问答百科分布式搜索引擎01
2023-05-20 13:32
Mysql:
关系型数据库: 数据在存储时数据和数据之间有一定的关联关系
存储介质(存储位置): 硬盘
优点: 不会导致数据丢失,有事务控制
缺点: 执行消息低
事务控制
redis:
非关系型数据库: 数据在存储时数据和数据之间没有关联关系
存储介质(存储位置): 内存
优点: 执行效率高
缺点: 可能会导致数据丢失
ElasticSearch:
非关系型数据库的一种,主要用于快速搜索
存储介质(存储位置): 内存
优点: 可以实现海量数据的快速搜索(检索)
缺点: 占用内存空间较大
作用: 用来代替Mysql的查询,提高查询效率
数据库排行榜:
https://db-engines.com/en/
分布式搜索引擎01
-- elasticsearch基础
课堂代码
Kibana-DSL
# ES启动后,相当于启动了一个web项目(微服务),通过RestFul风格的路径操作即可
# 通过DSL操作ES:
# 在此处发送RestFul风格的请求携带Json格式的数据就可以操作ES了
# 标准请求路径: http://192.168.163.141:9200/_search
# 因为我们在运行Kibana容器时,设置了ES地址,所以前面的路径可以省去不写
# 向 _analyze 路径发送请求,可以实现对文本进行分词
# ES默认分词器: standard(标准分词器)
# ES分词器对中文不友好
GET /_analyze
{
"text": "黑马程序员学习java太棒了!!!",
"analyzer": "standard"
}
#=================== 自定义分词器--IK分词器 ===================
# 安装IK分词器插件,直接将ik文件夹存放到 ES插件数据卷中即可
# IK分词器有两种分词类型
# ik_smart : 分词时不会出现相同的字
# ik_max_word : 最大分词,将文档中所有的词都分析出来
POST /_analyze
{
"text": "黑马程序员学习java太棒了!!!",
"analyzer": "ik_smart"
}
POST /_analyze
{
"text": "黑马程序员学习java太棒了!!!",
"analyzer": "ik_max_word"
}
#=============扩展词条=======
POST /_analyze
{
"text": "传智播客奥力给!!!",
"analyzer": "ik_max_word"
}
#=============停用词条=======
POST /_analyze
{
"text": "刘德华好帅呀!!!",
"analyzer": "ik_max_word"
}
#====================索引库操作=======================
# 创建空索引库
PUT /heima
# 创建带有 映射关系的索引库
PUT /heima
{
"mappings": {
"properties": {
"info":{
"type": "text",
"index": true,
"analyzer": "ik_max_word"
},
"email":{
"type": "keyword",
"index": false
},
"name":{
"properties": {
"firstName":{
"type": "text",
"index": false
},
"lastName":{
"type": "text",
"index": false
}
}
}
}
}
}
# 修改索引库: 通过修改索引库添加新字段
# 注意: 索引库一旦创建不能修改索引库名称和内部字段
PUT /heima/_mapping
{
"properties":{
"age":{
"type": "integer"
}
}
}
# 查看索引库
GET /heima
# 查看索引库的映射关系
GET /heima/_mapping
# 删除索引库
DELETE /heima
#====================文档操作================
# 添加文档数据
POST /heima/_doc/1
{
"info":"黑马程序员Java讲师",
"email":"zy@itcast.cn",
"age": 38,
"name":{
"firstName":"云",
"lastName":"赵"
}
}
# 修改文档数据
# 全量修改: 覆盖式的修改(内部先删除,再添加)
PUT /heima/_doc/1
{
"age": 138,
"name":{
"firstName":"云",
"lastName":"赵"
}
}
# 增量修改: 只修改想要修改的字段,其他资源不动
POST /heima/_update/1
{
"doc":{
"email":"zy@itcast.cn"
}
}
# 查看文档数据
GET /heima/_doc/1
# 删除文档数据
DELETE /heima/_doc/1
索引库操作
package cn.itcast.hotel;
import cn.itcast.hotel.constants.HotelConstants;
import cn.itcast.hotel.pojo.Hotel;
import org.apache.http.HttpHost;
import org.elasticsearch.action.admin.indices.delete.DeleteIndexRequest;
import org.elasticsearch.action.support.master.AcknowledgedResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.client.indices.CreateIndexRequest;
import org.elasticsearch.client.indices.CreateIndexResponse;
import org.elasticsearch.client.indices.GetIndexRequest;
import org.elasticsearch.client.indices.GetIndexResponse;
import org.elasticsearch.cluster.metadata.MappingMetaData;
import org.elasticsearch.common.xcontent.XContentType;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import org.springframework.boot.test.context.SpringBootTest;
import java.io.IOException;
import java.util.Map;
@SpringBootTest
public class HotelDemo1RestApiIndex {
private RestHighLevelClient client = null;
// 创建索引库
@Test
public void createIndex() throws IOException {
//1.创建请求语义对象 (本次请求ES要干什么)
//1.1 创建请求语义对象
CreateIndexRequest request = new CreateIndexRequest("hotel");
//1.2 描述请求携带的参数
request.mapping(HotelConstants.MAPPING_TEMPLATE, XContentType.JSON);
//2.发送请求给ES
// 参数1: 请求语义对象
// 参数2: 请求方式,全部都使用默认的
CreateIndexResponse response =
client.indices().create(request, RequestOptions.DEFAULT);
//3.接收响应结果
boolean flag = response.isAcknowledged();
System.out.println(flag);
}
// 查看索引库
@Test
public void selectIndex() throws IOException {
//1.创建请求语义对象 (本次请求ES要干什么)
//1.1 创建请求语义对象
GetIndexRequest request = new GetIndexRequest("hotel");
//2.发送请求给ES
// 参数1: 请求语义对象
// 参数2: 请求方式,全部都使用默认的
GetIndexResponse response = client.indices().get(request, RequestOptions.DEFAULT);
