[大数据]ElasticSearch

ElasticSearch概述

ElasticSearch，简称es，es是一个开源的高拓展的分布式全文检索引擎，它可以近乎实时的存储、检索数据；本身拓展性很好，它可以拓展到上百台服务器，处理PB级别的数据。es也使用java开发并使用Lucene的复杂性，从而让全文检索变得简单
据国际权威的数据库产品评测机构DB Engines的统计，2016年1月，ElasticSearch已超过solr等成为排名第一的搜索引擎类应用

ElasticSearch和solr的差别

ElasticSearch简介

ElasticSearch是一个实时分布式搜索和分析引擎，它让你以前所未有的速度处理大数据的可能
它用于全文搜索，结构化搜索，分析以及这三者混合使用
ElasticSearch是一个基于Apache Lucene?的开源搜索引擎。无论是在开源还是专有邻域，Lucene可以被认为是迄今为止最先进、性能最好的，功能最全的搜索引擎库。
但是。Lucene只是一个库。想要使用它，你必须使用java作为开发语言并将其直接集成到你的应用中，更糟糕的是，Lucene非常复杂，你需要更深入的了解检索的相关知识来理解它是如何工作的。
ElasticSearch也使用java开发并使用Lucene作为其核心来实现所有索引和功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文检索变得简单

Solr简介

Solr是Apache下的顶级开源项目，采用java开发，它是基于Lucene的全文检索服务器。solr提供优化比Lucene跟为丰富的查询语言，同时实现了可配置、可拓展，并对索引、搜索性能进行了优化
solr可以独立运行，运行在jetty、tomcat等这些servlet容器中，Sole索引的实现方法很简单，用post方法向solr服务器发送一条可描述Filed及其内容的XML文档，Solr根据xml文档的添加、删除、更新索引、Solr搜索只需要发送HTTP GET请求，然后对solr返回xml、json等格式的查询结果进行解析，组织页面布局、solr不提供构建UI的功能，solr提供了一个管理界面，通过管理界面可以对查询的solr的配置和运行情况
Solr是一个开源搜索平台，用于构建搜索应用程序。
是一个独立的企业级搜索应用服务器，它对外提供类似于Web-service的API接口
它建立在Lucene(全文搜索引擎)之上。 Solr是企业级的，快速的和高度可扩展的。

Lucene简介

Lucene 是一个基于 Java 的全文信息检索工具包，它不是一个完整的搜索应用程序，而是为你的应用程序提供索引和搜索功能的一个开源框架。Lucene 目前是 Apache Jakarta 家族中的一个开源项目。也是目前最为流行的基于 Java 开源全文检索工具包。

目前已经有很多应用程序的搜索功能是基于 Lucene 的，比如 Eclipse 的帮助系统的搜索功能。Lucene 能够为文本类型的数据建立索引，所以你只要能把你要索引的数据格式转化的文本的，Lucene 就能对你的文档进行索引和搜索。比如你要对一些 HTML 文档，PDF 文档进行索引的话你就首先需要把 HTML 文档和 PDF 文档转化成文本格式的，然后将转化后的内容交给 Lucene 进行索引，然后把创建好的索引文件保存到磁盘或者内存中，最后根据用户输入的查询条件在索引文件上进行查询。不指定要索引的文档的格式也使 Lucene 能够几乎适用于所有的搜索应用程序。

ElasticSearch与solr比较

ElasticSearch vs solr 总结

1. es基本就是开箱使用，非常简单，Solr安装比较复杂一点
2. Solr支持更多格式的数据，比如json，xml，csv，而ElasticSearch仅支持json文件格式
3. 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。
4. Solr官方提供的功能更多，而ElasticSearch本身更注重与核心功能，高级功能多有第三方插件提供，例如图形化页面需要kibana友好支撑
5. Solr查询快，但更新索引满，用于电商等查询多的应用
6. ElasticSearch建立索引快（查询慢），实时性查询快，用于facebook新浪等搜索
7. Solr是传统搜索应用的有力解决方案，但ElasticSearch更适用新兴的实时搜索应用
8. 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

ElasticSearch安装

声明：JDK1.8，最低要求，ElasticSearch客户端，界面工具
java开发，ElasticSearch的版本和我们之后对应的java的核心jar包！版本对应，JDK环境是正常

下载 https://www.elastic.co/cn/


华为云的镜像去下载
ElasticSearch: https://mirrors.huaweicloud.com/elasticsearch/?C=N&O=D
logstash: https://mirrors.huaweicloud.com/logstash/?C=N&O=D
kibana: https://mirrors.huaweicloud.com/kibana/?C=N&O=D

