Elasticsearch使用

发布时间：2026/10/17 7:00:39

Elasticsearch使用
es数据的基础功能使用为了配合7.1.1版本es使用一、客户端配置ElasticsearchConfig使用 Spring Data ES 的RestClients创建RestHighLevelClientConfigurationpublic class ElasticsearchConfig extends AbstractElasticsearchConfiguration {Beanpublic RestHighLevelClient elasticsearchClient() {return RestClients.create(ClientConfiguration.builder().connectedTo(uris) // host:port.withConnectTimeout(Duration.ofSeconds(connectTimeout)).withSocketTimeout(Duration.ofSeconds(socketTimeout)).withBasicAuth(username, password).build()).rest();}}二、构建查询SearchRequest/** 构建索引查询请求 */SearchRequest searchRequest new SearchRequest(searchFieldVo.getIndexName());/**用来构建搜索请求体的核心工具类‌它帮你把查询条件、分页、排序等参数组装 */SearchSourceBuilderSearchSourceBuilder searchSourceBuilder new SearchSourceBuilder();‌创建实例‌SearchSourceBuilder sourceBuilder new SearchSourceBuilder();‌设置查询条件‌用sourceBuilder.query(QueryBuilders.matchQuery(字段, 值))或sourceBuilder.query(QueryBuilders.matchAllQuery())来指定查什么。‌分页控制‌sourceBuilder.from(起始位置)和sourceBuilder.size(每页条数)from默认0size默认10。‌排序‌sourceBuilder.sort(字段名, SortOrder.ASC)可添加多个sort实现多级排序。‌返回字段筛选‌sourceBuilder.fetchSource(new String{字段1, 字段2}, null)只返回指定字段。‌‌‌BoolQueryBuilder/** 用于构建复杂布尔逻辑查询的核心类通过组合must、should、must_not、filter子句实现多条件精准检索 */BoolQueryBuilder boolQuery QueryBuilders.boolQuery();核心机制与子句语义‌must‌逻辑“与”AND所有子句必须匹配‌参与相关性评分‌。‌should‌逻辑“或”OR倾向默认非强制若与must共存则提升得分若单独使用需配合minimumShouldMatch生效‌参与评分‌。‌must_not‌逻辑“非”NOT匹配该条件的文档被排除‌不参与评分‌。‌filter‌逻辑“与”AND强制过滤且‌零评分开销‌支持缓存适用于精确匹配或范围过滤 。‌‌功能支持 nested 嵌套数组字段查询如 JSON 数组内的字段支持 term 精确匹配、fuzzy 模糊匹配、exists 存在、range 区间使用 from/size 分页适用于前 10000 条支持的查询条件boolQuery├── must: nestedQuery(queryField → secField secFieldValue) ← 嵌套字段匹配├── must: termQuery(queryMapVoList[] 每个元素) ← 多字段精确 AND├── must: fuzzyQuery(fuzzyField, fuzzyFieldValue) ← 模糊匹配├── must: existsQuery(existField) ← 存在判断├── must: rangeQuery(rangeField, filedValueStart, filedValueEnd) ← 区间└── from/size 分页 sortField 排序三、案例例searchFieldVo为请求参数用不同字段来组建复杂的查询条件/** 设置区间查询 */ if (!StringUtils.isEmpty(searchFieldVo.getRangeField())) { boolQuery.must(addRangeQuery(searchFieldVo)); }addRangeQuery方法RangeQueryBuilder rangeQuery QueryBuilders.rangeQuery(rangeField); if (valueStart ! null) rangeQuery.gte(valueStart); if (valueEnd ! null) rangeQuery.lte(valueEnd);/** 集合内字段查询[{A:B},{A:C}]比如查询集合内A的值 */ if (!StringUtils.isEmpty(searchFieldVo.getQueryField())) { NestedQueryBuilder nestedQuery QueryBuilders.nestedQuery( searchFieldVo.getQueryField(), QueryBuilders.matchQuery(searchFieldVo.getSecField(), searchFieldVo.getSecFieldValue()), ScoreMode.None ); boolQuery.must(nestedQuery); }/** 不存在某值(not in) */if (StrUtil.isNotBlank(searchFieldVo.getNotField()) searchFieldVo.getNotValues() ! null) { boolQuery.mustNot(QueryBuilders.termsQuery(searchFieldVo.getNotField(), searchFieldVo.getNotValues())); } if (CollectionUtil.isNotEmpty(searchFieldVo.getQueryMapVoList())) { for (QueryMapVo queryMapVo : searchFieldVo.getQueryMapVoList()) { if (queryMapVo.getField() ! null) { boolQuery.must(QueryBuilders.termQuery(queryMapVo.getField(),queryMapVo.getFiledValue())); } } }/** 存在某值(in) */if (StrUtil.isNotBlank(searchFieldVo.getShouldField()) searchFieldVo.getShouldValues() ! null) { boolQuery.should(QueryBuilders.termsQuery(searchFieldVo.getShouldField(), searchFieldVo.getShouldValues())); boolQuery.minimumShouldMatch(1); }/** 将查询层层设置到searchRequest中 */searchSourceBuilder.query(boolQuery); searchRequest.source(searchSourceBuilder);/** 用客户端执行查询 */ SearchResponse searchResponse client.search(searchRequest, RequestOptions.DEFAULT);四、其他新建索引/** * 新建索引 * param index * param id * param jsonSource * return */ public boolean indexDocument(String index, String id, String jsonSource) { boolean ackFlag false; IndexRequest request new IndexRequest(index) .id(id) .source(jsonSource, XContentType.JSON); try { IndexResponse response client.index(request, RequestOptions.DEFAULT); ackFlag response.status() RestStatus.CREATED || response.status() RestStatus.OK; } catch (IOException e) { e.printStackTrace(); } return ackFlag; }删除索引/** * 删除索引 */ public boolean deleteIndex(String indexName) throws IOException { if (!indexExists(indexName)) { return false; } DeleteIndexRequest request new DeleteIndexRequest(indexName); AcknowledgedResponse response client.indices().delete(request, RequestOptions.DEFAULT); return response.isAcknowledged(); }添加文档/** * 添加文档使用默认_doc类型 */ public boolean addDocumentJson(String indexName, String id, String document) throws IOException { IndexRequest request new IndexRequest(indexName); request.id(id); request.source(document, XContentType.JSON); client.index(request, RequestOptions.DEFAULT); return true; }删除文档/** * 删除文档 */ public boolean deleteDocument(String indexName, String id) throws IOException { DeleteRequest request new DeleteRequest(indexName, id); client.delete(request, RequestOptions.DEFAULT); return true; }更新文档/** * 更新文档 */ public boolean updateDocument(String index, String id, String jsonSource) { boolean ackFLag false; UpdateRequest request new UpdateRequest(index, id) .doc(jsonSource, XContentType.JSON); try { UpdateResponse response client.update(request, RequestOptions.DEFAULT); ackFLag response.status() RestStatus.CREATED || response.status() RestStatus.OK; } catch (IOException e) { e.printStackTrace(); } return ackFLag; }根据id获取文档/** * 根据ID获取文档 */ public MapString, Object getDocumentById(String indexName, String id) throws IOException { GetRequest request new GetRequest(indexName, id); GetResponse response client.get(request, RequestOptions.DEFAULT); if (response.isExists()) { return response.getSourceAsMap(); } return null; }解析搜索结果/** * 解析搜索结果 * param response 响应信息 * return 查询数据 */ private ListMapString, Object parseSearchResponse(SearchResponse response) { ListMapString, Object resultList new ArrayList(); log.info(查询到的数据总数量{}, response.getHits().getTotalHits()); for (SearchHit hit : response.getHits().getHits()) { resultList.add(hit.getSourceAsMap()); } return resultList; }

