消费端代码:https://gitee.com/suisui9857/hotel-demo
发送端代码:https://gitee.com/suisui9857/hotel-admin
数据聚合
聚合(aggregations)可以让我们极其方便的实现对数据的统计、分析、运算。例如:
- 什么品牌的手机最受欢迎?
- 这些手机的平均价格、最高价格、最低价格?
- 这些手机每月的销售情况如何?
实现这些统计功能的比数据库的sql要方便的多,而且查询速度非常快,可以实现近实时搜索效果。
聚合常见的有三类:
-
桶(Bucket) 聚合:用来对文档做分组
- TermAggregation:按照文档数据分组,并统计每组数量例如按照品牌值分组、按照国家分组
- Date Histogram:按照日期阶梯分组,例如一周为一组,或者一月为一组
-
度量(Metric) 聚合:对文档数据做计算,比如:最大值、最小值、平均值等
- Avg:求平均值
- Max:求最大值
- Min:求最小值
- Stats:同时求max、min、avg、sum等
-
管道(pipeline) 聚合:基于其它聚合的结果再做聚合
注意: 参加聚合的字段必须是keyword、日期、数值、布尔类型
桶聚合
统计所有数据中的酒店品牌有几种,其实就是按照品牌对数据分组
GET /hotel/_search
{
"size": 0, // 设置size为0,结果中不包含文档,只包含聚合结果
"aggs": { // 定义聚合
"brandAgg": { //给聚合起个名字
"terms": { // 聚合的类型,按照品牌值聚合,所以选择term
"field": "brand", // 参与聚合的字段
"size": 20 // 希望获取的聚合结果数量
}
}
}
}
聚合结果排序
默认情况下,Bucket聚合会统计Bucket内的文档数量,记为_count,并且按照_count降序排序。可以自定义聚合的排序方式:
GET /hotel/_search
{
"size": 0,
"aggs": {
"brandAgg": {
"terms": {
"field": "brand",
"order": {
"_count": "asc" // 按照_count升序排列
},
"size": 20
}
}
}
}
限定聚合范围
默认情况下,Bucket聚合是对索引库的所有文档做聚合,但真实场景下,用户会输入搜索条件,因此聚合必须是对搜索结果聚合。可以限定要聚合的文档范围,只要添加query条件即可:
GET /hotel/_search
{
"query": {
"range": {
"price": {
"lte": 200 // 只对200元以下的文档聚合
}
}
},
"size": 0,
"aggs": {
"brandAgg": {
"terms": {
"field": "brand",
"size": 20
}
}
}
}
度量聚合
酒店按照品牌分组,形成了一个个桶。对桶内的酒店做运算,获取每个品牌的用户评分的min、max、avg等值。
GET /hotel/_search
{
"size": 0,
"aggs": {
"brandAgg": {
"terms": {
"field": "brand",
"size": 20
},
"aggs": { // 是brands聚合的子聚合,也就是分组后对每组分别计算
"score_stats": { // 聚合名称
"stats": { // 聚合类型,这里stats可以计算min、max、avg等
"field": "score" // 聚合字段,这里是score
}
}
}
}
}
}
aggs代表聚合,与query同级,此时query的作用是?
