Elasticsearch8.14.0详细讲解搭配SpringBoot

胡安才发

855人浏览 · 2026-01-13 21:47:14

胡安才发 · 2026-01-13 21:47:14 发布

第一部分：Elasticsearch & Kibana 核心概念

1. 什么是 Elasticsearch (ES)?

Elasticsearch 是一个基于 Apache Lucene 构建的分布式、RESTful 风格的搜索和数据分析引擎。

核心功能：

- 全文搜索：类似 Google，快速在海量文本中检索关键词。
- 结构化搜索：查找特定字段（例如：查找“价格 > 100”且“库存 > 0”的商品）。
- 数据分析：聚合统计（例如：计算“上个月各品牌的平均销售额”）。

核心概念对比 (ES vs 关系型数据库)：

为了方便理解，我们可以将 ES 的概念映射到 MySQL 中：

Elasticsearch 概念	关系型数据库 (MySQL)	描述
Index (索引)	Database / Table	文档的集合，数据存储的地方。
Document (文档)	Row (行)	存储数据的基本单元，JSON 格式。
Field (字段)	Column (列)	文档中的属性（Key-Value）。
Node (节点)	Server Instance	单台运行 ES 的服务器。
Cluster (集群)	Database Cluster	多台节点协同工作，保证高可用。

2. 什么是 Kibana?

Kibana 是 ES 的“脸面”。如果说 ES 是后端引擎，Kibana 就是前端操作台。

核心用途：

- Dev Tools (开发工具)：开发人员神器，可直接编写 DSL 语句与 ES 交互。
- 数据可视化：生成饼图、柱状图、热力图等。
- 集群监控：查看索引状态、磁盘与内存使用率。

第二部分：下载与安装 (v8.x 快速上手版)

环境说明：本教程基于 Elasticsearch 8.14.0 和 Kibana 8.14.0。

重要前提：ES 和 Kibana 版本必须严格一致。

1. 官方下载地址

请根据你的操作系统（Windows/macOS/Linux）下载对应版本：

Elasticsearch 8.14.0: 点击前往下载
Kibana 8.14.0: 点击前往下载

2. Elasticsearch 安装与配置

ES 8.x 默认开启了强安全模式（HTTPS + SSL + 密码），这对本地开发调试非常繁琐。为了快速跑通代码，我们采用免密 HTTP 模式。

第一步：解压并修改配置

进入解压后的 config 目录，编辑 elasticsearch.yml。请直接在文件末尾添加或修改以下关键配置：

# ======================== 核心配置 (本地开发用) ========================

# 1. 关闭安全认证 (核心：关闭后连接无需账号密码，避免证书报错)
xpack.security.enabled: false

# 2. 关闭自动注册流程
xpack.security.enrollment.enabled: false

# 3. 禁用 HTTP SSL 加密 (核心：允许使用 http://localhost:9200 访问)
xpack.security.http.ssl:
  enabled: false

# 4. 允许跨域 (可选：方便第三方可视化工具连接)
http.cors.enabled: true
http.cors.allow-origin: "*"

第二步：启动 ES

Windows: 双击 bin\elasticsearch.bat
Mac/Linux: 终端运行 ./bin/elasticsearch

第三步：验证

浏览器访问 http://localhost:9200。

如果看到一段包含 "tagline": "You Know, for Search" 的 JSON 文本，说明启动成功！

3. Kibana 安装与配置

第一步：解压并修改配置

进入 config 目录，编辑 kibana.yml：

# Kibana 端口
server.port: 5601

# 指向 ES 地址 (因为上面禁用了 SSL，这里用 http)
elasticsearch.hosts: ["http://localhost:9200"]

# 设置中文界面 (可选)
i18n.locale: "zh-CN"

第二步：启动 Kibana

Windows: 双击 bin\kibana.bat
Mac/Linux: 终端运行 ./bin/kibana

第三步：验证

浏览器访问 http://localhost:5601。

第三部分：安装 IK 中文分词器 (必装插件)

ES 默认分词器会将中文拆成单字（例如“华为手机”拆成“华、为、手、机”），这不符合中文搜索习惯。IK 分词器支持智能中文切分。

安装命令

在 Elasticsearch 安装根目录下打开终端/CMD，执行：

./bin/elasticsearch-plugin install https://get.infini.cloud/elasticsearch/analysis-ik/8.14.0