//3.接收响应结果
Map<String, MappingMetaData> mappings = response.getMappings();
Map<String, Object> hotelMappings = mappings.get("hotel").getSourceAsMap();
//System.out.println(response);
System.out.println("mappings: "+hotelMappings);
}
// 判定索引库是否存在
@Test
public void existsIndex() throws IOException {
//1.创建请求语义对象 (本次请求ES要干什么)
//1.1 创建请求语义对象
GetIndexRequest request = new GetIndexRequest("hotel111");
//2.发送请求给ES
// 参数1: 请求语义对象
// 参数2: 请求方式,全部都使用默认的
boolean flag = client.indices().exists(request, RequestOptions.DEFAULT);
//3.接收响应结果
System.out.println(flag);
}
// 删除索引库
@Test
public void deleteIndex() throws IOException {
//1.创建请求语义对象 (本次请求ES要干什么)
//1.1 创建请求语义对象
DeleteIndexRequest request = new DeleteIndexRequest("hotel");
//2.发送请求给ES
// 参数1: 请求语义对象
// 参数2: 请求方式,全部都使用默认的
AcknowledgedResponse response = client.indices().delete(request, RequestOptions.DEFAULT);
//3.接收响应结果
System.out.println(response.isAcknowledged());
}
/**
* 在单元测试执行前执行
* 创建RestAPI对象
*/
@BeforeEach
public void init() {
client = new RestHighLevelClient(
RestClient.builder(
new HttpHost("192.168.163.130", 9200, "http")
//new HttpHost("localhost", 9201, "http")
));
System.out.println(client);
}
/**
* 在单元测试执行前执行
* 关闭client对象
*/
@AfterEach
public void destory() throws Exception{
if (client!=null){
client.close();
}
}
}
文档操作
package cn.itcast.hotel;
import cn.itcast.hotel.constants.HotelConstants;
import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.pojo.HotelDoc;
import cn.itcast.hotel.service.IHotelService;
import com.alibaba.fastjson.JSON;
import org.apache.http.HttpHost;
import org.elasticsearch.action.DocWriteResponse;
import org.elasticsearch.action.admin.indices.delete.DeleteIndexRequest;
import org.elasticsearch.action.delete.DeleteRequest;
import org.elasticsearch.action.delete.DeleteResponse;
import org.elasticsearch.action.get.GetRequest;
import org.elasticsearch.action.get.GetResponse;
import org.elasticsearch.action.index.IndexRequest;
import org.elasticsearch.action.index.IndexResponse;
import org.elasticsearch.action.support.master.AcknowledgedResponse;
import org.elasticsearch.action.update.UpdateRequest;
import org.elasticsearch.action.update.UpdateResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.client.indices.CreateIndexRequest;
import org.elasticsearch.client.indices.CreateIndexResponse;
import org.elasticsearch.client.indices.GetIndexRequest;
import org.elasticsearch.client.indices.GetIndexResponse;
import org.elasticsearch.cluster.metadata.MappingMetaData;
import org.elasticsearch.common.xcontent.XContentType;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import java.io.IOException;
import java.util.Map;
@SpringBootTest
public class HotelDemo2RestApiDoc {
@Autowired
private IHotelService hotelService;
private RestHighLevelClient client = null;
// 添加文档数据
@Test
public void addDoc() throws IOException {
// 根据id查询mysql
Hotel hotel = hotelService.getById(36934L);
// 处理hotel实体数据,将经纬度拼接成字符串赋值给location
HotelDoc hotelDoc = new HotelDoc(hotel);
//1.创建请求语义对象(本次请求要做什么)
IndexRequest request = new IndexRequest("hotel");
// 文档id值
request.id(hotel.getId()+"");
// 将hotelDoc对象转成json
String hotelDocJson = JSON.toJSONString(hotelDoc);
request.source(hotelDocJson, XContentType.JSON);
//2.发送请求给ES
IndexResponse response = client.index(request, RequestOptions.DEFAULT);
//3.处理响应结果
DocWriteResponse.Result result = response.getResult();
System.out.println("result: "+result);
System.out.println("status: "+response.status());
}
// 修改文档数据
@Test
public void updateDoc() throws IOException {
//1.创建请求语义对象(本次请求要做什么)
UpdateRequest request = new UpdateRequest("hotel","36934");
// 被修改的字段内容
request.doc(
"price","1000",
"name","8天酒店"
);
//2.发送请求给ES
UpdateResponse response = client.update(request, RequestOptions.DEFAULT);
//3.处理响应结果
DocWriteResponse.Result result = response.getResult();
System.out.println(result);
}
// 查看文档数据
@Test
public void getDoc() throws IOException {
