文章我會分三部分來講解：
第一部分，window下搭建elasticsearch的環境，以及其他插件
第二部分，springboot整合elasticsearch（有一定的分詞能力）
第三部分，springboot整合elasticsearch以及ik分詞器，做全字段檢索（完全分詞）
（我的第二篇，《springboot2.x 整合 elasticsearch 創建索引的方式》有更實用的意義，棄用postman創建索引方式，附上項目GitHub地址）
一：window安裝部署elasticsearch和elasticsearch-head
現在直接在window下安裝部署elasticsearch5.5.3。
這裏是下載elasticsearch的官網網址：https://www.elastic.co/cn/downloads/elasticsearch
步驟如下：
接着到github主頁，下載相應的版本的zip壓縮包。
然後解壓到磁盤的某個路徑，路徑不要包含中文字符。
然後進入bin目錄下，雙擊elasticsearch.bat文件，啓動elasticsearch。也可以用控制檯，輸入elasticsearch.bat，然後按回車鍵，啓動elasticsearch。
啓動完成後，在瀏覽器，輸入localhost:9200。查看啓動效果，如下圖，則表示安裝啓動elasticsearch5.5.3成功。
接下來，對elasticsearch5.5.3進行一些配置，讓elasticsearch-head可以訪問elasticsearch。elasticsearch-head是讓elasticsearch數據可視化的插件。
在window下使用elasticsearch-head插件，要有node.js環境
安裝node.js： node.js下載：https://nodejs.org/en/download/
安裝grunt：
- grunt是一個很方便的構建工具，可以進行打包壓縮、測試、執行等等的工作，5.x裏的head插件就是通過grunt啓動的。因此需要安裝grunt
- 注意：路徑切到nodejs安裝目錄下，[我安裝在C:\Program Files\nodejs]，輸入命令： npm install -g grunt-cli
- -g代表全局安裝
- 查看版本號， 輸入命令：grunt -version
elasticsearch-head的下載官網網址：https://github.com/mobz/elasticsearch-head
同樣下載zip包，然後指定路徑解壓，路徑也不要有中文字符。（我是將elasticsearch和elasticsearch-head放在E盤路徑下）。
①：修改elasticsearch-head配置，找到 elasticsearch-head-master下的Gruntfile.js,文件， 新增：hostname: '0.0.0.0'.
connect: {
server: {
options: {
hostname: '0.0.0.0',
port: 9100,
base: '.',
keepalive: true
}
}
}
②： 修改elasticsearch的配置文件，進入elasticsearch的config目錄下，修改elasticsearch.yml文件裏面的配置。
cluster.name: elasticsearch
node.name: node-es
network.host: 127.0.0.1
http.port: 9200
transport.tcp.port: 9300
# 增加新的參數，這樣head插件就可以訪問es
http.cors.enabled: true
http.cors.allow-origin: "*"
上面7行配置代碼，全部都是需要往elasticsearch.yml新增的配置，我特意將它們分割三部分。第一部分的配置，可以在啓動elasticsearch之後的頁面直接能看到（如我上面啓動後截圖的①②所示）。 最後兩個，http.cors.enabled: true, 和 http.cors.allow-origin: "*"， 是讓head插件訪問鏈接用的配置，不可缺少。
重啓elasticsearch。接着在elasticsearch-head-master的目錄下，輸入命令：grunt server，啓動head插件
然後在瀏覽器輸入： localhost:9100
到這裏，elasticsearch和elasticsearch-head的安裝與配置已經完成。
elasticsearch以及elasticsearch-head的安裝與配置，推薦一個網址，這個哥們寫得很好，我的配置都是按他的來配置的：https://www.cnblogs.com/puke/p/7145687.html?utm_source=itdadao&utm_medium=referral
二：springboot整合elasticsearch
到springboot官網看你就知道，整合elasticsearch有三種方式：
- Connecting to Elasticsearch by REST clients
- Connecting to Elasticsearch by Using Jest
- Connecting to Elasticsearch by Using Spring Data
這裏我是使用第三種方式，spring Data elasticsearch
新建一個springboot工程，我的springboot版本是2.0.0
我的pom.xml文件
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
// 可以直接在這裏修改你的springboot版本，我的springboot新建時是2.1.6的，然後在這裏修改爲2.0.0
<version>2.0.0.RELEASE</version>
<relativePath/>
</parent>
<groupId>com.gosuncn</groupId>
<artifactId>esdemo</artifactId>
<version>0.0.1-SNAPSHOT</version>
<name>esdemo</name>
<description>Demo project for Spring Boot</description>
<properties>
