Spring-data-elasticsearch 是 Spring 提供的操作 ElasticSearch 的数据层，封装了大量的基础操作，通过它可以很方便的操作 ElasticSearch 的数据。

版本说明

ElasticSearch 目前最新的已到 5.5.1

这有一个对应关系，不过不太完整，我目前使用的 SpringBoot 版本 1.5.4 对应的 spring-data-ElasticSearch 是 2.1.4，在图上就没有体现。

但是可以预见对应的 ElasticSearch 应该在 2.4.* 往上，但应该是不支持 5.4.0 及以上。

注意：我这篇例子，所使用的 ElasticSearch 版本就是最新的 5.5.1，SpringBoot 版本是 1.5.4，经初步试验，插入及查询都没问题。估计是 5.5.* 的新特性之类的会无法使用，基本操作应该都没问题。

ElasticSearchRepository 的基本使用

@NoRepositoryBean
public interface ElasticsearchRepository<T, ID extends Serializable> extends ElasticsearchCrudRepository<T, ID> {
    <S extends T> S index(S var1);

    Iterable<T> search(QueryBuilder var1);

    Page<T> search(QueryBuilder var1, Pageable var2);

    Page<T> search(SearchQuery var1);

    Page<T> searchSimilar(T var1, String[] var2, Pageable var3);

    void refresh();

    Class<T> getEntityClass();
}

我们是通过继承 ElasticsearchRepository 来完成基本的 CRUD 及分页操作的，和普通的 JPA 没有什么区别。

ElasticsearchRepository 继承了ElasticsearchCrudRepository extends PagingAndSortingRepository.

先看看普通查询：

public interface BookRepository extends Repository<Book, String> {

        List<Book> findByNameAndPrice(String name, Integer price);

        List<Book> findByNameOrPrice(String name, Integer price);
        
        Page<Book> findByName(String name,Pageable page);

        Page<Book> findByNameNot(String name,Pageable page);

        Page<Book> findByPriceBetween(int price,Pageable page);

        Page<Book> findByNameLike(String name,Pageable page);

        @Query("{\"bool\" : {\"must\" : {\"term\" : {\"message\" : \"?0\"}}}}")
        Page<Book> findByMessage(String message, Pageable pageable);
    }

这个没什么特点，就是普通的 JPA 查询，这个很熟悉，通过上面的 JPA 查询就能完成很多的基本操作了。

插入数据也很简单：

@Autowired
        private SampleElasticsearchRepository repository;

        String documentId = "123456";
        SampleEntity sampleEntity = new SampleEntity();
        sampleEntity.setId(documentId);
        sampleEntity.setMessage("some message");

        repository.save(sampleEntity);

还可以批量插入数据：

@Autowired
        private SampleElasticsearchRepository repository;

        String documentId = "123456";
        SampleEntity sampleEntity1 = new SampleEntity();
        sampleEntity1.setId(documentId);
        sampleEntity1.setMessage("some message");

        String documentId2 = "123457"
        SampleEntity sampleEntity2 = new SampleEntity();
        sampleEntity2.setId(documentId2);
        sampleEntity2.setMessage("test message");

        List<SampleEntity> sampleEntities = Arrays.asList(sampleEntity1, sampleEntity2);

        //bulk index
        repository.save(sampleEntities);

特殊情况下，ElasticsearchRepository 里面有几个特殊的 search 方法，这些是 ES 特有的，和普通的 JPA 区别的地方，用来构建一些 ES 查询的。

主要是看 QueryBuilder 和 SearchQuery 两个参数，要完成一些特殊查询就主要看构建这两个参数。

我们先来看看它们之间的类关系

从这个关系中可以看到 ES 的 search 方法需要的参数 SearchQuery 是一个接口，有一个实现类叫 NativeSearchQuery，实际使用中，我们的主要任务就是构建 NativeSearchQuery 来完成一些复杂的查询的。

