Spring Boot 和 Elasticsearch 整合笔记

软件版本

• Spring Boot : 2.2.1.RELEASE
• Spring Data Elasticsearch : 3.2.1.RELEASE
• Elasticsearch : 6.8.4
• Elasticsearch IK 分词器 : 6.8.4

软件版本应当尽量保持较高的一致性，比如 IK 分词器必须跟 Elasticsearch 的版本号一样，否则 Elasticsearch 服务会启动失败。

Spring 的文档有版本兼容表格：https://docs.spring.io/spring-data/elasticsearch/docs/current/reference/html/#preface.versions

整合过程

项目 pom 文件添加 maven 依赖

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

项目 yml 文件添加 elasticsearch 服务地址

elasticsearch:
    rest:
      # 逗号分隔的Elasticsearch实例使用的列表
      uris: http://localhost:9200
      # 链接超时时间
      connection-timeout:
      # 读取超时时间
      read-timeout:
      # ES 用户名
      username:
      # ES 密码
      password:

创建 ElasticsearchRepository 的子类

创建一个继承 Spring Data ElasticsearchRepository 的子类，该子类可直接拿来进行增删改查的操作

public interface WPPostEsRepository extends ElasticsearchRepository<WPPost, String> {

    Page<WPPost> findByTitleOrContent(String title, String content, Pageable pageable);

}

实体类增加注解

@Document(indexName = "wordpress", type = "post")
public class WPPost implements java.io.Serializable{

    @Id
    private Integer id;

    private Integer parentId;

    @Field(type = FieldType.Text, analyzer = "ik_max_word",searchAnalyzer = "ik_smart")
    private String title;

    @Field(type = FieldType.Text, analyzer = "ik_max_word", searchAnalyzer = "ik_smart")
    private String content;

    @Field(type = FieldType.Text, analyzer = "ik_max_word", searchAnalyzer = "ik_smart")
    private String categoryNames;

构建索引

public void rebuildIndex() throws Exception{
        elasticsearchRestTemplate.deleteIndex(WPPost.class);
        elasticsearchRestTemplate.createIndex(WPPost.class);

        WPPostRequest wpPostRequest = new WPPostRequest();
        wpPostRequest.setFindAll(true);

        PaginationResponse<WPPost> paginationResponse = findByPage(wpPostRequest);
        wpPostEsRepository.saveAll(paginationResponse.getList());


    }

采用 saveAll 方法，批量构建索引，提高构建速度

查询索引

NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder();
        queryBuilder.withPageable(PageRequest.of(wpPostRequest.getPage() - 1, wpPostRequest.getPageSize()));


        if(StringUtils.isNotBlank(wpPostRequest.getKeyword())){
//            queryBuilder.withQuery(QueryBuilders.queryStringQuery(wpPostRequest.getKeyword()));
            queryBuilder.withQuery(QueryBuilders.multiMatchQuery(wpPostRequest.getKeyword(),"title","content","categoryNames"));
        }

        SearchQuery searchQuery = queryBuilder.build();
//        Page<WPPost> esPageResult = elasticsearchRestTemplate.queryForPage(searchQuery, WPPost.class);
        Page<WPPost> esPageResult = wpPostEsRepository.search(searchQuery);

        return new PaginationResponseBuilder() {
            @Override
            public int count() {
                Long cnt = esPageResult.getTotalElements();
                return cnt.intValue();
            }

            @Override
            public List find() {
                List<WPPost> list = esPageResult.toList();
                if(CollectionUtils.isEmpty(list)){
                    return list;
                }

                return list;
            }
        }.handlePaginationRequest(wpPostRequest);

使用 multiMatchQuery 查询多个字段，包括文章标题、正文、分类，查询文章分类可以提高关键词搜索命中率。

ik_max_word 和 ik_smart 的区别

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。

两种分词器使用的最佳实践是：索引时用ik_max_word，在搜索时用ik_smart。

即：索引时最大化的将文章内容分词，搜索时更精确的搜索到想要的结果。