<java.version>1.8</java.version>
<elasticsearch.version>5.5.3</elasticsearch.version>
</properties>
<dependencies>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>
<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>transport</artifactId>
<version>5.5.3</version>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
<optional>true</optional>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
<scope>test</scope>
</dependency>
</dependencies>
<build>
<plugins>
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
</plugin>
</plugins>
</build>
</project>
然後可以看你springboot導入的elasticsearch.jar的版本
因爲spring data elasticsearch 與elasticsearch是要進行版本適配的，不匹配，是不能進行連接的。
細心的朋友，可能已經發現，我的elasticsearch已經存在一個local_library索引了。那我們就以這個索引爲例。
這裏，我先說明一下，我的local_library索引是怎樣創建的。使用postman，提交PUT請求，即可創建local_library索引，以及這個索引下的book類型。
body實體裏面的內容如下：在local_library索引下，創建一個book類型。
{
"mappings":{
"book":{
"properties":{
"book_id":{
"type":"long",
"fields":{
"keyword":{
"type":"keyword"
}
}
},
"book_code":{
"type":"text",
"fields":{
"keyword":{
"type":"keyword"
}
}
},
"book_name":{
"type":"text",
"fields":{
"keyword":{
"type":"keyword"
}
}
},
"book_price":{
"type":"integer",
"fields":{
"keyword":{
"type":"keyword"
}
}
},
"book_author":{
"type":"text",
"fields":{
"keyword":{
"type":"keyword"
}
}
},
"book_desc":{
"type":"text",
"fields":{
"keyword":{
"type":"keyword"
}
}
}
}
}
}
}
在elasticsearch-head查看效果如下：(備註：)
接着，有索引，有類型了，可以開始插入數據。插入數據有兩種方式，第一種是用postman， 第二種是在springboot工程的測試類中插入。
①：用postman插入數據示例：
插入的效果，可以看上面數據截圖。
②：用實體類插入數據（包括新增、查詢）
新建一個Library實體類：（備註，實體類已經使用lombok插件了）
@Data
@NoArgsConstructor
@AllArgsConstructor
@Document(indexName = "local_library", type = "book")
public class Library {
/**
* index：是否設置分詞
* analyzer：存儲時使用的分詞器
* ik_max_word
* ik_word
* searchAnalyze：搜索時使用的分詞器
* store：是否存儲
* type: 數據類型
*/
@Id
private Integer book_id;
private String book_code;
private String book_name;
private Integer book_price;
private String book_author;
private String book_desc;
}
然後編寫一個LibraryRepository:
@Repository
public interface LibraryRepository extends ElasticsearchRepository<Library, Long> {
}
然後在測試類中，插入數據：
import com.gosuncn.esdemo.domin.Library;
import com.gosuncn.esdemo.repository.LibraryRepository;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.index.query.QueryStringQueryBuilder;
import org.junit.Test;
import org.junit.runner.RunWith;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.data.domain.Page;
import org.springframework.data.domain.PageRequest;
import org.springframework.data.domain.Sort;
import org.springframework.data.elasticsearch.core.ElasticsearchTemplate;
import org.springframework.data.elasticsearch.core.query.NativeSearchQueryBuilder;
import org.springframework.test.context.junit4.SpringRunner;
import java.util.ArrayList;
