越秀建设网站,搜索引擎营销,做网站策划案,万网公司注册网站文章目录 一.什么是ElasticSearch#xff1f;二.核心概念1.倒排索引2.Cluster(集群)3.Node(节点)4.Shard(分片)5.Replia(副本)6.全文检索 三.MySQL与ElasticSearch的对比四.IK分词器1.ik_smart2.ik_max_word 五.基于restful风格的操作命令1.添加删除索引2.添加数据3.修改数据4… 文章目录 一.什么是ElasticSearch二.核心概念1.倒排索引2.Cluster(集群)3.Node(节点)4.Shard(分片)5.Replia(副本)6.全文检索 三.MySQL与ElasticSearch的对比四.IK分词器1.ik_smart2.ik_max_word 五.基于restful风格的操作命令1.添加删除索引2.添加数据3.修改数据4.删除数据5.查询数据 六.复杂查询1.聚合查询2.keyword和text3.局部bucket统计与全局global bucket统计4.bool查询5.es中must,must_not,should不能同时生效6.wildcard7.match、match_phrase、multi_matchterm , terms8.sortrange,exists 七.API操作八.动态索引九.ES数据迁移十.Springboot集成ES1.引入依赖2.创建实体类3.ES配置类4.对API的调用(重点) 十一. Mysql数据同步ES 一.什么是ElasticSearch
ESelaticsearch简写 Elasticsearch是一个开源的高扩展的分布式全文检索引擎它可以近乎实时的存储、检索数据本身扩展性很好可以扩展到上百台服务器处理PB级别的数据。 Elasticsearch也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性通过面向文档从而让全文搜索变得简单。
二.核心概念
1.倒排索引
首先要了解索引表由关键词为key关键词位置属性为value组成的一张表。由于该表不是由key来确定value值而是由value的属性值来确定key的位置所以称为倒排索引带有倒排索引的文件称为倒排文件。通俗的讲倒排索引就好比书的目录通过目录咱们可以准确的找到相应的数据。
2.Cluster(集群)
ES可以作为一个独立的单个搜索服务器。不过为了处理大型数据集实现容错和高可用性ES可以运行在许多互相合作的服务器上。这些服务器的集合称为集群。
3.Node(节点)
形成集群的每个服务器称为节点。
4.Shard(分片)
当有大量的文档时由于内存的限制、磁盘处理能力不足、无法足够快的响应客户端的请求等一个节点可能不够。这种情况下数据可以分为较小的分片。每个分片放到不同的服务器上。 当你查询的索引分布在多个分片上时ES会把查询发送给每个相关的分片并将结果组合在一起而应用程序并不知道分片的存在。即这个过程对用户来说是透明的。
5.Replia(副本)
为提高查询吞吐量或实现高可用性可以使用分片副本。 副本是一个分片的精确复制每个分片可以有零个或多个副本。ES中可以有许多相同的分片其中之一被选择更改索引操作这种特殊的分片称为主分片。 当主分片丢失时如该分片所在的数据不可用时集群将副本提升为新的主分片。
6.全文检索
全文检索就是对一篇文章进行索引可以根据关键字搜索类似于mysql里的like语句。 全文索引就是把内容根据词的意义进行分词然后分别创建索引例如”你们的激情是因为什么事情来的” 可能会被分词成“你们“”激情““什么事情“”来“ 等token这样当你搜索“你们” 或者 “激情” 都会把这句搜出来。
三.MySQL与ElasticSearch的对比
关系数据库 ⇒ 数据库 ⇒ 表 ⇒ 行 ⇒ 列(Columns) Elasticsearch ⇒ 索引 ⇒ 类型 ⇒ 文档 ⇒ 字段(Fields)
四.IK分词器
分词:即把一段中文或者别的划分成一个个的关键字,我们在搜索时候会把自己的信息进行分词,会把数据库中或者索引库中的数据进行分词,然后进行一个匹配操作,默认的中文分词器是将每个字看成一个词,比如我爱技术会被分为我,“爱”,“技”,“术”,这显然不符合要求,所以我们需要安装中文分词器IK来解决这个问题
IK提供了两个分词算法:ik_smart和ik_max_word
其中ik_smart为最少切分,ik_max_word为最细粒度划分
EG:
1.ik_smart
最少切分分的词中不会有重复的字
2.ik_max_word
最细粒度划分穷尽词库的可能 如果他不认为查询的词 比如 张伟达 不是一个词, 则这种自己需要的词,需要自己加到字典中 创建messi.dic 在ik/config/IKAnalyzer.cfg.xml中添加我们自己的词典 重启ES然后测试
注意加入的词典(dic文件)和IKAnalyzer.cfg.xml的编码要一致
五.基于restful风格的操作命令 1.添加删除索引
DELETE test_wsyPUT test_wsy
{mappings: {properties: {id: {type: integer},name: {type: text,fields: {rawName: {type: keyword}}},desc: {type: text},age: {type: integer},depName: {type: keyword},aptDate: {type: text},created_at: {format: yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis,type: date}}}
}通过GET请求获得具体信息
GET test_wsy2.添加数据
PUT /索引名/类型名/文档id创建一个指定id的文档POST /索引名/类型名 不指定ID插入时会自动生成需要使用POST请求
POST /test_wsy/_doc
{id:1,name:小明,desc:数学成绩很好,age:18,depName:科技部
}PUT /test_wsy/_doc/2
{id:2,name:小王,desc:历史成绩很好,age:20,depName:财务部
}POST /test_wsy/_doc
