Elasticsearch 父子关系维护和检索案例分享,展示has_child和has_parent的基本用法。
本文涉及技术点:
- 1.删除和创建公司/雇员父子关系的索引表
- 2.bulk批量导入json格式数据
- 3.ormapping方式bulk批量导入数据
- 4.采用@ESId指定文档_id
- 5.采用@ESParentId制定子文档的parent信息
- 6.基本的has_child和has_parent公司/雇员父子关系检索
1.准备工作
参考文档《
高性能elasticsearch ORM开发库使用介绍》导入和配置es客户端
2.定义dsl文档
建立dsl配置文件-esmapper/indexparentchild.xml
<properties>
<!--
本案例适用于es 2.x,5.x
创建包含员工类型和公司类型的公司索引表
-->
<property name="createCompanyEmployeeIndice">
<![CDATA[{
"settings": {
"number_of_shards": 6,
"index.refresh_interval": "5s"
},
"mappings": {
"company": { ##公司
"properties": {
"name": {
"type": "text",
"fields": { ##dsl注释 定义精确查找的内部keyword字段
"keyword": {
"type": "keyword"
}
}
},
"city": {
"type": "text",
"fields": { ##dsl注释 定义精确查找的内部keyword字段
"keyword": {
"type": "keyword"
}
}
},
"country": {
"type": "text",
"fields": { ##dsl注释 定义精确查找的内部keyword字段
"keyword": {
"type": "keyword"
}
}
},
"companyId": {
"type": "keyword"
}
}
},
"employee":
{ ##雇员
"_parent": {##定义雇员和公司父子关联关系
"type": "company"
},
"_routing": {
"required": false
},
"properties": {
"name": {
"type": "text",
"fields": { ##dsl注释 定义精确查找的内部keyword字段
"keyword": {
"type": "keyword"
}
}
},
"birthday": {
"type": "date",
"format":"yyyy-MM-dd||epoch_millis"
},
"hobby": {
"type": "text",
"fields": { ##dsl注释 定义精确查找的内部keyword字段
"keyword": {
"type": "keyword"
}
}
},
"companyId": {
"type": "keyword"
},
"employId": {
"type": "keyword"
}
}
}
}
}]]>
</property>
<!--
导入公司信息:
-->
<property name="bulkImportCompanyData">
<![CDATA[
{ "index": { "_id": "london" }}
{ "name": "London Westminster", "city": "London", "country": "UK" ,"companyId":"london"}
{ "index": { "_id": "liverpool" }}
{ "name": "Liverpool Central", "city": "Liverpool", "country": "UK" ,"companyId":"liverpool"}
{ "index": { "_id": "paris" }}
{ "name": "Champs Élysées", "city": "Paris", "country": "France","companyId":"paris" }
]]>
</property>
<!--
导入雇员信息:
-->
<property name="bulkImportEmployeeData">
<![CDATA[
{ "index": { "_id": 1, "parent": "london" }}
{ "name": "Alice Smith", "birthday": "1970-10-24", "hobby": "hiking" ,"companyId":"london","employeeId":1 }
{ "index": { "_id": 2, "parent": "london" }}
{ "name": "Mark Thomas", "birthday": "1982-05-16", "hobby": "diving" ,"companyId":"london","employeeId":2}
{ "index": { "_id": 3, "parent": "liverpool" }}
{ "name": "Barry Smith", "birthday": "1979-04-01", "hobby": "hiking" ,"companyId":"liverpool","employeeId":3}
{ "index": { "_id": 4, "parent": "paris" }}
{ "name": "Adrien Grand", "birthday": "1987-05-11", "hobby": "horses" ,"companyId":"paris","employeeId":4}
{ "index": { "_id": 5, "parent": "paris" }}
{ "name": "Adrien Green", "birthday": "1977-05-12", "hobby": "dancing" ,"companyId":"paris","employeeId":5}
]]>
</property>
<!--出生日期为条件检索公司信息-->
<property name="hasChildSearchByBirthday">
<![CDATA[
{
"query": {
"has_child": {
"type": "employee",