限定聚合的文档范围
聚合必须的三要素:
聚合名称,聚合类型,聚合字段
聚合可配置属性有:
size:指定聚合结果数量
order:指定聚合结果排序方式
field:指定聚合字段
RestClient实现聚合
聚合条件与query条件同级别,因此需要使用request.source()来指定聚合条件。
聚合的结果也与查询结果不同,API也比较特殊。不过同样是JSON逐层解析:
代码示例:
@Test
void testAggregation() throws IOException {
//1.准备request
SearchRequest request = new SearchRequest("hotel");
//2.准备DSL
//2.1设置size
request.source().size(0);
//2.2聚合
request.source().aggregation(AggregationBuilders
//聚合名称,要聚合的字段,数量
.terms("brandAgg").field("brand").size(10));
//3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
//4.解析结果
Aggregations aggregations = response.getAggregations();
//根据聚合名称获取结果
Terms brandAgg = aggregations.get("brandAgg");
//获取桶
List<? extends Terms.Bucket> buckets = brandAgg.getBuckets();
//遍历
for (Terms.Bucket bucket : buckets) {
//获取key
String brandName = bucket.getKeyAsString();
long docCount = bucket.getDocCount();
System.out.println(brandName+":"+docCount); //7天酒店:30。。。
}
}
案例一: 搜索页面的品牌、城市等信息不应该是在页面写死,而是通过聚合索引库中的酒店数据得来的。
搜索结果中包含哪些城市,页面就应该列出哪些城市;搜索结果中包含哪些品牌,页面就应该列出哪些品牌。因此使用聚合功能,利用Bucket聚合,对搜索结果中的文档基于品牌分组、基于城市分组,就能得知包含哪些品牌、哪些城市了。
@Override
public Map<String, List<String>> getFilters() {
try {
//1.准备request
SearchRequest request = new SearchRequest("hotel");
//2.准备DSL
//2.1设置size
request.source().size(0);
//2.2聚合
buildAggregation(request);
//3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
//4.解析结果
Map<String,List<String>> result = new HashMap<>();
List<String> brandList = getAggByName(response,"brandAgg");
//放入map
result.put("品牌",brandList);
List<String> cityList = getAggByName(response,"cityAgg");
//放入map
result.put("城市",cityList);
List<String> starList = getAggByName(response,"starAgg");
//放入map
result.put("星级",starList);
return result;
} catch (IOException e) {
throw new RuntimeException();
}
}
//根据聚合获取聚合结果
private List<String> getAggByName(SearchResponse response,String aggName) {
Aggregations aggregations = response.getAggregations();
//根据聚合名称获取结果
Terms brandAgg = aggregations.get(aggName);
//获取桶
List<? extends Terms.Bucket> buckets = brandAgg.getBuckets();
List<String> brandList = new ArrayList<>();
//遍历
for (Terms.Bucket bucket : buckets) {
//获取key
String key = bucket.getKeyAsString();
brandList.add(key);
}
return brandList;
}
//构建聚合
private void buildAggregation(SearchRequest request) {
request.source().aggregation(AggregationBuilders
//聚合名称,要聚合的字段,数量
.terms("brandAgg").field("brand").size(100));
request.source().aggregation(AggregationBuilders
//城市
.terms("cityAgg").field("city").size(100));
request.source().aggregation(AggregationBuilders
//星级
.terms("starAgg").field("starName").size(100));
}
测试:
@Test
void ContextLoads(){
Map<String, List<String>> filters = hotelService.getFilters();
System.out.println(filters);
}
结果如下:
{品牌=[7天酒店, 如家, 皇冠假日, 速8, 万怡, 华美达, 和颐, 万豪, 喜来登, 希尔顿, 汉庭, 凯悦, 维也纳, 豪生, 君悦, 万丽, 丽笙], 星级=[二钻, 五钻, 四钻, 五星级, 三钻, 四星级], 城市=[上海, 北京, 深圳]}
因为是对搜索结果聚合,因此聚合是限定范围的聚合,也就是说聚合的限定条件跟搜索文档的条件一致。
编写controller:
@PostMapping("filters")
public Map<String, List<String>> getFilters(@RequestBody RequestParams params){
return hotelService.getFilters(params);
}
HotelService中添加RequestParam参数:
@Override
public Map<String, List<String>> getFilters(RequestParams params) {
try {
//1.准备request
SearchRequest request = new SearchRequest("hotel");
//2.准备DSL
//设置query
buildBasicQuery(params,request);
//2.1设置size
request.source().size(0);
//2.2聚合
