行：
useradd admin
chmod -R 777 elasticsearch
su admin
./elasticsearch -d
5.查看内存
执行命令
ps -ef|grep elasticsearch
能够看到在内存为2G的主机上，Elasticsearch的运行内存为 -Xms256m -Xmx1g
7.内存优化
1.最简单的一个方法就是指定ES_HEAP_SIZE环境变量。服务进程在启动时候会读取这个变量，并相应的设置堆的大小。设置命令以下：
export ES_HEAP_SIZE=1g
2.咱们能够在启动程序时限制内存大小，不过这个方法并非每一个状况均可以成功的，命令行以下
./elasticsearch -Xms256m -Xmx256m -d
备注: 确保Xmx和Xms的大小是相同的，其目的是为了可以在java垃圾回收机制清理完堆区后不须要从新分隔计算堆区的大小而浪费资源，能够减轻伸缩堆大小带来的压力。 通常来讲设置ES_HEAP_SIZE环境变量，比直接写-Xmx10g -Xms10g更好一点。
6.访问网页
由于开启了http访问，并设置能够远程链接，因此咱们直接请求网址便可：
http://你的服务器IP:9200
网页响应内容
{
"name": "node-1",
"cluster_name": "my-application",
"cluster_uuid": "zrghL-WiQzeVE4rlX0WUAg",
"version": { "number": "2.4.1", "build_hash": "c67dc32e24162035d18d6fe1e952c4cbcbe79d16", "build_timestamp": "2016-09-27T18:57:55Z", "build_snapshot": false, "lucene_version": "5.5.2" },
"tagline": "You Know, for Search" }
安装成功！
7.可视化插件
利用在bin目录下提供的plugin插件安装head，实现web可视化
注意目录：
./bin/plugin install mobz/elasticsearch-head
安装完后访问
http://你的服务器IP:9200/_plugin/head/
出现
第二章：查询
1.多索引
Elasticsearch容许咱们搜索存在于全部索引或一些特定索引中的文档。 例如，若是咱们须要搜索名称包含central的全部文档。注意此时的URL无索引
GET http://localhost:9200/_search?q = name:central
响应
{
"took": 78,
"timed_out": false,
"_shards": { "total": 10, "successful": 10, "failed": 0 },
"hits": { "total": 1, "max_score": 0.19178301, "hits": [ { "_index": "schools", "_type": "school", "_id": "1", "_score": 0.19178301, "_source": { "name": "Central School", "description": "CBSE Affiliation", "street": "Nagan", "city": "paprola", "state": "HP", "zip": "176115", "location": [ 31.8955385, 76.8380405 ], "fees": 2000, "tags": [ "Senior Secondary", "beautiful campus" ], "rating": "3.5" } } ] } }
或者，一样地咱们能够在schools，schools_gov索引中搜索 -
2.多类型
还能够在全部类型或某种指定类型的索引中搜索全部文档。 例如，注意此时的URL无类型
Get http://localhost:9200/schools/_search?q = tags:sports
响应
{
"took": 16,
"timed_out": false,
"_shards": { "total": 5, "successful": 5, "failed": 0 },
"hits": { "total": 1, "max_score": 0.5, "hits": [ { "_index": "schools", "_type": "school", "_id": "2", "_score": 0.5, "_source": { "name": "Saint Paul School", "description": "ICSE Afiliation", "street": "Dawarka", "city": "Delhi", "state": "Delhi", "zip": "110075", "location": [ 28.5733056, 77.0122136 ], "fees": 5000, "tags": [ "Good Faculty", "Great Sports" ], "rating": "4.5" } } ] } }
3.URI搜索
以下这些参数可使用统一资源标识符在搜索操做中传递 -
| 编号 | 参数 | 说明 |
|---|---|---|
| 1 | Q | 此参数用于指定查询字符串。 |
| 2 | lenient | 基于格式的错误能够经过将此参数设置为true来忽略。默认状况下为false。 |
| 3 | fields | 此参数用于在响应中选择返回字段。 |
| 4 | sort | 能够经过使用这个参数得到排序结果，这个参数的可能值是fieldName，fieldName:asc和fieldname:desc |
| 5 | timeout | 使用此参数限定搜索时间，响应只包含指定时间内的匹配。默认状况下，无超时。 |
| 6 | terminate_after | 能够将响应限制为每一个分片的指定数量的文档，当到达这个数量之后，查询将提早终止。 默认状况下不设置terminate_after。 |
| 7 | 从命中的索引开始返回。默认值为0。 |
|
| 8 | size | 它表示要返回的命中数。默认值为10。 |
4.请求正文搜索
还能够在请求正文中使用查询DSL来指定查询，而且在前面的章节中已经给出了不少示例，
POST http://localhost:9200/schools/_search
请求正文
{
"query":{
"query_string":{
"query":"up"
}
}
}
JSON
响应
……………………………………………….
