SpringBoot集成Elasticsearch7.4 实战(2)

本文涉及的产品
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1个月
可视分析地图(DataV-Atlas),3 个项目,100M 存储空间
数据可视化DataV,5个大屏 1个月
简介: Springboot集成Elasticsearch完成对文档数据的基本管理

elasticsearch

1. 数据管理

1.1. 新增数据

1.1.1. 单实例新增

http方式提交数据,案例中我将数据格式做了规范,提交过程中需要指定索引名,以及JSON格式数据,这样尽可能在实际过程中做到通用。

为此我用交互对象Vo来接受前端传递来的数据,再解析该Vo,获取要提交的目标索引。

  • 前端Web端实现

  

/**

 * @Description 新增数据

 * @param elasticDataVo

 * @return xyz.wongs.drunkard.base.message.response.ResponseResult

 * @throws

 * @date 2019/11/20 17:10

 */

@RequestMapping(value = "/add",method = RequestMethod.POST)

public ResponseResult add(@RequestBody ElasticDataVo elasticDataVo){

 ResponseResult response = getResponseResult();

 try {

 if(!StringUtils.isNotEmpty(elasticDataVo.getIdxName())){

 response.setCode(ResponseCode.PARAM_ERROR_CODE.getCode());

 response.setMsg("索引为空,不允许提交");

 response.setStatus(false);

 log.warn("索引为空");

 return response;

 }

 ElasticEntity elasticEntity = new ElasticEntity();

 elasticEntity.setId(elasticDataVo.getElasticEntity().getId());

 elasticEntity.setData(elasticDataVo.getElasticEntity().getData());

  

 baseElasticService.insertOrUpdateOne(elasticDataVo.getIdxName(), elasticEntity);

  

 } catch (Exception e) {

 response.setCode(ResponseCode.ERROR.getCode());

 response.setMsg("服务忙,请稍后再试");

 response.setStatus(false);

 log.error("插入数据异常,metadataVo={},异常信息={}", elasticDataVo.toString(),e.getMessage());

 }

 return response;

}
  • ElasticDataVo类

  

package xyz.wongs.drunkard.palant.vo;

  

import lombok.AllArgsConstructor;

import lombok.Data;

import lombok.NoArgsConstructor;

import xyz.wongs.drunkard.base.entiy.ElasticEntity;

  

/**

 * @ClassName ElasticDataVo

 * @Description http交互Vo对象

 * @author WCNGS@QQ.COM

 * @Github <a>https://github.com/rothschil</a>

 * @date 2019/11/21 9:10

 * @Version 1.0.0

*/

@Data

@NoArgsConstructor

@AllArgsConstructor

public class ElasticDataVo<T> {

  

 /**

 * 索引名

 */

 private String idxName;

 /**

 * 数据存储对象

 */

 private ElasticEntity elasticEntity;

  

}

  
  
  • ElasticEntity类

  

package xyz.wongs.drunkard.base.entiy;

  

import lombok.AllArgsConstructor;

import lombok.Data;

import lombok.NoArgsConstructor;

import xyz.wongs.drunkard.base.persistence.mybatis.entity.BaseEntity;

  

import java.util.Map;

  

/**

 * @ClassName ElasticEntity

 * @Description  数据存储对象

 * @author WCNGS@QQ.COM

 * @Github <a>https://github.com/rothschil</a>

 * @date 2019/11/21 9:10

 * @Version 1.0.0

*/

@Data

@AllArgsConstructor

@NoArgsConstructor

public class ElasticEntity<T> {

  

 /**

 * 主键标识,用户ES持久化

 */

 private String id;

  

 /**

 * JSON对象,实际存储数据

 */

 private Map data;

}

  
  • Postman提交

测试用例

1.1.2. 批量提交

1.2. 条件查询

为了通用,我在web端也分装了一层Vo,为了演示需要我仅写一个 match 精确匹配的查询。

  • 前端web实现

/**

 * @Description

 * @param queryVo 查询实体对象

 * @return xyz.wongs.drunkard.base.message.response.ResponseResult

 * @throws

 * @date 2019/11/21 9:31

 */

@RequestMapping(value = "/get",method = RequestMethod.GET)

public ResponseResult get(@RequestBody QueryVo queryVo){

  

