ElasticSearchRepository和ElasticSearchTemplate的使用

本是古典何须时尚 2022-05-24 07:56 163阅读 0赞

原文出处：https://blog.csdn.net/tianyaleixiaowu/article/details/76149547

Spring-data-elasticsearch是Spring提供的操作ElasticSearch的数据层，封装了大量的基础操作，通过它可以很方便的操作ElasticSearch的数据。

## 版本说明 ##

ElasticSearch目前最新的已到5.5.1

<table style="border-spacing:0px;border-collapse:collapse;margin-top:0px;margin-bottom:16px;color:rgb(36,41,46);font-family:'-apple-system', BlinkMacSystemFont, 'Segoe UI', Helvetica, Arial, sans-serif, 'Apple Color Emoji', 'Segoe UI Emoji', 'Segoe UI Symbol';font-size:16px;line-height:24px;"> 
 <thead> 
  <tr style="border-top-width:1px;border-top-style:solid;border-top-color:rgb(198,203,209);"> 
   <th align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">spring data elasticsearch</th> 
   <th align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">elasticsearch</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr style="border-top-width:1px;border-top-style:solid;border-top-color:rgb(198,203,209);"> 
   <td align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">3.0.0.RC1</td> 
   <td align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">5.5.0</td> 
  </tr> 
  <tr style="border-top-width:1px;border-top-style:solid;border-top-color:rgb(198,203,209);background-color:rgb(246,248,250);"> 
   <td align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">3.0.0.M4</td> 
   <td align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">5.4.0</td> 
  </tr> 
  <tr style="border-top-width:1px;border-top-style:solid;border-top-color:rgb(198,203,209);"> 
   <td align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">2.0.4.RELEASE</td> 
   <td align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">2.4.0</td> 
  </tr> 
  <tr style="border-top-width:1px;border-top-style:solid;border-top-color:rgb(198,203,209);background-color:rgb(246,248,250);"> 
   <td align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">2.0.0.RELEASE</td> 
   <td align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">2.2.0</td> 
  </tr> 
  <tr style="border-top-width:1px;border-top-style:solid;border-top-color:rgb(198,203,209);"> 
   <td align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">1.4.0.M1</td> 
   <td align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">1.7.3</td> 
  </tr> 
  <tr style="border-top-width:1px;border-top-style:solid;border-top-color:rgb(198,203,209);background-color:rgb(246,248,250);"> 
   <td align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">1.3.0.RELEASE</td> 
   <td align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">1.5.2</td> 
  </tr> 
  <tr style="border-top-width:1px;border-top-style:solid;border-top-color:rgb(198,203,209);"> 
   <td align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">1.2.0.RELEASE</td> 
   <td align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">1.4.4</td> 
  </tr> 
  <tr style="border-top-width:1px;border-top-style:solid;border-top-color:rgb(198,203,209);background-color:rgb(246,248,250);"> 
   <td align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">1.1.0.RELEASE</td> 
   <td align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">1.3.2</td> 
  </tr> 
  <tr style="border-top-width:1px;border-top-style:solid;border-top-color:rgb(198,203,209);"> 
   <td align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">1.0.0.RELEASE</td> 
   <td align="center" style="padding:6px 13px;border:1px solid rgb(223,226,229);">1.1.1</td> 
  </tr> 
 </tbody> 
</table>

###  ###

这有一个对应关系，不过不太完整，我目前使用的SpringBoot版本1.5.4对应的spring-data-ElasticSearch是2.1.4，在图上就没有体现。

但是可以预见对应的ElasticSearch应该在2.4.\*往上，但应该是不支持5.4.0及以上。

注意：我这篇例子，所使用的ElasticSearch版本就是最新的5.5.1，SpringBoot版本是1.5.4，经初步试验，插入及查询都没问题。估计是5.5.\*的新特性之类的会无法使用，基本操作应该都没问题。

## ElasticSearchRepository的基本使用 ##

##  ##

**\[java\]** [view plain][] [copy][view plain]

[print][view plain] [?][view plain]

1.  @NoRepositoryBean  
2.  public interface ElasticsearchRepository<T, ID extends Serializable> extends ElasticsearchCrudRepository<T, ID> \{  
3.      <S extends T> S index(S var1);  
4.    
5.      Iterable<T> search(QueryBuilder var1);  
6.    
7.      Page<T> search(QueryBuilder var1, Pageable var2);  
8.    
9.      Page<T> search(SearchQuery var1);  
10.   
11.     Page<T> searchSimilar(T var1, String\[\] var2, Pageable var3);  
12.   
13.     void refresh();  
14.   
15.     Class<T> getEntityClass();  
16. \}

@NoRepositoryBean
    public interface ElasticsearchRepository<T, ID extends Serializable> extends ElasticsearchCrudRepository<T, ID> {
        <S extends T> S index(S var1);
    