buildAggregation(request);
//3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
//4.解析结果
Map<String,List<String>> result = new HashMap<>();
List<String> brandList = getAggByName(response,"brandAgg");
//放入map
result.put("品牌",brandList);
List<String> cityList = getAggByName(response,"cityAgg");
//放入map
result.put("城市",cityList);
List<String> starList = getAggByName(response,"starAgg");
//放入map
result.put("星级",starList);
return result;
} catch (IOException e) {
throw new RuntimeException();
}
}
//查询条件
private void buildBasicQuery(RequestParams params,SearchRequest request) {
//1.构建BooleanQuery
BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
//关键字搜索
String key = params.getKey();
if(key == null || "".equals(key)){
boolQuery.must(QueryBuilders.matchAllQuery());
}else {
boolQuery.must(QueryBuilders.matchQuery("all", key));
}
//条件过滤
//城市
if(params.getCity() != null && !"".equals(params.getCity())){
boolQuery.filter(QueryBuilders.termQuery("city", params.getCity()));
}
//品牌
if(params.getBrand() != null && !"".equals(params.getBrand())){
boolQuery.filter(QueryBuilders.termQuery("brand", params.getBrand()));
}
//星级
if(params.getStarName() != null && !"".equals(params.getStarName())){
boolQuery.filter(QueryBuilders.termQuery("starName", params.getStarName()));
}
//价格
if(params.getMinPrice() != null && params.getMaxPrice() != null){
boolQuery.filter(QueryBuilders.rangeQuery("price").gte(params.getMinPrice()).lte(params.getMaxPrice()));
}
//2.算分,添加原始算分,构建算分控制
FunctionScoreQueryBuilder functionScoreQuery =
QueryBuilders.functionScoreQuery(
//原始查询,相关性算分的查询
boolQuery,
//function score的数组
new FunctionScoreQueryBuilder.FilterFunctionBuilder[]{
//其中一个function score元素
new FunctionScoreQueryBuilder.FilterFunctionBuilder(
//过滤条件
QueryBuilders.termQuery("isAD",true),
//算分函数,权重*10
ScoreFunctionBuilders.weightFactorFunction(10)
)
});
// 7.放入source
request.source().query(functionScoreQuery);
}
实现动态过滤项:
自动补全
当用户在搜索框输入字符时,我们应该提示出与该字符有关的搜索项,如图:
拼音分词器: 实现根据字母做补全,必须对文档按照拼音分词。GitHub上elasticsearch的拼音分词插件。地址:https://github.com/medcl/elasticsearch-analysis-pinyin
安装方式与IK分词器一样:1.解压 2.上传到虚拟机中,elasticsearch的plugin目录 3.重启elasticsearch 4.测试
POST /_analyze
{
"text": "如家酒店还不错",
"analyzer": "pinyin"
}
自定义拼音分词器
elasticsearch中分词器(analyzer)的组成包含三部分:
- character filters:在tokenizer之前对文本进行处理。例如删除字符、替换字符
- tokenizer:将文本按照一定的规则切割成词条(term)。例如keyword,就是不分词;还有ik_smart
- tokenizer filter:将tokenizer输出的词条做进一步处理。例如大小写转换、同义词处理、拼音处理等
声明自定义分词器的语法如下:
PUT /test1
{
"settings": {
"analysis": {
"analyzer": {
"my_analyzer": {
"tokenizer": "ik_max_word",
"filter": "py"
}
},
"filter": {
"py": {
"type": "pinyin",
"keep_full_pinyin": false,
"keep_joined_full_pinyin": true,
"keep_original": true,
"limit_first_letter_length": 16,
"remove_duplicated_term": true,
"none_chinese_pinyin_tokenize": false
}
}
}
}
}
写入文档:
POST /test1/_doc/1
{
"id": 1,
"name": "狮子"
}
POST /test1/_doc/2
{
"id": 2,
"name": "虱子"
}
搜索数据:
GET /test/_search
{
"query": {
"match": {
"name": "掉入狮子笼咋办"
}
}
}
拼音分词器适合在创建倒排索引的时候使用,但不能在搜索的时候使用。
所以当用户输入中文时用中文去搜,用户输入拼英时用拼英搜。因此字段在创建倒排索引时应该用my_analyzer分词器,字段在搜索时应该使用ik_smart分词器。
PUT /test
{
"settings": {
"analysis": {
"analyzer": { // 自定义分词器
"my_analyzer": { // 分词器名称
"tokenizer": "ik_max_word",
"filter": "py"
}
},
"filter": { // 自定义tokenizer filter
"py": { // 过滤器名称
"type": "pinyin", // 过滤器类型,这里是pinyin
"keep_full_pinyin": false,
"keep_joined_full_pinyin": true,