{
"_source":{
"name":"City School", "description":"ICSE", "street":"West End",
"city":"Meerut", "state":"UP", "zip":"250002", "location":[28.9926174, 77.692485],
"fees":3500, "tags":["Well equipped labs"],"rating":"4.5"
}
}
……………………………………………….
第三章：搜索
1.短语匹配
短语匹配用来解决准确匹配问题，例如匹配“头痛”不会出现“头晕”等近似词。
GET /my_index/my_type/_search
{
"query": {
"match_phrase": {
"title": "quick brown fox"
}
}
}
或者
"match": {
"title": {
"query": "quick brown fox",
"type": "phrase"
}
}
2.提升精度
使用"operator": "and"提升精度或者 "minimum_should_match": "90%" 控制精度
symptom：属性，query：查询词语
{
"query": {
"match": {
"symptom": {
"query": "Love You",
//"operator": "and",
"minimum_should_match": "90%"
}
}
}
}
3.组合查询
使用组合查询短语匹配含有symptom属性为“头痛”，“恶心”这两个词语的文档。match_phrase短语匹配
{
"query": { "bool": { "must": { "match_phrase": { "symptom": "头痛" }}, "must": { "match_phrase": { "symptom": "恶心" }} } } }
4.提升权重
boost 参数被用来提高一个语句的相对权重（ boost 值大于 1 ）或下降相对权重（ boost值处于 0 到 1 之间），可是这种提高或下降并非线性的，换句话说，若是一个 boost 值为 2 ，并不能得到两倍的评分 _score 。
相反，新的评分 _score 会在应用权重提高以后被 归一化 ，每种类型的查询都有本身的归一算法，细节超出了本书的范围，因此不做介绍。简单的说，更高的 boost 值为咱们带来更高的评分 _score 。
{
"query": { "bool": { "should": { "match": { "symptom": { "query": "头痛", "type": "phrase", "boost": 3 } } }, "should": { "match": { "symptom": { "query": "恶心", "type": "phrase", "boost": 2 } } } } } }
5.分页
size
显示应该返回的结果数量，默认是 10
from
显示应该跳过的初始结果数量，默认是 0
若是每页展现 5 条结果，能够用下面方式请求获得 1 到 3 页的结果：
GET /_search?size=5
GET /_search?size=5&from=5
GET /_search?size=5&from=10
6.指定返回属性
只返回查询文档的name和sysptom属性。
{
"query": {
...
