项目实战：ES的增加数据和查询数据

背景

最近需要做一个有关查询聊天记录的功能，通过资料了解到使用ES可以方便我们快速查询内容。自己进行ES框架的搭建，感兴趣的可以看博客进行学习：https://blog.csdn.net/weixin_45309155/article/details/132686375?spm=1001.2014.3001.5501
ES搭建好之后就是应用了，下面就先总结一下关于最近在项目中的应用。

在ES中增加数据

因为在要在项目中进行增加数据。查阅资料需要有索引。所以要先进行索引的创建。这部分是先在postman中调用接口进行创建索引。

新建索引

在postman中，使用接口：

http://116.XXXXXX:9200/chat

IP地址+端口号+你需要创建的索引名称。请求类型为put

如果创建成功之后就会显示如下代码：

{
    "acknowledged": true,
    "shards_acknowledged": true,
    "index": "chat"
}

删除索引

在postman中使用接口：

http://116.XXXXXX:9200/chat

P地址+端口号+你需要删除的索引名称。请求类型为delete
如果删除成功会显示代码：

{
    "acknowledged": true
}

这里需要注意的是：当你删除索引的时候，如果该索引下有数据内容的话，会把对应的数据进行删除。

在ES中查询数据

在postman中使用接口：

http://116.XXXXX:9200/chat/_search

如果有内容，就可以看到相应插入的数据

查询数据总数量

在postman中使用接口

http://116.XXXXX:9200/chat/_count

请求类型为get
请求体为：

{
  "query": {
    "match_all": {}
  }
}

如果有数据的话会显示数据的总数；

项目具体使用（实战）

引入依赖

<dependency>
            <groupId>org.elasticsearch.client</groupId>
            <artifactId>elasticsearch-rest-high-level-client</artifactId>
            <version>${elasticsearch.version}</version>
        </dependency>
        <dependency>
            <groupId>org.elasticsearch</groupId>
            <artifactId>elasticsearch</artifactId>
            <version>${elasticsearch.version}</version>
        </dependency>
        <dependency>
            <groupId>org.elasticsearch.client</groupId>
            <artifactId>elasticsearch-rest-client-sniffer</artifactId>
            <version>${elasticsearch.version}</version>
        </dependency>

方式一：使用配置类连接对应的es服务器

创建配置类

@Configuration
public class ElasticSearchClientConfig {
    @Bean
    public RestClientBuilder restClientBuilder() {
    RestHighLevelClient restHighLevelClient =new RestHighLevelClient (RestClient.builder(new HttpHost("ES的ip地址",9200,"http")));
        return client;
    }
}

编写业务逻辑----根据关键字查询相关的聊天内容

这里需要入参：需要查询的关键字keyword

public List<Map<String, Object>> search(String userId,String fileName, String keyword) throws IOException {
        ArrayList<Map<String, Object>> resultList = new ArrayList<>();
        try {
            if (userId.isEmpty()||fileName.isEmpty()||keyword.isEmpty()){
                throw new Exception();
            }
            // 构建查询条件
            BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery();

            // 匹配receiver或sender为userId的文档
            boolQueryBuilder.should(QueryBuilders.termQuery("receiver", userId));
            boolQueryBuilder.should(QueryBuilders.termQuery("sender", userId));

            // 部分匹配content字段的关键字
            MatchQueryBuilder contentQueryBuilder = QueryBuilders.matchQuery(fileName, keyword);
            boolQueryBuilder.must(contentQueryBuilder);

            // 创建搜索请求，chat为索引值
            SearchRequest searchRequest = new SearchRequest("chat");
            SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
            searchSourceBuilder.query(boolQueryBuilder);
            searchRequest.source(searchSourceBuilder);

            // 执行搜索
            SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);

            // 解析结果
            for (SearchHit documentFields : searchResponse.getHits().getHits()) {
                Map<String, Object> sourceAsMap = documentFields.getSourceAsMap();
                Object  receiver =  sourceAsMap.get("receiver");
                Object  sender =  sourceAsMap.get("sender");

                if ((receiver != null && receiver.toString().equals(userId)) || (sender != null && sender.toString().equals(userId))) {
                    resultList.add(sourceAsMap);
                }
            }
            return resultList;
        }catch (Exception e){
            e.printStackTrace();
        }
       return resultList;
    }