"keep_original": true,
"limit_first_letter_length": 16,
"remove_duplicated_term": true,
"none_chinese_pinyin_tokenize": false
}
}
}
},
"mappings": {
"properties": {
"name": {
"type": "text",
"analyzer": "my_analyzer", //创建索引时使用
"search_analyzer": "ik_smart" //搜索时使用
}
}
}
}
Completion Suggester
elasticsearch提供了Completion Suggester查询来实现自动补全功能。这个查询会匹配以用户输入内容开头的词条并返回。为了提高补全查询的效率,对于文档中字段的类型有一些约束:
- 参与补全查询的字段必须是completion类型。
- 字段的内容一般是用来补全的多个词条形成的数组。
比如,索引库如下:
// 创建索引库
PUT test
{
"mappings": {
"properties": {
"title":{
"type": "completion"
}
}
}
}
然后插入下面的数据:
// 示例数据
POST test/_doc
{
"title": ["Sony", "WH-1000XM3"]
}
POST test/_doc
{
"title": ["SK-II", "PITERA"]
}
POST test/_doc
{
"title": ["Nintendo", "switch"]
}
查询的DSL语句如下:
// 自动补全查询
GET /test/_search
{
"suggest": {
"title_suggest": { //基于标题的建议
"text": "s", // 用户输入的关键字
"completion": { //自动补全的类型
"field": "title", // 补全查询的字段
"skip_duplicates": true, // 跳过重复的
"size": 10 // 获取前10条结果
}
}
}
}
结果:
酒店搜索框自动补全
hotel索引库还没有设置拼音分词器,需要修改索引库中的配置。但索引库是无法修改的,只能删除然后重新创建。还需要添加一个字段,用来做自动补全,将brand、suggestion、city等都放进去,作为自动补全的提示。
1.修改hotel索引库结构,设置自定义拼音分词器
2.修改索引库的name、all字段,使用自定义分词器
3.索引库添加一个新字段suggestion,类型为completion类型,使用自定义的分词器
// 酒店数据索引库
PUT /hotel
{
"settings": { #定义索引库的分词器
"analysis": {
"analyzer": {
"text_anlyzer": { #text分词
"tokenizer": "ik_max_word", # ik分词器
"filter": "py"
},
"completion_analyzer": { #completion类型参与自动补全
"tokenizer": "keyword", #不分词
"filter": "py" #使用拼音
}
},
"filter": {
"py": {
"type": "pinyin",
"keep_full_pinyin": false,
"keep_joined_full_pinyin": true,
"keep_original": true,
"limit_first_letter_length": 16,
"remove_duplicated_term": true,
"none_chinese_pinyin_tokenize": false
}
}
}
},
"mappings": {
"properties": {
"id":{
"type": "keyword"
},
# 2.修改索引库的name、all字段,使用自定义分词器
"name":{
"type": "text",
"analyzer": "text_anlyzer",#分词时用text_anlyzer
"search_analyzer": "ik_smart", #搜索时用ik_smart
"copy_to": "all"
},
"address":{
"type": "keyword",
"index": false
},
"price":{
"type": "integer"
},
"score":{
"type": "integer"
},
"brand":{
"type": "keyword",
"copy_to": "all"
},
"city":{
"type": "keyword"
},
"starName":{
"type": "keyword"
},
"business":{
"type": "keyword",
"copy_to": "all"
},
"location":{
"type": "geo_point"
},
"pic":{
"type": "keyword",
"index": false
},
"all":{
"type": "text",
"analyzer": "text_anlyzer",
"search_analyzer": "ik_smart"
},
# 3.索引库添加一个新字段suggestion,类型为completion类型,使用自定义的分词器
"suggestion":{ #自动补全的字段
"type": "completion",
"analyzer": "completion_analyzer" #不分词转拼音
}
}
}
}
4.给HotelDoc类添加suggestion字段,内容包含brand、business
@Data
@NoArgsConstructor
public class HotelDoc {
private Long id;
private String name;
private String address;
private Integer price;
private Integer score;
private String brand;
private String city;
private String starName;
private String business;
private String location;
private String pic;
private Object distance;
private Boolean isAD;
private List<String> suggestion;
public HotelDoc(Hotel hotel) {
this.id = hotel.getId();
this.name = hotel.getName();
this.address = hotel.getAddress();
this.price = hotel.getPrice();
this.score = hotel.getScore();
this.brand = hotel.getBrand();
this.city = hotel.getCity();
this.starName = hotel.getStarName();
this.business = hotel.getBusiness();
this.location = hotel.getLatitude() + ", " + hotel.getLongitude();
this.pic = hotel.getPic();
// 组装suggestion