(如果提示 [y/N]，输入 y 确认安装)

重启生效 (重要)

安装完成后，必须重启 Elasticsearch 服务，插件才会生效。

第四部分:讲解Elasticsearch的查询

1. 索引与映射管理 (Index & Mapping)

在 Elasticsearch 8.x 中，显式定义 Mapping 依然是最佳实践，特别是为了区分全文检索字段和精确匹配字段。

1.1 创建索引 (Create Index)

定义索引结构，包括分片设置、字段类型以及 8.x 的向量字段定义。

JSON

PUT /products
{
  "settings": {
    "number_of_shards": 1,
    "number_of_replicas": 1
  },
  "mappings": {
    "properties": {
      "name": { 
        "type": "text",            // 文本：分词，用于全文检索
        "analyzer": "standard" 
      },
      "sku": {
        "type": "keyword"          // 关键字：不分词，用于精确匹配/聚合
      },
      "price": { "type": "double" },
      "created_at": { "type": "date" },
      "status": { "type": "keyword" },
      "feature_vector": {          // 8.x Dense Vector 字段
        "type": "dense_vector",
        "dims": 3,                 // 向量维度
        "index": true,             // 允许被索引用于搜索
        "similarity": "cosine"     // 相似度算法：cosine, l2_norm, dot_product
      }
    }
  }
}

1.2 查看与删除 (View & Delete)

查看 Mapping:GET /products/_mapping
删除索引:DELETE /products

2. 文档 CRUD 操作 (Document Operations)

2.1 写入文档 (Index)

指定 ID 写入（如果 ID 存在则覆盖，版本号增加）。

JSON

POST /products/_doc/101
{
  "name": "Sony Noise Cancelling Headphones",
  "sku": "WH-1000XM5",
  "price": 349.99,
  "status": "active",
  "created_at": "2024-06-01T12:00:00Z",
  "feature_vector": [0.1, 0.5, 0.9]
}

2.2 局部更新 (Update)

仅修改文档中的部分字段，无需重新提交整个文档。

JSON

POST /products/_update/101
{
  "doc": {
    "price": 299.99,
    "status": "on_sale"
  }
}

2.3 查询单条与删除 (Get & Delete)

根据 ID 获取:GET /products/_doc/101
根据 ID 删除:DELETE /products/_doc/101

3. 基础查询 DSL (Basic Queries)

3.1 精确查询 (Term Level)

适用于 keyword、date、boolean 和数字类型。切勿对 text 字段使用此类查询。

Term (单值):

JSON

GET /products/_search
{
  "query": {
    "term": { "status": "active" }
  }
}

Range (范围):

JSON

GET /products/_search
{
  "query": {
    "range": {
      "price": { "gte": 100, "lte": 500 } // >= 100 且 <= 500
    }
  }
}

IDs (主键查询):

JSON

GET /products/_search
{
  "query": { "ids": { "values": ["101", "102"] } }
}

3.2 全文检索 (Full Text)

适用于 text 类型，查询词会被分词器处理。

Match (标准匹配):

JSON

GET /products/_search
{
  "query": {
    "match": { "name": "sony headphones" } 
    // 查找包含 "sony" 或 "headphones" 的文档
  }
}

Match Phrase (短语匹配):

JSON

GET /products/_search
{
  "query": {
    "match_phrase": { 
      "name": "noise cancelling" 
      // "noise" 和 "cancelling" 必须相邻且顺序一致
    }
  }
}

4. 复合查询 (Compound Queries)

4.1 Bool 查询 (Boolean)

这是 ES 中最核心的组合逻辑，包含 must (AND), should (OR), must_not (NOT), 和 filter (AND, 无算分)。

JSON

GET /products/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": { "name": "headphones" }}  // 必须匹配，贡献算分
      ],
      "filter": [
        { "term": { "status": "active" }},    // 必须匹配，不贡献算分（高性能缓存）
        { "range": { "price": { "lt": 1000 }}}
      ],
      "must_not": [
        { "term": { "sku": "OLD-MODEL-001" }} // 排查特定款
      ],
      "should": [
        { "term": { "sku": "WH-1000XM5" }}    // 如果匹配，得分更高
      ]
    }
  }
}