        Iterable<T> search(QueryBuilder var1);
    
        Page<T> search(QueryBuilder var1, Pageable var2);
    
        Page<T> search(SearchQuery var1);
    
        Page<T> searchSimilar(T var1, String[] var2, Pageable var3);
    
        void refresh();
    
        Class<T> getEntityClass();
    }

我们是通过继承ElasticsearchRepository来完成基本的CRUD及分页操作的，和普通的JPA没有什么区别。

## ElasticsearchRepository继承了ElasticsearchCrudRepository extends PagingAndSortingRepository. ##

先看看普通查询：

**\[java\]** [view plain][] [copy][view plain]

[print][view plain] [?][view plain]

1.  public interface BookRepository extends Repository<Book, String> \{  
2.    
3.          List<Book> findByNameAndPrice(String name, Integer price);  
4.    
5.          List<Book> findByNameOrPrice(String name, Integer price);  
6.            
7.          Page<Book> findByName(String name,Pageable page);  
8.    
9.          Page<Book> findByNameNot(String name,Pageable page);  
10.   
11.         Page<Book> findByPriceBetween(int price,Pageable page);  
12.   
13.         Page<Book> findByNameLike(String name,Pageable page);  
14.   
15.         @Query("\{\\"bool\\" : \{\\"must\\" : \{\\"term\\" : \{\\"message\\" : \\"?0\\"\}\}\}\}")  
16.         Page<Book> findByMessage(String message, Pageable pageable);  
17.     \}

public interface BookRepository extends Repository<Book, String> {
    
            List<Book> findByNameAndPrice(String name, Integer price);
    
            List<Book> findByNameOrPrice(String name, Integer price);
            
            Page<Book> findByName(String name,Pageable page);
    
            Page<Book> findByNameNot(String name,Pageable page);
    
            Page<Book> findByPriceBetween(int price,Pageable page);
    
            Page<Book> findByNameLike(String name,Pageable page);
    
            @Query("{\"bool\" : {\"must\" : {\"term\" : {\"message\" : \"?0\"}}}}")
            Page<Book> findByMessage(String message, Pageable pageable);
        }

这个没什么特点，就是普通的JPA查询，这个很熟悉，通过上面的JPA查询就能完成很多的基本操作了。

插入数据也很简单：

**\[java\]** [view plain][] [copy][view plain]

[print][view plain] [?][view plain]

1.  @Autowired  
2.          private SampleElasticsearchRepository repository;  
3.    
4.          String documentId = "123456";  
5.          SampleEntity sampleEntity = new SampleEntity();  
6.          sampleEntity.setId(documentId);  
7.          sampleEntity.setMessage("some message");  
8.    
9.          repository.save(sampleEntity);

@Autowired
            private SampleElasticsearchRepository repository;
    
            String documentId = "123456";
            SampleEntity sampleEntity = new SampleEntity();
            sampleEntity.setId(documentId);
            sampleEntity.setMessage("some message");
    
            repository.save(sampleEntity);

还可以批量插入数据：

**\[java\]** [view plain][] [copy][view plain]

[print][view plain] [?][view plain]

1.  @Autowired  
2.          private SampleElasticsearchRepository repository;  
3.    
4.          String documentId = "123456";  
5.          SampleEntity sampleEntity1 = new SampleEntity();  
6.          sampleEntity1.setId(documentId);  
7.          sampleEntity1.setMessage("some message");  
8.    
9.          String documentId2 = "123457"  
10.         SampleEntity sampleEntity2 = new SampleEntity();  
11.         sampleEntity2.setId(documentId2);  
12.         sampleEntity2.setMessage("test message");  
13.   
14.         List<SampleEntity> sampleEntities = Arrays.asList(sampleEntity1, sampleEntity2);  
15.   
16.         //bulk index  
17.         repository.save(sampleEntities);

@Autowired
            private SampleElasticsearchRepository repository;
    
            String documentId = "123456";
            SampleEntity sampleEntity1 = new SampleEntity();
            sampleEntity1.setId(documentId);
            sampleEntity1.setMessage("some message");
    
            String documentId2 = "123457"
            SampleEntity sampleEntity2 = new SampleEntity();
            sampleEntity2.setId(documentId2);
            sampleEntity2.setMessage("test message");
    
            List<SampleEntity> sampleEntities = Arrays.asList(sampleEntity1, sampleEntity2);
    
            //bulk index
            repository.save(sampleEntities);

特殊情况下，ElasticsearchRepository里面有几个特殊的search方法，这些是ES特有的，和普通的JPA区别的地方，用来构建一些ES查询的。

主要是看QueryBuilder和SearchQuery两个参数，要完成一些特殊查询就主要看构建这两个参数。

我们先来看看它们之间的类关系

![SouthEast][]

