---

初識 elasticsearch

了解 ES

Elasticsearch 是一款非常強(qiáng)大的開源搜索引擎，可以幫助我們從海量數(shù)據(jù)中快速找到需要的內(nèi)容。

elasticsearch 結(jié)合 kibana、Logstash、Beats，也就是 elastic stack（ELK）。被廣泛應(yīng)用在日志數(shù)據(jù)分析、實(shí)時(shí)監(jiān)控等領(lǐng)域。

elasticsearch 是 elastic stack 的核心，負(fù)責(zé)存儲、搜索、分析數(shù)據(jù)。

Lucene是一個(gè)Java語言的搜索引擎類庫，是Apache公司的頂級項(xiàng)目，由DougCutting于1999年研發(fā)。官網(wǎng)地址：https://lucene.apache.org/ 。

Lucene的優(yōu)勢：

• 易擴(kuò)展
• 高性能（基于倒排索引）

Lucene的缺點(diǎn)：

• 只限于Java語言開發(fā)
• 學(xué)習(xí)曲線陡峭
• 不支持水平擴(kuò)展

2004年Shay Banon基于Lucene開發(fā)了Compass
2010年Shay Banon 重寫了Compass，取名為Elasticsearch。
官網(wǎng)地址: https://www.elastic.co/cn/

目前最新的版本是：7.12.1
相比與lucene，elasticsearch具備下列優(yōu)勢：

• 支持分布式，可水平擴(kuò)展
• 提供Restful接口，可被任何語言調(diào)用

搜索引擎技術(shù)排名：

1. Elasticsearch：開源的分布式搜索引擎
2. Splunk：商業(yè)項(xiàng)目
3. Solr：Apache的開源搜索引擎

什么是 elasticsearch？

• 一個(gè)開源的分布式搜索引擎，可以用來實(shí)現(xiàn)搜索、日志統(tǒng)計(jì)、分析、系統(tǒng)監(jiān)控等功能

什么是 elastic stack（ELK）？

• 是以elasticsearch為核心的技術(shù)棧，包括beats、Logstash、kibana、elasticsearch

什么是 Lucene？

• 是Apache的開源搜索引擎類庫，提供了搜索引擎的核心API

倒排索引

傳統(tǒng)數(shù)據(jù)庫（如MySQL）采用正向索引，例如給下表（tb_goods）中的id創(chuàng)建索引：

正向索引和倒排索引

elasticsearch采用倒排索引：

• 文檔（document）：每條數(shù)據(jù)就是一個(gè)文檔
• 詞條（term）：文檔按照語義分成的詞語

posting list

倒排索引中包含兩部分內(nèi)容：

• 詞條詞典（Term Dictionary）：記錄所有詞條，以及詞條與倒排列表（Posting List）之間的關(guān)系，會給詞條創(chuàng)建索引，提高查詢和插入效率
• 倒排列表（Posting List）：記錄詞條所在的文檔id、詞條出現(xiàn)頻率 、詞條在文檔中的位置等信息
  • 文檔id：用于快速獲取文檔
  • 詞條頻率（TF）：文檔在詞條出現(xiàn)的次數(shù)，用于評分

什么是文檔和詞條？

• 每一條數(shù)據(jù)就是一個(gè)文檔
• 對文檔中的內(nèi)容分詞，得到的詞語就是詞條

什么是正向索引？

• 基于文檔id創(chuàng)建索引。查詢詞條時(shí)必須先找到文檔，而后判斷是否包含詞條

什么是倒排索引？

• 對文檔內(nèi)容分詞，對詞條創(chuàng)建索引，并記錄詞條所在文檔的信息。查詢時(shí)先根據(jù)詞條查詢到文檔id，而后獲取到文檔

ES 的一些概念

文檔

elasticsearch是面向文檔存儲的，可以是數(shù)據(jù)庫中的一條商品數(shù)據(jù)，一個(gè)訂單信息。
文檔數(shù)據(jù)會被序列化為json格式后存儲在elasticsearch中。

索引（index）：相同類型的文檔的集合
映射（mapping）：索引中文檔的字段約束信息，類似表的結(jié)構(gòu)約束

概念對比

架構(gòu)

Mysql：擅長事務(wù)類型操作，可以確保數(shù)據(jù)的安全和一致性
Elasticsearch：擅長海量數(shù)據(jù)的搜索、分析、計(jì)算