5. 聚合分析 (Aggregations)

用于数据统计、报表生成。

5.1 桶聚合 (Bucket Aggregations)

类似于 SQL 的 Group By。

JSON

GET /products/_search
{
  "size": 0, // 不返回具体文档
  "aggs": {
    "status_distribution": {
      "terms": {
        "field": "status",
        "size": 10
      },
      "aggs": {
        // 子聚合：计算每种状态下的平均价格
        "avg_price_per_status": {
          "avg": { "field": "price" }
        }
      }
    }
  }
}

5.2 日期直方图 (Date Histogram)

按时间维度统计（如：按月统计销量）。

JSON

GET /products/_search
{
  "size": 0,
  "aggs": {
    "monthly_additions": {
      "date_histogram": {
        "field": "created_at",
        "calendar_interval": "month"
      }
    }
  }
}

6. 8.14.0 向量搜索与高级特性 (Advanced & Vector)

6.1 KNN 向量搜索 (k-Nearest Neighbors)

ES 8.x 将 KNN 提升为一级查询参数，支持与传统 DSL 混合使用。

JSON

GET /products/_search
{
  "knn": {
    "field": "feature_vector",
    "query_vector": [0.1, 0.5, 0.9], // 待查询向量
    "k": 5,                          // 返回最近的5个
    "num_candidates": 50             // 每个分片搜索的候选数量
  },
  "_source": ["name", "price"]
}

6.2 排序与深度分页 (Sort & Pagination)

基础分页: 使用 from 和 size。

排序:

JSON

GET /products/_search
{
  "query": { "match_all": {} },
  "sort": [
    { "price": { "order": "desc" }},
    { "_score": { "order": "desc" }}
  ]
}

Search After (深度分页推荐): 用于处理超过 10,000 条数据的导出场景，需配合 sort 结果中的 values 使用。

6.3 搜索高亮 (Highlighting)

在结果中用 HTML 标签包裹匹配词。

JSON

GET /products/_search
{
  "query": { "match": { "name": "sony" }},
  "highlight": {
    "pre_tags": ["<em>"],
    "post_tags": ["</em>"],
    "fields": { "name": {} }
  }
}

7. 辅助工具与 SQL (Tools & SQL)

7.1 SQL 查询支持

适合熟悉 SQL 但不熟悉 DSL 的用户。

JSON

POST /_sql?format=txt
{
  "query": "SELECT name, price FROM products WHERE price > 300 ORDER BY price DESC LIMIT 5"
}

7.2 Explain API (排查算分)

理解为什么某个文档被搜出来，或者为什么排名靠前。

JSON

GET /products/_explain/101
{
  "query": {
    "match": { "name": "headphones" }
  }
}

第五部分：Spring Boot 整合 Elasticsearch (代码实战)

1. 添加 Maven 依赖 (`pom.xml`)

注意：这是之前文档缺失的部分，必须添加依赖才能运行代码。

<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>

    <dependency>
        <groupId>co.elastic.clients</groupId>
        <artifactId>elasticsearch-java</artifactId>
        <version>8.14.0</version> </dependency>

    <dependency>
        <groupId>com.fasterxml.jackson.core</groupId>
        <artifactId>jackson-databind</artifactId>
    </dependency>
    
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-test</artifactId>
        <scope>test</scope>
    </dependency>
</dependencies>

2. 配置文件 (`application.properties`)

elasticsearch.host=localhost
elasticsearch.port=9200
# 如果在 elasticsearch.yml 中设置了 xpack.security.enabled: false
# 下面的账号密码其实是不生效的，但在代码中保留可以方便后续开启安全认证
elasticsearch.username=elastic
elasticsearch.password=MurroR2T0*OmihFJH3C2