},
"_source": [
"name",
"symptom"
],
}
7.高亮搜索
{
"query": { "bool": { "must": { "match": { "symptom": { "query": "恶心", "minimum_should_match": "100%" } } } } },
"highlight": { "fields": { "symptom": {} } } }
第四章：SpringBoot
Spring Boot默认支持两种技术来和ES交互，一种是Spring Data，一种是JEST（默认不生效）
1.SpringData
环境：IDEA+Spring Boot 1.5.13
首先明确elasticsearch的版本变化很是大，因此spring-boot-data-elasticsearch也针对不一样版本写了不一样的集成，具体的版本适配能够参考官方示例https://github.com/spring-projects/spring-data-elasticsearch，引用官方示例以下：
Add the Maven dependency:（增长Maven的依赖）
<dependency>
<groupId>org.springframework.data</groupId>
<artifactId>spring-data-elasticsearch</artifactId>
<version>x.y.z.RELEASE</version>
</dependency>
If you’d rather like the latest snapshots of the upcoming major version, use our Maven snapshot repository and declare the appropriate dependency version.（若是您但愿得到即将发布的主要版本的最新快照，请使用咱们的Maven快照存储库并声明适当的依赖版本。）
<dependency>
<groupId>org.springframework.data</groupId>
<artifactId>spring-data-elasticsearch</artifactId>
<version>x.y.z.BUILD-SNAPSHOT</version>
</dependency>
<repository>
<id>spring-libs-snapshot</id>
<name>Spring Snapshot Repository</name>
<url>http://repo.spring.io/libs-snapshot</url>
</repository>
| spring data elasticsearch | elasticsearch |
|---|---|
| 3.1.x | 6.2.2 |
| 3.0.x | 5.5.0 |
| 2.1.x | 2.4.0 |
| 2.0.x | 2.2.0 |
| 1.3.x | 1.5.2 |
好比个人Spring Boot项目为1.5.13.RELEASE，在IDEA左侧能够查看到elasticsearch的版本
那我能够找到最接近的2.1.x对应的elasticsearch版本为2.4，咱们这个项目使用的是2.4.1彻底ok没问题。
那咱们在application.yml配置一下服务器的elasticsearch地址：
spring:
data:
elasticsearch:
cluster-name: my-application
cluster-nodes: 服务器Ip:9300
cluster-name能够在访问9200端口时查看到。
而后咱们启动项目测试一下，出现如图所示，-测试没问题。
2.依赖冲突
在实际项目中，咱们基本都须要其余spring data 依赖，这时候启动elasticsearch就会报错，好比：
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-neo4j</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-jpa</artifactId>
</dependency>
再次启动程序，报错：
Caused by: java.lang.NoSuchFieldError: LUCENE_5_3_1
at org.elasticsearch.Version.<clinit>(Version.java:279) ~[elasticsearch-2.4.6.jar:2.4.6]
at org.elasticsearch.client.transport.TransportClient$Builder.build(TransportClient.java:131) ~[elasticsearch-2.4.6.jar:2.4.6]
咱们单独启动时正确，添加其它依赖后报错，错误确定是依赖的缘由了。
咱们点击挑战到Version.java:279查看他的源代码：
public static final Version V_2_1_0 = new Version(V_2_1_0_ID, false, org.apache.lucene.util.Version.LUCENE_5_3_1);
也就是说elasticsearch-2.1.0适配LUCENE-5.3.1，而咱们的elasticsearch是2.4.6，继续查看源代码：
public static final Version V_2_4_6 = new Version(V_2_4_6_ID, false, org.apache.lucene.util.Version.LUCENE_5_5_4);
因此咱们须要LUCENE-5.5.4版本的依赖。
解决方法就是在pom.xml中导入依赖便可：
<dependency>
<groupId>org.apache.lucene</groupId>
<artifactId>lucene-core</artifactId>
<version>5.5.4</version>
</dependency>
2.入门
A default implementation of ElasticsearchRepository, aligning to the generic Repository Interfaces, is provided. Spring can do the Repository implementation for you depending on method names in the interface definition.（提供了一个与通用存储库接口一致的ElasticsearchRepository的默认实现。Spring能够根据接口定义中的方法名为您实现存储库。 ）
— 来自官方github
实现Elasticsearch的增删改查就像咱们使用Spring data jpa同样简单快捷。
第一步，咱们先建立一个实体类用于测试。
@Document(indexName = "library",type = "book") //indexName索引名称，type类别
public class Book {
private int id;
private String name;
private String anthony;
....
}
第二步，新建新建ElasticsearchRepository接口。
@Repository
public interface BookRepository extends ElasticsearchRepository<Book,Integer> {
Book findAllByName(String name);
}
第三步，测试。
@RunWith(SpringRunner.class)
@SpringBootTest
public class RobotsApplicationTests {
@Autowired
BookRepository bookRepository;
@Test
public void contextLoads() {
Book book = new Book("《西游记后传》","小白龙",1);
bookRepository.index(book); //保存
Book name = bookRepository.findAllByName("西游记"); //查找
System.out.println(name);
}
}
查看打印：
Book{id=1, name='《西游记后传》', anthony='小白龙'}
第五章：JEST
JEST默认不生效，须要咱们导入依赖，JEST使用9200端口经过HTTP访问ES。
1.导入依赖
<!-- JEST方式 -->
<dependency>
<groupId>io.searchbox</groupId>
<artifactId>jest</artifactId>
<version>1.0.3</version>
</dependency>
<dependency>
<groupId>com.sun.jna</groupId>
<artifactId>jna</artifactId>
<version>3.0.9</version>
</dependency>
2.配置
spring:
elasticsearch:
jest:
uris: http://123.206.46.157:9200
username: elastic
password: changeme
read-timeout: 5000
connection-timeout: 5000
3.实体类
public class Book {
private int id;
private String name;
private String anthony;
.....
