spring boot 使用elasticsearch

在文章开始之前我们先来介绍一下elasticsearch 是一个分布式的 RESTful 风格的搜索和数据分析引擎。

• 查询 ： Elasticsearch 允许执行和合并多种类型的搜索 — 结构化、非结构化、地理位置、度量指标 — 搜索方式随心而变。
• 分析 ： 找到与查询最匹配的十个文档是一回事。但是如果面对的是十亿行日志，又该如何解读呢？Elasticsearch 聚合让您能够从大处着眼，探索数据的趋势和模式。
• 速度 ： Elasticsearch 很快。真的，真的很快。
• 可扩展性 ： 可以在笔记本电脑上运行。 也可以在承载了 PB 级数据的成百上千台服务器上运行。
• 弹性 ： Elasticsearch 运行在一个分布式的环境中，从设计之初就考虑到了这一点。
• 灵活性 ： 具备多个案例场景。数字、文本、地理位置、结构化、非结构化。所有的数据类型都欢迎。

一.安装elasticsearch

　　这里我们将window 的安装，其实linux 应该都差不多，首先在官网下载安装包，解压好我下的是6.5版本的https://www.elastic.co/cn/downloads/past-releases#elasticsearch大家可以在这里选择版本进行下载修改config下的elasticsearch.yml

# ======================== 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 consult the documentation for further information on configuration options:
# https://www.elastic.co/guide/en/elasticsearch/reference/index.html
#
# ---------------------------------- Cluster -----------------------------------
#
# Use a descriptive name for your cluster:
#配置集群名字
cluster.name: my-cluster

#
# ------------------------------------ Node ------------------------------------
#
# Use a descriptive name for the node:
#节点名
node.name: node-1
#
# Add custom attributes to the node:
#
#node.attr.rack: r1
#
# ----------------------------------- Paths ------------------------------------
#
# Path to directory where to store the data (separate multiple locations by comma):
#
#path.data: /path/to/data
#
# Path to log files:
#
#path.logs: /path/to/logs
#
# ----------------------------------- Memory -----------------------------------
#
# Lock the memory on startup:
#
#bootstrap.memory_lock: true
#这两个配置是为了让header可以连接elasticsearch
http.cors.enabled: true
http.cors.allow-origin: "*"
#
# Make sure that the heap size 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:
#端口号
http.port: 9200
#
# For more information, consult the network module documentation.
#
# --------------------------------- 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 master-eligible nodes / 2 + 1):
#
#discovery.zen.minimum_master_nodes: 
#
# For more information, consult the zen discovery module documentation.
#
# ---------------------------------- Gateway -----------------------------------
#
# Block initial recovery after a full cluster restart until N nodes are started:
#
#gateway.recover_after_nodes: 3
#
# For more information, consult the gateway module documentation.
#
# ---------------------------------- Various -----------------------------------
#
# Require explicit names when deleting indices:
#
#action.destructive_requires_name: true

解压完后进入bin目录运行elasticsearch.bat文件便可开启服务器了，访问http://localhost:9200/出现如下界面就说明你的elasticsearch安装好了

 当然我们如果仅仅使用elasticsearch的话肯定是不太方便的，官方给大家提供了一个可视化界面工具elasticsearch-head-master，下面介绍该插件的安装方法

二.elasticsearch-head-master安装

　　head插件是基于node.js的所以我们要先下载node.js 才可以安装head插件,大家可以在下面网址下载该插件https://github.com/mobz/elasticsearch-head.git这里得注意的是head的版本得跟elasticsearch的版本一致，否则可能会报错。

解压后修改Gruntfile.js如下：

connect: {
            server: {
                options: {
                    port: 9100,
                    hostname: '*',
                    base: '.',
                    keepalive: true
                }
            }
        }

然后修改_site中的app.js文件如下：

    init: function(parent) {
            this._super();
            this.prefs = services.Preferences.instance();
            this.base_uri = this.config.base_uri || this.prefs.get("app-base_uri") || "http://localhost:9200";
            if( this.base_uri.charAt( this.base_uri.length - 1 ) !== "/" ) {
                // XHR request fails if the URL is not ending with a "/"
                this.base_uri += "/";
            }
            if( this.config.auth_user ) {
                var credentials = window.btoa( this.config.auth_user + ":" + this.config.auth_password );
                $.ajaxSetup({
                    headers: {
                        "Authorization": "Basic " + credentials
                    }
                });
            }