"query": {
"range": {
"birthday": {
"gte": #[birthday]
}
}
}
}
}
}
]]>
</property>
<!--姓名为条件检索公司信息-->
<property name="hasChildSearchByName">
<![CDATA[
{
"query": {
"has_child": {
"type": "employee",
"score_mode": "max",
"query": {
"match": {
"name": #[name]
}
}
}
}
}
]]>
</property>
<!--最小员工数为条件检索公司信息-->
<property name="hasChildSearchByMinChild">
<![CDATA[
{
"query": {
"has_child": {
"type": "employee",
"min_children": #[min_children],
"query": {
"match_all": {}
}
}
}
}
]]>
</property>
<!--检索员工信息-->
<property name="hasParentSearchByCountry">
<![CDATA[
{
"query": {
"has_parent": {
"type": "company",
"query": {
"match": {
"country": #[country]
}
}
}
}
}
]]>
</property>
</properties>
3.实现has_child和has_parent检索
首先创建带公司和雇员关系的索引结构
public void createIndice(){
ClientInterface clientUtil = ElasticSearchHelper.getConfigRestClientUtil("esmapper/indexparentchild.xml");
try {
//删除mapping
clientUtil.dropIndice("company");
} catch (ElasticSearchException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
//创建mapping
clientUtil.createIndiceMapping("company","createCompanyEmployeeIndice");
}
然后通过bulk导入测试需要的公司和雇员数据,本案例通过加载配置文件中的dsl json data导入公司和雇员数据:
public void importData(){
ClientInterface clientUtil = ElasticSearchHelper.getConfigRestClientUtil("esmapper/indexparentchild.xml");
//导入公司数据,并且实时刷新,测试需要,实际环境不要带refresh
clientUtil.executeHttp("company/company/_bulk?refresh","bulkImportCompanyData",ClientUtil.HTTP_POST);
//导入雇员数据,并且实时刷新,测试需要,实际环境不要带refresh
clientUtil.executeHttp("company/employee/_bulk?refresh","bulkImportEmployeeData",ClientUtil.HTTP_POST);
}
如果需要根据List集合批量导入测试数据,则参考以下方法:
/**
* 通过List集合导入雇员和公司数据
*/
public void importDataFromBeans() {
ClientInterface clientUtil = ElasticSearchHelper.getRestClientUtil();
//导入公司数据,并且实时刷新,测试需要,实际环境不要带refresh
List<Company> companies = buildCompanies();
clientUtil.addDocuments("company","company",companies,"refresh");
//导入雇员数据,并且实时刷新,测试需要,实际环境不要带refresh
List<Employee> employees = buildEmployees();
clientUtil.addDocuments("company","employee",employees,"refresh");
}
List<Company>和List<Employee>列表分别对应需要批量导入的公司数据和雇员数据。需要特别说明的是Company和Employee这两个对象采用了注解@ESId来标注文档_id属性,采用@ESParentId属性来标注雇员和公司的关联属性:
public class Company extends ESBaseData {
private String name;
/**
* 将companyId作为索引_id的值
*/
@ESId
private String companyId;
。。。。。。
public class Employee extends ESBaseData {
/**
* 通过ESId注解将employeeId指定为雇员的文档_id
*/
@ESId
private int employeeId;
/**
* 通过ESParentId注解将companyId指定为雇员的parent属性,对应Company中的文档_id的值
*/
@ESParentId
private String companyId;
接下来实现has_child和has_parent检索功能
/**
* 通过雇员生日检索公司信息
*/
public void hasChildSearchByBirthday(){
ClientInterface clientUtil = ElasticSearchHelper.getConfigRestClientUtil("esmapper/indexparentchild.xml");
Map<String,Object> params = new HashMap<String,Object>();
params.put("birthday","1980-01-01");