文檔：一條數(shù)據(jù)就是一個(gè)文檔，es中是Json格式
字段：Json文檔中的字段
索引：同類型文檔的集合
映射：索引中文檔的約束，比如字段名稱、類型
elasticsearch與數(shù)據(jù)庫的關(guān)系：

• 數(shù)據(jù)庫負(fù)責(zé)事務(wù)類型操作
• elasticsearch 負(fù)責(zé)海量數(shù)據(jù)的搜索、分析、計(jì)算

安裝es、kibana

安裝elasticsearch

部署單點(diǎn)es

因?yàn)槲覀冞€需要部署kibana容器，因此需要讓es和kibana容器互聯(lián)。這里先創(chuàng)建一個(gè)網(wǎng)絡(luò)：

docker network create es-net

加載鏡像

通過 docker pull 命令拉取

elasticsearch

docker pull elasticsearch:7.16.2

arm linux

docker pull arm64v8/elasticsearch:7.16.2

kibana

docker pull kibana:7.16.2

運(yùn)行

運(yùn)行docker命令，部署單點(diǎn)es：

docker run -d \--name es \-e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \-e "discovery.type=single-node" \-v es-data:/usr/share/elasticsearch/data \-v es-plugins:/usr/share/elasticsearch/plugins \--privileged \--network es-net \-p 9200:9200 \-p 9300:9300 \
elasticsearch:7.16.2

命令解釋：

• -e "cluster.name=es-docker-cluster"：設(shè)置集群名稱
• -e "http.host=0.0.0.0"：監(jiān)聽的地址，可以外網(wǎng)訪問
• -e "ES_JAVA_OPTS=-Xms512m -Xmx512m"：內(nèi)存大小
• -e "discovery.type=single-node"：非集群模式
• -v es-data:/usr/share/elasticsearch/data：掛載邏輯卷，綁定es的數(shù)據(jù)目錄
• -v es-logs:/usr/share/elasticsearch/logs：掛載邏輯卷，綁定es的日志目錄
• -v es-plugins:/usr/share/elasticsearch/plugins：掛載邏輯卷，綁定es的插件目錄
• --privileged：授予邏輯卷訪問權(quán)
• --network es-net ：加入一個(gè)名為es-net的網(wǎng)絡(luò)中
• -p 9200:9200：端口映射配置

在瀏覽器中輸入：http://10.211.55.6:9200 即可看到elasticsearch的響應(yīng)結(jié)果：

部署kibana

kibana可以給我們提供一個(gè)elasticsearch的可視化界面，便于我們學(xué)習(xí)。

1. 部署

運(yùn)行docker命令，部署kibana

docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \
--network=es-net \
-p 5601:5601  \
kibana:7.16.2

• --network es-net ：加入一個(gè)名為es-net的網(wǎng)絡(luò)中，與elasticsearch在同一個(gè)網(wǎng)絡(luò)中
• -e ELASTICSEARCH_HOSTS=http://es:9200"：設(shè)置elasticsearch的地址，因?yàn)閗ibana已經(jīng)與elasticsearch在一個(gè)網(wǎng)絡(luò)，因此可以用容器名直接訪問elasticsearch
• -p 5601:5601：端口映射配置

kibana啟動一般比較慢，需要多等待一會，可以通過命令：

docker logs -f kibana

查看運(yùn)行日志，當(dāng)查看到下面的日志，說明成功：

此時(shí)，在瀏覽器輸入地址訪問：http://10.211.55.6:5601，即可看到結(jié)果

2. DevTools

kibana 中提供了一個(gè)DevTools界面：

這個(gè)界面中可以編寫DSL來操作elasticsearch。并且對DSL語句有自動補(bǔ)全功能。

分詞器

es在創(chuàng)建倒排索引時(shí)需要對文檔分詞；在搜索時(shí)，需要對用戶輸入內(nèi)容分詞。但默認(rèn)的分詞規(guī)則對中文處理并不友好。
我們在kibana的DevTools中測試：

POST /_analyze
{"text": "java學(xué)習(xí)中，勿擾？程序員", "analyzer": "standard"
}

語法說明：

• POST：請求方式
• /_analyze：請求路徑，這里省略了http://10.211.55.6/:9200，有kibana幫我們補(bǔ)充
• 請求參數(shù)，json風(fēng)格：
  • analyzer：分詞器類型，這里是默認(rèn)的standard分詞器
  • text：要分詞的內(nèi)容

