Elasticsearch使用

Elasticsearch使用

发布时间：2026/7/24 4:07:09

Elasticsearch使用
es数据的基础功能使用为了配合7.1.1版本es使用一、客户端配置ElasticsearchConfig使用 Spring Data ES 的RestClients创建RestHighLevelClientConfigurationpublic class ElasticsearchConfig extends AbstractElasticsearchConfiguration {Beanpublic RestHighLevelClient elasticsearchClient() {return RestClients.create(ClientConfiguration.builder().connectedTo(uris) // host:port.withConnectTimeout(Duration.ofSeconds(connectTimeout)).withSocketTimeout(Duration.ofSeconds(socketTimeout)).withBasicAuth(username, password).build()).rest();}}二、构建查询SearchRequest/** 构建索引查询请求 */SearchRequest searchRequest new SearchRequest(searchFieldVo.getIndexName());/**用来构建搜索请求体的核心工具类‌它帮你把查询条件、分页、排序等参数组装 */SearchSourceBuilderSearchSourceBuilder searchSourceBuilder new SearchSourceBuilder();‌创建实例‌SearchSourceBuilder sourceBuilder new SearchSourceBuilder();‌设置查询条件‌用sourceBuilder.query(QueryBuilders.matchQuery(字段, 值))或sourceBuilder.query(QueryBuilders.matchAllQuery())来指定查什么。‌分页控制‌sourceBuilder.from(起始位置)和sourceBuilder.size(每页条数)from默认0size默认10。‌排序‌sourceBuilder.sort(字段名, SortOrder.ASC)可添加多个sort实现多级排序。‌返回字段筛选‌sourceBuilder.fetchSource(new String{字段1, 字段2}, null)只返回指定字段。‌‌‌BoolQueryBuilder/** 用于构建复杂布尔逻辑查询的核心类通过组合must、should、must_not、filter子句实现多条件精准检索 */BoolQueryBuilder boolQuery QueryBuilders.boolQuery();核心机制与子句语义‌must‌逻辑“与”AND所有子句必须匹配‌参与相关性评分‌。‌should‌逻辑“或”OR倾向默认非强制若与must共存则提升得分若单独使用需配合minimumShouldMatch生效‌参与评分‌。‌must_not‌逻辑“非”NOT匹配该条件的文档被排除‌不参与评分‌。‌filter‌逻辑“与”AND强制过滤且‌零评分开销‌支持缓存适用于精确匹配或范围过滤 。‌‌功能支持 nested 嵌套数组字段查询如 JSON 数组内的字段支持 term 精确匹配、fuzzy 模糊匹配、exists 存在、range 区间使用 from/size 分页适用于前 10000 条支持的查询条件boolQuery├── must: nestedQuery(queryField → secField secFieldValue) ← 嵌套字段匹配├── must: termQuery(queryMapVoList[] 每个元素) ← 多字段精确 AND├── must: fuzzyQuery(fuzzyField, fuzzyFieldValue) ← 模糊匹配├── must: existsQuery(existField) ← 存在判断├── must: rangeQuery(rangeField, filedValueStart, filedValueEnd) ← 区间└── from/size 分页 sortField 排序三、案例例searchFieldVo为请求参数用不同字段来组建复杂的查询条件/** 设置区间查询 */ if (!StringUtils.isEmpty(searchFieldVo.getRangeField())) { boolQuery.must(addRangeQuery(searchFieldVo)); }addRangeQuery方法RangeQueryBuilder rangeQuery QueryBuilders.rangeQuery(rangeField); if (valueStart ! null) rangeQuery.gte(valueStart); if (valueEnd ! null) rangeQuery.lte(valueEnd);/** 集合内字段查询[{A:B},{A:C}]比如查询集合内A的值 */ if (!StringUtils.isEmpty(searchFieldVo.getQueryField())) { NestedQueryBuilder nestedQuery QueryBuilders.nestedQuery( searchFieldVo.getQueryField(), QueryBuilders.matchQuery(searchFieldVo.getSecField(), searchFieldVo.getSecFieldValue()), ScoreMode.None ); boolQuery.must(nestedQuery); }/** 不存在某值(not in) */if (StrUtil.isNotBlank(searchFieldVo.getNotField()) searchFieldVo.getNotValues() ! null) { boolQuery.mustNot(QueryBuilders.termsQuery(searchFieldVo.getNotField(), searchFieldVo.getNotValues())); } if (CollectionUtil.isNotEmpty(searchFieldVo.getQueryMapVoList())) { for (QueryMapVo queryMapVo : searchFieldVo.getQueryMapVoList()) { if (queryMapVo.getField() ! null) { boolQuery.must(QueryBuilders.termQuery(queryMapVo.getField(),queryMapVo.getFiledValue())); } } }/** 存在某值(in) */if (StrUtil.isNotBlank(searchFieldVo.getShouldField()) searchFieldVo.getShouldValues() ! null) { boolQuery.should(QueryBuilders.termsQuery(searchFieldVo.getShouldField(), searchFieldVo.getShouldValues())); boolQuery.minimumShouldMatch(1); }/** 将查询层层设置到searchRequest中 */searchSourceBuilder.query(boolQuery); searchRequest.source(searchSourceBuilder);/** 用客户端执行查询 */ SearchResponse searchResponse client.search(searchRequest, RequestOptions.DEFAULT);四、其他新建索引/** * 新建索引 * param index * param id * param jsonSource * return */ public boolean indexDocument(String index, String id, String jsonSource) { boolean ackFlag false; IndexRequest request new IndexRequest(index) .id(id) .source(jsonSource, XContentType.JSON); try { IndexResponse response client.index(request, RequestOptions.DEFAULT); ackFlag response.status() RestStatus.CREATED || response.status() RestStatus.OK; } catch (IOException e) { e.printStackTrace(); } return ackFlag; }删除索引/** * 删除索引 */ public boolean deleteIndex(String indexName) throws IOException { if (!indexExists(indexName)) { return false; } DeleteIndexRequest request new DeleteIndexRequest(indexName); AcknowledgedResponse response client.indices().delete(request, RequestOptions.DEFAULT); return response.isAcknowledged(); }添加文档/** * 添加文档使用默认_doc类型 */ public boolean addDocumentJson(String indexName, String id, String document) throws IOException { IndexRequest request new IndexRequest(indexName); request.id(id); request.source(document, XContentType.JSON); client.index(request, RequestOptions.DEFAULT); return true; }删除文档/** * 删除文档 */ public boolean deleteDocument(String indexName, String id) throws IOException { DeleteRequest request new DeleteRequest(indexName, id); client.delete(request, RequestOptions.DEFAULT); return true; }更新文档/** * 更新文档 */ public boolean updateDocument(String index, String id, String jsonSource) { boolean ackFLag false; UpdateRequest request new UpdateRequest(index, id) .doc(jsonSource, XContentType.JSON); try { UpdateResponse response client.update(request, RequestOptions.DEFAULT); ackFLag response.status() RestStatus.CREATED || response.status() RestStatus.OK; } catch (IOException e) { e.printStackTrace(); } return ackFLag; }根据id获取文档/** * 根据ID获取文档 */ public MapString, Object getDocumentById(String indexName, String id) throws IOException { GetRequest request new GetRequest(indexName, id); GetResponse response client.get(request, RequestOptions.DEFAULT); if (response.isExists()) { return response.getSourceAsMap(); } return null; }解析搜索结果/** * 解析搜索结果 * param response 响应信息 * return 查询数据 */ private ListMapString, Object parseSearchResponse(SearchResponse response) { ListMapString, Object resultList new ArrayList(); log.info(查询到的数据总数量{}, response.getHits().getTotalHits()); for (SearchHit hit : response.getHits().getHits()) { resultList.add(hit.getSourceAsMap()); } return resultList; }