{id:3,name:小明,desc:数学成绩很好,age:18,depName:财务部
}
PUT /test_wsy/_doc/4
{id: 4,name: 小王,desc: 历史成绩很好,age: 20,depName: 科技部
}
PUT /test_wsy/_doc/5
{id: 5,name: 小刘,desc: 英语很好,age: 40,depName: 科技部
}
PUT /test_wsy/_doc/6
{id: 6,name: 大王,desc: 物理成绩很好,age: 20,depName: 科技部
}3.修改数据
通过继续提交PUT覆盖原来的值 通过POST进行修改后面需要加上_update
4.删除数据 5.查询数据 六.复杂查询
1.聚合查询
query先查询然后基于查询结果进行聚合统计
局部bucket统计与全局global bucket统计 global{} 在aggs 的分组名字内部 就是忽略上面的查询条件 进行全局统计
GET /test_wsy/_search
{query: {bool: {must: {match_phrase: {depName: 科技部}}}},aggs: {test_avg_age: {avg: {field: age}},test_max_age: {max: {field: age}},test_min_age: {min: {field: age}},all_avg_age:{global: {},aggs: {all_avg_age: {avg: {field: age}}}}}
}2.keyword和text
text会对字段进行分词处理而keyword则不会进行分词即text支持模糊查询keyword只能精准查询 text类型的数据不能用来过滤、排序和聚合等操作keyword用来过滤、排序和聚合。
同字段多type配置 创建索引在mapping中通过fields关键字给name字段添加别名rawName类型为keyword用来做精确匹配以及排序。
创建索引 添加数据
POST /test_wsy/_doc
{id:1,name:小明,desc:数学成绩很好,age:18,depName:科技部
}PUT /test_wsy/_doc/2
{id:2,name:小王,desc:历史成绩很好,age:20,depName:财务部
}POST /test_wsy/_doc
{id:3,name:小明,desc:数学成绩很好,age:18,depName:财务部
}
PUT /test_wsy/_doc/4
{id: 4,name: 小王,desc: 历史成绩很好,age: 20,depName: 科技部
}
PUT /test_wsy/_doc/5
{id: 5,name: 小刘,desc: 英语很好,age: 40,depName: 科技部
}
PUT /test_wsy/_doc/6
{id: 6,name: 大王,desc: 物理成绩很好,age: 20,depName: 科技部
}精确查询 使用别名可以精确查询了
GET /test_wsy/_search
{query: {bool: {must: [{term: {name.rawName: {value: 明}}}]}}
}GET /test_wsy/_search
{query: {bool: {must: [{term: {name.rawName: {value: 小明}}}]}}
}GET /test_wsy/_search
{query: {bool: {must: [{term: {name: {value: 明}}}]}}
}GET /test_wsy/_search
{query: {bool: {must: [{term: {name: {value: 小明}}}]}}
}说明text类型的字段会被分词查询的时候如果用拆开查可以查询的到但是要是直接全部查就是查询不到。
3.局部bucket统计与全局global bucket统计
global就是global bucket,即将所有数据纳入聚合的scope而不管之前的query查询出来的数据是对所有数据执行聚合后的。局部bucket 基于query搜索结果来聚合的;
4.bool查询 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
must和filter经常连用, should和filter不常在一起。 filter在bool内.与should和must同级,不要在query里和bool平级语法错误。
EG1:
(city ‘New York’ AND state ‘NY’) AND ((businessName‘Java’ and businessName‘Shop’) OR (category‘Java’ and category ‘Shop’))
{query: {match_all: {}},filter: {bool: {must: [{term: {city: New york}},{term: {state: NY}},{bool: {should: [{bool: {must: [{term: {businessName: Java}},{term: {businessName: Shop}}]}},{bool: {must: [{term: {category: Java}},{term: {category: Shop}}]}}]}}]}}
}EG2:
API
5.es中must,must_not,should不能同时生效
如果一个query语句的bool下面除了should语句还包含了filter或者must语句那么should context下的查询语句可以一个都不满足只是_score0所以上述查询语句有无should语句查询到的hits().total()是一样的只是score不同而已。
解决方法1转换成复杂的组合查询 把should放到must或must_not里面