链接: https://pan.baidu.com/s/1xhpIqT8Tm-jN_h2ir9xlwA 提取码: jv4h

1. 下载后解压
   

2. 目录介绍

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

3. 双击bin/elasticsearch.bat文件
   

4. 访问http://127.0.0.1:9200
   
   

5. 安装可视化界面 ElasticSearch head
   下载：https://github.com/mobz/elasticsearch-head
   
   

6. 报错：跨域问题
   解决：
   打开elasticsearch.yml文件进行配置
   

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

1. 重新启动elasticSearch和elasticsearch-head

   索引：相当于一个数据库

   新建一个索引

   安装kibana

   了解ELK

ELK是elasticSearch、Logstash、kibana三大开源框架首字母大写的简称。市面上也被称为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。像类似于百度、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，elasticSearch也被市面上简称为es。
Logstash是ELK的中央数据引流引擎，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带不同的目的地（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

下载地址：https://www.elastic.co/cn/downloads/kibana
注意：es版本和kibana版本尽量保持一致

下载完解压

启动测试：bin/kibana.bat

端口：5601
访问：http://localhost:5601

英文看不懂咋办？使用汉化插件

打开/config/kibana.yml文件 设置i18n.locale: “zh-CN”

重新启动kibana

Docker安装elasticsearch和kibana

（1）下载ealastic search和kibana

docker pull elasticsearch:7.6.2
docker pull kibana:7.6.2

（2）配置

mkdir -p /mydata/elasticsearch/config
mkdir -p /mydata/elasticsearch/data
echo "http.host: 0.0.0.0" >/mydata/elasticsearch/config/elasticsearch.yml
chmod -R 777 /mydata/elasticsearch/

（3）启动Elastic search

docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \
-e  "discovery.type=single-node" \
-e ES_JAVA_OPTS="-Xms64m -Xmx512m" \
-v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
-v  /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
-d elasticsearch:7.6.2 

设置开机启动elasticsearch

docker update elasticsearch --restart=always

（4）启动kibana：

docker run --name kibana -e ELASTICSEARCH_HOSTS=http://39.102.39.109 :9200 -p 5601:5601 -d kibana:7.6.2

设置开机启动kibana

docker update kibana  --restart=always

（5）测试

查看elasticsearch版本信息： http://#:9200/

{
    "name": "0adeb7852e00",
    "cluster_name": "elasticsearch",
    "cluster_uuid": "9gglpP0HTfyOTRAaSe2rIg",
    "version": {
        "number": "7.6.2",
        "build_flavor": "default",
        "build_type": "docker",
        "build_hash": "ef48eb35cf30adf4db14086e8aabd07ef6fb113f",
        "build_date": "2020-03-26T06:34:37.794943Z",
        "build_snapshot": false,
        "lucene_version": "8.4.0",
        "minimum_wire_compatibility_version": "6.8.0",
        "minimum_index_compatibility_version": "6.0.0-beta1"
    },
    "tagline": "You Know, for Search"
}

显示elasticsearch 节点信息http://#:9200/_cat/nodes ，

127.0.0.1 76 95 1 0.26 1.40 1.22 dilm * 0adeb7852e00

访问Kibana： http://#:5601/app/kibana

ES核心概念

1、索引
2、字段类型(mapping)
3、文档(documents)

概述
elasticsearch是面向文档，关系型数据库和elasticsearch客观的对比
集群，节点所以，类型，文档，分片，映射是什么？

elasticsearch(集群)中可以包含多个索引(数据库)，每个索引可以包含多个类型(表)，每个类型可以包含多个文档(行)，每个文档中有保安多个字段(列)。

物理设计：
elasticsearch在后台吧每个索引划分成多个分片，每分分片可以在集群中的不同服务器间迁移

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带某个具体的文档。注意：ID不必是整数，实际上是一个字符串

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，一文档同时包含字段和对应的值，也就是同时包含 key: value!name: guangshen
• 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
• 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。

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，别整什么蛾子。

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，毎一个主分片会有一个副本（ replica shard，又称复制分片）

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，倒排素引的结构使得 elasticsearchi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

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

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

如果要搜索含有 python标签的文章，那相对于査找所有原始数据而言，查找倒排索引后的数据将会快的多。只需要查看标签这栏，然后获取相关的文章ID即可。完全过滤掉无关的所有数据，提高效率！

elasticsearche的索引和 Lucene的索引对比

在 elasticsearcht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素引是由多个 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 elasticsearchi的索引
接下来的一切操作都在 kibana中 Dev Tools下的 Consale里完成。
基础操作