3. 配置类 (`ElasticsearchConfig.java`)

import co.elastic.clients.elasticsearch.ElasticsearchClient;
import co.elastic.clients.json.jackson.JacksonJsonpMapper;
import co.elastic.clients.transport.ElasticsearchTransport;
import co.elastic.clients.transport.rest_client.RestClientTransport;
import org.apache.http.HttpHost;
import org.apache.http.auth.AuthScope;
import org.apache.http.auth.UsernamePasswordCredentials;
import org.apache.http.impl.client.BasicCredentialsProvider;
import org.elasticsearch.client.RestClient;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class ElasticsearchConfig {

    @Value("${elasticsearch.host}")
    private String host;

    @Value("${elasticsearch.port}")
    private int port;

    @Value("${elasticsearch.username}")
    private String username;

    @Value("${elasticsearch.password}")
    private String password;

    @Bean
    public ElasticsearchClient elasticsearchClient() {
        // 1. 创建凭证提供者
        // (注：如果 ES 关闭了 Security，这部分其实不会被服务端验证，但保留无妨)
        BasicCredentialsProvider credentialsProvider = new BasicCredentialsProvider();
        credentialsProvider.setCredentials(
                AuthScope.ANY,
                new UsernamePasswordCredentials(username, password)
        );

        // 2. 创建 RestClient（使用 HTTP，无 SSL）
        RestClient restClient = RestClient
                .builder(new HttpHost(host, port, "http"))
                .setHttpClientConfigCallback(httpClientBuilder ->
                        httpClientBuilder.setDefaultCredentialsProvider(credentialsProvider)
                )
                .build();

        // 3. 创建 Transport 和 Client
        ElasticsearchTransport transport = new RestClientTransport(
                restClient, new JacksonJsonpMapper());

        return new ElasticsearchClient(transport);
    }
}

4. 测试类 (`EsTest.java`)

1. 索引管理 (Index Management)

创建索引

@Test
void contextLoads() throws IOException {
    CreateIndexRequest request = new CreateIndexRequest.Builder().index(EsUtils.EsIndex).build();

    CreateIndexResponse response = elasticsearchClient.indices().create(request);
    System.out.println(response);
}

检查索引是否存在

@Test
void exitEs() throws IOException {
    ExistsRequest request = new ExistsRequest.Builder().index(EsUtils.EsIndex).build();

    BooleanResponse exists = elasticsearchClient.indices().exists(request);
    System.out.println(exists.value());
}

删除索引

@Test
void deleteIndex() throws IOException {
    DeleteIndexRequest request = new DeleteIndexRequest.Builder().index(EsUtils.EsIndex).build();
    DeleteIndexResponse response = elasticsearchClient.indices().delete(request);
    System.out.println(response);
}

2. 文档基础操作 (CRUD)

添加文档

@Test
void addDocument() throws IOException {
    User user = new User("zhangsan", 11);
    IndexRequest<User> request = IndexRequest.of(builder ->
            builder
                    .id("1")
                    .index(EsUtils.EsIndex)
                    .document(user)
    );
    IndexResponse index = elasticsearchClient.index(request);
    System.out.println(index);
}

获取文档

@Test
void getDocument() throws IOException {
    GetRequest request = GetRequest.of(builder -> builder.index(EsUtils.EsIndex).id("1"));
    GetResponse<User> userGetResponse = elasticsearchClient.get(request, User.class);
    System.out.println(userGetResponse);
    System.out.println(userGetResponse.source());
}

更新文档

@Test
void updateDocument() throws IOException {
    User user = new User("zhangsan", 14);
    UpdateRequest<User, Object> request = UpdateRequest.of(builder -> builder.index(EsUtils.EsIndex).id("1").doc(user));
    UpdateResponse<User> update = elasticsearchClient.update(request, User.class);
    System.out.println(update);
    System.out.println(update.result());
}

删除文档

@Test
void deleteDocument() throws IOException {
    DeleteRequest request = DeleteRequest.of(builder -> builder.index(EsUtils.EsIndex).id("1"));
    DeleteResponse delete = elasticsearchClient.delete(request);
    System.out.println(delete);
    System.out.println(delete.result());
}

批量添加文档 (Bulk)

@Test
void addBulkDocument() throws IOException {
    ArrayList<User> users = new ArrayList<>();
    users.add(new User("zhangsan", 13));
    users.add(new User("wangwu", 15));
    users.add(new User("lisi", 14));
    