 然后在elastic head 目录下运行如下命令：第一次运行的时候需要安装npm 命令 输入 npm intall 命令 安装

然后启动 npm run start 启动 服务便可以直接访问localhost:9200 便可以看到如下界面:

 这里我就不具体说该界面的具体用法，大家自己去探索，elasticsearch的查询速度很快，特别对于大量数据更能看出其优势，但是对于大量数据我们又怎么进行插入呢。下面介绍一个官方推荐的数据库同步工具 logstash

三.logstash 同步mysql 数据库

　　首先在官网上下载logstash 下面给出地址https://www.elastic.co/guide/en/logstash/7.3/logstash-7-3-1.html,值得注意的是这里需要跟你的elasticsearch 的版本一致，否则会报错

下载完后进入bin目录因为该插件需要将mysql 的数据输入，然后输出到elasticsearch中所以需要下载logstash-input-jdbc、logstash-output-elasticsearch插件。执行如下命令logstash-plugin install  logstash-input-jdbc ,logstash-plugin install logstash-output-elasticsearch

在安装的过程中可能会如下错误：

安装好了后再logstash 的config目录下面创建jdbc.conf文件，这个文件命名是我自己命名的，具体配置如下：

input {
  jdbc {
    # mysql相关jdbc配置
    jdbc_connection_string => "jdbc:mysql://localhost:3306/cinema?useUnicode=true&characterEncoding=utf-8&useSSL=false"
    jdbc_user => "root"
    jdbc_password => "123456"

    # jdbc连接mysql驱动的文件目录，可去官网下载:https://dev.mysql.com/downloads/connector/j/
    jdbc_driver_library => "E:/mavenware/mysql/mysql-connector-java/5.1.39/mysql-connector-java-5.1.39.jar"
    # the name of the driver class for mysql
    jdbc_driver_class => "com.mysql.jdbc.Driver"
    jdbc_paging_enabled => true
    jdbc_page_size => "50000"

    jdbc_default_timezone =>"Asia/Shanghai"

    # mysql文件, 也可以直接写SQL语句在此处，如下：
    #where update_time >= :sql_last_value
    statement => "select * from movies"
    #statement_filepath => "./config/jdbc.sql"

    # 这里类似crontab,可以定制定时操作，比如每分钟执行一次同步(分 时 天 月 年)
    schedule => "* * * * *"
    #type => "jdbc"

    # 是否记录上次执行结果, 如果为真,将会把上次执行到的 tracking_column 字段的值记录下来,保存到 last_run_metadata_path 指定的文件中
    #record_last_run => true

    # 是否需要记录某个column 的值,如果record_last_run为真,可以自定义我们需要 track 的 column 名称，此时该参数就要为 true. 否则默认 track 的是 timestamp 的值.
    use_column_value => true

    # 如果 use_column_value 为真,需配置此参数. track 的数据库 column 名,该 column 必须是递增的. 一般是mysql主键
    tracking_column => "update_time"
    #这里要指定类型不能可能会报错
    tracking_column_type => "timestamp"
　　#这里是存储最后一次运行的时间
    last_run_metadata_path => "./logstash_capital_bill_last_id.txt"

    # 是否清除 last_run_metadata_path 的记录,如果为真那么每次都相当于从头开始查询所有的数据库记录
    clean_run => false

    #是否将 字段(column) 名称转小写
    lowercase_column_names => false
  }
}

output {
  elasticsearch {
    hosts => "localhost:9200"
    index => "movies"
#这里的字段是索引唯一标识的主键，字段名根据自己的表进行修改，不能相同

    document_id => "%{movie_id}"
    template_overwrite => true
  }

  # 这里输出调试，正式运行时可以注释掉
  stdout {
      codec => json_lines
  } 
}

在bin 目录下运行如下命令logstash -f ../config/jdbc.conf ,这里我实在window命令下运行的 如果在linux 中./logstash -f ../config/jdbc.conf 即可，这里需要找到jdbc.conf文件，可以使用绝对路径也可以跟我一样使用相对路劲。运行之后便可以看到的elastsicsearch中多了很对数据了如下所示：