//1.创建请求语义对象(本次请求要做什么)
GetRequest request = new GetRequest("hotel","36934");
//2.发送请求给ES
GetResponse response = client.get(request, RequestOptions.DEFAULT);
//3.处理响应结果
String hotelDocJson = response.getSourceAsString();
System.out.println(hotelDocJson);
HotelDoc hotelDoc = JSON.parseObject(hotelDocJson, HotelDoc.class);
System.out.println(hotelDoc);
}
// 删除文档数据
@Test
public void deleteDoc() throws IOException {
//1.创建请求语义对象(本次请求要做什么)
DeleteRequest request = new DeleteRequest("hotel", "36934");
//2.发送请求给ES
DeleteResponse response = client.delete(request, RequestOptions.DEFAULT);
//3.处理响应结果
System.out.println(response.getResult());
}
/**
* 在单元测试执行前执行
* 创建RestAPI对象
*/
@BeforeEach
public void init() {
client = new RestHighLevelClient(
RestClient.builder(
new HttpHost("192.168.163.130", 9200, "http")
//new HttpHost("localhost", 9201, "http")
));
System.out.println(client);
}
/**
* 在单元测试执行前执行
* 关闭client对象
*/
@AfterEach
public void destory() throws Exception{
if (client!=null){
client.close();
}
}
}
Hotel操作
package cn.itcast.hotel;
import cn.itcast.hotel.constants.HotelConstants;
import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.pojo.HotelDoc;
import cn.itcast.hotel.service.IHotelService;
import com.alibaba.fastjson.JSON;
import org.apache.http.HttpHost;
import org.elasticsearch.action.DocWriteResponse;
import org.elasticsearch.action.bulk.BulkRequest;
import org.elasticsearch.action.bulk.BulkResponse;
import org.elasticsearch.action.index.IndexRequest;
import org.elasticsearch.action.index.IndexResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.client.indices.CreateIndexRequest;
import org.elasticsearch.client.indices.CreateIndexResponse;
import org.elasticsearch.common.xcontent.XContentType;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import java.io.IOException;
import java.util.List;
@SpringBootTest
public class HotelTest {
private RestHighLevelClient client = null;
@Autowired
private IHotelService hotelService;
/**
* 创建索引库
*/
@Test
public void createHotel() throws IOException {
//1.创建请求语义对象
CreateIndexRequest request = new CreateIndexRequest("hotel");
// 设置映射关系
request.mapping(HotelConstants.MAPPING_TEMPLATE, XContentType.JSON);
//2.发送请求给ES
CreateIndexResponse response = client.indices().create(request, RequestOptions.DEFAULT);
//3.处理响应结果
if (response.isAcknowledged()){
System.out.println("创建索引库成功...");
}
}
/**
* 添加文档数据
* @throws IOException
*/
@Test
public void addDocHotel() throws IOException {
//===============数据准备
// 从mysql中查询酒店数据
Hotel hotel = hotelService.findById(36934L);
// 将hotel对象转换成ES想要的数据格式 HotelDoc
HotelDoc hotelDoc = new HotelDoc(hotel);
// 将java对象转成json字符串
String hotelDocJson = JSON.toJSONString(hotelDoc);
System.out.println(hotelDocJson);
//================
//1.创建请求语义对象
IndexRequest request = new IndexRequest("hotel");
// 设置文档id
request.id("36934");
// 设置添加的文档数据
request.source(hotelDocJson,XContentType.JSON);
//2.发送请求给ES
IndexResponse response = client.index(request, RequestOptions.DEFAULT);
//3.处理响应结果
DocWriteResponse.Result result = response.getResult();
System.out.println(result);
}
/**
* 将mysql中的所有数据插入到ES中
* 向ES中批量添加文档数据
* @throws IOException
*/
@Test
public void bulkHotel() throws IOException {
// 从mysql中查询所有数据信息
List<Hotel> list = hotelService.findAll();
//1.创建请求语义对象
BulkRequest request = new BulkRequest();
// 封装批量的文档数据
for (Hotel hotel : list) {
// 将hotel对象转换成ES想要的数据格式 HotelDoc
HotelDoc hotelDoc = new HotelDoc(hotel);
// 将java对象转成json字符串
String hotelDocJson = JSON.toJSONString(hotelDoc);
System.out.println(hotelDocJson);
//--------------------------
IndexRequest indexRequest = new IndexRequest("hotel");
// 设置文档id
indexRequest.id(hotel.getId()+"");
// 设置添加的文档数据
indexRequest.source(hotelDocJson,XContentType.JSON);
// 将IndexRequest封装到BulkRequest中进行批量操作
request.add(indexRequest);
}
//2.发送请求给ES
BulkResponse response = client.bulk(request, RequestOptions.DEFAULT);