}
4.保存
@Autowired
private JestClient jestClient;
@Test
public void contextLoads() {
Book book = new Book("《西游记后传》","小白龙",120);
//构建一个索引功能 参数为路径.../library/old/1
Index index = new Index.Builder(book).index("library").type("old").id("3").build();
try {
//执行保存
jestClient.execute(index);
} catch (IOException e) {
e.printStackTrace();
}
}
5.查询
此处的query语句参考前面讲过的各类搜索方式。
String query = "{" +
" \"query\" : {" +
" \"match\" : {" +
" \"name\" : \"西游\"" +
" }" +
" }" +
"}";
Search search = new Search.Builder(query).addIndex("library").addType("old").build();
try {
SearchResult result = jestClient.execute(search);
System.out.println(result.getJsonString());
} catch (IOException e) {
e.printStackTrace();
}
我的以为：JEST查询的不一样与优点是能够获取所有的返回信息。
第六章：Repository
1.查询
在ElasticsearchRepository中咱们可使用Not Add Like Or Between等关键词自动建立查询语句。
如官方示例：
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);
}
关键字
| 关键字 | 使用示例 | 等同于的ES查询 |
|---|---|---|
| And | findByNameAndPrice | {“bool” : {“must” : [ {“field” : {“name” : “?”}}, {“field” : {“price” : “?”}} ]}} |
| Or | findByNameOrPrice | {“bool” : {“should” : [ {“field” : {“name” : “?”}}, {“field” : {“price” : “?”}} ]}} |
| Is | findByName | {“bool” : {“must” : {“field” : {“name” : “?”}}}} |
| Not | findByNameNot | {“bool” : {“must_not” : {“field” : {“name” : “?”}}}} |
| Between | findByPriceBetween | {“bool” : {“must” : {“range” : {“price” : {“from” : ?,”to” : ?,”include_lower” : true,”include_upper” : true}}}}} |
| LessThanEqual | findByPriceLessThan | {“bool” : {“must” : {“range” : {“price” : {“from” : null,”to” : ?,”include_lower” : true,”include_upper” : true}}}}} |
| GreaterThanEqual | findByPriceGreaterThan | {“bool” : {“must” : {“range” : {“price” : {“from” : ?,”to” : null,”include_lower” : true,”include_upper” : true}}}}} |
| Before | findByPriceBefore | {“bool” : {“must” : {“range” : {“price” : {“from” : null,”to” : ?,”include_lower” : true,”include_upper” : true}}}}} |
| After | findByPriceAfter | {“bool” : {“must” : {“range” : {“price” : {“from” : ?,”to” : null,”include_lower” : true,”include_upper” : true}}}}} |
| Like | findByNameLike | {“bool” : {“must” : {“field” : {“name” : {“query” : “? *”,”analyze_wildcard” : true}}}}} |
| StartingWith | findByNameStartingWith | {“bool” : {“must” : {“field” : {“name” : {“query” : “? *”,”analyze_wildcard” : true}}}}} |
| EndingWith | findByNameEndingWith | {“bool” : {“must” : {“field” : {“name” : {“query” : “*?”,”analyze_wildcard” : true}}}}} |