{query: {bool: {must: [{// 先满足前置条件bool: {must: [{term: {dynamicType.keyword: 201}}, {prefix: {viewTime.keyword: 2019-10-11}}]}}, {// 在满足后置条件bool: {should: [{term: {uniqueKey.keyword: 3a91b0abd3507ee8b7165e710382a411}}, {term: {uniqueKey.keyword: e5a359bcff112a98a6f7ea968d00ae3a}}, {term: {uniqueKey.keyword: 0fb98f5dd7f86ff7d3f7c105d27cddb0}}, {term: {uniqueKey.keyword: ccc0a51553fc33e7c19bb822f8ff6048}}]}}]}},from: 0,size: 10,sort: [{viewTime.keyword: {order: desc}}],aggs: {}
}解决方法2minimum_should_match minimum_should_match代表了最小匹配精度如果设置minimum_should_match1那么should语句中至少需要有一个条件满足查询语句如下
6.wildcard
通配符模糊查询,类似MySQL的like但非常消耗性能会把需要模糊查询的分成一个个单个的词常适用于字母和数字的模糊查询
GET /test_wsy/_search
{query: {bool: {must: [{wildcard: {desc: {value: 语}}}]}}
}GET /test_wsy/_search
{query: {bool: {must: [{wildcard: {desc: {value: 英语}}}]}}
}7.match、match_phrase、multi_matchterm , terms
match:用于搜索单个字段首先会针对查询语句进行解析经过 analyzer主要是对查询语句进行分词分词后查询语句的任何一个词项被匹配文档就会被搜到默认情况下相当于对分词后词项进行 or 匹配操作。
match还有2个比较重要的参数operator和minimum_should_match他们可以控制match查询的行为。 这个operater的默认值就是or就是只要匹配到任意一个词就算匹配成功若要分词后的所有词全部匹配可以设置 “operator”: “and” minimum_should_match可以设置匹配的最小词数不要与operator一起使用意思会冲突。它可以赋值正数、负数、百分比等但是我们常用的是设置一个正数即指定最小匹配的词数。
GET /test_wsy/_search
{query: {bool: {must: [{match: {desc: 绩成}}]}}
}会把“绩成“”分为“绩”和“成”两个只要有一个包含在里面即可 语
GET /test_wsy/_search
{query: {bool: {must: [{match: {desc: 阿拉伯语}}]}}
}match_phrase:首先会把 query 内容分词分词器可以自定义同时文档还要满足以下两个条件才会被搜索到一是分词后所有词项都要出现在指定字段中二是字段中的词项顺序要一致。查询内容会作为一个短语整体去匹配而不会拆成多个字
绩很是连续的 在分词内 所以能够找到
GET /test_wsy/_search
{query: {bool: {must: [{match_phrase: {desc: 绩很}}]}}
}很绩没有按顺序 可能不在分词内 所以不能够找到
GET /test_wsy/_search
{query: {bool: {must: [{match_phrase: {desc: 很绩}}]}}
}“绩好“不是连续的 可能不在分词内 所以找不到
GET /test_wsy/_search
{query: {bool: {must: [{match_phrase: {desc: 绩好}}]}}
}multi_matchmulti_match 是 match 的升级用于搜索多个字段。查询语句为“java 编程”查询域为 title 和 description
GET /test_wsy/_search
{query: {bool: {must: [{multi_match: {query: 历,fields: [name,desc]}}]}}
}term :查询用来查找指定字段中包含给定单词的文档term 查询不被解析只有查询词和文档中的词精确匹配才会被搜索到应用场景为查询人名、地名等需要精准匹配的需求。避免 term 查询对 text 字段使用查询默认情况下Elasticsearch 针对 text 字段的值进行解析分词这会使查找 text 字段值的精确匹配变得困难。要搜索 text 字段值需改用 match 查询。
name为text类型 无法查找
GET /test_wsy/_search
{query: {bool: {must: [{term: {name: {value: 小明}}}]}}
}name.rawName为keyword类型 进行精确查找
GET /test_wsy/_search
{query: {bool: {must: [{term: {name.rawName: {value: 小明}}}]}}
}GET /test_wsy/_search
{query: {bool: {must: [{term: {name.rawName: {value: 明}}}]}}
}terms:是 term 查询的升级可以用来查询文档中包含多个词的文档。比如想查询 title 字段中包含关键词 “java” 或 “python” 的文档
GET /test_wsy/_search
{query: {bool: {must: [{terms: {name.rawName: [小明,小黄]}}]}}
}总结在text上应该用match、match_phrase来全文搜索 而term,terms常用在keyword类型
8.sortrange,exists sort range范围查询用于匹配在某一范围内的数值型、日期类型或者字符串型字段的文档比如搜索哪些书籍的价格在 50 到 100 之间、哪些书籍的出版时间在 2015 年到 2019 年之间。使用 range 查询只能查询一个字段不能作用在多个字段上。
GET /test_wsy/_search
{query: {range: {age: {gte: 10,lte: 20}}}