//3.处理响应结果
System.out.println(response.status());
}
/**
* 创建RestClient对象,操作ES
*/
@BeforeEach
public void init() throws IOException {
//1.创建RestClient对象用于操作ES,向ES发送rest风格的请求
client = new RestHighLevelClient(
RestClient.builder(
//new HttpHost("localhost", 9200, "http"),
new HttpHost("192.168.163.141", 9200, "http")));
System.out.println(client);
}
@AfterEach
public void destory() throws IOException {
if (client!=null){
// 关闭客户端对象
client.close();
}
}
}
1.初识elasticsearch
1.1.了解ES
elasticsearch是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容
例如：
-
在GitHub搜索代码
-
在电商网站搜索商品
-
在百度搜索答案
-
在打车软件搜索附近的车
1.1.2.ELK技术栈
elasticsearch结合kibana、Logstash、Beats，也就是elastic stack（ELK）。被广泛应用在日志数据分析、实时监控等领域：
而elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。
1.1.3.elasticsearch和lucene
elasticsearch底层是基于lucene来实现的。
Lucene是一个Java语言的搜索引擎类库，是Apache公司的顶级项目，由DougCutting于1999年研发。官网地址：https://lucene.apache.org/ 。
elasticsearch的发展历史：
- 2004年Shay Banon基于Lucene开发了Compass
- 2010年Shay Banon 重写了Compass，取名为Elasticsearch。
1.1.4.为什么不是其他搜索技术？
目前比较知名的搜索引擎技术排名：
虽然在早期，Apache Solr是最主要的搜索引擎技术，但随着发展elasticsearch已经渐渐超越了Solr，独占鳌头：
1.1.5.总结
什么是elasticsearch？
- 一个开源的分布式搜索引擎，可以用来实现搜索、日志统计、分析、系统监控等功能
什么是elastic stack（ELK）？
- 是以elasticsearch为核心的技术栈，包括beats、Logstash、kibana、elasticsearch
什么是Lucene？
- 是Apache的开源搜索引擎类库，提供了搜索引擎的核心API
1.2.倒排索引
倒排索引的概念是基于MySQL这样的正向索引而言的。
1.2.1.正向索引
那么什么是正向索引呢？例如给下表（tb_goods）中的id创建索引：
如果是根据id查询，那么直接走索引，查询速度非常快。
但如果是基于title做模糊查询，只能是逐行扫描数据，流程如下：
1）用户搜索数据，条件是title符合"%手机%"
2）逐行获取数据，比如id为1的数据
3）判断数据中的title是否符合用户搜索条件
4）如果符合则放入结果集，不符合则丢弃。回到步骤1
逐行扫描，也就是全表扫描，随着数据量增加，其查询效率也会越来越低。当数据量达到数百万时，就是一场灾难。
1.2.2.倒排索引
倒排索引中有两个非常重要的概念：
- 文档（
Document）：用来搜索的数据，其中的每一条数据就是一个文档。例如一个网页、一个商品信息 - 词条（
Term）：对文档数据或用户搜索数据，利用某种算法分词，得到的具备含义的词语就是词条。例如：我是中国人，就可以分为：我、是、中国人、中国、国人这样的几个词条
创建倒排索引是对正向索引的一种特殊处理，流程如下：
- 将每一个文档的数据利用算法分词，得到一个个词条
- 创建表，每行数据包括词条、词条所在文档id、位置等信息
- 因为词条唯一性，可以给词条创建索引，例如hash表结构索引
如图：
倒排索引的搜索流程如下（以搜索"华为手机"为例）：
1）用户输入条件"华为手机"进行搜索。
2）对用户输入内容分词，得到词条：华为、手机。
3）拿着词条在倒排索引中查找，可以得到包含词条的文档id：1、2、3。
4）拿着文档id到正向索引中查找具体文档。
如图：
虽然要先查询倒排索引，再查询倒排索引，但是无论是词条、还是文档id都建立了索引，查询速度非常快！无需全表扫描。
1.2.3.正向和倒排
那么为什么一个叫做正向索引，一个叫做倒排索引呢？
-
正向索引是最传统的，根据id索引的方式。但根据词条查询时，必须先逐条获取每个文档，然后判断文档中是否包含所需要的词条，是根据文档找词条的过程。
-
而倒排索引则相反，是先找到用户要搜索的词条，根据词条得到保护词条的文档的id，然后根据id获取文档。是根据词条找文档的过程。
是不是恰好反过来了？
那么两者方式的优缺点是什么呢？
正向索引：
- 优点：
- 可以给多个字段创建索引
- 根据索引字段搜索、排序速度非常快
- 缺点：
- 根据非索引字段，或者索引字段中的部分词条查找时，只能全表扫描。
倒排索引：
- 优点：
- 根据词条搜索、模糊搜索时，速度非常快
- 缺点：
- 只能给词条创建索引，而不是字段
- 无法根据字段做排序
1.3.es的一些概念
elasticsearch中有很多独有的概念，与mysql中略有差别，但也有相似之处。
1.3.1.文档和字段
elasticsearch是面向文档（Document）存储的，可以是数据库中的一条商品数据，一个订单信息。文档数据会被序列化为json格式后存储在elasticsearch中：
而Json文档中往往包含很多的字段（Field），类似于数据库中的列。
1.3.2.索引和映射
索引（Index），就是相同类型的文档的集合。
例如：
- 所有用户文档，就可以组织在一起，称为用户的索引；
- 所有商品的文档，可以组织在一起，称为商品的索引；
- 所有订单的文档，可以组织在一起，称为订单的索引；
因此，我们可以把索引当做是数据库中的表。
数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。因此，索引库中就有映射（mapping），是索引中文档的字段约束信息，类似表的结构约束。
1.3.3.mysql与elasticsearch
我们统一的把mysql与elasticsearch的概念做一下对比：
| MySQL | Elasticsearch | 说明 |
|---|---|---|
| Table | Index | 索引(index)，就是文档的集合，类似数据库的表(table) |
| Row | Document | 文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式 |
| Column | Field | 字段（Field），就是JSON文档中的字段，类似数据库中的列（Column） |
| Schema | Mapping | Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema） |
| SQL | DSL | DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD |
是不是说，我们学习了elasticsearch就不再需要mysql了呢？
并不是如此，两者各自有自己的擅长支出：
-
Mysql：擅长事务类型操作，可以确保数据的安全和一致性
-
Elasticsearch：擅长海量数据的搜索、分析、计算
因此在企业中，往往是两者结合使用：
- 对安全性要求较高的写操作，使用mysql实现
- 对查询性能要求较高的搜索需求，使用elasticsearch实现
- 两者再基于某种方式，实现数据的同步，保证一致性
1.4.安装es、kibana
1.4.1.安装
参考课前资料：
1.4.2.分词器
参考课前资料：
1.4.3.总结
分词器的作用是什么？
- 创建倒排索引时对文档分词
- 用户搜索时，对输入的内容分词
IK分词器有几种模式？
- ik_smart：智能切分，粗粒度
- ik_max_word：最细切分，细粒度
IK分词器如何拓展词条？如何停用词条？
- 利用config目录的IkAnalyzer.cfg.xml文件添加拓展词典和停用词典
- 在词典中添加拓展词条或者停用词条
2.索引库操作
索引库就类似数据库表，mapping映射就类似表的结构。
我们要向es中存储数据，必须先创建“库”和“表”。
2.1.mapping映射属性
mapping是对索引库中文档的约束，常见的mapping属性包括：