import java.util.Iterator;
import java.util.List;
@RunWith(SpringRunner.class)
@SpringBootTest
public class EsdemoApplicationTests {
@Autowired
ElasticsearchTemplate elasticsearchTemplate;
@Autowired
LibraryRepository libraryRepository;
/**
* 插入數據
*/
@Test
public void testInsert(){
libraryRepository.save(new Library(42, "A00042", "明史簡述", 59, "吳晗", "吳晗背景uniworsity厲害"));
libraryRepository.save(new Library(43, "A00043", "傅雷家書", 99, "傅聰", "都是NB，class大家u"));
libraryRepository.save(new Library(24, "A00942", "時間簡史", 169, "霍金", "教授宇宙大爆發的59年曆史"));
libraryRepository.save(new Library(25, "A00925", "我的前半生", 39, "方舟89子", "都是生活，每晚9點"));
libraryRepository.save(new Library(29, "A00029", "圍9城", 139, "錢鍾書", "你想出城？不存在的"));
}
}
到此，這是第二種插入數據的方式。
然後數據有了，就可以進行查詢了。查詢代碼如下：
// 全字段查詢,不分頁
@Test
public void testSearch(){
try {
String searchStr = "三西阿";
QueryStringQueryBuilder builder = new QueryStringQueryBuilder(searchStr);
Iterable<Library> search = libraryRepository.search(builder);
Iterator<Library> iterator = search.iterator();
while (iterator.hasNext()){
System.out.println("--> 數據："+iterator.next());
}
}catch (Exception e){
System.out.println("---> 異常信息： "+e);
}
}
// 全字段查詢, 已經分頁
@Test
public void testSearchByPage(){
try {
String searchStr = "三西阿";
QueryStringQueryBuilder builder = new QueryStringQueryBuilder(searchStr);
Iterable<Library> search = libraryRepository.search(builder, PageRequest.of(0,2));
Iterator<Library> iterator = search.iterator();
while (iterator.hasNext()){
System.out.println("--> 數據："+iterator.next());
}
}catch (Exception e){
System.out.println("---> 異常信息： "+e);
}
}
運行第一個test的結果是：
--> 數據：Library{book_id=3, book_code='A0003', book_name='西遊記', book_price=99, book_author='吳承恩', book_desc='冒險小說！'}
--> 數據：Library{book_id=6, book_code='A0006', book_name='歡樂頌', book_price=399, book_author='阿耐', book_desc='都是生活真實隱射！'}
--> 數據：Library{book_id=7, book_code='A0007', book_name='都挺好', book_price=299, book_author='阿耐', book_desc='折射現實家庭矛盾！'}
--> 數據：Library{book_id=5, book_code='A0005', book_name='三國演義', book_price=198, book_author='羅貫中', book_desc='三國霸王遊戲！'}
--> 數據：Library{book_id=18, book_code='A00018', book_name='編譯原理', book_price=79, book_author='趙建華', book_desc='三十多小時，98.5'}
--> 數據：Library{book_id=1, book_code='A0001', book_name='琴帝', book_price=180, book_author='唐家三少', book_desc='最好看的玄幻小說！'}
--> 數據：Library{book_id=12, book_code='A00012', book_name='三重門', book_price=69, book_author='韓寒', book_desc='這是一個批評現實的真實故事'}
三：IK分詞器的使用
前面的都是小case，到這裏纔是我們做全文檢索的重點。
3.1：爲什麼要使用IK分詞器
ik分詞器，會將你的查詢條件語句拆分成一個一個詞。比如：查詢語句是“我愛中華人民共和國”，使用ik_max_word來分詞，則會出現下面的結果： 【“我”，“愛”，“中華人民共和國”，“中華人民”，“中華”，“華人”，“人民共和國”，“人民”，“人民共和國”，“共和”，“國”】。具體看下圖：（使用postman）
body結果代碼如下:
{
"tokens": [
{
"token": "我",
"start_offset": 0,
"end_offset": 1,
"type": "CN_CHAR",
"position": 0
},
{