}exists查询会返回字段中至少有一个非空值的文档。
GET /test_wsy/_search
{query: {bool: {must: [{exists:{field:name}}]}}
}七.API操作 matchQueryBuilders.matchQuery(“name”, “小明”) match_phraseQueryBuilders.matchPhraseQuery(“desc”,“成绩很好”) multi_matchQueryBuilders.multiMatchQuery(“哈哈哈”,“name”,“desc”); //前一个参数为要查询的数据后面的为属性名 rangeQueryBuilders.rangeQuery(“age”).gte(20).lt(30) termQueryBuilders.termQuery(“desc”, “很好”) termsQueryBuilders.termsQuery(“desc”,“成绩”,“英语”); existsQueryBuilders.existsQuery(“name”); must BoolQueryBuilder queryBuilder QueryBuilders.boolQuery(); queryBuilder.must(QueryBuilders.termQuery(“desc”, “成绩”)) must_not BoolQueryBuilder queryBuilder QueryBuilders.boolQuery(); queryBuilder.mustNot(QueryBuilders.termQuery(“desc”, “很好”)) should BoolQueryBuilder queryBuilder QueryBuilders.boolQuery(); queryBuilder.should(QueryBuilders.termQuery(“name”, “成绩”)) filter BoolQueryBuilder queryBuilder QueryBuilders.boolQuery(); queryBuilder.filter(QueryBuilders.termQuery(“desc”, “历史”)) 分页和排序 NativeSearchQuery searchQuery new NativeSearchQueryBuilder() .withQuery(QueryBuilders.matchAllQuery()) .withSort(SortBuilders.fieldSort(“age”).order(SortOrder.DESC)) .withSort(SortBuilders.fieldSort(“money”).order(SortOrder.ASC)) .withPageable(PageRequest.of(1, 10)) .build(); BoolQueryBuilder
获取查询条件构造器QueryBuilders进行操作 BoolQueryBuilder queryBuilder QueryBuilders.boolQuery(); queryBuilder.must(QueryBuilders.termQuery(“user”, “kimchy”)) .mustNot(QueryBuilders.termQuery(“message”, “nihao”)) .should(QueryBuilders.termQuery(“gender”, “male”)); QueryBuilders.boolQuery #子方法must可多条件联查
QueryBuilders.termQuery #精确查询指定字段
QueryBuilders.matchQuery #按分词器进行模糊查询
QueryBuilders.rangeQuery #按指定字段进行区间范围查询
# 大于等于 .from .gte
# 小于等于 .to .lte NativeSearchQueryBuilder
//构建Search对象NativeSearchQuery build new NativeSearchQueryBuilder()//条件.withQuery(queryBuilder)//排序.withSort(SortBuilders.fieldSort(id).order(SortOrder.ASC))//高亮.withHighlightFields(name, ms)//分页.withPageable(PageRequest.of(pageNum - 1, pageSize))//构建.build();AggregatedPageGoods aggregatedPage elasticsearchTemplate.queryForPage(build, Goods.class,new Hig());//queryForPage 参数一: NativeSearchQuery 封装的查询数据对象参数二: es对应索引实体类参数三: 调用高亮工具类八.动态索引 {template: {settings: {index: {max_result_window: 2000000,number_of_shards: 1,number_of_replicas: 1}},//字段映射mappings: {dynamic_templates: [],properties: {aptDate: {type: date,format: yyyy-MM-dd||epoch_millis},aptId: {type: text,fields: {keyword: {type: keyword,ignore_above: 256}}},createdAt: {type: date,format: yyyy-MM-dd HH:mm:ss||epoch_millis},deletedAt: {type: date,format: yyyy-MM-dd HH:mm:ss||epoch_millis},districtName: {type: text},id: {type: text,fields: {keyword: {type: keyword,ignore_above: 256}}},mobile: {type: text},startTime: {type: date,format: yyyy-MM-dd HH:mm:ss||epoch_millis}}},//索引模式aliases: {09585_fn_rms2_apoint_log_v2: {}}}}保存数据时根据某个规则将数据放到不同的索引分片里