- type：字段数据类型，常见的简单类型有：
- 字符串：text（可分词的文本）、keyword（精确值，例如：品牌、国家、ip地址）
- 数值：long、integer、short、byte、double、float、
- 布尔：boolean
- 日期：date
- 对象：object
- index：是否创建索引，默认为true
- analyzer：使用哪种分词器
- properties：该字段的子字段
例如下面的json文档：
{
"age":21,
"weight":52.1,
"isMarried":false,
"info":"黑马程序员Java讲师",
"email":"zy@itcast.cn",
"score":[99.1, 99.5, 98.9],
"name":{
"firstName":"云",
"lastName":"赵"
}
}
对应的每个字段映射（mapping）：
- age：类型为 integer；参与搜索，因此需要index为true；无需分词器
- weight：类型为float；参与搜索，因此需要index为true；无需分词器
- isMarried：类型为boolean；参与搜索，因此需要index为true；无需分词器
- info：类型为字符串，需要分词，因此是text；参与搜索，因此需要index为true；分词器可以用ik_smart
- email：类型为字符串，但是不需要分词，因此是keyword；不参与搜索，因此需要index为false；无需分词器
- score：虽然是数组，但是我们只看元素的类型，类型为float；参与搜索，因此需要index为true；无需分词器
- name：类型为object，需要定义多个子属性
- name.firstName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器
- name.lastName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器
2.2.索引库的CRUD
这里我们统一使用Kibana编写DSL的方式来演示。
2.2.1.创建索引库和映射
基本语法：
- 请求方式：PUT
- 请求路径：/索引库名，可以自定义
- 请求参数：mapping映射
格式：
PUT/索引库名称
{
"mappings":{
"properties":{
"字段名":{
"type":"text",
"analyzer":"ik_smart"
},
"字段名2":{
"type":"keyword",
"index":"false"
},
"字段名3":{
"properties":{
"子字段":{
"type":"keyword"
}
}
},
// ...略
}
}
}
示例：
PUT/heima
{
"mappings":{
"properties":{
"info":{
"type":"text",
"analyzer":"ik_smart"
},
"email":{
"type":"keyword",
"index":"falsae"
},
"name":{
"properties":{
"firstName":{
"type":"keyword"
}
}
},
// ... 略
}
}
}
2.2.2.查询索引库
基本语法：
-
请求方式：GET
-
请求路径：/索引库名
-
请求参数：无
格式：
GET /索引库名
示例：
2.2.3.修改索引库
倒排索引结构虽然不复杂，但是一旦数据结构改变（比如改变了分词器），就需要重新创建倒排索引，这简直是灾难。因此索引库一旦创建，无法修改mapping。
虽然无法修改mapping中已有的字段，但是却允许添加新的字段到mapping中，因为不会对倒排索引产生影响。
语法说明：
PUT/索引库名/_mapping
{
"properties":{
"新字段名":{
"type":"integer"
}
}
}
示例：
2.2.4.删除索引库
语法：
-
请求方式：DELETE
-
请求路径：/索引库名
-
请求参数：无
格式：
DELETE /索引库名
在kibana中测试：
2.2.5.总结
索引库操作有哪些？
- 创建索引库：PUT /索引库名
- 查询索引库：GET /索引库名
- 删除索引库：DELETE /索引库名
- 添加字段：PUT /索引库名/_mapping
3.文档操作
3.1.新增文档
语法：
POST/索引库名/_doc/文档id
{
"字段1":"值1",
"字段2":"值2",
"字段3":{
"子属性1":"值3",
"子属性2":"值4"
},
// ...
}
示例：
POST/heima/_doc/1
{
"info":"黑马程序员Java讲师",
"email":"zy@itcast.cn",
"name":{
"firstName":"云",
"lastName":"赵"
}
}
响应：
3.2.查询文档
根据rest风格，新增是post，查询应该是get，不过查询一般都需要条件，这里我们把文档id带上。
语法：
GET /{索引库名称}/_doc/{id}
通过kibana查看数据：
GET /heima/_doc/1
查看结果：
3.3.删除文档
删除使用DELETE请求，同样，需要根据id进行删除：
语法：
DELETE /{索引库名}/_doc/id值
示例：
# 根据id删除数据
DELETE /heima/_doc/1
结果：
3.4.修改文档
修改有两种方式：
- 全量修改：直接覆盖原来的文档
- 增量修改：修改文档中的部分字段
3.4.1.全量修改
全量修改是覆盖原来的文档，其本质是：
- 根据指定的id删除文档
- 新增一个相同id的文档
注意：如果根据id删除时，id不存在，第二步的新增也会执行，也就从修改变成了新增操作了。
语法：
PUT/{索引库名}/_doc/文档id
{
"字段1":"值1",
"字段2":"值2",
// ... 略
}
示例：
PUT/heima/_doc/1
{
"info":"黑马程序员高级Java讲师",
"email":"zy@itcast.cn",
"name":{
"firstName":"云",
"lastName":"赵"
}
}
3.4.2.增量修改
增量修改是只修改指定id匹配的文档中的部分字段。
语法：
POST/{索引库名}/_update/文档id
{
"doc": {
"字段名":"新的值",
}
}
示例：
POST/heima/_update/1
{
"doc":{
"email":"ZhaoYun@itcast.cn"
}
}
3.5.总结
文档操作有哪些？
- 创建文档：POST /{索引库名}/_doc/文档id { json文档 }
- 查询文档：GET /{索引库名}/_doc/文档id
- 删除文档：DELETE /{索引库名}/_doc/文档id
- 修改文档：
- 全量修改：PUT /{索引库名}/_doc/文档id { json文档 }
- 增量修改：POST /{索引库名}/_update/文档id { "doc": {字段}}
4.RestAPI
ES官方提供了各种不同语言的客户端，用来操作ES。这些客户端的本质就是组装DSL语句，通过http请求发送给ES。官方文档地址：https://www.elastic.co/guide/en/elasticsearch/client/index.html
其中的Java Rest Client又包括两种：
- Java Low Level Rest Client
- Java High Level Rest Client
我们学习的是Java HighLevel Rest Client客户端API
4.0.导入Demo工程
4.0.1.导入数据
首先导入课前资料提供的数据库数据：
数据结构如下：
CREATETABLE`tb_hotel`(
`id`bigint(20)NOTNULLCOMMENT'酒店id',
`name`varchar(255)NOTNULLCOMMENT'酒店名称；例：7天酒店',
`address`varchar(255)NOTNULLCOMMENT'酒店地址；例：航头路',
`price`int(10)NOTNULLCOMMENT'酒店价格；例：329',
`score`int(2)NOTNULLCOMMENT'酒店评分；例：45，就是4.5分',
`brand`varchar(32)NOTNULLCOMMENT'酒店品牌；例：如家',
`city`varchar(32)NOTNULLCOMMENT'所在城市；例：上海',
`star_name`varchar(16)DEFAULTNULLCOMMENT'酒店星级，从低到高分别是：1星到5星，1钻到5钻',
`business`varchar(255)DEFAULTNULLCOMMENT'商圈；例：虹桥',
`latitude`varchar(32)NOTNULLCOMMENT'纬度；例：31.2497',