"token": "愛",
"start_offset": 1,
"end_offset": 2,
"type": "CN_CHAR",
"position": 1
},
{
"token": "中華人民共和國",
"start_offset": 2,
"end_offset": 9,
"type": "CN_WORD",
"position": 2
},
{
"token": "中華人民",
"start_offset": 2,
"end_offset": 6,
"type": "CN_WORD",
"position": 3
},
{
"token": "中華",
"start_offset": 2,
"end_offset": 4,
"type": "CN_WORD",
"position": 4
},
{
"token": "華人",
"start_offset": 3,
"end_offset": 5,
"type": "CN_WORD",
"position": 5
},
{
"token": "人民共和國",
"start_offset": 4,
"end_offset": 9,
"type": "CN_WORD",
"position": 6
},
{
"token": "人民",
"start_offset": 4,
"end_offset": 6,
"type": "CN_WORD",
"position": 7
},
{
"token": "共和國",
"start_offset": 6,
"end_offset": 9,
"type": "CN_WORD",
"position": 8
},
{
"token": "共和",
"start_offset": 6,
"end_offset": 8,
"type": "CN_WORD",
"position": 9
},
{
"token": "國",
"start_offset": 8,
"end_offset": 9,
"type": "CN_CHAR",
"position": 10
}
]
}
補充說明一下的區別：ik_max_word 和 ik_smart
ik_max_word 會將文本做最細粒度的拆分。
ik_smart 會做最粗粒度的拆分。
ik_max_word 和 ik_smart 是兩個不同類型的分詞器。
3.2 安裝ik分詞器
ik分詞器的下載與安裝：（備註：ik分詞器的版本，必須與elasticsearch版本一致）
GitHub下載地址： https://github.com/medcl/elasticsearch-analysis-ik/releases
找到5.5.3版本的
點擊下載elasticsearch-analysis-ik-5.5.3.zip 包，然後解壓，打開解壓後的文件夾，裏面有如下文件
接着，把這裏的所有文件複製到elasticsearch的plugins目錄下，自己新建的ik文件夾裏面（說明： ik文件夾是自己新建的，至於爲什麼要新建一個ik文件夾。其實到後來，你會在使用elasticsearch時添加很多的插件，每一個插件都是放在plugins目錄下的，所以建一個文件夾，單獨存放某個插件，會有一個很清晰的文件目錄）
然後重啓elasticsearch。
出現紅圈所示，則說明插件安裝成功。
檢驗效果：啓動elasticsearch成功後，直接在瀏覽器輸入：http://localhost:9200/_analyze?analyzer=ik_max_word&pretty=true&text=我愛中華人民共和國
備註：
如果是ik分詞插件是6.x版本的，只能用postman測試，而且查詢條件要放在body體內，如下圖：
如果直接在url加上查詢條件，如： http://localhost:9200/_analyze?analyzer=ik_max_word&pretty=true&text=大膽愛，不用地阿達女，加
會拋出異常：
{
"error": {
"root_cause": [
{
"type": "parse_exception",
"reason": "request body or source parameter is required"
}
],
"type": "parse_exception",
"reason": "request body or source parameter is required"
},
"status": 400
}
3.3 自定義分詞器
上面說的ik_max_word 和ik_smart 這兩種分詞器，其實不是我想要的效果。比如我要查詢“cla好好學習，15成功”。
瀏覽器輸入：http://localhost:9200/_analyze?analyzer=ik_max_word&pretty=true&text=cla好好學習，15成功
我想要將查詢條件分拆成：【"c", "l", "a", "好", "好", "學", "習", "，", "1", "5", "成", "功"】這種，單個字，單個詞，單個數字的最小粒度。但是ik_max_word 已經是不能滿足我的需求了，那我們就自定義一個分詞器(analyzer)
使用NGram 來定義一個分詞器： 官網：https://www.elastic.co/guide/en/elasticsearch/reference/6.4/analysis-ngram-tokenizer.html
這個網址裏面的內容很重要，看不懂英文的小夥伴，可以用瀏覽器的插件，將它翻譯成中文。
這句話：They are useful for querying languages that don’t use spaces or that have long compound words, like German.
意思是：它們對於查詢不使用空格或具有長複合詞的語言非常有用，比如德語。
我就直接使用官網的例子進行說明：輸入的查詢條件是：“Quick Fox”.
POST _analyze
{
"tokenizer": "ngram",
"text": "Quick Fox"
}
分詞後的結果是：
[ Q, Qu, u, ui, i, ic, c, ck, k, "k ", " ", " F", F, Fo, o, ox, x ]
可以給 ngram 配置下面三個參數：
①：min_gram ：字符的最小長度，默認是1.
②：max_gram：字符的最大長度，默認是2.