 值得注意的是，只要你一直开着logstash 那么这个工具就会根据你给定的条件定期的更新索引，所以我们在表中一般都是加一个update_time字段这样就可以进行实时更新了

竟然我们索引已经创建好了那么我们就希望能用在项目中了

四.spring boot 中使用elasticsearch 

　　我使用的是maven版本控制工具，所以首先得添加如下依赖：

 <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
            <version>2.0.2.RELEASE</version>
        </dependency>

下面是我的yml的配置文件，如下：

spring:
  data:
    elasticsearch:
      cluster-name: my-cluster
      #节点的地址 注意api模式下端口号是9300，千万不要写成9200
      cluster-nodes: localhost:9300
      repositories:
        enabled: true
  mvc:
    view:
      prefix: /WEB-INF/jsp
      suffix: .jsp
server:
  port: 8088

这里注意的是端口号不要写错了不是9100，而是9300，这里因为我要使用jsp所以我配置了jsp的视图解析器如果你用的是themleaf模板就完全不需要了

下面是我的实体类：

package com.lwc.pojo;

import org.springframework.data.annotation.Id;
import org.springframework.data.elasticsearch.annotations.Document;
import org.springframework.data.elasticsearch.annotations.Field;
import org.springframework.data.elasticsearch.annotations.FieldType;

@Document(indexName = "movies",type = "doc",shards = 1,replicas = 0, refreshInterval = "-1")
public class Movies {
    /**
     *     index：是否设置分词
     *     analyzer：存储时使用的分词器
     *     searchAnalyze：搜索时使用的分词器
     *     store：是否存储
     *     type: 数据类型
     */

    @Id
    private Integer movie_id;
    @Field(store = true,index = true,type = FieldType.Keyword,searchAnalyzer = "ik_smart")
    private String movie_name;

    private String movie_time;

    private String movie_date;
    @Field(store = true,index = true,type = FieldType.Keyword,searchAnalyzer = "ik_smart")
    private String movie_area;

    private String movie_lang;
   @Field(store = true,index = true,type = FieldType.Keyword,searchAnalyzer = "ik_smart")
    private String movie_director;
    @Field(store = true,index = true,type = FieldType.Keyword,searchAnalyzer = "ik_smart")
    private String movie_writer;
    @Field(store = true,index = true,type = FieldType.Keyword,searchAnalyzer = "ik_smart")
    private String movie_actor;
    @Field(store = true,index = true,type = FieldType.Keyword,searchAnalyzer = "ik_smart")
    private String movie_type;
    @Field(store = true,index = true,type = FieldType.Float,searchAnalyzer = "ik_smart")
    private Float movie_mark;

    private String key_word;

    private Integer movie_size;

    private Integer movie_classify;

get 和set 方法我就不贴出来了，节省空间，这里名字一定要跟索引的名字要对齐

下面试dao层的代码：

package com.lwc.dao;

import com.lwc.pojo.Movies;
import org.springframework.data.elasticsearch.repository.ElasticsearchRepository;
import org.springframework.stereotype.Repository;

@Repository
public interface MovieDao  extends ElasticsearchRepository<Movies,Long> {
}

因为spring boot  的jpa 已经帮我们实现了elasticsearch  的基本方法，就像hibernate 的jpa 一样我们只需要定义一个接口然后继承ElasticsearchRepository<Movies,Long>就可以了，这里接口中有两个泛型，一个是定义实体类的类型，另外一个则是定义索引主键的类型

 这里我的主键名字叫 movie_id 所以我定义的主键名字是long 类型

下面是我的服务层：

package com.lwc.service;

import com.lwc.dao.MovieDao;
import com.lwc.pojo.Movies;
import org.elasticsearch.index.query.QueryStringQueryBuilder;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;

import java.util.ArrayList;
import java.util.Iterator;
import java.util.List;