安裝IK分詞器

處理中文分詞，一般會使用IK分詞器。https://github.com/medcl/elasticsearch-analysis-ik

在線安裝ik插件

# 進(jìn)入容器內(nèi)部
docker exec -it elasticsearch /bin/bash# 在線下載并安裝
./bin/elasticsearch-plugin  install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip#退出
exit
#重啟容器
docker restart elasticsearch

離線安裝ik插件

1）查看數(shù)據(jù)卷目錄

安裝插件需要知道 elasticsearch 的 plugins 目錄位置，而我們用了數(shù)據(jù)卷掛載，因此需要查看 elasticsearch 的數(shù)據(jù)卷目錄，通過下面命令查看:

docker volume inspect es-plugins

顯示結(jié)果：

[{"CreatedAt": "2023-11-17T15:52:19+08:00","Driver": "local","Labels": null,"Mountpoint": "/var/lib/docker/volumes/es-plugins/_data","Name": "es-plugins","Options": null,"Scope": "local"}
]

說明plugins目錄被掛載到了：/var/lib/docker/volumes/es-plugins/_data 這個(gè)目錄中。

2）解壓縮分詞器安裝包

把ik分詞器解壓縮，重命名為ik

3）上傳到es容器的插件數(shù)據(jù)卷中

也就是/var/lib/docker/volumes/es-plugins/_data

4）重啟容器

# 4、重啟容器
docker restart es

# 查看es日志
docker logs -f es

5）測試

IK分詞器包含兩種模式：

• ik_smart：最少切分

• ik_max_word：最細(xì)切分

POST /_analyze
{"text": "java學(xué)習(xí)中，勿擾？程序員", "analyzer": "ik_max_word"
}

結(jié)果

{"tokens" : [{"token" : "java","start_offset" : 0,"end_offset" : 4,"type" : "ENGLISH","position" : 0},{"token" : "學(xué)習(xí)","start_offset" : 4,"end_offset" : 6,"type" : "CN_WORD","position" : 1},{"token" : "中","start_offset" : 6,"end_offset" : 7,"type" : "CN_CHAR","position" : 2},{"token" : "勿擾","start_offset" : 8,"end_offset" : 10,"type" : "CN_WORD","position" : 3},{"token" : "程序員","start_offset" : 11,"end_offset" : 14,"type" : "CN_WORD","position" : 4},{"token" : "程序","start_offset" : 11,"end_offset" : 13,"type" : "CN_WORD","position" : 5},{"token" : "員","start_offset" : 13,"end_offset" : 14,"type" : "CN_CHAR","position" : 6}]
}

ik分詞器-拓展詞庫

要拓展ik分詞器的詞庫，只需要修改一個(gè)ik分詞器目錄中的 config 目錄中的IkAnalyzer.cfg.xml 文件：

然后在名為 ext.dic 的文件中，添加想要拓展的詞語即可：

要禁用某些敏感詞條，只需要修改一個(gè)ik分詞器 目錄中的 config 目錄中的IkAnalyzer.cfg.xml 文件：

然后在名為 stopword.dic 的文件中，添加想要拓展的詞語即可：

分詞器的作用是什么？

• 創(chuàng)建倒排索引時(shí)對文檔分詞
• 用戶搜索時(shí)，對輸入的內(nèi)容分詞

IK分詞器有幾種模式？

• ik_smart：智能切分，粗粒度
• ik_max_word：最細(xì)切分，細(xì)粒度

IK分詞器如何拓展詞條？如何停用詞條？

• 利用config目錄的IkAnalyzer.cfg.xml文件添加拓展詞典和停用詞典
• 在詞典中添加拓展詞條或者停用詞條

索引庫操作

mapping 映射屬性

mapping是對索引庫中文檔的約束，常見的mapping屬性包括：

• type：字段數(shù)據(jù)類型，常見的簡單類型有：
  • 字符串：text（可分詞的文本）、keyword（精確值，例如：品牌、國家、ip地址）
  • 數(shù)值：long、integer、short、byte、double、float、
  • 布爾：boolean
  • 日期：date
  • 對象：object
• index：是否創(chuàng)建索引，默認(rèn)為true
• analyzer：使用哪種分詞器
• properties：該字段的子字段

mapping常見屬性有哪些？

• type：數(shù)據(jù)類型
• index：是否索引
• analyzer：分詞器
• properties：子字段

type常見的有哪些？

• 字符串：text、keyword
• 數(shù)字：long、integer、short、byte、double、float
• 布爾：boolean
• 日期：date
• 對象：object