`longitude`varchar(32)NOTNULLCOMMENT'经度；例：120.3925',
`pic`varchar(255)DEFAULTNULLCOMMENT'酒店图片；例:/img/1.jpg',
PRIMARYKEY(`id`)
)ENGINE=InnoDBDEFAULTCHARSET=utf8mb4;
4.0.2.导入项目
然后导入课前资料提供的项目:
项目结构如图：
4.0.3.mapping映射分析
创建索引库，最关键的是mapping映射，而mapping映射要考虑的信息包括：
- 字段名
- 字段数据类型
- 是否参与搜索
- 是否需要分词
- 如果分词，分词器是什么？
其中：
- 字段名、字段数据类型，可以参考数据表结构的名称和类型
- 是否参与搜索要分析业务来判断，例如图片地址，就无需参与搜索
- 是否分词呢要看内容，内容如果是一个整体就无需分词，反之则要分词
- 分词器，我们可以统一使用ik_max_word
来看下酒店数据的索引库结构:
PUT /hotel
{
"mappings": {
"properties": {
"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",
"copy_to": "all"
},
"starName":{
"type": "keyword"
},
"business":{
"type": "keyword"
},
"location":{
"type": "geo_point"
},
"pic":{
"type": "keyword",
"index": false
},
"all":{
"type": "text",
"analyzer": "ik_max_word"
}
}
}
}
几个特殊字段说明：
- location：地理坐标，里面包含精度、纬度
- all：一个组合字段，其目的是将多字段的值 利用copy_to合并，提供给用户搜索
地理坐标说明：
copy_to说明：
4.0.4.初始化RestClient
在elasticsearch提供的API中，与elasticsearch一切交互都封装在一个名为RestHighLevelClient的类中，必须先完成这个对象的初始化，建立与elasticsearch的连接。
分为三步：
1）引入es的RestHighLevelClient依赖：
<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>
2）因为SpringBoot默认的ES版本是7.6.2，所以我们需要覆盖默认的ES版本：
<properties>
<java.version>1.8</java.version>
<elasticsearch.version>7.12.1</elasticsearch.version>
</properties>
3）初始化RestHighLevelClient：
初始化的代码如下：
RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(
HttpHost.create("http://192.168.150.101:9200")
));
这里为了单元测试方便，我们创建一个测试类HotelIndexTest，然后将初始化的代码编写在@BeforeEach方法中：
package cn.itcast.hotel;
import org.apache.http.HttpHost;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import org.springframework.boot.test.context.SpringBootTest;
import java.io.IOException;
@SpringBootTest
public class HelloRestClientTest {
private RestHighLevelClient client = null;
/**
* 创建RestClient对象,操作ES
*/
@BeforeEach
public void init() throws IOException {
//1.创建RestClient对象用于操作ES,向ES发送rest风格的请求
// RestHighLevelClient client = new RestHighLevelClient(
// RestClient.builder(
// //new HttpHost("localhost", 9200, "http"),
// new HttpHost("192.168.163.141", 9200, "http")));
client = new RestHighLevelClient(RestClient.builder(
HttpHost.create("http://192.168.163.141:9200")
));
System.out.println(client);
}
@Test
public void test01(){
System.out.println(client);
}
@AfterEach
public void destory() throws IOException {
if (client!=null){
// 关闭客户端对象
client.close();
}
}
}
4.1.创建索引库
4.1.1.代码解读
创建索引库的API如下：
代码分为三步：
- 1）创建Request对象。因为是创建索引库的操作，因此Request是CreateIndexRequest。
- 2）添加请求参数，其实就是DSL的JSON参数部分。因为json字符串很长，这里是定义了静态字符串常量MAPPING_TEMPLATE，让代码看起来更加优雅。
- 3）发送请求，client.indices()方法的返回值是IndicesClient类型，封装了所有与索引库操作有关的方法。
4.1.2.完整示例
在hotel-demo的cn.itcast.hotel.constants包下，创建一个类，定义mapping映射的JSON字符串常量：
package cn.itcast.hotel.constants;
public class HotelConstants {
public static final String MAPPING_TEMPLATE = "{\n" +
" \"mappings\": {\n" +
" \"properties\": {\n" +
" \"id\": {\n" +
" \"type\": \"keyword\"\n" +
" },\n" +
" \"name\":{\n" +
" \"type\": \"text\",\n" +
" \"analyzer\": \"ik_max_word\",\n" +
" \"copy_to\": \"all\"\n" +
" },\n" +
" \"address\":{\n" +
" \"type\": \"keyword\",\n" +
" \"index\": false\n" +
" },\n" +
" \"price\":{\n" +
" \"type\": \"integer\"\n" +
" },\n" +
" \"score\":{\n" +
" \"type\": \"integer\"\n" +
" },\n" +
" \"brand\":{\n" +
" \"type\": \"keyword\",\n" +
" \"copy_to\": \"all\"\n" +
" },\n" +
" \"city\":{\n" +
" \"type\": \"keyword\",\n" +
" \"copy_to\": \"all\"\n" +
" },\n" +
" \"starName\":{\n" +
" \"type\": \"keyword\"\n" +
" },\n" +
" \"business\":{\n" +
" \"type\": \"keyword\"\n" +
" },\n" +
" \"location\":{\n" +
" \"type\": \"geo_point\"\n" +
" },\n" +
" \"pic\":{\n" +
" \"type\": \"keyword\",\n" +
" \"index\": false\n" +
" },\n" +
" \"all\":{\n" +
" \"type\": \"text\",\n" +
" \"analyzer\": \"ik_max_word\"\n" +
" }\n" +
" }\n" +
" }\n" +
"}";
}
在hotel-demo中的HotelIndexTest测试类中，编写单元测试，实现创建索引：
@Test
void createHotelIndex() throws IOException {
