1、引入elasticsearch 需要的jar包
org.springframework.boot spring-boot-starter-data-elasticsearch
2、在application.properties中添加elasticsearch配置
spring.data.elasticsearch.cluster-name=xxx（你的elasticsearch的名称）spring.data.elasticsearch.cluster-nodes=xxxxx:9300,xxxxxxx:9300spring.data.elasticsearch.repositories.enabled=true
3、创建实体类
/** * indexName(索引名称):对应数据库名称 * type:表名称 */@Document(indexName="wx_log_index",type="accountinfo",shards=5,replicas=1,refreshInterval="-1")public class Account { @Id private String id; private String nickName; private String accountName; public String getId() { return id; } public void setId(String id) { this.id = id; } public String getNickName() { return nickName; } public void setNickName(String nickName) { this.nickName = nickName; } public String getAccountName() { return accountName; } public void setAccountName(String accountName) { this.accountName = accountName; } } 4、编写Reposity相当于数据库连接的dao层
@Component("elasticAccountInfoRepository")public interface ElasticAccountInfoRepository extends ElasticsearchRepository {} 5、编写Service和实现类
public interface ESAccountInfoService { Account queryAccountInfoById(String id); Account save(Account c);} @Service("esAccountInfoServiceImpl")@Transactionalpublic class ESAccountInfoServiceImpl implements ESAccountInfoService { @Autowired private ElasticAccountInfoRepository elasticAccountInfoRepository; @Override public Account queryAccountInfoById(String id) { return elasticAccountInfoRepository.queryAccountInfoById(id); } @Override public Account save(Account c) { return elasticAccountInfoRepository.save(c); } } 6、编写Controller
@RestController@RequestMapping("/account")public class ESController { @Autowired private ESAccountInfoService esAccountInfoServiceImpl; @RequestMapping(value = "/add", method = RequestMethod.POST) public void addUserToEs(@RequestBody @NonNull Account account) { System.out.println("进入es添加方法"); esAccountInfoServiceImpl.save(account); } @RequestMapping(value = "/get", method = RequestMethod.GET) public Account get(@RequestParam("id") String id) { System.out.println("进入es查询方法"); Account acount = esAccountInfoServiceImpl.queryAccountInfoById(id); System.out.println(acount.getAccountName()); return acount; }} 整个实现逻辑就是以上那么多步骤。此时还缺少一个客户端。
下载链接：
以下是安装客户端和连接客户端详细步骤，首先你的电脑要安装python
Download or clone the repository https://github.com/ElasticHQ/elasticsearch-HQNavigate to the root of the repository: pip install -r requirements.txtStart the server: python3 application.pyPoint your browser to: http://localhost:5000