③：token_chars： 可以理解爲elasticsearch分割字符的點。其中又可以包含5個屬性。letter ，digit ，whitespace ，punctuation ，symbol 。
知道這些配置後，開始實例：（實例裏面，自定義一個 myanalyzer 分詞器，並創建my_user索引，和user類型）
PUT localhost:9200/my_user/
{
"settings": {
"analysis": {
"analyzer": {
"myanalyzer": {
"tokenizer": "mytokenizer"
}
},
"tokenizer": {
"mytokenizer": {
"type": "ngram",
"min_gram": 1,
"max_gram": 2,
"token_chars": [
"letter",
"digit",
"whitespace",
"punctuation",
"symbol"
]
}
}
}
},
"mappings":{
"user":{
"properties":{
"id":{
"type":"long",
"store": true,
"index": false,
"fields":{
"keyword":{
"type":"keyword"
}
}
},
"username":{
"type":"text",
"store": true,
"index": true,
"analyzer": "myanalyzer",
"fields":{
"keyword":{
"type":"keyword"
}
}
},
"password":{
"type":"text",
"store": true,
"index": true,
"analyzer": "myanalyzer",
"fields":{
"keyword":{
"type":"keyword"
}
}
},
"age":{
"type":"integer",
"fields":{
"keyword":{
"type":"keyword"
}
}
},
"ip":{
"type":"text",
"store": true,
"index": true,
"analyzer": "myanalyzer",
"fields":{
"keyword":{
"type":"keyword"
}
}
}
}
}
}
}
postman截圖：
或者可以使用這種方式：
POST localhost:9200/my_user/_analyze?analyzer=myanalyzer&pretty=true
{
"text": "2 Quick Fo18陳xes姥爺."
}
接着用postman查詢構建的這個my_user索引，類型爲user。
POST localhost:9200/my_user/_analyze
{
"analyzer": "myanalyzer",
"text": "2 Quick Fo18陳xes姥爺."
}
// 結果
{
"tokens": [
{
"token": "2",
"start_offset": 0,
"end_offset": 1,
"type": "word",
"position": 0
},
{
"token": "2 ",
"start_offset": 0,
"end_offset": 2,
"type": "word",
"position": 1
},
{
"token": " ",
"start_offset": 1,
"end_offset": 2,
"type": "word",
"position": 2
},
{
"token": " Q",
"start_offset": 1,
"end_offset": 3,
"type": "word",
"position": 3
},
{
"token": "Q",
"start_offset": 2,
"end_offset": 3,
"type": "word",
"position": 4
},
{
"token": "Qu",
"start_offset": 2,
"end_offset": 4,
"type": "word",
"position": 5
},
{
"token": "u",
"start_offset": 3,
"end_offset": 4,
"type": "word",
"position": 6
},
{
"token": "ui",
"start_offset": 3,
"end_offset": 5,
"type": "word",
"position": 7
},
{
"token": "i",
"start_offset": 4,
"end_offset": 5,
"type": "word",
"position": 8
},
{
"token": "ic",
"start_offset": 4,
"end_offset": 6,
"type": "word",
"position": 9
},
{
"token": "c",
"start_offset": 5,
"end_offset": 6,
"type": "word",
"position": 10
},
{
"token": "ck",
"start_offset": 5,
"end_offset": 7,
"type": "word",
"position": 11
},
{
"token": "k",
"start_offset": 6,
"end_offset": 7,
"type": "word",
"position": 12
},
{
"token": "k ",
"start_offset": 6,
"end_offset": 8,
"type": "word",
"position": 13
},
{
"token": " ",
"start_offset": 7,
"end_offset": 8,
"type": "word",
"position": 14
},
{
"token": " F",
"start_offset": 7,
"end_offset": 9,
"type": "word",
"position": 15
},
{
"token": "F",
"start_offset": 8,
"end_offset": 9,
"type": "word",
"position": 16
},
{
"token": "Fo",
"start_offset": 8,
"end_offset": 10,
"type": "word",
"position": 17
},
{
"token": "o",
"start_offset": 9,
"end_offset": 10,
"type": "word",
"position": 18
},
{
"token": "o1",
"start_offset": 9,
"end_offset": 11,