if(this.business.contains("/")){
// business有多个值,需要切割
String[] arr = this.business.split("/");
// 添加元素
this.suggestion = new ArrayList<>();
this.suggestion.add(this.brand);
Collections.addAll(this.suggestion, arr);
}else {
this.suggestion = Arrays.asList(this.brand, this.business);
}
}
}
5.重新导入数据到hotel库
/*批量导入文档*/
@Test
void testBulkDocumentById() throws IOException {
//批量查询酒店数据
List<Hotel> hotels = hotelService.list();
//转为文档数据
List<HotelDoc> hotelDocs = hotels.stream().map(HotelDoc::new).collect(Collectors.toList());
//1.准备request对象
BulkRequest bulkRequest = new BulkRequest();
//2.准备参数,添加多个request
hotelDocs.forEach(i-> bulkRequest.add(new IndexRequest("hotel").id(i.getId().toString()).source(JSON.toJSONString(i),XContentType.JSON)));
//发送请求
client.bulk(bulkRequest,RequestOptions.DEFAULT);
}
6.搜索测试
GET /hotel/_search
{
"suggest": {
"suggestions": {
"text": "sd",
"completion": {
"field": "suggestion",
"skip_duplicates":true,
"size":10
}
}
}
}
自动补全查询的JavaAPI
结果解析:
1.请求参数如下图所示:
2.controller中添加方法:
@GetMapping("suggestion")
public List<String> getSuggestions(@RequestParam("key") String prefix) {
return hotelService.getSuggestions(prefix);
}
3.HotelService中实现自动补全并返回数据集合:
@Override
public List<String> getSuggestions(String prefix) {
try {
// 1.准备Request
SearchRequest request = new SearchRequest("hotel");
// 2.准备DSL
request.source().suggest(new SuggestBuilder().addSuggestion(
"suggestions",
SuggestBuilders.completionSuggestion("suggestion")
.prefix(prefix)
.skipDuplicates(true)
.size(10)
));
// 3.发起请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析结果
Suggest suggest = response.getSuggest();
// 4.1.根据补全查询名称,获取补全结果
CompletionSuggestion suggestions = suggest.getSuggestion("suggestions");
// 4.2.获取options
List<CompletionSuggestion.Entry.Option> options = suggestions.getOptions();
// 4.3.遍历,返回自动补全的结果
List<String> list = new ArrayList<>(options.size());
for (CompletionSuggestion.Entry.Option option : options) {
String text = option.getText().toString();
list.add(text);
}
return list;
} catch (IOException e) {
throw new RuntimeException(e);
}
}
4.测试
数据同步
elasticsearch中的酒店数据来自于mysql数据库,因此mysql数据发生改变时,elasticsearch也必须跟着改变,这个就是elasticsearch与mysql之间的数据同步。
在微服务中,负责酒店管理的业务(操作mysql)与负责酒店搜索的业务(操作elasticsearch)的业务可能在两个不同的微服务上,数据同步该如何实现?
方案一:同步调用
- hotel-demo对外提供接口,用来修改elasticsearch中的数据
- 酒店管理服务在完成数据库操作后,直接调用hotel-demo提供的接口修改elasticsearch中的数据
- 优点:实现简单,粗暴
- 缺点:业务耦合度高
方案二:异步通知
- hotel-admin对mysql数据库数据完成增、删、改后,发送MQ消息
- hotel-demo监听MQ,接收到消息后完成elasticsearch数据修改
- 优点:低耦合,实现难度一般
- 缺点:依赖mq的可靠性
方案三:监听binlog
- 给mysql开启binlog功能
- mysql完成增、删、改操作都会记录在binlog中
- hotel-demo基于canal监听binlog变化,实时更新elasticsearch中的内容
- 优点:完全解除服务间耦合
- 缺点:开启binlog增加数据库负担、实现复杂度高
MQ实现数据同步
需求:当酒店数据发生增、删、改时,要求对elasticsearch中数据也要完成相同操作
1.完成酒店的增删改并测试(略)
2.声明exchange、queue、RoutingKey
2.1在hotel-admin、hotel-demo中引入rabbitmq的依赖:
<!--amqp-->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-amqp</artifactId>
</dependency>
2.2修改配置文件
spring:
rabbitmq:
host: 192.168.221.199
port: 5671
username: admin
password: 12345678
virtual-host: /
2.3在hotel-admin和hotel-demo中声明所需常量
public class MqConstants {
/**
* 交换机
*/
public final static String HOTEL_EXCHANGE = "hotel.topic";
/**
* 监听新增和修改的队列
*/
public final static String HOTEL_INSERT_QUEUE = "hotel.insert.queue";
/**
* 监听删除的队列
*/
public final static String HOTEL_DELETE_QUEUE = "hotel.delete.queue";
/**
* 新增或修改的RoutingKey