// 1.创建Request对象
CreateIndexRequest request = new CreateIndexRequest("hotel");
// 2.准备请求的参数：DSL语句
request.source(MAPPING_TEMPLATE, XContentType.JSON);
// 3.发送请求
client.indices().create(request, RequestOptions.DEFAULT);
}
4.2.删除索引库
删除索引库的DSL语句非常简单：
DELETE /hotel
与创建索引库相比：
- 请求方式从PUT变为DELTE
- 请求路径不变
- 无请求参数
所以代码的差异，注意体现在Request对象上。依然是三步走：
- 1）创建Request对象。这次是DeleteIndexRequest对象
- 2）准备参数。这里是无参
- 3）发送请求。改用delete方法
在hotel-demo中的HotelIndexTest测试类中，编写单元测试，实现删除索引：
@Test
void testDeleteHotelIndex() throws IOException {
// 1.创建Request对象
DeleteIndexRequest request = new DeleteIndexRequest("hotel");
// 2.发送请求
client.indices().delete(request, RequestOptions.DEFAULT);
}
4.3.判断索引库是否存在
判断索引库是否存在，本质就是查询，对应的DSL是：
GET /hotel
因此与删除的Java代码流程是类似的。依然是三步走：
- 1）创建Request对象。这次是GetIndexRequest对象
- 2）准备参数。这里是无参
- 3）发送请求。改用exists方法
@Test
void testExistsHotelIndex() throws IOException {
// 1.创建Request对象
GetIndexRequest request = new GetIndexRequest("hotel");
// 2.发送请求
boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);
// 3.输出
System.err.println(exists ? "索引库已经存在！" : "索引库不存在！");
}
4.4.总结
JavaRestClient操作elasticsearch的流程基本类似。核心是client.indices()方法来获取索引库的操作对象。
索引库操作的基本步骤：
- 初始化RestHighLevelClient
- 创建XxxIndexRequest。XXX是Create、Get、Delete
- 准备DSL（ Create时需要，其它是无参）
- 发送请求。调用RestHighLevelClient#indices().xxx()方法，xxx是create、exists、delete
5.RestClient操作文档
为了与索引库操作分离，我们再次参加一个测试类，做两件事情：
- 初始化RestHighLevelClient
- 我们的酒店数据在数据库，需要利用IHotelService去查询，所以注入这个接口
package cn.itcast.hotel;
import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.service.IHotelService;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import java.io.IOException;
import java.util.List;
@SpringBootTest
public class HotelDocumentTest {
@Autowired
private IHotelService hotelService;
private RestHighLevelClient client;
@BeforeEach
void setUp() {
this.client = new RestHighLevelClient(RestClient.builder(
HttpHost.create("http://192.168.150.101:9200")
));
}
@AfterEach
void tearDown() throws IOException {
this.client.close();
}
}
5.1.新增文档
我们要将数据库的酒店数据查询出来，写入elasticsearch中。
5.1.1.索引库实体类
数据库查询后的结果是一个Hotel类型的对象。结构如下：
@Data
@TableName("tb_hotel")
public class Hotel {
@TableId(type = IdType.INPUT)
private Long id;
private String name;
private String address;
private Integer price;
private Integer score;
private String brand;
private String city;
private String starName;
private String business;
private String longitude;
private String latitude;
private String pic;
}
与我们的索引库结构存在差异：
- longitude和latitude需要合并为location
因此，我们需要定义一个新的类型，与索引库结构吻合：
package cn.itcast.hotel.pojo;
import lombok.Data;
import lombok.NoArgsConstructor;
@Data
@NoArgsConstructor
public class HotelDoc {
private Long id;
private String name;
private String address;
private Integer price;
private Integer score;
private String brand;
private String city;
private String starName;
private String business;
private String location;
private String pic;
public HotelDoc(Hotel hotel) {
this.id = hotel.getId();
this.name = hotel.getName();
this.address = hotel.getAddress();
this.price = hotel.getPrice();
this.score = hotel.getScore();
this.brand = hotel.getBrand();
this.city = hotel.getCity();
this.starName = hotel.getStarName();
this.business = hotel.getBusiness();
this.location = hotel.getLatitude() + ", " + hotel.getLongitude();
this.pic = hotel.getPic();
}
}
5.1.2.语法说明
新增文档的DSL语句如下：
POST /{索引库名}/_doc/1
{
"name": "Jack",
"age": 21
}
对应的java代码如图：
可以看到与创建索引库类似，同样是三步走：
- 1）创建Request对象
- 2）准备请求参数，也就是DSL中的JSON文档
- 3）发送请求
变化的地方在于，这里直接使用client.xxx()的API，不再需要client.indices()了。
5.1.3.完整代码
我们导入酒店数据，基本流程一致，但是需要考虑几点变化：
- 酒店数据来自于数据库，我们需要先查询出来，得到hotel对象
- hotel对象需要转为HotelDoc对象
- HotelDoc需要序列化为json格式
因此，代码整体步骤如下：
- 1）根据id查询酒店数据Hotel
- 2）将Hotel封装为HotelDoc
- 3）将HotelDoc序列化为JSON
- 4）创建IndexRequest，指定索引库名和id
- 5）准备请求参数，也就是JSON文档
- 6）发送请求
在hotel-demo的HotelDocumentTest测试类中，编写单元测试：
@Test
void testAddDocument() throws IOException {
// 1.根据id查询酒店数据