相关新闻

PaddleOCR版面分析数据集制作与优化实战

PaddleOCR版面分析数据集制作与优化实战

1. 项目概述版面区域检测是文档智能分析领域的关键技术，它能自动识别文档图像中的不同内容区域（如标题、段落、表格、图片等）并标注其位置和类别。PaddleOCR作为业界领先的OCR工具库，其版面分析模块在各类文档处理场景中展现出强大…

2026/10/17 7:01:56 阅读更多 →
为什么高性价比排污泵公司信息梳理？多家维度拆解

为什么高性价比排污泵公司信息梳理？多家维度拆解

工业泵类采购领域，对“高性价比”的关注正在升温近一两年，工业泵类产品的采购需求正在发生一些静悄悄的调整。这种调整在排污泵领域体现得较为明显。过去，很多市政工程公司、污水处理厂和建筑单位的采购决策，往往以设计院指定的品…

2026/10/17 7:03:34 阅读更多 →
OmniTalker：阿里开源唇形同步技术解析与实践

OmniTalker：阿里开源唇形同步技术解析与实践

1. 项目概述：OmniTalker如何解决唇形同步难题第一次看到静态图片突然开口说话时，那种违和感简直让人头皮发麻——嘴唇机械地开合，声音却像后期配音般错位。这种"对口型"尴尬在虚拟主播、在线教育课件甚至视频会议特效中屡见不鲜。阿…

2026/10/17 7:04:00 阅读更多 →

最新新闻

基于协同过滤的个性化电影推荐研究

基于协同过滤的个性化电影推荐研究

前言今天所阅读的这一个人, 是《电脑知识与技术》这本期刊在2019年的9月份所发表的一篇文章。这篇文章的标题叫做《基于的协同过滤算法的研究与应用实现》, 文章内容是关于协同过滤算法的一个研究与实际应用的呈现。摘要随着科学技术快速地发展, 并且知识产权变得日益重要, 绝大…

2026/10/18 6:33:52 阅读更多 →
Rust重写文字处理内核，开放AI可调用的文档处理库wordcraft实践

Rust重写文字处理内核，开放AI可调用的文档处理库wordcraft实践

最近在 GitHub 上看到一个很有意思的项目，叫 wordcraft，一句话概括就是：用 Rust 重写了一套兼容主流文档格式的文字处理内核，并且把编辑能力以库和接口的形式开放出来，让 AI Agent 可以直接调用。这个方向的想象力很大…