相关新闻

PaddleOCR版面分析数据集制作与优化实战

PaddleOCR版面分析数据集制作与优化实战

1. 项目概述版面区域检测是文档智能分析领域的关键技术，它能自动识别文档图像中的不同内容区域（如标题、段落、表格、图片等）并标注其位置和类别。PaddleOCR作为业界领先的OCR工具库，其版面分析模块在各类文档处理场景中展现出强大…

2026/7/24 4:07:09阅读更多 →
为什么高性价比排污泵公司信息梳理？多家维度拆解

为什么高性价比排污泵公司信息梳理？多家维度拆解

工业泵类采购领域，对“高性价比”的关注正在升温近一两年，工业泵类产品的采购需求正在发生一些静悄悄的调整。这种调整在排污泵领域体现得较为明显。过去，很多市政工程公司、污水处理厂和建筑单位的采购决策，往往以设计院指定的品…

2026/7/24 4:07:09阅读更多 →
OmniTalker：阿里开源唇形同步技术解析与实践

OmniTalker：阿里开源唇形同步技术解析与实践

1. 项目概述：OmniTalker如何解决唇形同步难题第一次看到静态图片突然开口说话时，那种违和感简直让人头皮发麻——嘴唇机械地开合，声音却像后期配音般错位。这种"对口型"尴尬在虚拟主播、在线教育课件甚至视频会议特效中屡见不鲜。阿…

2026/7/24 4:07:09阅读更多 →
基于AI的轻量级自主监控系统设计与实践

基于AI的轻量级自主监控系统设计与实践

1. 项目背景与核心价值去年夏天机房空调故障导致服务器过热宕机的经历，让我意识到基础设施监控的脆弱性。传统监控方案要么像Zabbix这样需要复杂部署，要么像商业SaaS服务存在数据隐私顾虑。这次我决定用11天时间，基于开源技术栈构建一套轻量级…

2026/7/24 5:35:25阅读更多 →
西安共享羽毛球馆系统开发实战案例与完整流程指南

西安共享羽毛球馆系统开发实战案例与完整流程指南

西安共享羽毛球馆系统开发实战案例与完整流程指南 在西安，随着运动健身需求的增长与消费模式的转变，共享羽毛球馆系统正成为传统场馆数字化转型的关键。本文将不绕弯子，直接回答“西安共享羽毛球馆系统开发怎么做”这一核心问题，结…

2026/7/24 5:35:25阅读更多 →
AI与传统开发团队协作实践：企业官网改版项目全记录

AI与传统开发团队协作实践：企业官网改版项目全记录

1. 项目背景与团队构成去年接手的一个企业官网改版项目，客户要求三个月内完成从需求分析到上线的全流程。作为技术负责人，我决定尝试将团队拆分为AIPY（AI辅助开发组）和WorkBuddy（传统开发组）两个单元进行协…

2026/7/24 5:35:25阅读更多 →
西安共享羽毛球馆系统开发实战：从零搭建到上线全指南

西安共享羽毛球馆系统开发实战：从零搭建到上线全指南

西安共享羽毛球馆系统开发实战：从零搭建到上线全指南 引言：西安共享羽毛球馆系统怎么开发？ 西安作为体育消费试点城市，共享羽毛球馆模式正逐步兴起。开发一套完整的共享羽毛球馆系统，核心在于实现无人值守、自助预约、…

2026/7/24 5:35:25阅读更多 →
AI工具如何提升论文写作效率：从文献调研到格式校对

AI工具如何提升论文写作效率：从文献调研到格式校对

1. 论文写作的痛点与AI解决方案写论文这件事，从本科生到博士生都逃不掉。记得我读研时，为了赶一篇核心期刊论文，连续两周每天只睡4小时，咖啡当水喝。现在回想起来，那种痛苦依然记忆犹新——文献综述写到头秃、实验数据…

2026/7/24 5:35:25阅读更多 →
构建负责任的大语言模型对话系统：安全框架与工程实践

构建负责任的大语言模型对话系统：安全框架与工程实践

在对话场景中集成大语言模型（LLM）时，许多开发者会陷入一个误区：认为只要调用API返回结果就完成了任务。但实际项目中，我们常常遇到模型输出不可控、存在安全风险、或无法满足业务对话逻辑的问题。真正关键的挑战不在于…

2026/7/24 5:33:25阅读更多 →
Go语言静态资源打包方案对比与实践指南

Go语言静态资源打包方案对比与实践指南

1. 项目背景与核心需求在Go语言开发中，我们经常需要处理静态资源文件的打包问题。无论是Web应用的模板文件、前端资源，还是配置文件、证书等，都需要随程序一起分发。传统做法是将这些文件与编译后的二进制文件放在同一目录下，但这…