索引庫的 CRUD

ES中通過Restful請求操作索引庫、文檔。請求內(nèi)容用DSL語句來表示。創(chuàng)建索引庫和mapping的DSL語法如下：

# 創(chuàng)建索引庫
PUT /wxx
{"mappings": {"properties": {"info": {"type": "text","analyzer": "ik_smart"},"email": {"type": "keyword","index": false},"name": {"type": "object","properties": {"firstName": {"type": "keyword"},"lastName": {"type": "keyword"}}}}}
}

查看索引庫語法：

GET /索引庫名 

示例：

GET /wxx

刪除索引庫的語法：

DELETE /索引庫名 

示例：

DELETE /wxx

修改索引庫

索引庫和mapping一旦創(chuàng)建無法修改，但是可以添加新的字段，語法如下：

PUT /索引庫名/_mapping
{"properties": {"新字段名":{"type": "integer"}}
}

示例：

PUT /wxx/_mapping
{"properties": {"age":{"type": "integer"}}
}

索引庫操作有哪些？

• 創(chuàng)建索引庫：PUT /索引庫名
• 查詢索引庫：GET /索引庫名
• 刪除索引庫：DELETE /索引庫名
• 添加字段：PUT /索引庫名/_mapping

文檔操作

添加文檔

新增文檔的 DSL 語法如下：

查看、刪除文檔

查看文檔語法：

GET /索引庫名/_doc/文檔id 

示例：

GET /wxx/_doc/文檔id 

刪除索引庫的語法：

DELETE /索引庫名/_doc/文檔id 

示例：

DELETE /wxx/_doc/文檔id 

修改文檔

方式一：全量修改，會刪除舊文檔，添加新文檔

方式二：增量修改，修改指定字段值

文檔操作有哪些？

• 創(chuàng)建文檔：POST /索引庫名/_doc/文檔id { json文檔 }
• 查詢文檔：GET /索引庫名/_doc/文檔id
• 刪除文檔：DELETE /索引庫名/_doc/文檔id
• 修改文檔：
  • 全量修改：PUT /索引庫名/_doc/文檔id { json文檔 }
  • 增量修改：POST /索引庫名/_update/文檔id { “doc”: {字段}}

Dynamic Mapping

當(dāng)我們向ES中插入文檔時(shí)，如果文檔中字段沒有對應(yīng)的mapping，ES會幫助我們字段設(shè)置mapping，規(guī)則如下：

我們插入一條新的數(shù)據(jù)，其中包含4個(gè)沒有mapping的字段：

• 插入文檔時(shí)，es會檢查文檔中的字段是否有mapping，如果沒有則按照默認(rèn)mapping規(guī)則來創(chuàng)建索引。
• 如果默認(rèn)mapping規(guī)則不符合你的需求，一定要自己設(shè)置字段mapping

RestClient 操作索引庫

什么是RestClient

ES官方提供了各種不同語言的客戶端，用來操作ES。這些客戶端的本質(zhì)就是組裝DSL語句，通過http請求發(fā)送給ES。官方文檔地址：https://www.elastic.co/guide/en/elasticsearch/client/index.html

利用JavaRestClient實(shí)現(xiàn)創(chuàng)建、刪除索引庫，判斷索引庫是否存在

根據(jù)課前資料提供的酒店數(shù)據(jù)創(chuàng)建索引庫，索引庫名為hotel，mapping屬性根據(jù)數(shù)據(jù)庫結(jié)構(gòu)定義。
基本步驟如下：

1. 導(dǎo)入課前資料Demo
2. 分析數(shù)據(jù)結(jié)構(gòu)，定義mapping屬性
3. 初始化JavaRestClient
4. 利用JavaRestClient創(chuàng)建索引庫
5. 利用JavaRestClient刪除索引庫
6. 利用JavaRestClient判斷索引庫是否存在