我们可以看到要构建 NativeSearchQuery，主要是需要几个构造参数

public NativeSearchQuery(QueryBuilder query, QueryBuilder filter, List<SortBuilder> sorts, Field[] highlightFields) {
        this.query = query;
        this.filter = filter;
        this.sorts = sorts;
        this.highlightFields = highlightFields;
    }

当然了，我们没必要实现所有的参数。

可以看出来，大概是需要 QueryBuilder，filter，和排序的 SortBuilder，和高亮的字段。

一般情况下，我们不是直接是 new NativeSearchQuery，而是使用 NativeSearchQueryBuilder。

通过 NativeSearchQueryBuilder.withQuery (QueryBuilder1).withFilter (QueryBuilder2).withSort (SortBuilder1).withXXXX ().build (); 这样的方式来完成 NativeSearchQuery 的构建。

从名字就能看出来，QueryBuilder 主要用来构建查询条件、过滤条件，SortBuilder 主要是构建排序。

譬如，我们要查询距离某个位置 100 米范围内的所有人、并且按照距离远近进行排序：

double lat = 39.929986;
        double lon = 116.395645;

        Long nowTime = System.currentTimeMillis();
        //查询某经纬度100米范围内
        GeoDistanceQueryBuilder builder = QueryBuilders.geoDistanceQuery("address").point(lat, lon)
                .distance(100, DistanceUnit.METERS);

        GeoDistanceSortBuilder sortBuilder = SortBuilders.geoDistanceSort("address")
                .point(lat, lon)
                .unit(DistanceUnit.METERS)
                .order(SortOrder.ASC);

        Pageable pageable = new PageRequest(0, 50);

        NativeSearchQueryBuilder builder1 = new NativeSearchQueryBuilder().withFilter(builder).withSort(sortBuilder).withPageable(pageable);
        SearchQuery searchQuery = builder1.build();

要完成字符串的查询：

SearchQuery searchQuery = new NativeSearchQueryBuilder().withQuery(QueryBuilders.queryStringQuery("spring boot OR 书籍")).build();

要构建 QueryBuilder，我们可以使用工具类 QueryBuilders，里面有大量的方法用来完成各种各样的 QueryBuilder 的构建，字符串的、Boolean 型的、match 的、地理范围的等等。

要构建 SortBuilder，可以使用 SortBuilders 来完成各种排序。

然后就可以通过 NativeSearchQueryBuilder 来组合这些 QueryBuilder 和 SortBuilder，再组合分页的参数等等，最终就能得到一个 SearchQuery 了。

至此，我们明白了 ElasticSearchRepository 里那几个 search 查询方法需要的参数的含义和构建方式了。

ElasticSearchTemplate 的使用

ElasticSearchTemplate 更多是对 ESRepository 的补充，里面提供了一些更底层的方法。

这里主要是一些查询相关的，同样是构建各种 SearchQuery 条件。

也可以完成 add 操作

String documentId = "123456";
        SampleEntity sampleEntity = new SampleEntity();
        sampleEntity.setId(documentId);
        sampleEntity.setMessage("some message");
        IndexQuery indexQuery = new IndexQueryBuilder().withId(sampleEntity.getId()).withObject(sampleEntity).build();
        elasticsearchTemplate.index(indexQuery);

add 主要是通过 index 方法来完成，需要构建一个 IndexQuery 对象

构建这个对象，主要是设置一下 id，就是你的对象的 id，Object 就是对象本身，indexName 和 type 就是在你的对象 javaBean 上声明的

其他的字段自行发掘含义，构建完 IndexQuery 后就可以通过 Template 的 index 方法插入了。

template 里还有各种 deleteIndex，delete，update 等方法，用到的时候就查查看吧。

下面讲一个批量插入的方法，我们经常需要往 ElasticSearch 中插入大量的测试数据来完成测试搜索，一条一条插肯定是不行的，ES 提供了批量插入数据的功能 ——bulk。

前面讲过 JPA 的 save 方法也可以 save（List）批量插值，但适用于小数据量，要完成超大数据的插入就要用 ES 自带的 bulk 了，可以迅速插入百万级的数据。