IK分词器插件

什么是IK分词器

分词：即把一段中文或者別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jd”会被分为我”,”爱”,”j”,”d”，这显
然是不符合要求的，所以我们需要安装中文分词器K来解决这个问题。

如果要使用中文，建议使用ik分词器
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！

安装

下载地址：https://github.com/medcl/elasticsearch-analysis-ik
下载完毕之后，放入到我们的 elasticsearch插件即可！



通过命令查看插件是否加载：elasticsearch-plugin list

使用kibana测试
查看不同分词器的效果
其中 ik smart为最少切分

ik_max_word为细粒度拆分

自定义词典

1. 在IK分词器config目录下新建一个*.dic文件

   编写自己的词汇

   配置到IKAnalyzer.cfg.xml中

   重新启动es、kibana

   Rest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筒洁，更有层次，更易于实现缓存等机制。

基本Rest命令说明

索引的基本操作

运行es，kibana、es-head

创建一个索引

PUT /索引名/~类型名~/文档id{    请求体}

完成了自动増加了索引！数据也成功的添加了

那么name这个字段用不用指定类型呢。毕亮我们关系型数据库是需要指定类型的啊
默认类型：

• 字符串类型：text、keyword
• 数值类型：ling，integer，short，byte，double，float，half float，scaled float
• 日期类型：date
• te布尔值类型：boolean
• 二进制类型：binary
• 等等

指定字段的类型

PUT /test2
{
  "mappings": {
    "properties": {
     "name":{
       "type": "text"
     },
     "age":{
       "type": "long"
     },
     "birthday":{
       "type": "date"
     }
    }
  }
}

获取索引信息

GET /索引名/~类型名~/文档id

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

展：通过命令 elasticsearch索引情況！通过get_cat/可以获得es的当前的很多信息！

修改索引状态

POST /索引名称/类型名称/文档名称/_update

PUT /test3/_doc/1
{
  "name":"joker",
  "age":18,
  "sex":"男"
}
POST /test3/_doc/1/_update
{
  "doc":{
    "name":"joker_dj"
  }
}

删除索引

通过 DELETE命令实现州除、根据你的请求来判断是删除索引还是删除文档记录！

DELETE /索引名称/类型名称/文档名称

删除指定文档

DELETE 索引名称/类型名称/文档id
{
    方法体
}
例：
DELETE test3/_doc/1
{
  "name":"joker_dj"
}

文档的基本操作

基本操作

创建索引

PUT /joker/user/1
{
  "name":"joker_dj",
  "age":18,
  "desc":"java小萌新",
  "tags":["技术宅","直男"]
}
PUT /joker/user/1
{
  "name":"joker_dj",
  "age":18,
  "desc":"java小萌新",
  "tags":["技术宅","直男"]
}
PUT /joker/user/3
{
  "name":"李四",
  "age":5,
  "desc":"合伙人",
  "tags":["坏人"]
}

获取文档

GET /索引名称/类型名称/文档id

修改文档

重新put一边就是修改 （不推荐）
version就是数据被改动的次数

POST _update，推荐使用这种更新方式

POST /索引名称/类型名称/文档id/_update
{
  "doc":{
    "fieds":"value"
  }
}
POST /joker/user/3/_update
{
  "doc":{
    "name":"张三的哥哥李四"
  }
}

文档搜索

简单的搜索

GET /索引名称/[类型名称]/[文档id]

高级搜索 条件查询

GET /索引名称/[类型名称]/_search?q=fieds:value

复杂操作搜索 select（排序，分页，高亮，模糊査询，精准查询！）

根据_score分数进行排序 查看谁最匹配

只要文档中包含value的就会被查出来 前提是被分词器捕获
GET /索引名称/类型名称/_search
{
  "query": {
    "match": {
      "fileds": "value"
    } 
  }
}
GET /joker/user/_search
{
  "query": {
    "match": {
      "name": "张三"
    } 
  }
}

过滤字段

GET  /索引名称/类型名称/_search
{
  "query": {
    "match": {
      "fileds": "value"
    }
  },
  "_source": ["fileds","fileds"]
}
GET /joker/user/_search
{
  "query": {
    "match": {
      "name": "张三"
    }
  },
  "_source": ["desc","name"]
}