从这个关系中可以看到ES的search方法需要的参数SearchQuery是一个接口，有一个实现类叫NativeSearchQuery，实际使用中，我们的主要任务就是构建NativeSearchQuery来完成一些复杂的查询的。

![SouthEast 1][]

我们可以看到要构建NativeSearchQuery，主要是需要几个构造参数

**\[java\]** [view plain][] [copy][view plain]

[print][view plain] [?][view plain]

1.  public NativeSearchQuery(QueryBuilder query, QueryBuilder filter, List<SortBuilder> sorts, Field\[\] highlightFields) \{  
2.          this.query = query;  
3.          this.filter = filter;  
4.          this.sorts = sorts;  
5.          this.highlightFields = highlightFields;  
6.      \}

public NativeSearchQuery(QueryBuilder query, QueryBuilder filter, List<SortBuilder> sorts, Field[] highlightFields) {
            this.query = query;
            this.filter = filter;
            this.sorts = sorts;
            this.highlightFields = highlightFields;
        }

当然了，我们没必要实现所有的参数。

可以看出来，大概是需要QueryBuilder，filter，和排序的SortBuilder，和高亮的字段。

一般情况下，我们不是直接是new NativeSearchQuery，而是使用NativeSearchQueryBuilder。

通过NativeSearchQueryBuilder.withQuery(QueryBuilder1).withFilter(QueryBuilder2).withSort(SortBuilder1).withXXXX().build();这样的方式来完成NativeSearchQuery的构建。

![SouthEast 2][]

![SouthEast 3][]

从名字就能看出来，QueryBuilder主要用来构建查询条件、过滤条件，SortBuilder主要是构建排序。

譬如，我们要查询距离某个位置100米范围内的所有人、并且按照距离远近进行排序：

**\[java\]** [view plain][] [copy][view plain]

[print][view plain] [?][view plain]

1.  double lat = 39.929986;  
2.          double lon = 116.395645;  
3.    
4.          Long nowTime = System.currentTimeMillis();  
5.          //查询某经纬度100米范围内  
6.          GeoDistanceQueryBuilder builder = QueryBuilders.geoDistanceQuery("address").point(lat, lon)  
7.                  .distance(100, DistanceUnit.METERS);  
8.    
9.          GeoDistanceSortBuilder sortBuilder = SortBuilders.geoDistanceSort("address")  
10.                 .point(lat, lon)  
11.                 .unit(DistanceUnit.METERS)  
12.                 .order(SortOrder.ASC);  
13.   
14.         Pageable pageable = new PageRequest(0, 50);  
15.   
16.         NativeSearchQueryBuilder builder1 = new NativeSearchQueryBuilder().withFilter(builder).withSort(sortBuilder).withPageable(pageable);  
17.         SearchQuery searchQuery = builder1.build();

double lat = 39.929986;
            double lon = 116.395645;
    
            Long nowTime = System.currentTimeMillis();
            //查询某经纬度100米范围内
            GeoDistanceQueryBuilder builder = QueryBuilders.geoDistanceQuery("address").point(lat, lon)
                    .distance(100, DistanceUnit.METERS);
    
            GeoDistanceSortBuilder sortBuilder = SortBuilders.geoDistanceSort("address")
                    .point(lat, lon)
                    .unit(DistanceUnit.METERS)
                    .order(SortOrder.ASC);
    
            Pageable pageable = new PageRequest(0, 50);
    
            NativeSearchQueryBuilder builder1 = new NativeSearchQueryBuilder().withFilter(builder).withSort(sortBuilder).withPageable(pageable);
            SearchQuery searchQuery = builder1.build();

要完成字符串的查询：

**\[java\]** [view plain][] [copy][view plain]

[print][view plain] [?][view plain]

1.  SearchQuery searchQuery = new NativeSearchQueryBuilder().withQuery(QueryBuilders.queryStringQuery("spring boot OR 书籍")).build();

SearchQuery searchQuery = new NativeSearchQueryBuilder().withQuery(QueryBuilders.queryStringQuery("spring boot OR 书籍")).build();

要构建QueryBuilder，我们可以使用工具类QueryBuilders，里面有大量的方法用来完成各种各样的QueryBuilder的构建，字符串的、Boolean型的、match的、地理范围的等等。

要构建SortBuilder，可以使用SortBuilders来完成各种排序。

然后就可以通过NativeSearchQueryBuilder来组合这些QueryBuilder和SortBuilder，再组合分页的参数等等，最终就能得到一个SearchQuery了。

至此，我们明白了ElasticSearchRepository里那几个search查询方法需要的参数的含义和构建方式了。

## ElasticSearchTemplate的使用 ##

ElasticSearchTemplate更多是对ESRepository的补充，里面提供了一些更底层的方法。

![SouthEast 4][]