    BulkRequest.Builder request = new BulkRequest.Builder();
    for (User user : users) {
        request.operations(operationBuilder -> 
            operationBuilder.index(index -> index.index(EsUtils.EsIndex).document(user))
        );
    }
    
    BulkResponse bulk = elasticsearchClient.bulk(request.build());
    System.out.println(bulk);
    System.out.println("耗时: " + bulk.took());
    System.out.println("项详情: " + bulk.items());
}

3. 搜索与查询 (Search Queries)

Match 查询 (分词模糊匹配)

@Test
void searchByMatch() throws IOException {
    SearchRequest request = SearchRequest.of(s -> s
            .index("zwz")
            .query(q -> q
                    .match(m -> m
                            .field("name")
                            .query("zhangsan")
                    )
            )
    );

    SearchResponse<User> response = elasticsearchClient.search(request, User.class);
    response.hits().hits().forEach(hit -> System.out.println(hit.source()));
}

Term 查询 (精确匹配)

@Test
void searchByTerm() throws IOException {
    SearchResponse<User> response = elasticsearchClient.search(s -> s
                    .index("zwz")
                    .query(q -> q
                            .term(t -> t
                                    .field("age")
                                    .value(14)
                            )
                    ),
            User.class
    );

    response.hits().hits().forEach(hit -> System.out.println(hit.source()));
}

Range 范围查询

@Test
void searchByRange() throws IOException {
    SearchResponse<User> response = elasticsearchClient.search(s -> s
                    .index("zwz")
                    .query(q -> q
                            .range(r -> r
                                    .field("age")
                                    .gte(JsonData.of(10))
                                    .lte(JsonData.of(20))
                            )
                    ),
            User.class
    );

    response.hits().hits().forEach(hit -> System.out.println(hit.source()));
}

Bool 组合查询

@Test
void searchByBool() throws IOException {
    SearchResponse<User> response = elasticsearchClient.search(s -> s
                    .index("zwz")
                    .query(q -> q
                            .bool(b -> b
                                    .must(m -> m.match(t -> t.field("name").query("zhangsan")))   // 必须匹配
                                    .filter(f -> f.range(r -> r.field("age").gte(JsonData.of(10)))) // 过滤不打分
                            )
                    ),
            User.class
    );

    response.hits().hits().forEach(hit -> System.out.println(hit.source()));
}

分页与排序

@Test
void searchWithPaging() throws IOException {
    SearchResponse<User> response = elasticsearchClient.search(s -> s
                    .index("zwz")
                    .from(0)   // offset
                    .size(10)  // limit
                    .sort(so -> so.field(f -> f.field("age").order(SortOrder.Desc)))
                    .query(q -> q.matchAll(m -> m)),
            User.class
    );

    System.out.println("总命中: " + response.hits().total().value());
    response.hits().hits().forEach(hit -> System.out.println(hit.source()));
}

高亮显示

@Test
void searchWithHighlight() throws IOException {
    SearchResponse<User> response = elasticsearchClient.search(s -> s
                    .index("zwz")
                    .query(q -> q.match(m -> m.field("name").query("zhangsan")))
                    .highlight(h -> h
                            .fields("name", hf -> hf.preTags("<em>").postTags("</em>"))
                    ),
            User.class
    );

    response.hits().hits().forEach(hit -> {
        System.out.println("Source: " + hit.source());
        System.out.println("Highlight: " + hit.highlight());
    });
}

查询所有数据

@Test
void searchAll() throws IOException {
    SearchResponse<User> response = elasticsearchClient.search(s -> s
                    .index("zwz")
                    .query(q -> q.matchAll(m -> m)),
            User.class
    );

    System.out.println("总数: " + response.hits().total().value());
    response.hits().hits().forEach(hit -> System.out.println(hit.source()));
}

注意事项

不同的版本对应的Java操作可能不一样,我这边使用的elasticsearch8.14.0版本的

Git地址

https://gitee.com/jamescrx/elasticsearch.git

腾讯云开发者社区

腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。

更多推荐

Elasticsearch复杂数据类型终极指南：从入门到精通

Elasticsearch作为功能强大的搜索引擎，支持多种复杂数据类型，让开发者能够灵活处理各种结构化和非结构化数据。本文将带你全面了解Elasticsearch中的复杂数据类型，从基础概念到实际应用，助你轻松掌握数据建模的核心技巧。## 内部对象：构建层级化数据结构在Elasticsearch中，对象类型（Object）是最基础的复杂数据类型之一，用于表示具有嵌套关系的数据。例如，我们可