排序

GET  /索引名称/类型名称/_search
{
  "query": {
    "match": {
      "fileds": "value"
    }
  },
  "_source": ["fileds","fileds"],
  "sort": [
    {
      "fileds": {
        "order": "desc"
      }
    }
  ]
}
例：
GET /joker/user/_search
{
  "query": {
    "match": {
      "name": "张三"
    }
  },
  "_source": ["desc","name","age"],
  "sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ]
}

分页查询

GET /joker/user/_search
{
  "query": {
    "match": {
      "name": "张三"
    }
  },
  "from": 0, # 起始值  page
  "size": 20 # 查询大小 pageSize
}

数据下标还是从0开始的，和学的所有数据结构是一样的！
/seach/{current}/{pageSize}

布尔查询

多条件查询
must 相当于 and

GET /joker/user/_search
{
  "query": {
    "bool": {
     "must ": [
       {
         "match": {
           "name": "张三"
         }
       },
       {
         "match": {
           "age": 5
         }
       }
     ]
    }
  }
}

should相当于 or

GET /joker/user/_search
{
  "query": {
    "bool": {
     "should": [
       {
         "match": {
           "name": "张三"
         }
       },
       {
         "match": {
           "age": 5
         }
       }
     ]
    }
  }
}

not操作

GET /joker/user/_search
{
  "query": {
    "bool": {
     "must_not": [
       {
         "match": {
           "name": "张三"
         }
       },
       {
         "match": {
           "age": 5
         }
       }
     ]
    }
  }
}

过滤器 filter

GET /joker/user/_search
{
  "query": {
    "bool": {
     "must_not": [
       {
         "match": {
           "name": "张三"
         }
       }
     ],
     "filter": {
       "range": {
         "age": {
           "gt": 1, 
         }
       }
     }
    }
  }
}

筛选年龄大于1

• gt 大于
• lt 小于
• gte 大于等于
• lte 小于等于

匹配多个条件

多个条件之间使用空格隔开
只满足其中一个即可查出
通过分值基本判断

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
• 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！）

两个类型 text 、 keyword
keyword不会被分词器解析
text 会被分词器解析

多个值匹配的精确查询

高亮查询

GET /joker/user/_search
{
  "query": {
    "match": {
      "name":"张三"
    }
  },
  "highlight": {
    "fields": {
      "name":{
      }
    }
  }
}

自定义高亮标签

GET /joker/user/_search
{
  "query": {
    "match": {
      "name":"张三"
    }
  },
  "highlight": {
    "pre_tags":"<p class='key' style='color:red'>",
    "post_tags":"</p>",
    "fields": {
      "name":{
      }
    }
  }
}

集成SpringBoot

官方文档：

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

查看文档

导入maven pom依赖

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、初始化
用完后关闭客户端

3、分析类中的方法

1. 创建空的父工程
   
2. 创建SpringBoot子模块
   
   
   勾选相关依赖
   
   
   
   下载相关依赖
   
   注意版本问题：要和本地es版本一致，否则可能会出现问题
   
   
3. 新建配置类
   

@Configuration
public class ElasticSearchclientConfig {
    @Bean
    public RestHighLevelClient restHighLevelClient(){
        RestHighLevelClient client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("localhost", 9200, "http")));
        return client;
    }
}

1. Api测试

   创建索引

@SpringBootTest
class ElasticseachApplicationTests {
    @Autowired
    @Qualifier("restHighLevelClient")
    private RestHighLevelClient client;
    //索引的创建 Request
    @Test
    void testCerateIndex() throws IOException {
        //1. 创建索引请求
        CreateIndexRequest request = new CreateIndexRequest("joker_index");
        //2. 执行创建请求 indices.create
        CreateIndexResponse createIndexResponse = client.indices().create(request, RequestOptions.DEFAULT);
        System.out.println(createIndexResponse);
    }
}

判断索引是否存在

    @Test
    void testGetindex() throws IOException {
        GetIndexRequest request = new GetIndexRequest("joker_index");
        boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);
        System.out.println(exists);
    }

删除索引

//删除索引
    @Test
    void testDeleteindex() throws IOException {
        DeleteIndexRequest request = new DeleteIndexRequest("test2");
        AcknowledgedResponse delete = client.indices().delete(request, RequestOptions.DEFAULT);
        System.out.println(delete.isAcknowledged());
    }

创建添加文档

添加fastjson依赖
方便json转换

<dependency>            <groupId>com.alibaba</groupId>            <artifactId>fastjson</artifactId>            <version>1.2.73</version>        </dependency>

