“ 奇文网盘很早之前的版本就已经增加了文件搜索功能，而最近网盘也直接将Elasticsearch的版本适配到了最新的8.1.2，因为网上资料并不多，自己也是摸索了好几天才搞出来，本篇文章主要介绍Spring Boot 集成 Elasticsearch 8.1.2 的详细过程，并介绍其最基本使用方式。”
根据官方文档的介绍，使用 8.1 版，可以以更快的索引速度节省空间。通过仅包含文档值的字段，在搜索性能上可实现更快的索引速度（升幅 20%），更低的存储空间（降幅 20%）。
01
—
Elasticsearch下载和配置
下载地址：https://www.elastic.co/cn/downloads/elasticsearch
下载完解压缩之后，如下为ES目录结构
启动脚本存放在bin，配置文件存放在config
之前写过一篇关于安装与配置的文章，大家可以参考，这里就不再赘述：https://www.qiwenshare.com/essay/detail/233
02
—
Maven 依赖
虽然Spring Boot也提供了 Elasticsearch 的启动类，但是它的版本还是对ES7的适配，不适用于ES8，使用的过程中会存在各种问题，且后台报警一大堆，因此这里推荐使用官方提供的对应版本依赖，如下：
<dependency><groupId>co.elastic.clients</groupId><artifactId>elasticsearch-java</artifactId><version>8.1.2</version></dependency><dependency><groupId>com.fasterxml.jackson.core</groupId><artifactId>jackson-databind</artifactId></dependency><dependency><groupId>jakarta.json</groupId><artifactId>jakarta.json-api</artifactId><version>2.0.1</version></dependency>
03
—
连接配置
@Configurationpublic class ElasticSearchConfig {@Beanpublic ElasticsearchClient elasticsearchClient(){RestClient client = RestClient.builder(new HttpHost("localhost", 9200,"http")).build();ElasticsearchTransport transport = new RestClientTransport(client,new JacksonJsonpMapper());return new ElasticsearchClient(transport);}}
04
—
创建客户端对象
@Autowiredprivate ElasticsearchClient client;
05
—
索引 CRUD
新增 index
//写法比RestHighLevelClient更加简洁CreateIndexResponse indexResponse = client.indices().create(c -> c.index("filesearch"));
删除 index
DeleteIndexResponse deleteIndexResponse = client.indices().delete(d -> d.index("filesearch"));
查询 index
GetIndexResponse getIndexResponse = client.indices().get(i -> i.index("filesearch"));
判断 index 是否存在
BooleanResponse booleanResponse = client.indices().exists(e -> e.index("filesearch"));System.out.println(booleanResponse.value());
06
—
Document CRUD
因为我们要对文件进行搜素，索引需要新增一个实体类 FileSearch.java, 里面添加一些属性，如下：
@Data@JsonIgnoreProperties(ignoreUnknown = true)public class FileSearch {private Long userFileId;private String fileName;private Long userId;}
插入 document
FileSearch fileSearch = new FileSearch();fileSearch.setUserFileId(2L);fileSearch.setFileName("文件名");client.index(i -> i.index("filesearch").id(String.valueOf(fileSearch.getUserFileId())).document(fileSearch));
批量插入 document
List<FileSearch> fileSearchList = new ArrayList<>();List<BulkOperation> bulkOperationArrayList = new ArrayList<>();//遍历添加到bulk中for(FileSearch fileSearch : fileSearchList){bulkOperationArrayList.add(BulkOperation.of(o->o.index(i->i.document(fileSearch))));}BulkResponse bulkResponse = client.bulk(b -> b.index("filesearch").operations(bulkOperationArrayList));
更新 document
FileSearch fileSearch = new FileSearch();fileSearch.setUserFileId(2L);fileSearch.setFileName("文件名");UpdateResponse<FileSearch> updateResponse = client.update(u -> u.index("filesearch").id("1").doc(fileSearch), FileSearch.class);
删除 document
elasticsearchClient.delete(d -> d.index("filesearch").id(String.valueOf(userFileId)));
通过 id 查询 document
GetResponse<FileSearch> getResponse = client.get(g -> g.index("filesearch").id("1"), FileSearch.class);
07
—
文件搜索
我们先从这个简单例子入手，给大家讲解
SearchResponse<FileSearch> search = client.search(s -> s.index("filesearch").query(q -> q.term(t -> t.field("fileName").value(v -> v.stringValue("aaa")))),FileSearch.class);
上面这段代码是一段最简单的搜索案例，使用client.search()方法可以通过条件搜索出结果集，其中index指定索引空间名称为“filesearch”, 在这个索引空间中查询 fileName="aaa" 条件的数据，并返回。
term是最简单，最常用的检索方式，还有其他几种，比如match,wildcard等，他们之间有什么区别呢，如下：
term：不分词检索， 把检索串当作一个整体来执行检索, 即不会对检索串分词.