 ResponseResult response = getResponseResult();

  

 if(!StringUtils.isNotEmpty(queryVo.getIdxName())){

 response.setCode(ResponseCode.PARAM_ERROR_CODE.getCode());

 response.setMsg("索引为空,不允许提交");

 response.setStatus(false);

 log.warn("索引为空");

 return response;

 }

  

 try {

 Class<?> clazz = ElasticUtil.getClazz(queryVo.getClassName());

 Map<String,Object> params = queryVo.getQuery().get("match");

 Set<String> keys = params.keySet();

 MatchQueryBuilder queryBuilders=null;

 for(String ke:keys){

 queryBuilders = QueryBuilders.matchQuery(ke, params.get(ke));

 }

 if(null!=queryBuilders){

 SearchSourceBuilder searchSourceBuilder = ElasticUtil.initSearchSourceBuilder(queryBuilders);

 List<?> data = baseElasticService.search(queryVo.getIdxName(),searchSourceBuilder,clazz);

 response.setData(data);

 }

 } catch (Exception e) {

 response.setCode(ResponseCode.ERROR.getCode());

 response.setMsg("服务忙,请稍后再试");

 response.setStatus(false);

 log.error("查询数据异常,metadataVo={},异常信息={}", queryVo.toString(),e.getMessage());

 }

 return response;

}

  
  • QueryVo

  

/** 查询Vo对象

 * @ClassName QueryVo

 * @Description

 * @author WCNGS@QQ.COM

 * @Github <a>https://github.com/rothschil</a>

 * @date 2019/10/25 23:16

 * @Version 1.0.0

*/

@Data

@NoArgsConstructor

@AllArgsConstructor

public class QueryVo {

  

 /**

 * 索引名

 */

 private String idxName;

 /**

 * 需要反射的实体类型,用于对查询结果的封装

 */

 private String className;

 /**

 * 具体条件

 */

 private Map<String,Map<String,Object>> query;

}

  
  • Postman提交

条件查询

1.3. 删除数据

1.3.1. 单实例删除


/**

 * @Description 删除

 * @param elasticDataVo

 * @return xyz.wongs.drunkard.base.message.response.ResponseResult

 * @throws

 * @date 2019/11/21 9:56

 */

@RequestMapping(value = "/delete",method = RequestMethod.POST)

public ResponseResult delete(@RequestBody ElasticDataVo elasticDataVo){

 ResponseResult response = getResponseResult();

 try {

 if(!StringUtils.isNotEmpty(elasticDataVo.getIdxName())){

 response.setCode(ResponseCode.PARAM_ERROR_CODE.getCode());

 response.setMsg("索引为空,不允许提交");

 response.setStatus(false);

 log.warn("索引为空");

 return response;

 }

 baseElasticService.deleteOne(elasticDataVo.getIdxName(),elasticDataVo.getElasticEntity());

 } catch (Exception e) {

 e.printStackTrace();

 }

 return response;

  