在ES中插入数据

public Boolean parseContent() throws IOException {
       List<SendMessagePojo> list= queryContent();//需要插入的内容
        BulkRequest bulkRequest = new BulkRequest();
        for (int i = 0; i < list.size(); i++) {
             bulkRequest.add(new IndexRequest("chat").source(JSONObject.toJSONString(list.get(i)), XContentType.JSON));
        }
        try {
            BulkResponse bulk = restHighLevelClient.bulk(bulkRequest, RequestOptions.DEFAULT);
            return !bulk.hasFailures();
        }catch (Exception e){
            e.printStackTrace();
        }

        return null;
    }

插入到es时，不需要提前定义列名，当你什么实体的类型的值时，就可以直接按照你的实体名称进行存储。

上面两段业务代码可以根据自己的业务代码进行修改调整。

总结提升

Elasticsearch (ES) 是一个分布式搜索和分析引擎，它具有强大的实时数据处理能力。以下是关于ES增加和删除业务场景的总结，旨在提升您对ES的理解。

ES的增加业务场景

1. 数据索引和搜索
   ES的主要用途之一是将数据索引到Elasticsearch集群中，并使用其强大的搜索功能来查询和检索数据。以下是一些使用ES进行数据索引和搜索的业务场景：

电子商务网站：将商品信息索引并快速搜索，实现商品的全文搜索、过滤和排序。
新闻网站：将新闻文章索引到ES中，通过关键字搜索、相关性排序等功能提供高效的全文搜索服务。
日志分析：将日志数据索引到ES，利用其强大的搜索和聚合功能来实时分析和监控系统日志。
社交媒体分析：将社交媒体数据索引到ES，通过搜索和聚合功能来分析用户行为、趋势和情感分析等。
2. 实时数据处理
ES对实时数据处理的支持使其成为处理大规模实时数据流的理想选择。以下是一些使用ES进行实时数据处理的业务场景：

监控和告警系统：将实时产生的监控指标和日志数据索引到ES中，通过实时搜索和聚合功能进行告警和异常检测。
实时日志分析：将实时产生的日志数据索引到ES中，通过搜索和聚合功能快速分析应用程序或系统的实时日志。
事件处理和通知：将实时事件索引到ES中，通过实时搜索和推送功能来处理事件并发送通知。
3. 数据聚合和分析
ES提供了强大的聚合和分析功能，可以对大规模数据集进行高效的数据挖掘和分析。以下是一些使用ES进行数据聚合和分析的业务场景：

业务智能报表：利用ES的聚合功能，对大规模数据进行聚合和汇总，生成业务智能报表和可视化图表。
用户行为分析：通过对用户行为数据的聚合和分析，提取用户喜好、兴趣和行为模式等信息，用于个性化推荐和营销策略。
数据探索和发现：通过搜索和聚合功能，对数据集进行探索和发现，挖掘数据中的潜在模式、关联性和趋势。
ES的删除业务场景

1. 数据清理和过期数据删除
   由于ES的索引是基于倒排索引的，对于长时间未更新的数据，可能会占用不必要的磁盘空间和内存资源。以下是一些使用ES进行数据清理和过期数据删除的业务场景：

日志数据清理：定期删除旧的日志数据，以保持ES集群的性能和存储效率。
缓存数据刷新：根据数据的过期时间，在ES中实现缓存数据的自动刷新和删除。
2. 数据保护和隐私合规
根据隐私法规和合规要求，需要定期删除或销毁某些类型的数据。以下是一些使用ES进行数据保护和隐私合规的业务场景：

用户数据删除：根据用户的请求或特定时间段，删除包含敏感信息的用户数据。
合规数据保留：根据法律法规的要求，对特定类型的数据进行保留期限管理和数据销毁操作。
总结来说，ES的增加和删除功能可以应用于各种业务场景，包括数据索引和搜索、实时数据处理、数据聚合和分析，以及数据清理和隐私合规。通过充分利用ES的功能，可以提升数据的可发现性、实时性和分析能力，从而为业务带来更大的价值。