"type": "word",
"position": 19
},
{
"token": "1",
"start_offset": 10,
"end_offset": 11,
"type": "word",
"position": 20
},
{
"token": "18",
"start_offset": 10,
"end_offset": 12,
"type": "word",
"position": 21
},
{
"token": "8",
"start_offset": 11,
"end_offset": 12,
"type": "word",
"position": 22
},
{
"token": "8陳",
"start_offset": 11,
"end_offset": 13,
"type": "word",
"position": 23
},
{
"token": "陳",
"start_offset": 12,
"end_offset": 13,
"type": "word",
"position": 24
},
{
"token": "陳x",
"start_offset": 12,
"end_offset": 14,
"type": "word",
"position": 25
},
{
"token": "x",
"start_offset": 13,
"end_offset": 14,
"type": "word",
"position": 26
},
{
"token": "xe",
"start_offset": 13,
"end_offset": 15,
"type": "word",
"position": 27
},
{
"token": "e",
"start_offset": 14,
"end_offset": 15,
"type": "word",
"position": 28
},
{
"token": "es",
"start_offset": 14,
"end_offset": 16,
"type": "word",
"position": 29
},
{
"token": "s",
"start_offset": 15,
"end_offset": 16,
"type": "word",
"position": 30
},
{
"token": "s姥",
"start_offset": 15,
"end_offset": 17,
"type": "word",
"position": 31
},
{
"token": "姥",
"start_offset": 16,
"end_offset": 17,
"type": "word",
"position": 32
},
{
"token": "姥爺",
"start_offset": 16,
"end_offset": 18,
"type": "word",
"position": 33
},
{
"token": "爺",
"start_offset": 17,
"end_offset": 18,
"type": "word",
"position": 34
},
{
"token": "爺.",
"start_offset": 17,
"end_offset": 19,
"type": "word",
"position": 35
},
{
"token": ".",
"start_offset": 18,
"end_offset": 19,
"type": "word",
"position": 36
}
]
}
postman截圖：
得到的結果是：分詞成功。
3.4 重新構建springboot使用myanalyzer分詞器，做全文檢索
新建一個User實體：（對應elasticsearch中的my_user索引，和user類型）
@Data
@NoArgsConstructor
@AllArgsConstructor
@Document(indexName = "my_user", type = "user")
public class User {
/**
* index：是否設置分詞
* analyzer：存儲時使用的分詞器
* searchAnalyze：搜索時使用的分詞器
* store：是否存儲
* type: 數據類型
*/
@Id
@Field(store = true, index = false, type =FieldType.Integer)
private Integer id;
@Field(store = true, index = true, type = FieldType.keyword, analyzer = "myanalyzer", searchAnalyzer = "myanalyzer")
private String username;
@Field(store = true, index = true, type = FieldType.keyword, analyzer = "myanalyzer", searchAnalyzer = "myanalyzer")
private String password;
@Field(store = true, index = true, type = FieldType.Integer, analyzer = "myanalyzer", searchAnalyzer = "myanalyzer")
private Integer age;
@Field(store = true, index = true, type = FieldType.keyword, analyzer = "myanalyzer", searchAnalyzer = "myanalyzer")
private String ip;
}
新建UserRepository接口。
@Repository
public interface UserRepository extends ElasticsearchRepository<User, Long> {
}
在測試類中進行測試： （插入數據）
@RunWith(SpringRunner.class)
@SpringBootTest
public class UserTest {
@Autowired
UserRepository userRepository;
// 插入數據
@Test
public void testInsert(){
userRepository.save(new User(3, "高新興", "gao45", 18, "我登錄的ip地址是：127.145.0.11"));
userRepository.save(new User(4, "神州@數碼", "shen18", 18, "我登錄的ip地址是：127.124.0.11"));
userRepository.save(new User(6, "西南大學", "xida", 18, "我登錄的ip地址是：127.126.0.11"));