ESDatas<Company> escompanys = clientUtil.searchList("company/company/_search","hasChildSearchByBirthday",params,Company.class);
List<Company> companyList = escompanys.getDatas();//获取符合条件的公司
long totalSize = escompanys.getTotalSize();
}
/**
* 通过雇员姓名检索公司信息
*/
public void hasChildSearchByName(){
ClientInterface clientUtil = ElasticSearchHelper.getConfigRestClientUtil("esmapper/indexparentchild.xml");
Map<String,Object> params = new HashMap<String,Object>();
params.put("name","Alice Smith");
ESDatas<Company> escompanys = clientUtil.searchList("company/company/_search","hasChildSearchByName",params,Company.class);
List<Company> companyList = escompanys.getDatas();//获取符合条件的公司
long totalSize = escompanys.getTotalSize();
}
/**
* 通过雇员数量检索公司信息
*/
public void hasChildSearchByMinChild(){
ClientInterface clientUtil = ElasticSearchHelper.getConfigRestClientUtil("esmapper/indexparentchild.xml");
Map<String,Object> params = new HashMap<String,Object>();
params.put("min_children",2);
ESDatas<Company> escompanys = clientUtil.searchList("company/company/_search","hasChildSearchByMinChild",params,Company.class);
List<Company> companyList = escompanys.getDatas();//获取符合条件的公司
long totalSize = escompanys.getTotalSize();
}
/**
* 通过公司所在国家检索雇员信息
*/
public void hasParentSearchByCountry(){
ClientInterface clientUtil = ElasticSearchHelper.getConfigRestClientUtil("esmapper/indexparentchild.xml");
Map<String,Object> params = new HashMap<String,Object>();
params.put("country","UK");
ESDatas<Employee> escompanys = clientUtil.searchList("company/employee/_search","hasParentSearchByCountry",params,Employee.class);
List<Employee> companyList = escompanys.getDatas();//获取符合条件的公司
long totalSize = escompanys.getTotalSize();
}
通过junit测试用例执行上述功能
@Test
public void test(){
createIndice();
importData();
hasChildSearchByBirthday();
this.hasChildSearchByName();
this.hasChildSearchByMinChild();
this.hasParentSearchByCountry();
}
4.参考文档
https://blog.csdn.net/napoay/article/details/52032931
https://gitee.com/bboss/elasticsearchdemo/blob/master/src/test/java/org/frameworkset/elasticsearch/parentchild/ParentChildTest.java
https://gitee.com/bboss/elasticsearchdemo/blob/master/src/test/resources/esmapper/indexparentchild.xml
测试用例对应的工程
https://gitee.com/bboss/elasticsearchdemo
5 开发交流
elasticsearch技术交流群:166471282
elasticsearch微信公众号:bbossgroups
分享到:
相关推荐
总的来说,ElasticSearch因其强大的搜索和分析能力、分布式特性及广泛的集成支持,成为Java学习者和技术分享者的重要工具。它不仅适用于日志分析、实时搜索,还广泛应用于监控、物联网、内容管理系统等多个领域。...
Elasticsearch in Action 全文检索Elasticsearch in Action 全文检索Elasticsearch in Action 全文检索Elasticsearch in Action 全文检索Elasticsearch in Action 全文检索Elasticsearch in Action 全文检索
该研究的核心价值在于提供了一种基于分布式ElasticSearch技术的遥感影像检索方法,通过高效地映射和存储遥感影像元数据,能够快速且有效地对海量遥感影像进行检索。这不仅为遥感影像检索技术的发展提供了新的思路,...
在` ESDemo `项目中,你可以找到上述操作的具体实现代码,这将帮助你更深入地理解如何在Spring Boot应用中整合和使用Elasticsearch进行全文检索。通过学习和实践,你将能够熟练地运用Elasticsearch来解决大数据的...