DROP TABLE IF EXISTS `tb_hotel`;
CREATE TABLE `tb_hotel`  (`id` bigint(20) NOT NULL COMMENT '酒店id',`name` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL COMMENT '酒店名稱',`address` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL COMMENT '酒店地址',`price` int(10) NOT NULL COMMENT '酒店價(jià)格',`score` int(2) NOT NULL COMMENT '酒店評分',`brand` varchar(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL COMMENT '酒店品牌',`city` varchar(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL COMMENT '所在城市',`star_name` varchar(16) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL COMMENT '酒店星級，1星到5星，1鉆到5鉆',`business` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL COMMENT '商圈',`latitude` varchar(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL COMMENT '緯度',`longitude` varchar(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL COMMENT '經(jīng)度',`pic` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL COMMENT '酒店圖片',PRIMARY KEY (`id`) USING BTREE
) ENGINE = InnoDB CHARACTER SET = utf8mb4 COLLATE = utf8mb4_general_ci ROW_FORMAT = Compact;

步驟1：導(dǎo)入課前資料Demo

首先導(dǎo)入課前資料提供的數(shù)據(jù)庫數(shù)據(jù)：

然后導(dǎo)入課前資料提供的項(xiàng)目:

步驟2：分析數(shù)據(jù)結(jié)構(gòu)

mapping要考慮的問題：
字段名、數(shù)據(jù)類型、是否參與搜索、是否分詞、如果分詞，分詞器是什么？

ES中支持兩種地理坐標(biāo)數(shù)據(jù)類型：

• geo_point：由緯度（latitude）和經(jīng)度（longitude）確定的一個(gè)點(diǎn)。例如：“32.8752345, 120.2981576”
• geo_shape：有多個(gè)geo_point組成的復(fù)雜幾何圖形。例如一條直線，“LINESTRING (-77.03653 38.897676, -77.009051 38.889939)”

字段拷貝可以使用copy_to屬性將當(dāng)前字段拷貝到指定字段。示例：

步驟3：初始化JavaRestClient

1. 引入es的RestHighLevelClient依賴：

<dependency><groupId>org.elasticsearch.client</groupId><artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>

2. 因?yàn)镾pringBoot默認(rèn)的ES版本是7.6.2，所以我們需要覆蓋默認(rèn)的ES版本：

<properties><java.version>1.8</java.version><elasticsearch.version>7.16.2</elasticsearch.version>
</properties>

3. 初始化RestHighLevelClient：

this.client = new RestHighLevelClient(RestClient.builder(HttpHost.create("http://10.211.55.6:9200")
));

創(chuàng)建索引庫

步驟4：創(chuàng)建索引庫

@Test
void testCreateHotelIndex() throws IOException {// 1. 創(chuàng)建Request對象CreateIndexRequest request = new CreateIndexRequest("hotel");// 2. 準(zhǔn)備請求參數(shù)：DSL語句request.source(HotelConstants.MAPPING_TEMPLATE, XContentType.JSON);// 3. 發(fā)送請求client.indices().create(request, RequestOptions.DEFAULT);
}

# 酒店的mapping
PUT /hotel
{"mappings": {"properties": {"all": {"type": "text","analyzer": "ik_max_word"},"id": {"type": "keyword"},"name": {"type": "text","analyzer": "ik_max_word","copy_to": "all"},"address": {"type": "keyword","index": false},"price": {"type": "integer"},"score": {"type": "integer"},"brand": {"type": "keyword","copy_to": "all"},"city": {"type": "keyword"},"starName": {"type": "keyword"},"business": {"type": "keyword","copy_to": "all"},"location": {"type": "geo_point"},"pic": {"type": "keyword","index": false}}}
}

刪除索引庫

步驟5：刪除索引庫、判斷索引庫是否存在

刪除索引庫代碼如下：

判斷索引庫是否存在

判斷索引庫是否存在

索引庫操作的基本步驟：

• 初始化RestHighLevelClient
• 創(chuàng)建XxxIndexRequest。XXX是Create、Get、Delete
• 準(zhǔn)備DSL（ Create時(shí)需要）
• 發(fā)送請求。調(diào)用RestHighLevelClient#indices().xxx()方法，xxx是create、exists、delete

RestClient操作文檔

利用JavaRestClient實(shí)現(xiàn)文檔的CRUD

去數(shù)據(jù)庫查詢酒店數(shù)據(jù)，導(dǎo)入到hotel索引庫，實(shí)現(xiàn)酒店數(shù)據(jù)的CRUD。
基本步驟如下：