| Contains/Containing | findByNameContaining | {“bool” : {“must” : {“field” : {“name” : {“query” : “?”,”analyze_wildcard” : true}}}}} |
| In | findByNameIn(Collectionnames) | {“bool” : {“must” : {“bool” : {“should” : [ {“field” : {“name” : “?”}}, {“field” : {“name” : “?”}} ]}}}} |
| NotIn | findByNameNotIn(Collectionnames) | {“bool” : {“must_not” : {“bool” : {“should” : {“field” : {“name” : “?”}}}}}} |
| True | findByAvailableTrue | {“bool” : {“must” : {“field” : {“available” : true}}}} |
| False | findByAvailableFalse | {“bool” : {“must” : {“field” : {“available” : false}}}} |
| OrderBy | findByAvailableTrueOrderByNameDesc | {“sort” : [{ “name” : {“order” : “desc”} }],”bool” : {“must” : {“field” : {“available” : true}}}} |
2.保存
@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);
3.更新
要作到这一点，只需使用相同的ID保存该对象性便可。
Book name = bookRepository.findAllById(100);
name.setAnthony("吴承恩"); //改变
bookRepository.save(name); //保存，此时ID不变
name = bookRepository.findAllById(100); //再次查找
System.out.println(name);
4.删除
bookRepository.delete(1);
到此，Repository实现增删改查完成！
第七章：模板
上面咱们使用了Spring data Jpa去实现增删改查等操做，下面的方式是经过ElasticsearchTemplate模板结合Query实现保存与查找。
1.增长
IndexQuery的做用是保存对象到elasticsearch。用法以下。
@Autowired
private ElasticsearchTemplate elasticsearchTemplate;
Book book = new Book("《西游记后传》", "小白龙", 100);
IndexQuery indexQuery = new IndexQueryBuilder()
.withIndexName("library")
.withType("book")
.withId(book.getId()+"")
.withObject(book) //对象或集合
.build();
elasticsearchTemplate.index(indexQuery);
2.删除
//第一种删除具体的一条记录
elasticsearchTemplate.delete("library","book",100+"");
//第二种删除indexName/type/下的全部
DeleteQuery deleteQuery = new DeleteQuery();
deleteQuery.setIndex("library");
deleteQuery.setType("book");
elasticsearchTemplate.delete(deleteQuery);
//第三种删除indexName/下的全部
elasticsearchTemplate.deleteIndex("library");
//第四种删除查询出来的全部
deleteQuery = new DeleteQuery();
deleteQuery.setQuery(QueryBuilders.matchQuery("id","100"));
elasticsearchTemplate.delete(deleteQuery);
3.更新
Book book = new Book("《西游记后传》", "猪八戒", 100);
UpdateQuery updateQuery = new UpdateQueryBuilder()
.withIndexName("library")
.withType("book")
.withId(book.getId()+"")
.build();
elasticsearchTemplate.update(updateQuery);
4.查询
查询不一样于前面几个，查询比较复杂，好比模糊查询，组合查询，准确查询等。这些变化来源于不一样的QueryBuilder，查询的模板是相同的。以下：
@Autowired
private ElasticsearchTemplate elasticsearchTemplate;
Sort sort = new Sort(Sort.Direction.DESC, "id");//以id值为准 降序排列，ASC为升序
Pageable pageable = new PageRequest(0, 10, sort);//查看第0页，以每页10条划分
