Spring Boot整合Elasticsearch实现全文搜索引擎案例解析

2023-09-21 15:37:05 57

简单说，ElasticSearch（简称ES）是搜索引擎，是结构化数据的分布式搜索引擎。ElasticSearch是一个开源的，分布式，实时搜索和分析引擎。SpringBoot为Elasticsearch及SpringDataElasticsearch提供的基于它的抽象提供了基本的配置。SpringBoot提供了一个用于聚集依赖的spring-boot-starter-data-elasticsearch'StarterPOM'。

引入spring-boot-starter-data-elasticsearch依赖，在pom.xml配置文件中增加如下内容（基于之前章节“SpringBoot构建框架”中的pom.xml文件）：


org.springframework.boot
spring-boot-starter-data-elasticsearch

可以像其他Springbeans那样注入一个自动配置的ElasticsearchTemplate或Elasticsearch客户端实例。默认情况下，该实例将尝试连接到一个本地内存服务器（在Elasticsearch项目中的一个NodeClient），但可以通过设置spring.data.elasticsearch.clusterNodes为一个以逗号分割的host:port列表来将其切换到一个远程服务器（比如，TransportClient）。

@Component
publicclassMyBean{
privateElasticsearchTemplatetemplate;

@Autowired
publicMyBean(ElasticsearchTemplatetemplate){
this.template=template;
}
//...
}

如果添加一个自己的ElasticsearchTemplate类型的@Bean，它将替换默认的。

应用集成ElasticSearch案例

新建elasticsearch.properties配置文件，添加如下配置内容：

elasticsearch.host=localhost
elasticsearch.port=9300

ElasticSearch配置，读取elasticsearch.properties配置文件信息，具体代码如下：

@Configuration@PropertySource(value="classpath:elasticsearch.properties")
@EnableElasticsearchRepositories(basePackages="co.paan.repository")
publicclassElasticsearchConfiguration{
@Resource
privateEnvironmentenvironment;
@Bean
publicClientclient(){
TransportClientclient=newTransportClient();
TransportAddressaddress=newInetSocketTransportAddress(environment.getProperty("elasticsearch.host"),Integer.parseInt(environment.getProperty("elasticsearch.port")));
client.addTransportAddress(address);
returnclient;
}
@BeanpublicElasticsearchOperationselasticsearchTemplate(){
returnnewElasticsearchTemplate(client());
}
}

两个实体类，具体代码如下：

@Document(indexName="post",type="post",shards=1,replicas=0)
publicclassPost{
@Id
privateStringid;
privateStringtitle;
@Field(type=FieldType.Nested)
privateListtags;
publicStringgetId(){
returnid;
}
publicvoidsetId(Stringid){
this.id=id;
}
publicStringgetTitle(){
returntitle;
}
publicvoidsetTitle(Stringtitle){
this.title=title;
}
publicListgetTags(){
returntags;
}
publicvoidsetTags(Listtags){
this.tags=tags;
}
}
publicclassTag{
privateStringid;
privateStringname;
publicStringgetId(){
returnid;
}
publicvoidsetId(Stringid){
this.id=id;
}
publicStringgetName(){
returnname;
}
publicvoidsetName(Stringname){
this.name=name;
}
}

数据源继承ElasticsearchRepository类，封装接口代码如下：

publicinterfacePostRepositoryextendsElasticsearchRepository{
PagefindByTagsName(Stringname,Pageablepageable);
}

数据服务接口及实现类，代码如下：

publicinterfacePostService{
Postsave(Postpost);
PostfindOne(Stringid);
IterablefindAll();
PagefindByTagsName(StringtagName,PageRequestpageRequest);
}
@ServicepublicclassPostServiceImplimplementsPostService{
@Autowired
privatePostRepositorypostRepository;
@Override
publicPostsave(Postpost){
postRepository.save(post);
returnpost;
}
@OverridepublicPostfindOne(Stringid){
returnpostRepository.findOne(id);
}
@OverridepublicIterablefindAll(){
returnpostRepository.findAll();
}
@OverridepublicPagefindByTagsName(StringtagName,PageRequestpageRequest){
returnpostRepository.findByTagsName(tagName,pageRequest);
}
}

测试代码如下：

@Test
publicvoidtestFindByTagsName()throwsException{
Tagtag=newTag();
tag.setId("1");
tag.setName("tech");
Tagtag2=newTag();
tag2.setId("2");
tag2.setName("elasticsearch");
Postpost=newPost();
post.setId("1");
post.setTitle("Biginingwithspringbootapplicationandelasticsearch");
post.setTags(Arrays.asList(tag,tag2));
postService.save(post);
Postpost2=newPost();
post2.setId("1");
post2.setTitle("Biginingwithspringbootapplication");
post2.setTags(Arrays.asList(tag));
postService.save(post);
Pageposts=postService.findByTagsName("tech",newPageRequest(0,10));
Pageposts2=postService.findByTagsName("tech",newPageRequest(0,10));
Pageposts3=postService.findByTagsName("maz",newPageRequest(0,10));
assertThat(posts.getTotalElements(),is(1L));
assertThat(posts2.getTotalElements(),is(1L));
assertThat(posts3.getTotalElements(),is(0L));
}

总结

以上所述是小编给大家介绍的SpringBoot整合Elasticsearch实现全文搜索引擎案例解析，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对毛票票网站的支持！

Spring Boot整合Elasticsearch实现全文搜索引擎案例解析

热门推荐

随机推荐