@Service
public class MovieService {
    @Autowired
    private MovieDao movieDao;

    public List<Movies> findMovies(String keyWord){
        QueryStringQueryBuilder qsq=new QueryStringQueryBuilder(keyWord);
        //这里是添加查询域，就是输入关键字后的搜索字段
        qsq.field("movie_area").field("movie_director").field("movie_writer").field("movie_actor").field("movie_type").field("movie_name");
        Iterator<Movies> iterator=movieDao.search(qsq).iterator();

        List<Movies> list=new ArrayList<Movies>();
        while(iterator.hasNext())
            list.add(iterator.next());
        return  list;
    }
}

下面是控制层代码：

package com.lwc.controller;

import com.lwc.pojo.Movies;
import com.lwc.service.MovieService;
import com.lwc.vo.SearchVo;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Controller;
import org.springframework.web.bind.annotation.RequestBody;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.ResponseBody;
import org.springframework.web.bind.annotation.RestController;
import util.ChineseUtil;

import java.util.List;

@RestController
@RequestMapping("/movies")
public class MoviesController {
    @Autowired
    private MovieService movieService;
    @ResponseBody
    @RequestMapping("/getMovies")
　　//这里的searchVo 是一个映射类主要是为了接收前端传过来的信息
    public List<Movies> getMovies(@RequestBody SearchVo searchVo){
        String keyWord=searchVo.getKeyWord();
        List<Movies> list=null;
　　　　　//这里主要是为了判断是否包含中文，因为我使用的是keyup事件当输入拼音的时候也会输入拼音是的字符，所以添加了这个检查，对纯英文好像不太友好
        if(ChineseUtil.hasChineseByReg(keyWord))
           list= movieService.findMovies(keyWord);
        if(list !=null)
        for(Movies movies:list)
            System.out.println(movies.getMovie_name());
        return list;
    }
}

下面是界面代码：

<%--
  Created by IntelliJ IDEA.
  User: Administrator
  Date: 2019/9/6
  Time: 16:39
  To change this template use File | Settings | File Templates.
--%>
<%@ page contentType="text/html;charset=UTF-8" language="java" %>
<html>
<head>
    <title>Title</title>
    <script type="text/javascript" src="/jquery.js"></script>
</head>
<body>
    <script type="text/javascript">
        $(function(){
          
            $("#name").keyup(function(){
                var name={keyWord:$("#name").val()};
                var json =JSON.stringify(name);
                $.ajax({
                    url:"/movies/getMovies",
                    type:"POST",
                    dataType:"json",
                    data:json,
                    contentType:"application/json;charset=UTF-8",
                    success:function(data){
                        alert(data);
                        $.each(function(i,n){
                            
                        })
                    }
                })
            })

        })

    </script>
    输入电影名：<input type="text" id="name">
<div class="movies">
    <ul class="movieList">

    </ul>

</div>
</body>

</html>

ul div 是为了放置查询出来的电影，但是博主很懒，等过段时间在来补，其实elasticsearch还有一个主要功能就是智能分词

五.智能分词器配置

　　首先在https://github.com/medcl/elasticsearch-analysis-ik 下载好这个插件然后将这个插件放置到如下目录中：

 那个analysis-ik是我自己创建的目录，放置后从起elasticsearch 

 看到了图中的就说明你ik 分词器已经配置好了，接下来便是测试分词器了，在测试之前我们需要了解一下两个配置的意思

IK分词器有两种分词模式：ik_max_word和ik_smart模式。

1、ik_max_word

会将文本做最细粒度的拆分，比如会将“中华人民共和国人民大会堂”拆分为“中华人民共和国、中华人民、中华、华人、人民共和国、人民、共和国、大会堂、大会、会堂等词语。

2、ik_smart
会做最粗粒度的拆分，比如会将“中华人民共和国人民大会堂”拆分为中华人民共和国、人民大会堂。

下面是对ik分词器进行测试，我们可以直接用head 进行查询：

 我们可以看到分词器可以对中文进行智能分词，然后对分完的词进行搜索，返回相应的结果集