SearchQuery searchQuery = new NativeSearchQueryBuilder()
.withQuery(QueryBuilders.matchAllQuery()) // 自定义查询（这是不一样的地方）
.withPageable(pageable) // 自定义分页
.build();
Page<Book> sampleEntities = elasticsearchTemplate.queryForPage(searchQuery,Book.class);
System.out.println("页数" + sampleEntities.getTotalPages());
System.out.println("行数" + sampleEntities.getTotalElements());
System.out.println("大小" + sampleEntities.getSize());
System.out.println("当前第几页" + sampleEntities.getNumber());
System.out.println("当前页的数量"+sampleEntities.getNumberOfElements());
System.out.println("List<Book>:"+sampleEntities.getContent());
其它条件查询下面讲解！
第八章：术语
为何要在插一节术语？是由于官方注释比较晦涩，为了方便下面的阅读，能够先了解下，若是已了解请跳过。
Analysis（分析）
分析的过程就是将全文（full text）转换成 术语／分词（terms）。 这取决于使用那个分析器,这些短语:“FOO BAR”, “Foo-Bar”, “foo,bar”，可能会拆分红” foo”和“bar”。这些拆分后的词其实是存储在索引中。一个完整的文本查询(而不是一个分词查询) “FoO:bAR”，将被分解成 “foo”,“bar”,来匹配存储在索引中的分词。正是这一过程的分析(包括在索引时间和搜索时间),容许elasticsearch执行全文查询。
Cluster （集群）
一个集群包含一个或多个分配了相同的集群名称的节点。每一个集群都有一个主节点是集群自动选择产生,而且能够决定若是当前主节点失败，哪些能够替换。
Document（文档）
文档是存储在elasticsearch中的一个JSON文件。这是至关与关系数据库中表的一行数据。每一个文档被存储在索引中，并具备一个类型和一个id。一个文档是一个JSON对象（也被称为在其余语言中的 hash / hashmap / associative array（关联数组）），其中包含零个或多个字段 或者 键值对。原始JSON文档将被存储在索引的_source字段，在得到（getting）或者 搜索（searching）默认的返回时，获得或搜索文档。
Id（标识）
每一个文档ID标识了一个文档。一个文档的索引/类型/ ID必须是惟一的。若是没有提供ID，将是自动生成。（还能够看到路由）
Field（字段）
文档中包含的一组字段或键值对。字段的值能够是一个简单的（标量）值（如字符串，整数，日期），或者一个嵌套的结构就像一个数组或对象。一个字段就是相似关系数据库表中的一列。映射的每一个字段有一个字段的类型“type”（不要与文档类型混淆），表示那种类型的数据能够存储在该字段里，如：整数，字符串，对象。映射还容许你定义（除其余事项外）一个字段的值如何进行分析。
Index（索引）
索引就是像关系数据库中的“数据库”。经过映射能够定义成多种类型。索引是一个逻辑命名空间映射到一个或多个主要的分片，能够有零个或多个副本分片。
Mapping（映射）
映射是像关系数据库中的”模式定义“。每一个索引都有一个映射，它定义了每一个索引的类型，再加上一些索引范围的设置。映射能够被明确地定义，或者在一个文档被索引的时候自动生成。
Node（节点）
节点是属于elasticsearch群集的运行实例。测试的时候，在一台服务器能够启动多个节点，但一般状况下应该在一台服务器运行一个节点。在启动时，节点将使用单播（或组播，可是必须指定）来发现使用相同的群集名称的群集，并会尝试加入该群集。
Primary shard（主分片）
每一个文档都存储在一个主要分片上。当你索引一个文档时，索引首先生成在主分片上，而后才到主分片的全部副本上。默认状况下，索引有5个主分片。您能够指定更多或更少的主分片来适应索引能够处理的文档数。一旦建立了索引，就不能改变索引中主分片的数量。
Replica shard（副本分片）
每一个主分片能够有零个或多个副本。副本是主分片的一个拷贝，有两个做用：
一、故障转移：若是主分片有问题，副本分片能够提高为主分片；
二、提升性能：获取和搜索请求能够处理主分片或副本分片。
默认状况下，每一个主分片有一个副本，不过索引的副本数量能够动态地改变。在同一个节点上，一个副本分片将永远不会和其主分片一块儿运行。
Routing（路由）
当你索引一个文档，它是存储在一个主分片里。这分片的选择是经过哈希的路由值。默认状况下，路由值来自文档的ID；若是该文档指定了父文档，则使用父文档的ID（以确保这个子文档和父文件都存储在相同的分片上）。这个路由值能够在索引的时候，经过指定数值或者配置字段映射来覆盖。
Shard（分片）
一个分片是一个单一的Lucene的实例。这是一个低级别的经过ElasticSearch自动管理的“工做者”单元。索引是一个逻辑命名空间指向主分片和副本分片。索引的主分片和副本分片的数量须要明确的指定。然而你的代码应该只处理一个索引。Elasticsearch分配集群中全部节点的分片。在节点出现故障或增长新节点的时候，能够自动的将一个节点上的分片移动到另外一个节点上。