基于ElasticSearch的海量文本检索系统 基于ElasticSearch的海量文本检索系统,目前支持txt, doc, docx, pdf, ppt格式文本上传及全文查询,本项目作为本人的毕业设计
总的来说,通过Spring Boot、Elasticsearch和Kibana的组合,我们可以构建一个高效的非结构化数据全文检索系统,覆盖多种文件格式,满足复杂的信息检索需求。这个系统的应用范围广泛,包括但不限于文档管理、知识图谱...
**Elasticsearch与Activiti深度整合案例** 在现代企业信息化建设中,Elasticsearch和Activiti作为两个重要的技术组件,分别扮演着数据搜索与流程管理的重要角色。Elasticsearch是一款强大的分布式搜索引擎,以其...
在这个名为“人工智能-项目实践-检索引擎-基于Java8的SSM+Elasticsearch全文检索的个人博客系统”的项目中,开发者构建了一个集成了人工智能技术的个人博客系统,它利用了现代搜索引擎技术,特别是Elasticsearch,来...
在这个案例中,"account.json"是Elasticsearch官方提供的一个示例数据集,旨在帮助用户了解如何在Elasticsearch中处理和查询JSON格式的数据。JSON(JavaScript Object Notation)是一种轻量级的数据交换格式,易于人...
Elasticsearch 是位于 Elastic Stack 核心的分布式搜索和分析引擎。Logstash 和 Beats 有助于收集、聚合和丰富您的数据并将其存储在 Elasticsearch 中。Kibana 使您能够以交互方式探索、可视化和分享对数据的见解,...
首先,让我们来看一下如何在 Elasticsearch 中插入和检索数据。这里展示的是使用 Bulk API 插入测试帖子数据。每个帖子包含 `articleID`、`userID`、`hidden` 和 `postDate` 四个字段。由于 Elasticsearch 支持 JSON...
在实际应用中,用户输入的检索词往往可能存在拼写错误、不完整或者使用了同义词等情况,为了提高用户体验和搜索准确性,Elasticsearch 提供了多种功能来支持检索词的自动补全、自动纠错、拼音补全以及繁简转换。...
Elasticsearch经典案例:日志分析和监控系统.zip Elasticsearch经典案例:日志分析和监控系统.zip Elasticsearch经典案例:日志分析和监控系统.zip Elasticsearch经典案例:日志分析和监控系统.zip Elasticsearch...
Elasticsearch(简称ES)是一款强大的开源搜索引擎,广泛应用于数据检索、分析和管理。作为分布式、RESTful风格的搜索和数据分析引擎,Elasticsearch能够提供实时、高可用性以及可扩展的搜索功能。在进行日常的数据...
在博客系统中,Elasticsearch可以存储和索引博客文章内容,以便快速地进行关键词搜索。 整合SSM与Elasticsearch的关键步骤包括: 1. **配置Elasticsearch**:在项目中引入Elasticsearch的Java客户端依赖,并配置...
1. **Elasticsearch基础**:Elasticsearch(ES)是一个开源的、分布式全文搜索引擎,它提供了实时数据分析的能力,广泛用于日志分析、监控、搜索应用等领域。其核心特性包括分布式、RESTful接口、实时性、可扩展性和...
Elasticsearch 是一个开源的高度可扩展的全文搜索和分析引擎,拥有查询近实时的超强性能。 大名鼎鼎的Lucene 搜索引擎被广泛用于搜索领域,但是操作复杂繁琐,总是让开发者敬而远之。而 Elasticsearch将 Lucene 作为...
这些应用案例都展示了Elasticsearch在全文搜索、结构化搜索和数据分析方面的强大能力。 Elasticsearch的实时特性意味着它能够在数据被索引后,几乎即时地提供搜索结果。这使得Elasticsearch非常适合于需要快速响应...
好记性不如烂笔头哦~,ElasticSearch,简称es,es是一个开源的高拓展的分布式全文搜索引擎它可以近乎实时的存储、检索数据;本身拓展性很好,可以拓展到上百台服务器,处理PB级别的数据。es也是用Java开发并使用...