九.ES数据迁移 #1.建立临时索引
PUT fn_rmsv2_log_v2_test_temp#2.迁移数据导临时索引
POST _reindex
{source: {index: fn_rmsv2_log_v2_test,size: 1000},dest: {index: fn_rmsv2_log_v2_test_temp}
}#3.删除原索引并重建
DELETE fn_rmsv2_log_v2_test
PUT fn_rmsv2_log_v2_test#4.将临时索引数据迁移回新建的原索引
POST _reindex
{source: {index: fn_rmsv2_log_v2_test_temp,size: 1000},dest: {index: fn_rmsv2_log_v2_test}
}#5.删除临时索引
DELETE fn_rmsv2_log_v2_test_temp十.Springboot集成ES
1.引入依赖 propertiesjava.version1.8/java.version!--自己定义es版本依赖保证和本地一致--elasticsearch.version7.6.1/elasticsearch.version/properties!--ES--dependencygroupIdorg.springframework.boot/groupIdartifactIdspring-boot-starter-data-elasticsearch/artifactId/dependency!--fastjosn--dependencygroupIdcom.alibaba/groupIdartifactIdfastjson/artifactIdversion1.2.74/version/dependency2.创建实体类
Data
AllArgsConstructor
NoArgsConstructor
Component
public class User {private String name;private int age;
}3.ES配置类
Configuration
public class EsClientConfig {Beanpublic RestHighLevelClient restHighLevelClient(){RestHighLevelClient clientnew RestHighLevelClient(RestClient.builder( new HttpHost(127.0.0.1,9200,http)));return client;}
}4.对API的调用(重点)
SpringBootTest
public class EsApiTest {Autowiredprivate RestHighLevelClient restHighLevelClient;//索引的创建Testvoid testCreateIndex() throws IOException {//1.创建索引请求CreateIndexRequest requestnew CreateIndexRequest(es_api2);//2.客户端执行请求 IndicesClient请求后获得响应CreateIndexResponse createIndexResponserestHighLevelClient.indices().create(request, RequestOptions.DEFAULT);System.out.println(createIndexResponse);}//测试获取索引Testvoid testExistIndex() throws IOException {GetIndexRequest requestnew GetIndexRequest(es_api);boolean exists restHighLevelClient.indices().exists(request, RequestOptions.DEFAULT);System.out.println(exists);}//测试删除索引Testvoid testDeleteIndex() throws IOException {DeleteIndexRequest requestnew DeleteIndexRequest(es_api2);//删除AcknowledgedResponse delete restHighLevelClient.indices().delete(request, RequestOptions.DEFAULT);System.out.println(delete.isAcknowledged());}//测试添加文档Testvoid testAddDocument() throws IOException {//创建对象User usernew User(哈哈哈3.0,22);//创建请求IndexRequest requestnew IndexRequest(es_api);//设置规则request.id(2);request.timeout(TimeValue.timeValueSeconds(1));request.timeout(1s);//把数据放入请求request.source(JSON.toJSONString(user), XContentType.JSON);//客户端发送请求获取响应的结果IndexResponse indexResponserestHighLevelClient.index(request,RequestOptions.DEFAULT);System.out.println(indexResponse.toString());System.out.println(indexResponse.status());}//获取文档判断是否存在Testvoid testIsExists() throws IOException {GetRequest