Hotel hotel = hotelService.getById(61083L);
// 2.转换为文档类型
HotelDoc hotelDoc = new HotelDoc(hotel);
// 3.将HotelDoc转json
String json = JSON.toJSONString(hotelDoc);
// 1.准备Request对象
IndexRequest request = new IndexRequest("hotel").id(hotelDoc.getId().toString());
// 2.准备Json文档
request.source(json, XContentType.JSON);
// 3.发送请求
client.index(request, RequestOptions.DEFAULT);
}
5.2.查询文档
5.2.1.语法说明
查询的DSL语句如下：
GET /hotel/_doc/{id}
非常简单，因此代码大概分两步：
- 准备Request对象
- 发送请求
不过查询的目的是得到结果，解析为HotelDoc，因此难点是结果的解析。完整代码如下：
可以看到，结果是一个JSON，其中文档放在一个_source属性中，因此解析就是拿到_source，反序列化为Java对象即可。
与之前类似，也是三步走：
- 1）准备Request对象。这次是查询，所以是GetRequest
- 2）发送请求，得到结果。因为是查询，这里调用client.get()方法
- 3）解析结果，就是对JSON做反序列化
5.2.2.完整代码
在hotel-demo的HotelDocumentTest测试类中，编写单元测试：
@Test
void testGetDocumentById() throws IOException {
// 1.准备Request
GetRequest request = new GetRequest("hotel", "61082");
// 2.发送请求，得到响应
GetResponse response = client.get(request, RequestOptions.DEFAULT);
// 3.解析响应结果
String json = response.getSourceAsString();
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
System.out.println(hotelDoc);
}
5.3.删除文档
删除的DSL为是这样的：
DELETE /hotel/_doc/{id}
与查询相比，仅仅是请求方式从DELETE变成GET，可以想象Java代码应该依然是三步走：
- 1）准备Request对象，因为是删除，这次是DeleteRequest对象。要指定索引库名和id
- 2）准备参数，无参
- 3）发送请求。因为是删除，所以是client.delete()方法
在hotel-demo的HotelDocumentTest测试类中，编写单元测试：
@Test
void testDeleteDocument() throws IOException {
// 1.准备Request
DeleteRequest request = new DeleteRequest("hotel", "61083");
// 2.发送请求
client.delete(request, RequestOptions.DEFAULT);
}
5.4.修改文档
5.4.1.语法说明
修改我们讲过两种方式：
- 全量修改：本质是先根据id删除，再新增
- 增量修改：修改文档中的指定字段值
在RestClient的API中，全量修改与新增的API完全一致，判断依据是ID：
- 如果新增时，ID已经存在，则修改
- 如果新增时，ID不存在，则新增
这里不再赘述，我们主要关注增量修改。
代码示例如图：
与之前类似，也是三步走：
- 1）准备Request对象。这次是修改，所以是UpdateRequest
- 2）准备参数。也就是JSON文档，里面包含要修改的字段
- 3）更新文档。这里调用client.update()方法
5.4.2.完整代码
在hotel-demo的HotelDocumentTest测试类中，编写单元测试：
@Test
void testUpdateDocument() throws IOException {
// 1.准备Request
UpdateRequest request = new UpdateRequest("hotel", "61083");
// 2.准备请求参数
request.doc(
"price", "952",
"starName", "四钻"
);
// 3.发送请求
client.update(request, RequestOptions.DEFAULT);
}
5.5.批量导入文档
案例需求：利用BulkRequest批量将数据库数据导入到索引库中。
步骤如下：
-
利用mybatis-plus查询酒店数据
-
将查询到的酒店数据（Hotel）转换为文档类型数据（HotelDoc）
-
利用JavaRestClient中的BulkRequest批处理，实现批量新增文档
5.5.1.语法说明
批量处理BulkRequest，其本质就是将多个普通的CRUD请求组合在一起发送。
其中提供了一个add方法，用来添加其他请求：
可以看到，能添加的请求包括：
- IndexRequest，也就是新增
- UpdateRequest，也就是修改
- DeleteRequest，也就是删除
因此Bulk中添加了多个IndexRequest，就是批量新增功能了。示例：
其实还是三步走：
- 1）创建Request对象。这里是BulkRequest
- 2）准备参数。批处理的参数，就是其它Request对象，这里就是多个IndexRequest
- 3）发起请求。这里是批处理，调用的方法为client.bulk()方法
我们在导入酒店数据时，将上述代码改造成for循环处理即可。
5.5.2.完整代码
在hotel-demo的HotelDocumentTest测试类中，编写单元测试：
@Test
void testBulkRequest() throws IOException {
// 批量查询酒店数据
List<Hotel> hotels = hotelService.list();
// 1.创建Request
BulkRequest request = new BulkRequest();
// 2.准备参数，添加多个新增的Request
for (Hotel hotel : hotels) {
// 2.1.转换为文档类型HotelDoc
HotelDoc hotelDoc = new HotelDoc(hotel);
// 2.2.创建新增文档的Request对象
request.add(new IndexRequest("hotel")
.id(hotelDoc.getId().toString())
.source(JSON.toJSONString(hotelDoc), XContentType.JSON));
}
// 3.发送请求
client.bulk(request, RequestOptions.DEFAULT);
}
5.6.小结
文档操作的基本步骤：
- 初始化RestHighLevelClient
- 创建XxxRequest。XXX是Index、Get、Update、Delete、Bulk
- 准备参数（Index、Update、Bulk时需要）
- 发送请求。调用RestHighLevelClient#.xxx()方法，xxx是index、get、update、delete、bulk
- 解析结果（Get时需要）
总结
ES: 非关系型数据库
作用: 从海量数据中快速检索出用户需要的数据信息
原理:
ES软件本质上就是一个web项目,直接向ES发送Rest风格的请求就可以操作ES库了.
操作ES的方式:
直接向ES发送Rest风格的请求即可.
任何编程语言只要能够发送Rest风格的请求,就可以操作ES.
倒排索引:
文档: 相当于Mysql中的一条记录,在ES中文档以json格式体现
词条: 本质上就是一个中文的词语
1.先将被搜索的字段进行分词
建立词条与文档id的对应关系 ---> 词条列表
2.检索
将用户输入的信息进行分词
根据得到的词条查询词条列表,找到对应的文档id,根据文档id查询对应的文档数据
ES与Mysql的对应关系:
Mysql ES
表 索引库
行(一条记录) 文档数据(json格式)
列(字段) 字段
约束 映射(mapping)
Elastic技术栈: ELK
安装ES/安装Kibana:
默认分词器: standard
安装分词器插件: IK中文分词器
ik_smart
ik_max_word
Kibana操作ES:
索引库操作:
文档操作:
上一篇：无法为类示例创建呼叫适配器 简单 下一篇：每个人脚底下都有一座金矿
相关文章