Source field（源字段）
默认状况下，你的JSON文档将被索引存储在_source字段里面，全部的get（获取）和search（搜索）请求将返回的该字段。这将容许你直接从搜索结果中访问到源数据，而不须要再次发起请求检索。
注：索引将返回完整的的JSON字符串给你，即便它包含无效的JSON。此字段里的内容不表示任何该对象里面的数据如何被索引。
Term（术语）
在elasticsearch里，术语(term)是一个被索引的精确值。术语 foo, Foo,FOO 是不想等的。术语（即精确值）可使用“term”查询接口来查询。
Text(文本)
文本（或全文）是普通非结构化的文本，如本段。默认状况下，文本将被分析成术语，术语才是实际存储在索引中。文本字段在索引时须要进行分析，以便全文搜索，全文查询的关键字在搜索时，必须分析产生（搜索）与索引时相同的术语。
Type(类型)
Type是至关于关系数据库中的“表”。每种类型都有一列字段，用来定义文档的类型。映射定义了对在文档中的每一个字段如何进行分析。
第九章：构建查询
上面只是模糊的讲了查询模板，如今来仔细说说查询！
首先你要明白QueryBuilder系列（MatchAllQueryBuilder.class，FuzzyQueryBuilder.class等）是什么？
它们是具体的查询实现类，它们是QueryBuilders抽象类的子类并实现了BoostableQueryBuilder<>接口。
而QueryBuilders的主要做用就是提供了静态方法去建立一个子类的对象，方便QueryBuilder的构建与管理。
咱们从源码的角度去分析它的一些方法！
匹配全部文档的查询。
matchAllQuery()
为提供的字段名和文本建立类型为“BOOLEAN”的匹配查询。(解释过来就是单个匹配，能够模糊匹配)
matchQuery(String name, Object text) //name 字段值 ，text 查询文本（不支持通配符）
为提供的字段名和文本建立一个通用查询。
commonTermsQuery(String name, Object text)
为提供的字段名和文本建立类型为“BOOLEAN”的匹配查询。
multiMatchQuery(Object text, String... fieldNames)
为提供的字段名和文本建立一个文本查询，并输入“短句”。
matchPhraseQuery(String name, Object text)
为提供的字段名和文本建立一个与类型“PHRASE_PREFIX”匹配的查询。
matchPhrasePrefixQuery(String name, Object text)
匹配包含术语的文档的查询。
termQuery(String name, Object value)
使用模糊查询匹配文档的查询
fuzzyQuery(String name, Object value)
与包含指定前缀的术语的文档相匹配的查询。
prefixQuery(String name, String prefix)
在必定范围内匹配文档的查询。
rangeQuery(String name)
实现通配符搜索查询。支持的通配符是*，它匹配任何字符序列(包括空字符)，而?它匹配任何单个字符。注意，这个查询可能很慢，由于它须要遍历许多项。为了防止异常缓慢的通配符查询，通配符项不该该以一个通配符*或?开头。
wildcardQuery(String name, String query) //query 通配符查询字符串
将包含术语的文档与指定的正则表达式匹配的查询
regexpQuery(String name, String regexp) //regexp的正则表达式
解析查询字符串并运行它的查询。有两种模式。第一,当没有字段添加(使用QueryStringQueryBuilder.field(字符串),将运行查询一次,非前缀字段将使用QueryStringQueryBuilder.defaultField(字符串)。第二,当一个或多个字段添加(使用QueryStringQueryBuilder.field(String)),将运行提供的解析查询字段,并结合使用DisMax或普通的布尔查询(参见QueryStringQueryBuilder.useDisMax(布尔))。
queryStringQuery(String queryString)
相似于query_string查询的查询，但不会为任何奇怪的字符串语法抛出异常。
simpleQueryStringQuery(String queryString)
可使用BoostingQuery类来有效地降级与给定查询匹配的结果。
boostingQuery()
匹配与其余查询的布尔组合匹配的文档的查询
boolQuery()
建立一个可用于实现MultiTermQueryBuilder的子查询的SpanQueryBuilder。
spanMultiTermQueryBuilder(MultiTermQueryBuilder multiTermQueryBuilder)
容许定义自定义得分函数的查询。
functionScoreQuery(QueryBuilder queryBuilder, ScoreFunctionBuilder function)
更像这样的查询，查找“like”提供的文档，例如提供的MoreLikeThisQueryBuilder.likeText(String)，它是针对查询所构造的字段进行检查的
moreLikeThisQuery(String... fields)