match：分词检索，match的所有方法，都会对字段进行分词，所查询的字段数据只要包含分词后结果的一个，就会被查询到
wildcard：通配符检索，通配符查询是一种底层基于词的查询，它允许指定匹配的正则表达式。而且它使用的是标准的 shell 通配符查询：
? 匹配任意字符
* 匹配 0 个或多个字符
接下来我们来实现更高级的搜索，上面的搜索使用的term必须完全匹配才能够搜索到，接下来我们改查分词检索 match
SearchResponse<FileSearch> search = client.search(s -> s.index("filesearch").query(q -> q.match(t -> t.field("fileName").query("aaa"))),FileSearch.class);
分词检索有什么好处呢，假如一个文件名为“搜索查询测试.txt”的文件，我们输入其中任何几个汉字的排列组合，也是可以搜索出来的。
但是这种做法对英文是不怎么友好的，假设文件名为“courgette asdf.log” 的文件，输入cour 搜索不出来，必须搜索完整的courgette 才能搜索出来，因为英文的分词是对整个单词而言的，因为中间有空格，所以ES认为这是两个单词，所以我们可以尝试在上面的基础上增加通配符检索wildcard，如下：
SearchResponse<FileSearch> search = client.search(s -> s.index("filesearch").query(q -> q.bool(_1 -> _1.should(_2 -> _2.match(_3 -> _3.field("fileName").query("cour"))).should(_2 -> _2.wildcard(_3 -> _3.field("fileName").wildcard("*" + "cour" + "*"))))),FileSearch.class);
上面用到了更高级的bool查询，bool查询的规则如下：
must：与关系，相当于关系型数据库中的 and。
should：或关系，相当于关系型数据库中的 or。
must_not：非关系，相当于关系型数据库中的 not。
filter：过滤条件。
range：条件筛选范围。
gt：大于，相当于关系型数据库中的 >。
gte：大于等于，相当于关系型数据库中的 >=。
lt：小于，相当于关系型数据库中的 <。
lte：小于等于，相当于关系型数据库中的 <=
看完有没有感觉很像数据库查询呢？大家可以类比的去学习，可能会更容易理解。
接下来我们继续新增条件，在文件管理系统中，我们查询都是区分用户的，因此我们需要在上面的条件中，把用户条件加上，如下：
search = elasticsearchClient.search(s -> s.index("filesearch").query(_1 -> _1.bool(_2 -> _2.must(_3 -> _3.bool(_4 -> _4.should(_5 -> _5.match(_6 -> _6.field("fileName").query(searchFileDTO.getFileName()))).should(_5 -> _5.wildcard(_6 -> _6.field("fileName").wildcard("*" + searchFileDTO.getFileName() + "*"))))).must(_3 -> _3.term(_4 -> _4.field("userId").value(sessionUserBean.getUserId()))))),FileSearch.class);
增加分页
使用from() 和 size()指定分页参数
search = elasticsearchClient.search(s -> s.index("filesearch").query(_1 -> _1.bool(_2 -> _2.must(_3 -> _3.bool(_4 -> _4.should(_5 -> _5.match(_6 -> _6.field("fileName").query(searchFileDTO.getFileName()))).should(_5 -> _5.wildcard(_6 -> _6.field("fileName").wildcard("*" + searchFileDTO.getFileName() + "*"))))).must(_3 -> _3.term(_4 -> _4.field("userId").value(sessionUserBean.getUserId()))))).from(currentPage).size(pageCount),FileSearch.class);
查询结果命中关键词高亮显示
search = elasticsearchClient.search(s -> s.index("filesearch").query(_1 -> _1.bool(_2 -> _2.must(_3 -> _3.bool(_4 -> _4.should(_5 -> _5.match(_6 -> _6.field("fileName").query(searchFileDTO.getFileName()))).should(_5 -> _5.wildcard(_6 -> _6.field("fileName").wildcard("*" + searchFileDTO.getFileName() + "*"))))).must(_3 -> _3.term(_4 -> _4.field("userId").value(sessionUserBean.getUserId()))))).from(currentPage).size(pageCount).highlight(h -> h.fields("fileName", f -> f.type("plain").preTags("<span class='keyword'>").postTags("</span>")).encoder(HighlighterEncoder.Html)),FileSearch.class);
08
—
结束语
如果你认真的看到这里，想必你已经感受到了ES的强大之处，但是本篇文章也并不能以偏概全，仅仅只是作为一个入门，其中 lambda 表达式非常简洁，更加的接近原语，但是如果对这种语法不熟悉，理解起来还是有一定困难的，所以还是要多加练习。