 //添加文档
    @Test
    void testAddDocument() throws IOException {
        User user = new User("joker_dj", 18);
        //创建请求
        IndexRequest request = new IndexRequest("joker_index");
        // 规则 put joker_index/_doc/1
        request.id("1");
        request.timeout(TimeValue.timeValueSeconds(1));
        request.timeout("1s");
        //将我们的数据放入请求 json
        request.source(JSON.toJSONString(user), XContentType.JSON);
        //客户端发送请求
        IndexResponse indexRespons = client.index(request, RequestOptions.DEFAULT);
        System.out.println(indexRespons.toString());
        System.out.println(indexRespons.status());
    }

获取文档 判断文档是否存在

 //获取文档 判断文档是否存在
    @Test
    void testexitdocument() throws IOException {
        GetRequest request = new GetRequest("joker_index", "1");
        //不获取返回的上下文  _source
        request.fetchSourceContext(new FetchSourceContext(false));
        request.storedFields("_none_");
        boolean exists = client.exists(request, RequestOptions.DEFAULT);
        System.out.println(exists);
    }

获取文档的内容

//获取文档的内容    @Test    void testGetDocument() throws IOException {        GetRequest request = new GetRequest("joker_index", "1");        GetResponse documentFields = client.get(request, RequestOptions.DEFAULT);        System.out.println(documentFields.toString());//打印文档的内容    }

更新文档内容

//更新文档信息
    @Test
    void testUpdateDocument() throws IOException {
        UpdateRequest request = new UpdateRequest("joker_index", "1");
        request.timeout("1s");
        User user = new User("joker_djs", 20);
        request.doc(JSON.toJSONString(user),XContentType.JSON);
        UpdateResponse update = client.update(request, RequestOptions.DEFAULT);
        System.out.println(update.status());
    }

删除文档记录

 //删除文档记录
    @Test
    void testDeleteRequst() throws IOException {
        DeleteRequest request = new DeleteRequest("joker_index", "1");
        request.timeout("1s");
        DeleteResponse delete = client.delete(request, RequestOptions.DEFAULT);
        System.out.println(delete.status());
    }

批量插入数据

 // 批量插入数据
    @Test
    void testBulkRequest() throws IOException {
        BulkRequest bulkRequest = new BulkRequest();
        bulkRequest.timeout("10s");
        ArrayList<User> userList=new ArrayList<>();
        userList.add(new User("joker1",18));
        userList.add(new User("joker2",18));
        userList.add(new User("joker3",18));
        userList.add(new User("joker4",18));
        userList.add(new User("joker5",18));
        userList.add(new User("joker6",18));
        userList.add(new User("joker7",18));
        userList.add(new User("joker8",18));
        for (int i = 0; i < userList.size(); i++) {
            bulkRequest.add(new IndexRequest("joker_index")
                    .id(""+(i+1))
                    .source(JSON.toJSONString(userList.get(i)),XContentType.JSON));
        }
        BulkResponse bulk = client.bulk(bulkRequest, RequestOptions.DEFAULT);
        System.out.println(bulk.hasFailures()); //false 成功
    }

高级查询

//查询
    //搜索请求 SearchRequest
    //条件构造 SearchSourceBuilder
    //MatchAllQueryBuilder
    //TermQueryBuilder 精确查询
    // xxx QueryBuilder 
    @Test
    void testSearch() throws IOException {
        SearchRequest searchRequest = new SearchRequest("joker_index");
        //构建搜索条件
        SearchSourceBuilder SourceBuilder = new SearchSourceBuilder();
        //高亮
        SourceBuilder.highlighter();
        //查询条件 我们可以使用QueryBuidler
        MatchAllQueryBuilder matchAllQueryBuilder = QueryBuilders.matchAllQuery();
        TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", "joker1");
//        MatchAllQueryBuilder matchAllQueryBuilder = QueryBuilders.matchAllQuery();
        SourceBuilder.query(matchAllQueryBuilder);
        SourceBuilder.timeout(new TimeValue(60,TimeUnit.SECONDS));
        //构建搜索
        searchRequest.source(SourceBuilder);
        /*客户端执行*/
        SearchResponse search = client.search(searchRequest, RequestOptions.DEFAULT);
        System.out.println(JSON.toJSONString(search.getHits()));
        System.out.println("==============================");
        for (SearchHit hit : search.getHits().getHits()) {
            System.out.println(hit.getSourceAsMap());
        }
    }