getRequestnew GetRequest(es_api,1);//不获取返回的_source 的上下文getRequest.fetchSourceContext(new FetchSourceContext(false));getRequest.storedFields(_none_);boolean exists restHighLevelClient.exists(getRequest, RequestOptions.DEFAULT);System.out.println(exists);}//获取文档的信息Testvoid testGetDocument() throws IOException {GetRequest getRequestnew GetRequest(es_api,1);GetResponse getResponserestHighLevelClient.get(getRequest,RequestOptions.DEFAULT);System.out.println(getResponse.getSourceAsString());//打印文档的内容System.out.println(getResponse);}//更新文档的信息Testvoid testUpdateRequest() throws IOException {UpdateRequest updateRequestnew UpdateRequest(es_api,1);updateRequest.timeout(1s);User usernew User(dessw,33);updateRequest.doc(JSON.toJSONString(user),XContentType.JSON);UpdateResponse updateResponserestHighLevelClient.update(updateRequest,RequestOptions.DEFAULT);System.out.println(updateResponse.status());}//删除文档记录Testvoid testDeleteRequest() throws IOException {DeleteRequest deleteRequestnew DeleteRequest(es_api,2);deleteRequest.timeout(1s);DeleteResponse deleteResponserestHighLevelClient.delete(deleteRequest,RequestOptions.DEFAULT);System.out.println(deleteResponse.status());}//批量插入数据Testvoid testBulkRequest() throws IOException {BulkRequest bulkRequestnew BulkRequest();bulkRequest.timeout(10s);ArrayListUser userListnew ArrayList();userList.add(new User(dessw1,22));userList.add(new User(dessw2,33));userList.add(new User(dessw3,34));userList.add(new User(dessw4,55));userList.add(new User(dessw5,13));userList.add(new User(dessw6,32));//批处理请求for (int i0;iuserList.size();i){bulkRequest.add(new IndexRequest(es_api).id((i1)).source(JSON.toJSONString(userList.get(i)),XContentType.JSON));}BulkResponse bulkResponserestHighLevelClient.bulk(bulkRequest,RequestOptions.DEFAULT);System.out.println(bulkResponse.hasFailures());}//查询Testvoid testSearch() throws IOException {SearchRequest searchRequestnew SearchRequest(es_api);//构建搜索条件SearchSourceBuilder searchSourceBuildernew SearchSourceBuilder();//查询条件我们可以使用QueryBuilders工具来实现//QueryBuilders.termQuery 精确查询//QueryBuilders.matchAllQuery 匹配所有TermQueryBuilder termQueryBuilder QueryBuilders.termQuery(name,dessw1);// MatchAllQueryBuilder matchAllQueryBuilderQueryBuilders.matchAllQuery();searchSourceBuilder.query(termQueryBuilder);searchSourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));searchRequest.source(searchSourceBuilder);SearchResponse searchResponserestHighLevelClient.search(searchRequest,RequestOptions.DEFAULT);System.out.println(JSON.toJSONString(searchResponse.getHits()));System.out.println();for (SearchHit documentFields:searchResponse.getHits().getHits()){System.out.println(documentFields.getSourceAsMap());}}}
十一. Mysql数据同步ES