}

删除数据

1.3.2. 批量删除

2. 源码

Github演示源码 ,记得给Star

相关实践学习
使用阿里云Elasticsearch体验信息检索加速
通过创建登录阿里云Elasticsearch集群,使用DataWorks将MySQL数据同步至Elasticsearch,体验多条件检索效果,简单展示数据同步和信息检索加速的过程和操作。
ElasticSearch 入门精讲
ElasticSearch是一个开源的、基于Lucene的、分布式、高扩展、高实时的搜索与数据分析引擎。根据DB-Engines的排名显示,Elasticsearch是最受欢迎的企业搜索引擎,其次是Apache Solr(也是基于Lucene)。 ElasticSearch的实现原理主要分为以下几个步骤: 用户将数据提交到Elastic Search 数据库中 通过分词控制器去将对应的语句分词,将其权重和分词结果一并存入数据 当用户搜索数据时候,再根据权重将结果排名、打分 将返回结果呈现给用户 Elasticsearch可以用于搜索各种文档。它提供可扩展的搜索,具有接近实时的搜索,并支持多租户。
目录
相关文章
|
17天前
|
分布式计算 大数据 Apache
ClickHouse与大数据生态集成:Spark & Flink 实战
【10月更文挑战第26天】在当今这个数据爆炸的时代,能够高效地处理和分析海量数据成为了企业和组织提升竞争力的关键。作为一款高性能的列式数据库系统,ClickHouse 在大数据分析领域展现出了卓越的能力。然而,为了充分利用ClickHouse的优势,将其与现有的大数据处理框架(如Apache Spark和Apache Flink)进行集成变得尤为重要。本文将从我个人的角度出发,探讨如何通过这些技术的结合,实现对大规模数据的实时处理和分析。
52 2
ClickHouse与大数据生态集成:Spark & Flink 实战
|
1月前
|
JSON Java 网络架构
elasticsearch学习四:使用springboot整合 rest 进行搭建elasticsearch服务
这篇文章介绍了如何使用Spring Boot整合REST方式来搭建和操作Elasticsearch服务。
122 4
elasticsearch学习四:使用springboot整合 rest 进行搭建elasticsearch服务
|
19天前
|
JSON Java API
springboot集成ElasticSearch使用completion实现补全功能
springboot集成ElasticSearch使用completion实现补全功能
23 1
|
25天前
|
自然语言处理 Java API
Spring Boot 接入大模型实战:通义千问赋能智能应用快速构建
【10月更文挑战第23天】在人工智能(AI)技术飞速发展的今天,大模型如通义千问(阿里云推出的生成式对话引擎)等已成为推动智能应用创新的重要力量。然而,对于许多开发者而言,如何高效、便捷地接入这些大模型并构建出功能丰富的智能应用仍是一个挑战。
97 6
|
1月前
|
Web App开发 JavaScript Java
elasticsearch学习五:springboot整合 rest 操作elasticsearch的 实际案例操作,编写搜索的前后端,爬取京东数据到elasticsearch中。
这篇文章是关于如何使用Spring Boot整合Elasticsearch,并通过REST客户端操作Elasticsearch,实现一个简单的搜索前后端,以及如何爬取京东数据到Elasticsearch的案例教程。
174 0
elasticsearch学习五:springboot整合 rest 操作elasticsearch的 实际案例操作,编写搜索的前后端,爬取京东数据到elasticsearch中。
|
1月前
|
自然语言处理 Java Maven
elasticsearch学习二:使用springboot整合TransportClient 进行搭建elasticsearch服务
这篇博客介绍了如何使用Spring Boot整合TransportClient搭建Elasticsearch服务,包括项目创建、Maven依赖、业务代码和测试示例。
95 0
elasticsearch学习二:使用springboot整合TransportClient 进行搭建elasticsearch服务
|
1月前
|
Dart Android开发
鸿蒙Flutter实战:03-鸿蒙Flutter开发中集成Webview
本文介绍了在OpenHarmony平台上集成WebView的两种方法:一是使用第三方库`flutter_inappwebview`,通过配置pubspec.lock文件实现;二是编写原生ArkTS代码,自定义PlatformView,涉及创建入口能力、注册视图工厂、处理方法调用及页面构建等步骤。
48 0
|
1月前
|
开发框架 监控 搜索推荐
GoFly快速开发框架集成ZincSearch全文搜索引擎 - Elasticsearch轻量级替代为ZincSearch全文搜索引擎
本文介绍了在项目开发中使用ZincSearch作为全文搜索引擎的优势,包括其轻量级、易于安装和使用、资源占用低等特点,以及如何在GoFly快速开发框架中集成和使用ZincSearch,提供了详细的开发文档和实例代码,帮助开发者高效地实现搜索功能。
118 0
|
Java 应用服务中间件 Maven
传统maven项目和现在spring boot项目的区别
Spring Boot:传统 Web 项目与采用 Spring Boot 项目区别
489 0
传统maven项目和现在spring boot项目的区别
|
XML Java 数据库连接
创建springboot项目的基本流程——以宠物类别为例
创建springboot项目的基本流程——以宠物类别为例
153 0
创建springboot项目的基本流程——以宠物类别为例