在 ElasticSearchTemplate 里也提供了对应的方法

public void bulkIndex(List<IndexQuery> queries) {
        BulkRequestBuilder bulkRequest = this.client.prepareBulk();
        Iterator var3 = queries.iterator();

        while(var3.hasNext()) {
            IndexQuery query = (IndexQuery)var3.next();
            bulkRequest.add(this.prepareIndex(query));
        }

        BulkResponse bulkResponse = (BulkResponse)bulkRequest.execute().actionGet();
        if (bulkResponse.hasFailures()) {
            Map<String, String> failedDocuments = new HashMap();
            BulkItemResponse[] var5 = bulkResponse.getItems();
            int var6 = var5.length;

            for(int var7 = 0; var7 < var6; ++var7) {
                BulkItemResponse item = var5[var7];
                if (item.isFailed()) {
                    failedDocuments.put(item.getId(), item.getFailureMessage());
                }
            }

            throw new ElasticsearchException("Bulk indexing has failures. Use ElasticsearchException.getFailedDocuments() for detailed messages [" + failedDocuments + "]", failedDocuments);
        }
    }

    public void bulkUpdate(List<UpdateQuery> queries) {
        BulkRequestBuilder bulkRequest = this.client.prepareBulk();
        Iterator var3 = queries.iterator();

        while(var3.hasNext()) {
            UpdateQuery query = (UpdateQuery)var3.next();
            bulkRequest.add(this.prepareUpdate(query));
        }

        BulkResponse bulkResponse = (BulkResponse)bulkRequest.execute().actionGet();
        if (bulkResponse.hasFailures()) {
            Map<String, String> failedDocuments = new HashMap();
            BulkItemResponse[] var5 = bulkResponse.getItems();
            int var6 = var5.length;

            for(int var7 = 0; var7 < var6; ++var7) {
                BulkItemResponse item = var5[var7];
                if (item.isFailed()) {
                    failedDocuments.put(item.getId(), item.getFailureMessage());
                }
            }

            throw new ElasticsearchException("Bulk indexing has failures. Use ElasticsearchException.getFailedDocuments() for detailed messages [" + failedDocuments + "]", failedDocuments);
        }
    }

和 index 插入单条数据一样，这里需要的是 List<IndexQuery> 仅此而已，是不是很简单。

public void bulkIndex(List<Person> personList) {
        int counter = 0;
        try {
            if (!elasticsearchTemplate.indexExists(PERSON_INDEX_NAME)) {
                elasticsearchTemplate.createIndex(PERSON_INDEX_TYPE);
            }
            List<IndexQuery> queries = new ArrayList<>();
            for (Person person : personList) {
                IndexQuery indexQuery = new IndexQuery();
                indexQuery.setId(person.getId() + "");
                indexQuery.setObject(person);
                indexQuery.setIndexName(PERSON_INDEX_NAME);
                indexQuery.setType(PERSON_INDEX_TYPE);

                //上面的那几步也可以使用IndexQueryBuilder来构建
                //IndexQuery index = new IndexQueryBuilder().withId(person.getId() + "").withObject(person).build();

                queries.add(indexQuery);
                if (counter % 500 == 0) {
                    elasticsearchTemplate.bulkIndex(queries);
                    queries.clear();
                    System.out.println("bulkIndex counter : " + counter);
                }
                counter++;
            }
            if (queries.size() > 0) {
                elasticsearchTemplate.bulkIndex(queries);
            }
            System.out.println("bulkIndex completed.");
        } catch (Exception e) {
            System.out.println("IndexerService.bulkIndex e;" + e.getMessage());
            throw e;
        }
    }

这里是创建了 100 万个 Person 对象，每到 500 就用 bulkIndex 插入一次，速度飞快，以秒的速度插入了百万数据。

OK，这篇主要是讲一些 ElasticSearchRepository 和 ElasticSearchTemplate 的用法，构造 QueryBuilder 的方式。下一篇用实例来看一下，在百万或者更大量级的数据中查询距离某个坐标 100 米范围内的所有数据。