1. 初始化JavaRestClient
2. 利用JavaRestClient新增酒店數(shù)據(jù)
3. 利用JavaRestClient根據(jù)id查詢酒店數(shù)據(jù)
4. 利用JavaRestClient刪除酒店數(shù)據(jù)
5. 利用JavaRestClient修改酒店數(shù)據(jù)

新增文檔

步驟1：初始化JavaRestClient

新建一個(gè)測試類，實(shí)現(xiàn)文檔相關(guān)操作，并且完成JavaRestClient的初始化

步驟2：添加酒店數(shù)據(jù)到索引庫

先查詢酒店數(shù)據(jù)，然后給這條數(shù)據(jù)創(chuàng)建倒排索引，即可完成添加：

@SpringBootTest
public class HotelDocumentTest {@Autowiredprivate IHotelService hotelService;private RestHighLevelClient client;@Testvoid testInit(){System.out.println(client);}@Testvoid testAddDocument() throws IOException {// 根據(jù) id 查詢酒店數(shù)據(jù)Hotel hotel = hotelService.getById(38665L);// 轉(zhuǎn)換為文檔類型HotelDoc hotelDoc = new HotelDoc(hotel);// 1. 準(zhǔn)備Request對象IndexRequest request = new IndexRequest("hotel").id(hotel.getId().toString());// 2. 準(zhǔn)備Json文檔request.source(JSON.toJSONString(hotelDoc), XContentType.JSON);// 3. 發(fā)送請求client.index(request, RequestOptions.DEFAULT);}@BeforeEachvoid setUp(){this.client = new RestHighLevelClient(RestClient.builder(HttpHost.create("http://10.211.55.6:9200")));}@AfterEachvoid tearDown() throws IOException {this.client.close();}
}

運(yùn)行后查看是否添加成功

查詢文檔

步驟3：根據(jù)id查詢酒店數(shù)據(jù)

根據(jù)id查詢到的文檔數(shù)據(jù)是json，需要反序列化為java對象：

修改文檔

步驟4：根據(jù)id修改酒店數(shù)據(jù)

修改文檔數(shù)據(jù)有兩種方式：
方式一：全量更新。再次寫入id一樣的文檔，就會刪除舊文檔，添加新文檔
方式二：局部更新。只更新部分字段，我們演示方式二

刪除文檔

步驟5：根據(jù)id刪除文檔數(shù)據(jù)

刪除文檔代碼如下：

文檔操作的基本步驟：

• 初始化RestHighLevelClient
• 創(chuàng)建XxxRequest。XXX是Index、Get、Update、Delete
• 準(zhǔn)備參數(shù)（Index和Update時(shí)需要）
• 發(fā)送請求。調(diào)用RestHighLevelClient#.xxx()方法，xxx是index、get、update、delete
• 解析結(jié)果（Get時(shí)需要）

批量導(dǎo)入文檔

利用JavaRestClient批量導(dǎo)入酒店數(shù)據(jù)到ES

需求：批量查詢酒店數(shù)據(jù)，然后批量導(dǎo)入索引庫中
思路：

1. 利用mybatis-plus查詢酒店數(shù)據(jù)
2. 將查詢到的酒店數(shù)據(jù)（Hotel）轉(zhuǎn)換為文檔類型數(shù)據(jù)（HotelDoc）
3. 利用JavaRestClient中的Bulk批處理，實(shí)現(xiàn)批量新增文檔，示例代碼如下

@Testvoid testBulkRequest() throws IOException {// 批量查詢酒店數(shù)據(jù)List<Hotel> hotels = hotelService.list();// 1. 創(chuàng)建 RequestBulkRequest request = new BulkRequest();// 2. 準(zhǔn)備參數(shù)，添加多個(gè)新增的Requestfor (Hotel hotel : hotels) {// 轉(zhuǎn)換為文檔類型 HotelDocHotelDoc hotelDoc = new HotelDoc(hotel);// 創(chuàng)建新增文檔的Request對象request.add(new IndexRequest("hotel").id(hotelDoc.getId().toString()).source(JSON.toJSONString(hotelDoc), XContentType.JSON));}// 3. 發(fā)送請求client.bulk(request, RequestOptions.DEFAULT);}