腾讯云开发者社区

终极指南：Flink SQL连接器版本管理从混乱到有序的升级之路

Apache Flink作为流处理领域的佼佼者，其SQL连接器的版本管理一直是开发者面临的核心挑战。本文将系统讲解Flink SQL连接器版本管理的最佳实践，帮助你轻松应对版本兼容性问题，实现从混乱到有序的升级之旅。## 连接器版本管理的常见痛点 😫在Flink应用开发中，连接器版本管理常常让开发者头疼不已。不同版本的连接器可能导致各种兼容性问题，例如API变更、功能差异甚至运行时错误。

腾讯云开发者社区

如何快速搭建Neon无服务器PostgreSQL：面向初学者的完整指南

Neon是一款革命性的无服务器PostgreSQL解决方案，它通过分离存储和计算层，实现了自动扩缩容、类代码式数据库分支以及零级扩展能力。本指南将帮助你从零开始搭建Neon开发环境，体验这款创新数据库的强大功能。## 准备工作：环境要求与依赖项在开始搭建Neon环境前，请确保你的系统满足以下要求：- Linux操作系统（推荐Ubuntu 20.04+或Debian 11+）- Git

腾讯云开发者社区

所有评论(0)

查看更多评论

胡安才发

@2401_89729913

已为社区贡献1条内容

Elasticsearch8.14.0详细讲解搭配SpringBoot

胡安才发

第一部分：Elasticsearch & Kibana 核心概念

1. 什么是 Elasticsearch (ES)?

2. 什么是 Kibana?

第二部分：下载与安装 (v8.x 快速上手版)

1. 官方下载地址

2. Elasticsearch 安装与配置

3. Kibana 安装与配置

第三部分：安装 IK 中文分词器 (必装插件)

第四部分:讲解Elasticsearch的查询

1. 索引与映射管理 (Index & Mapping)

1.1 创建索引 (Create Index)

1.2 查看与删除 (View & Delete)

2. 文档 CRUD 操作 (Document Operations)

2.1 写入文档 (Index)

2.2 局部更新 (Update)

2.3 查询单条与删除 (Get & Delete)

3. 基础查询 DSL (Basic Queries)

3.1 精确查询 (Term Level)

3.2 全文检索 (Full Text)

4. 复合查询 (Compound Queries)

4.1 Bool 查询 (Boolean)

5. 聚合分析 (Aggregations)

5.1 桶聚合 (Bucket Aggregations)

5.2 日期直方图 (Date Histogram)

6. 8.14.0 向量搜索与高级特性 (Advanced & Vector)

6.1 KNN 向量搜索 (k-Nearest Neighbors)

6.2 排序与深度分页 (Sort & Pagination)

6.3 搜索高亮 (Highlighting)

7. 辅助工具与 SQL (Tools & SQL)

7.1 SQL 查询支持

7.2 Explain API (排查算分)

第五部分：Spring Boot 整合 Elasticsearch (代码实战)

1. 添加 Maven 依赖 (pom.xml)

2. 配置文件 (application.properties)

3. 配置类 (ElasticsearchConfig.java)

4. 测试类 (EsTest.java)

1. 索引管理 (Index Management)

创建索引

检查索引是否存在

删除索引

2. 文档基础操作 (CRUD)

添加文档

获取文档

更新文档

删除文档

批量添加文档 (Bulk)

3. 搜索与查询 (Search Queries)

Match 查询 (分词模糊匹配)

Term 查询 (精确匹配)

Range 范围查询

Bool 组合查询

分页与排序

高亮显示

查询所有数据

注意事项

Git地址

所有评论(0)

温馨提示：您尚未绑定手机号

胡安才发

1. 添加 Maven 依赖 (`pom.xml`)

2. 配置文件 (`application.properties`)

3. 配置类 (`ElasticsearchConfig.java`)

4. 测试类 (`EsTest.java`)