2026/10/18 6:33:52 阅读更多 →
Claude Code权限配置实战：用启动参数与规则告别确认弹窗，实现批量重构自动化

Claude Code权限配置实战：用启动参数与规则告别确认弹窗，实现批量重构自动化

用 Claude Code 做批量重构之前，我以为最大的成本是模型“理不理解需求”。真正上手之后才发现，成本是终端里一个接一个的确认弹窗：改一个文件弹一次，跑一条命令再弹一次，有时候同一个操作还会被拆成两次确认。本来是几…

2026/10/18 6:33:52 阅读更多 →
OpenClaw龙虾养殖指南精读：参数化养殖与水质管理实操

OpenClaw龙虾养殖指南精读：参数化养殖与水质管理实操

简介：面向AI从业者、开发者和普通用户的OpenClaw入门指南，以2026年初爆火的开源自主智能体项目为对象，系统讲解其产品定位、出圈原因、整体架构、Agent调度层、通讯层、记忆系统、技能工具链与运行流程，并覆盖国内平替、安全挑战和…

2026/10/18 6:33:52 阅读更多 →
Python 如何统一处理不同复权方式的 K 线？从 Pandas 数据处理到 QuantDash API 实战

Python 如何统一处理不同复权方式的 K 线？从 Pandas 数据处理到 QuantDash API 实战

一句话结论： 统一处理不同复权方式的 K 线，关键不是简单地把多个 DataFrame 拼在一起，而是明确价格口径、统一数据结构，并确保指标计算和回测使用的价格序列具有一致的复权规则。 摘要 在 Python 量化开发中，同一只股…

2026/10/18 6:33:52 阅读更多 →
跨境电商前端HTML模板：多语言多币种可落地骨架

跨境电商前端HTML模板：多语言多币种可落地骨架

简介：这是一套面向前端初学者与电商项目开发者的跨境电商网站前端模板代码，基于HTMLCSSJS构建，可快速搭建具备商品展示、购物车、响应式布局等基础功能的电商页面。资源共188个文件，包含26个结构清晰的HTML页面、7个核心CSS样式表…

2026/10/18 6:32:52 阅读更多 →

日新闻

基于GMM的语音识别系统原理与MATLAB实现详解

基于GMM的语音识别系统原理与MATLAB实现详解

说到基于高斯混合模型（GMM）的语音识别系统，很多人第一反应就是一堆数学公式，觉得门槛很高。但如果你真的在MATLAB里把它落地跑通，会发现核心其实就是三件事：把声音变成特征向量，用GMM给每个类别…

2026/10/18 0:00:55 阅读更多 →
数字图像处理入门：反白、灰度化、调色板修改与导出txt实践

数字图像处理入门：反白、灰度化、调色板修改与导出txt实践

数字图像处理这四个字听起来挺唬人，但落到具体操作上，无非就是让计算机按你的想法“摆弄”像素。我在一个模拟项目X里用了一套特别经典的基础处理流程：对图像做反白、改调色板、彩色转灰度，最后把像素数据导出成txt文件。单看每一…

2026/10/18 0:00:55 阅读更多 →
机器人大脑技术盘点：具身智能的感知、决策与数据闭环

机器人大脑技术盘点：具身智能的感知、决策与数据闭环

如果你的信息流最近也天天刷到“机器人大脑”这个词，你会发现一个很有意思的现象：每个人说的“大脑”根本不是同一个东西。有人指的是大语言模型，有人指的是运动控制系统，还有人指的是能理解物理世界的端到端模型。在2026年这个时…

2026/10/18 0:00:55 阅读更多 →

周新闻

基于GMM的语音识别系统原理与MATLAB实现详解

基于GMM的语音识别系统原理与MATLAB实现详解

说到基于高斯混合模型（GMM）的语音识别系统，很多人第一反应就是一堆数学公式，觉得门槛很高。但如果你真的在MATLAB里把它落地跑通，会发现核心其实就是三件事：把声音变成特征向量，用GMM给每个类别…

2026/10/18 0:00:55 阅读更多 →
数字图像处理入门：反白、灰度化、调色板修改与导出txt实践

数字图像处理入门：反白、灰度化、调色板修改与导出txt实践

数字图像处理这四个字听起来挺唬人，但落到具体操作上，无非就是让计算机按你的想法“摆弄”像素。我在一个模拟项目X里用了一套特别经典的基础处理流程：对图像做反白、改调色板、彩色转灰度，最后把像素数据导出成txt文件。单看每一…

2026/10/18 0:00:55 阅读更多 →
机器人大脑技术盘点：具身智能的感知、决策与数据闭环

机器人大脑技术盘点：具身智能的感知、决策与数据闭环

如果你的信息流最近也天天刷到“机器人大脑”这个词，你会发现一个很有意思的现象：每个人说的“大脑”根本不是同一个东西。有人指的是大语言模型，有人指的是运动控制系统，还有人指的是能理解物理世界的端到端模型。在2026年这个时…

2026/10/18 0:00:55 阅读更多 →

月新闻

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/18 0:55:02 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/17 17:22:31 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/16 14:23:36 阅读更多 →