userRepository.save(new User(7, "北京大學", "beida", 18, "我記錄的ip地址是：127.127.0.11"));
userRepository.save(new User(8, "姚#明", "yao210", 18, "我登錄的@#%ip地址是：127.248.0.11"));
userRepository.save(new User(9, "鄧紫棋", "dengml", 18, "我使用的ip地址是：127.249.0.11"));
userRepository.save(new User(10, "李榮浩", "li06", 18, "我使用的@ip地址是：127.234.0.11"));
userRepository.save(new User(11, "陳奕迅", "19ch8en", 18, "我登錄的ip地址是：127.219.0.11"));
userRepository.save(new User(12, "周杰倫", "xiayu2014", 18, "我登錄的ip地址是：127.0.0.11"));
userRepository.save(new User(13, "林俊杰", "zho99", 18, "我登錄,的ip地址是：127.111.0.11"));
userRepository.save(new User(137, "林薇因", "zho99", 18, "我登錄,的ip地址是：127.111.0.11"));
}
插入數據後， elasticsearch裏面的數據顯示如下：
查詢數據：
@Test
public void testQueryByStr(){
try {
String searchStr = "陳夏天u馬立,@45";
QueryStringQueryBuilder builder = new QueryStringQueryBuilder(searchStr);
// 重點是下面這行代碼
builder.analyzer("myanalyzer").field("username").field("password").field("ip");
Iterable<User> search = userRepository.search(builder);
Iterator<User> iterator = search.iterator();
while (iterator.hasNext()){
System.out.println("---> 匹配數據： "+iterator.next());
}
}catch (Exception e){
System.out.println("---> 異常信息 "+e);
}
}
查詢結果：
---> 匹配數據： User(id=33, username=陳%喜華, password=gao45, age=18, ip=我登錄的ip地址是：127.145.0.11)
---> 匹配數據： User(id=3, username=高新興, password=gao45, age=18, ip=我登錄的ip地址是：127.145.0.11)
---> 匹配數據： User(id=35, username=馬@,#立志, password=ling009, age=18, ip=我記錄的ip地址是：127.125.0.11)
---> 匹配數據： User(id=48, username=郭才瑩, password=yao210, age=18, ip=我登錄的,@#%ip地址是：127.248.0.11)
---> 匹配數據： User(id=126, username=夏雨, password=xiayu2014, age=18, ip=我登錄的ip地址是：127.0.0.11)
---> 匹配數據： User(id=12, username=周杰倫, password=xiayu2014, age=18, ip=我登錄的ip地址是：127.0.0.11)
---> 匹配數據： User(id=115, username=朱&@#%夏宇, password=19ch8en, age=18, ip=我登錄的ip地址是：127.219.0.11)
---> 匹配數據： User(id=8, username=姚#明, password=yao210, age=18, ip=我登錄的@#%ip地址是：127.248.0.11)
---> 匹配數據： User(id=10, username=李榮浩, password=li06, age=18, ip=我使用的@ip地址是：127.234.0.11)
---> 匹配數據： User(id=104, username=黃小羣, password=li06, age=18, ip=我使用的@ip地址是：127.234.0.11)
---> 匹配數據： User(id=36, username=陳耀鵬, password=xida, age=18, ip=我登錄的ip地址是：127.126.0.11)
---> 匹配數據： User(id=11, username=陳奕迅, password=19ch8en, age=18, ip=我登錄的ip地址是：127.219.0.11)
---> 匹配數據： User(id=137, username=林薇因, password=zho99, age=18, ip=我登錄,的ip地址是：127.111.0.11)
---> 匹配數據： User(id=13, username=林俊杰, password=zho99, age=18, ip=我登錄,的ip地址是：127.111.0.11)
---> 匹配數據： User(id=4, username=神州@數碼, password=shen18, age=18, ip=我登錄的ip地址是：127.124.0.11)
---> 匹配數據： User(id=5, username=嶺南師範, password=ling009, age=18, ip=我記錄的ip地址是：127.125.0.11)
---> 匹配數據： User(id=9, username=鄧紫棋, password=dengml, age=18, ip=我使用的ip地址是：127.249.0.11)
---> 匹配數據： User(id=34, username=鍾楚瑩, password=shen18, age=18, ip=我登錄的ip地址是：127.124.0.11)
---> 匹配數據： User(id=49, username=黃羣, password=dengml, age=18, ip=我使用的ip地址是：127.249.0.11)
到處，springboot整合elasticsearch以及ik分詞器，做全文檢索完成了。
先告一段落，文章寫得不是很好。但希望你能看懂。如果有不懂的，底下留言。我會及時更新