构造一个新的非计分子查询，包含子类型和要在子文档上运行的查询。这个查询的结果是这些子文档匹配的父文档。
hasChildQuery(String type, QueryBuilder query)
构造一个新的非评分父查询，父类型和在父文档上运行的查询。这个查询的结果是父文档匹配的子文档。
hasParentQuery(String type, QueryBuilder query)
基于对其中任何一个项进行匹配的若干项的字段文件
termsQuery(String name, String... values)
一个查询构建器，它容许构建给定JSON字符串或二进制数据做为输入的查询。当您但愿使用Java Builder API，但仍然须要将JSON查询字符串与其余查询构建器结合时，这是很是有用的。
wrapperQuery(String source)
这些都是官方提供的注释，有些晦涩难懂，还有不少，我这里不一一列举。
只须要明确一点，咱们使用上述静态方法只是为了方便建立QueryBuilder系列对象。
第十章：条件查询
咱们调用QueryBuilders 的静态方法建立完具体的QueryBuilder对象以后，传入.withQuery(QueryBuilder)方法就能够实现的自定义查询。
1.彻底匹配
MatchQueryBuilder queryBuilder = QueryBuilders.matchQuery("字段名", "查询文本");
2.短语匹配
好比你要查询短语Love You，当你使用QueryBuilders.matchQuery("name", "Love You")时，可能会查询到Love And You这样分开的结果，这时候咱们指定为短语进行查询：
QueryBuilder queryBuilder = QueryBuilders.matchPhraseQuery("name", "Love You");
3.模糊匹配
MoreLikeThisQueryBuilder queryBuilder = QueryBuilders
.moreLikeThisQuery("name")// 要匹配的字段, 不填默认_all
.like("西游")// 匹配的文本
.minTermFreq(1);// 文本最少出现的次数（默认是2，咱们设为1）
咱们再从源码去看其它方法
添加一些文本以查找“相似”的文档
addLikeText(String... likeTexts)
查找相似文档
like(Item... likeItems)
设置不从其中选择（好比咱们调用.like("西游").unlike("西游记")这样会致使啥也查不到）
unlike(String... unlikeTexts)
添加一些文本以查找与此不一样的文档
addUnlikeText(String... unlikeTexts)
设置将包含在任何生成查询中的查询条件的最大数量。默认25
maxQueryTerms(int maxQueryTerms)
设置单词被忽略的频率，默认5，小于将不会被发现
minDocFreq(int minDocFreq)
设置单词仍然出现的最大频率。单词出现更多的文档将被忽略。默认为无限
maxDocFreq(int maxDocFreq)
设置将被忽略的单词的最小单词长度，默认0
minWordLength(int minWordLength)
设置将被忽略的单词的最大单词长度，默认无限
maxWordLength(int maxWordLength)
设置中止词，匹配时会忽略中止词
stopWords(String... stopWords)
设置词语权重，默认是1
boostTerms(float boostTerms)
查询权重（默认1）
boost(float boost)
设置不从其中选择术语的文本（文档Item）
ignoreLike(String... likeText)
4.组合查询
QueryBuilder queryBuilder = QueryBuilders.boolQuery()
.must(QueryBuilders.matchQuery("name", "西游")) //AND
.must(QueryBuilders.wildcardQuery("name", "西游?")) //Not
.should(QueryBuilders.matchQuery("name", "西游记")); //Or
5.包裹查询
高于设定分数, 不计算相关性
QueryBuilder queryBuilder = QueryBuilders
.constantScoreQuery(QueryBuilders.matchQuery("name", "西游记"))
.boost(2.0f);
6.范围查询
查询id值在20-50之间的
QueryBuilder queryBuilder = QueryBuilders.rangeQuery("id")
.from("20")
.to("50")
.includeLower(true) // 包含上界
.includeUpper(true); // 包含下届
7.通配符查询
通配符查询, 支持 * 匹配任何字符序列, 包括空
避免* 开始, 会检索大量内容形成效率缓慢
单个字符用?
QueryBuilder queryBuilder = QueryBuilders.wildcardQuery("user", "ki*hy");
8.过滤查询
QueryBuilders.constantScoreQuery(FilterBuilders.termQuery("name", "kimchy")).boost(2.0f);
其实还有不少，未完待续。