参考文档：
以下是对elasticsearch 学习的一些总结：
一、Elasticsearch 文档更新和删除过程描述
-
删除和更新也都是写操作，但是Elasticsearch中的文档是不可变的，因此不能被删除或者改动以展示其变更；
-
磁盘上的每个段都有一个相应的.del文件。当删除请求发送后，文档并没有真的被删除，而是在.del文件中被标记为删除。该文档依然能匹配查询，但是会在结果中被过滤掉。当段合并时，在.del文件中被标记为删除的文档将不会被写入新段。
-
在新的文档被创建时，Elasticsearch会为该文档指定一个版本号，当执行更新时，旧版本的文档在.del文件中被标记为删除，新版本的文档被索引到一个新段。旧版本的文档依然能匹配查询，但是会在结果中被过滤掉。
二、在并发情况下，Elasticsearch如果保证读写一致？
-
可以通过版本号使用乐观并发控制，以确保新版本不会被旧版本覆盖，由应用层来处理具体的冲突；
-
另外对于写操作，一致性级别支持quorum/one/all，默认为quorum，即只有当大多数分片可用时才允许写操作。但即使大多数可用，也可能存在因为网络等原因导致写入副本失败，这样该副本被认为故障，分片将会在一个不同的节点上重建。
-
对于读操作，可以设置replication为sync(默认)，这使得操作在主分片和副本分片都完成后才会返回；如果设置replication为async时，也可以通过设置搜索请求参数_preference为primary来查询主分片，确保文档是最新版本。
三、分布式搜索背景介绍：
ES 天生就是为分布式而生， 但分布式有分布式的缺点。 比如要搜索某个单词， 但是数据却分别在 5 个分片（Shard)上面， 这 5 个分片可能在 5 台主机上面。 因为全文搜索天生就要排序（ 按照匹配度进行排名） ,但数据却在 5 个分片上， 如何得到最后正确的排序呢？ ES是这样做的， 大概分两步：
step1、 ES 客户端将会同时向 5 个分片发起搜索请求。 step2、 这 5 个分片基于本分片的内容独立完成搜索， 然后将符合条件的结果全部返回。客户端将返回的结果进行重新排序和排名，最后返回给用户。也就是说，ES的一次搜索，是一次scatter/gather过程（这个跟mapreduce也很类似）。
具体步骤如图所示：
四、Elasticsearch的搜索类型（SearchType类型）
1、 query and fetch
向索引的所有分片 （ shard）都发出查询请求， 各分片返回的时候把元素文档 （ document）和计算后的排名信息一起返回。 这种搜索方式是最快的。 因为相比下面的几种搜索方式， 这种查询方法只需要去 shard查询一次。 但是各个 shard 返回的结果的数量之和可能是用户要求的 size 的 n 倍。 优点：这种搜索方式是最快的。因为相比后面的几种es的搜索方式，这种查询方法只需要去shard查询一次。 缺点：返回的数据量不准确， 可能返回(N*分片数量)的数据并且数据排名也不准确，同时各个shard返回的结果的数量之和可能是用户要求的size的n倍。2、 query then fetch（ es 默认的搜索方式）
如果你搜索时， 没有指定搜索方式， 就是使用的这种搜索方式。 这种搜索方式， 大概分两个步骤：
第一步， 先向所有的 shard 发出请求， 各分片只返回文档 id(注意， 不包括文档 document)和排名相关的信息(也就是文档对应的分值)， 然后按照各分片返回的文档的分数进行重新排序和排名， 取前 size 个文档。 第二步， 根据文档 id 去相关的 shard 取 document。 这种方式返回的 document 数量与用户要求的大小是相等的。 优点： 返回的数据量是准确的。 缺点： 性能一般，并且数据排名不准确。3、 DFS query and fetch
这种方式比第一种方式多了一个 DFS 步骤，有这一步，可以更精确控制搜索打分和排名。也就是在进行查询之前， 先对所有分片发送请求， 把所有分片中的词频和文档频率等打分依据全部汇总到一块， 再执行后面的操作、 优点： 数据排名准确 缺点： 性能一般 返回的数据量不准确， 可能返回(N*分片数量)的数据4、 DFS query then fetch
比第 2 种方式多了一个 DFS 步骤。 也就是在进行查询之前， 先对所有分片发送请求， 把所有分片中的词频和文档频率等打分依据全部汇总到一块， 再执行后面的操作、优点：
返回的数据量是准确的 数据排名准确 缺点： 性能最差【 这个最差只是表示在这四种查询方式中性能最慢， 也不至于不能忍受，如果对查询性能要求不是非常高， 而对查询准确度要求比较高的时候可以考虑这个】
DFS 是一个什么样的过程？
从 es 的官方网站我们可以发现， DFS 其实就是在进行真正的查询之前， 先把各个分片的词频率和文档频率收集一下， 然后进行词搜索的时候， 各分片依据全局的词频率和文档频率进行搜索和排名。 显然如果使用 DFS_QUERY_THEN_FETCH 这种查询方式， 效率是最低的，因为一个搜索， 可能要请求 3 次分片。 但， 使用 DFS 方法， 搜索精度是最高的。总结一下， 从性能考虑 QUERY_AND_FETCH 是最快的， DFS_QUERY_THEN_FETCH 是最慢的。从搜索的准确度来说， DFS 要比非 DFS 的准确度更高。