*/
public final static String HOTEL_INSERT_KEY = "hotel.insert";
/**
* 删除的RoutingKey
*/
public final static String HOTEL_DELETE_KEY = "hotel.delete";
}
2.4在hotel-demo中声明交换机和队列并完成绑定
@Configuration
public class MqConfig {
/**
* 声明交换机
* @return
*/
@Bean
public TopicExchange topicExchange(){
//交换机名称,是否持久化,是否自动删除
return new TopicExchange(MqConstants.HOTEL_EXCHANGE);
}
/**
* 创建添加/修改队列
*/
@Bean
public Queue insertQueue(){
return new Queue(MqConstants.HOTEL_INSERT_QUEUE,true);
}
/**
* 创建删除队列
*/
@Bean
public Queue deleteQueue(){
return new Queue(MqConstants.HOTEL_DELETE_QUEUE, true);
}
/**
* 绑定新增/修改的队列到交换机,指定RoutingKey
*/
@Bean
public Binding insertQueueBinding(){
return BindingBuilder.bind(insertQueue()).to(topicExchange()).with(MqConstants.HOTEL_INSERT_KEY);
}
/**
* 绑定删除的队列到交换机,指定RoutingKey
* @return
*/
@Bean
public Binding deleteQueueBinding(){
return BindingBuilder.bind(deleteQueue()).to(topicExchange()).with(MqConstants.HOTEL_DELETE_KEY);
}
}
3.在hotel-admin中的增、删、改业务中分别发送MQ消息:
@RestController
@RequestMapping("hotel")
public class HotelController {
@Autowired
private IHotelService hotelService;
@Autowired
private RabbitTemplate rabbitTemplate;
@PostMapping
public void saveHotel(@RequestBody Hotel hotel){
hotelService.save(hotel);
//发送消息,交换机,Routingkey,消息内容(发酒店的id)
rabbitTemplate.convertAndSend(MQConstants.HOTEL_EXCHANGE,MQConstants.HOTEL_INSERT_KEY,hotel.getId());
}
@PutMapping()
public void updateById(@RequestBody Hotel hotel){
if (hotel.getId() == null) {
throw new InvalidParameterException("id不能为空");
}
hotelService.updateById(hotel);
//发送消息,交换机,Routingkey,消息内容(发酒店的id)
rabbitTemplate.convertAndSend(MQConstants.HOTEL_EXCHANGE,MQConstants.HOTEL_INSERT_KEY,hotel.getId());
}
@DeleteMapping("/{id}")
public void deleteById(@PathVariable("id") Long id) {
hotelService.removeById(id);
//发送消息,交换机,Routingkey,消息内容(发酒店的id)
rabbitTemplate.convertAndSend(MQConstants.HOTEL_EXCHANGE,MQConstants.HOTEL_DELETE_KEY,id);
}
}
4.hotel-demo接收到MQ消息,并更新elasticsearch中数据
4.1编写监听器
@Component
public class HotelListener {
@Autowired
private IHotelService hotelService;
/**
* 监听酒店新增或修改的业务
* @param id
*/
@RabbitListener(queues = MqConstants.HOTEL_INSERT_QUEUE)
public void listenHotelInsterOrUpdate(Long id){
hotelService.insertById(id);
}
/**
* 监听酒店删除的业务
* @param id
*/
@RabbitListener(queues = MqConstants.HOTEL_DELETE_QUEUE)
public void listenHotelDelete(Long id){
hotelService.deleteById(id);
}
}
4.2实现删除和新增业务文章来源:https://www.toymoban.com/news/detail-408232.html
/*根据id删除*/
@Override
public void deleteById(Long id) {
try {
// 1.准备Request
DeleteRequest request = new DeleteRequest("hotel", id.toString());
// 2.发送请求
client.delete(request, RequestOptions.DEFAULT);
} catch (IOException e) {
throw new RuntimeException(e);
}
}
/*新增*/
@Override
public void insertById(Long id) {
try {
// 0.根据id查询酒店数据
Hotel hotel = getById(id);
// 转换为文档类型
HotelDoc hotelDoc = new HotelDoc(hotel);
// 1.准备Request对象
IndexRequest request = new IndexRequest("hotel").id(hotel.getId().toString());
// 2.准备Json文档
request.source(JSON.toJSONString(hotelDoc), XContentType.JSON);
// 3.发送请求
client.index(request, RequestOptions.DEFAULT);
} catch (IOException e) {
throw new RuntimeException(e);
}
}
5.启动并测试数据同步功能文章来源地址https://www.toymoban.com/news/detail-408232.html
到了这里,关于【黑马SpringCloud(5)】ES高阶语法及RestClient实现的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!