2026/7/24 0:58:53阅读更多 →
Go语言实现高性能LDAP认证服务的架构与实践

Go语言实现高性能LDAP认证服务的架构与实践

1. 项目背景与核心价值LDAP（轻量级目录访问协议）作为企业级身份认证的黄金标准，已经服务了超过80%的财富500强公司。我在金融科技领域实施统一认证体系时，发现传统Java方案存在启动慢、内存占用高等痛点。而Go语言凭借其协程并发模…

2026/7/24 0:58:53阅读更多 →
【AI面试官实战指南】：用ChatGPT模拟10类高频技术岗面试，3天提升应答精准度92%

【AI面试官实战指南】：用ChatGPT模拟10类高频技术岗面试，3天提升应答精准度92%

更多请点击： https://intelliparadigm.com 第一章：AI面试官实战指南的核心价值与适用场景 AI面试官并非替代人类HR的“黑箱工具”，而是以可解释、可审计、可迭代的方式，赋能招聘全链路的关键基础设施。其核心价值在于将主观经验沉…

2026/7/24 0:58:53阅读更多 →
我的编程之路：第一篇博客

我的编程之路：第一篇博客

大家好，我是一名编程初学者，同时这也是我编程学习之路上的第一篇博客。在这里，我想要向大家介绍我的一些想法和规划。a.自我介绍我是一个刚刚接触编程的新手，目前在学习c语言，我对编程世界充满了强烈的好奇。当然&…

2026/7/24 0:00:06阅读更多 →
【LeetCode 54】螺旋矩阵

【LeetCode 54】螺旋矩阵

问题描述： 解法： 1、模拟（参考自【LeetCode 54】螺旋矩阵-CSDN博客） int *spiralOrder(int **matrix, int matrixSize, int *matrixColSize, int *returnSize) {static const int dirs[4][2] {{0, 1}, {1, 0}, {0, -1}, {-1, …

2026/7/24 0:00:06阅读更多 →
2026 WAIC：模型隐身、智能体疯野，厂商竞赛聚焦办公场景与商业闭环

2026 WAIC：模型隐身、智能体疯野，厂商竞赛聚焦办公场景与商业闭环

知春路不相信模型领先今年WAIC大会，昔日AI六小龙来了五家，分别是Kimi、阶跃星辰、Minimax、百川智能、零一万物。连放弃基模的百川和零一万物都来了，唯一缺席的竟是近几个月来风光无限的智谱。（DeepSeek一直不参加）WAI…

2026/7/24 0:00:06阅读更多 →
YOLOv8推理性能优化：从1.2FPS到35FPS的全链路加速实践

YOLOv8推理性能优化：从1.2FPS到35FPS的全链路加速实践

如果你在部署 YOLOv8 时，发现推理速度只有可怜的 1-2 FPS，而别人的演示视频却能跑到 30 FPS 以上，那么问题很可能不在模型本身，而在于你的整个处理链路。很多开发者拿到一个训练好的 YOLOv8 模型后，会直接使用官方示例…

2026/7/23 22:58:43阅读更多 →
Coze与Dify对比指南：低代码AI应用开发从入门到实战

Coze与Dify对比指南：低代码AI应用开发从入门到实战

1. 从零到一：为什么你需要了解 Coze 和 Dify？如果你对 AI 应用开发感兴趣，但一看到“大模型”、“智能体”、“工作流”这些词就头疼，觉得门槛太高，那这篇文章就是为你准备的。很多开发者，包括我自己&#…

2026/7/23 18:58:18阅读更多 →
AI生图工具怎么选？2026年6月版实测对比

AI生图工具怎么选？2026年6月版实测对比

做自媒体的朋友应该都有体会：配图一直是个让人头疼的问题。2026年，AI生图工具已经非常成熟了，但工具太多反而不知道怎么选。以下是截至2026年6月我对主流AI生图工具的实测对比。Midjourney V8.1：速度之王2026年6月11日&#xff0c…

2026/7/23 18:58:18阅读更多 →