ElasticSearch+Springboot实际应用：索引同步建设，搜索过程

1、介绍

springboot框架，众多自动化的部署和约定配置，造成了springboot的着手麻烦，熟练后可以快速快捷进行开发，常用作快捷开发的java底层框架。各位看官都是大神，自行体会。

     elasticsearch很受欢迎的的一款拥有活跃社区开源的搜索解决方案，底层用的是luence。

     elasticsearch具有很丰富的插件库，对于很多开源框架都支持使得ES很是受欢迎。

 

2、安装配置过程

安装elasticsearch参考本博客的另一篇文章：http://www.cnblogs.com/zhongshengzhen/p/elasticsearch_mysql.html

mysql通过logstash同步数据到elasticsearch参考文章：http://www.cnblogs.com/zhongshengzhen/p/elasticsearch_logstash.html

logstash同步数据写的较为简单，这里补充完成。

 

采用增量的方式导入mysql新增、修改的数据，前提是数据库中的数据不进行删除，只修改数据库字段的状态。

 

logstash jdbc的配置内容见下：

 

[zsz@VS-zsz conf]$ cd /usr/local/logstash-2.4.0/conf 

[zsz@VS-zsz conf]$ vi logstash-mysql-news.conf

 

input {
  jdbc {
    jdbc_driver_library => "/usr/local/logstash-2.4.0/mysql-connector-java-5.1.39.jar"
    jdbc_driver_class => "com.mysql.jdbc.Driver"
    jdbc_connection_string => "jdbc:mysql://******************:3306/******?characterEncoding=UTF-8&useSSL=false"
    jdbc_user => "*******"
    jdbc_password => "*******************"
    statement => "SELECT n.pk,n.media_pk as mediapk,n.user_pk as userpk,n.access_source_pk as accesssourcepk,updated_at   FROM tablename1  n LEFT JOIN v ON(n.pk=v.news_pk) LEFT JOIN tablename2   c ON(n.pk=c.news_pk) WHERE date_sub(n.updated_at,interval 8 hour)  > :sql_last_value"
    last_run_metadata_path => "/usr/local/logstash-2.4.0/conf/lastRun.news"
    use_column_value => true
    tracking_column => updated_at
    jdbc_paging_enabled => "true"
    jdbc_page_size => "50000"
    schedule => "*/5 * * * *"
    type => "news"
  }
jdbc {
    jdbc_driver_library => "/usr/local/logstash-2.4.0/mysql-connector-java-5.1.39.jar"
    jdbc_driver_class => "com.mysql.jdbc.Driver"
    jdbc_connection_string => "jdbc:mysql://*************:3306/*******?characterEncoding=UTF-8&useSSL=false"
    jdbc_user => "touchtv"
    jdbc_password => "op@touchtv"
    statement => "SELECT pk,name,avatar_url as avatarurl,`desc`,status,remark,identity_type as identitytype,updated_at   FROM tablename WHERE status=1 AND date_sub(updated_at,interval 8 hour)  > :sql_last_value"
    last_run_metadata_path => "/usr/local/logstash-2.4.0/conf/lastRun.media"
    use_column_value => true
    tracking_column => updated_at
    jdbc_paging_enabled => "true"
    jdbc_page_size => "50000"
    schedule => "*/20 * * * *"
    type => "media"
  }

}

filter {
   json {
        source => "message"
        remove_field => ["message"]
    }
}

output {
  stdout {
    codec => rubydebug
  }
  elasticsearch {
    hosts => "192.168.*******"
    index => "indexname"
    document_id => "%{pk}"
  }

} 

注意：

last_run_metadata_path => "/usr/local/logstash-2.4.0/conf/lastRun.news" ，建议做这个配置，用来记录上次更新的时间或者ID，达到重启logstash而不会重新全量导入数据的目的。很重要的配置。
use_column_value => true    ，必须配置，开启字段跟踪
tracking_column => updated_at ，必须配置，指定跟踪的字段名，必须在返回的SQL结果集中存在的字段，要不然会有WARN。

:sql_last_value 上次执行记录的点，只能是数字类型或者时间类型，具体可以参考官方文档。

date_sub(n.updated_at,interval 8 hour) 这个需要做时间的转换，是个大坑。由于logstash取的时间@timestamp的时间比本地早8个小时，这个时间是UTC时间，日志应统一采用这个时间所以做的转换，也可以修改logstash的配置来处理，但是logstash的日志及很多插件都是用了UTC时间，修改后需要对周边的搭配的框架（如Kibana）也进行修改，很是麻烦，所以建议不要修改logstash的UTC时间配置。

document_id => "%{pk}" 必须配置，这里是对index进行唯一性的命名，这个配置可以避免同一条数据的修改可以更新到相应的记录上，相当于关系型数据库中的主键。由此可以看到，数据表建模时，最好可以所有的表都有一个自增字段来唯一识别一条记录。

 

3、启停logstash脚本

restart.sh

 

confFile="logstash-mysql-news.conf"
basepath=$(cd `dirname $0`; pwd)

directory=${basepath%/*}

cd $directory

pidString=`ps -ef | grep rg.jruby.Main | grep "${confFile}" | grep -v grep | awk '{print $2}'`

if [ -n "$pidString" ]; then

kill -9 $pidString        
        echo -e "\nSTOP successfully! \n"
else
        echo -e "\nNo need to be stoped because it had already been stoped\n"

fi
folder="${directory}/logs"

if [ ! -d "$folder" ]; then
  mkdir "$folder"
fi
nohup bin/logstash -w 4 -f conf/"${confFile}" -l logs/logstash.log.news.`date -d today +"%Y-%m-%d"` > logs/nohup.log.news.`date -d today +"%Y-%m-%d"` 2>&1 &

echo -e "RESTARTING..."
sleep 3

pidString=`ps -ef | grep rg.jruby.Main | grep -v grep | awk '{print $2}'`

if [ -n "$pidString" ]; then
  echo -e "\nRESTART SUCCESSFUL!\n"
else
  echo -e "\nRESTART FAILED!\n"
fi

 

采用nohup启动logstash同步，同时对线程启动或者暂停，各位看官可以根据个人需要修改，记得点赞啊，如果觉得不错。

 

解析：bin/logstash -w 4 这个指定是根据jdbc的进程来决定的，这里是允许同时运行四个线程

 

4、springboot的配置

 

springboot框架的使用这里就不说了，其实就是一个用spring管理elasticsearch连接和映射的东西，为了方便，你也可以直接用main函数作为客户端连接elasticsearch进行测试。连接方式可能不一样，但是检索过程可以相互借鉴。

 

配置文件配置elasticsearc

pom.xml

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>

 

application.yml

spring.data.elasticsearch.cluster-name: mycluster
spring.data.elasticsearch.cluster-nodes : 192.168.31.78:9300,192.168.31.79:9300
spring.data.elasticsearch.repositories.enabled : true

这里nodes配置了两部机器，相当于配置了一个双节点的ES的集群，当一部机器进程关闭，依旧保证服务。

 

 

定义实体类，配置与elasticsearch的字段映射

package cn.search.domain;

import org.springframework.data.annotation.Id;
import org.springframework.data.annotation.Version;
import org.springframework.data.elasticsearch.annotations.Document;
import java.sql.Timestamp;

/**
 * Created by zhongshzh on 2016/10/17.
 */
@Document(indexName = "zsz", type = "news", shards = 10, replicas = 0, refreshInterval = "-1")
public class News {
    @Id
    private long pk;
    @Version
    private Long version;

    private int mediapk;
    private int userpk;
    ......}

配置了indexName和typeName，News.java都是些getter和setter方法，这里不一一列举了。必须定义@Id的字段，要不然会报错。

 

5、springboot的检索

     5.1:继承ElasticsearchRepository的方式检索

package cn.search.domain.repository;

import cn.search.domain.Media;
import org.springframework.data.domain.Page;
import org.springframework.data.domain.Pageable;
import org.springframework.data.elasticsearch.repository.ElasticsearchRepository;

/**
 * Created by zhongshzh on 2016/10/19.
 */
public interface MediaRepository extends ElasticsearchRepository<Media, String> {

    public Media findByPk(int pk);

}

上面定义了一个方法findByPk(pk)，通过pk进行检索，这种方法的使用详见springboot jpas，相同的使用方法。

 

     5.1:构造QueryBuilder的方式检索

 

采用springdata的方式不太方便，对于含有and... (or...or......)的查询就无能为力了，所以更通用的是使用QueryBuilder。 

public Page<News> searchNews(String keyword, int pageSize, int pageNum) {

       QueryBuilder queryBuilder = QueryBuilders.boolQuery()
               .must(QueryBuilders.termQuery("checkstatus", "0"))
               .must(QueryBuilders.multiMatchQuery(keyword, "title", "summary", "content"));

        Pageable pageable = new PageRequest(pageNum, pageSize);
        Page<News> pageNews = newsSearchRepository.search(queryBuilder, pageable);
        if(pageNews==null || pageNews.getSize() < 1)
            return null;
        return pageNews;
    }

 

QueryBuilder queryBuilder = QueryBuilders.boolQuery().must(QueryBuilders.termQuery("checkstatus", "0")).must(QueryBuilders.multiMatchQuery(keyword, "title", "summary"));

 

跟SQL：select * from news where checkstatus=0 and (title like '%keyword%' or summary  like '%keyword%')的含义一样。

获得的结果集是根据相关度来排序的，自定义的排序，暂时我也不清楚，有了解的大神还请不吝赐教。

 

本文的原文地址：http://www.cnblogs.com/zhongshengzhen/p/elasticsearch_springboot.html