这里主要是一些查询相关的，同样是构建各种SearchQuery条件。

也可以完成add操作

**\[java\]** [view plain][] [copy][view plain]

[print][view plain] [?][view plain]

1.  String documentId = "123456";  
2.          SampleEntity sampleEntity = new SampleEntity();  
3.          sampleEntity.setId(documentId);  
4.          sampleEntity.setMessage("some message");  
5.          IndexQuery indexQuery = new IndexQueryBuilder().withId(sampleEntity.getId()).withObject(sampleEntity).build();  
6.          elasticsearchTemplate.index(indexQuery);

String documentId = "123456";
            SampleEntity sampleEntity = new SampleEntity();
            sampleEntity.setId(documentId);
            sampleEntity.setMessage("some message");
            IndexQuery indexQuery = new IndexQueryBuilder().withId(sampleEntity.getId()).withObject(sampleEntity).build();
            elasticsearchTemplate.index(indexQuery);

add主要是通过index方法来完成，需要构建一个IndexQuery对象

![SouthEast 5][]

构建这个对象，主要是设置一下id，就是你的对象的id，Object就是对象本身，indexName和type就是在你的对象javaBean上声明的

![SouthEast 6][]

其他的字段自行发掘含义，构建完IndexQuery后就可以通过Template的index方法插入了。

template里还有各种deleteIndex，delete，update等方法，用到的时候就查查看吧。

下面讲一个批量插入的方法，我们经常需要往ElasticSearch中插入大量的测试数据来完成测试搜索，一条一条插肯定是不行的，ES提供了批量插入数据的功能——bulk。

前面讲过JPA的save方法也可以save（List）批量插值，但适用于小数据量，要完成超大数据的插入就要用ES自带的bulk了，可以迅速插入百万级的数据。

在ElasticSearchTemplate里也提供了对应的方法

**\[java\]** [view plain][] [copy][view plain]

[print][view plain] [?][view plain]

1.  public void bulkIndex(List<IndexQuery> queries) \{  
2.          BulkRequestBuilder bulkRequest = this.client.prepareBulk();  
3.          Iterator var3 = queries.iterator();  
4.    
5.          while(var3.hasNext()) \{  
6.              IndexQuery query = (IndexQuery)var3.next();  
7.              bulkRequest.add(this.prepareIndex(query));  
8.          \}  
9.    
10.         BulkResponse bulkResponse = (BulkResponse)bulkRequest.execute().actionGet();  
11.         if (bulkResponse.hasFailures()) \{  
12.             Map<String, String> failedDocuments = new HashMap();  
13.             BulkItemResponse\[\] var5 = bulkResponse.getItems();  
14.             int var6 = var5.length;  
15.   
16.             for(int var7 = 0; var7 < var6; ++var7) \{  
17.                 BulkItemResponse item = var5\[var7\];  
18.                 if (item.isFailed()) \{  
19.                     failedDocuments.put(item.getId(), item.getFailureMessage());  
20.                 \}  
21.             \}  
22.   
23.             throw new ElasticsearchException("Bulk indexing has failures. Use ElasticsearchException.getFailedDocuments() for detailed messages \[" + failedDocuments + "\]", failedDocuments);  
24.         \}  
25.     \}  
26.   
27.     public void bulkUpdate(List<UpdateQuery> queries) \{  
28.         BulkRequestBuilder bulkRequest = this.client.prepareBulk();  
29.         Iterator var3 = queries.iterator();  
30.   
31.         while(var3.hasNext()) \{  
32.             UpdateQuery query = (UpdateQuery)var3.next();  
33.             bulkRequest.add(this.prepareUpdate(query));  
34.         \}  
35.   
36.         BulkResponse bulkResponse = (BulkResponse)bulkRequest.execute().actionGet();  
37.         if (bulkResponse.hasFailures()) \{  
38.             Map<String, String> failedDocuments = new HashMap();  
39.             BulkItemResponse\[\] var5 = bulkResponse.getItems();  
40.             int var6 = var5.length;  
41.   
42.             for(int var7 = 0; var7 < var6; ++var7) \{  
43.                 BulkItemResponse item = var5\[var7\];  
44.                 if (item.isFailed()) \{  
45.                     failedDocuments.put(item.getId(), item.getFailureMessage());  
46.                 \}  
47.             \}  
48.   
49.             throw new ElasticsearchException("Bulk indexing has failures. Use ElasticsearchException.getFailedDocuments() for detailed messages \[" + failedDocuments + "\]", failedDocuments);  
50.         \}  
51.     \}

public void bulkIndex(List<IndexQuery> queries) {
            BulkRequestBuilder bulkRequest = this.client.prepareBulk();
            Iterator var3 = queries.iterator();
    
            while(var3.hasNext()) {
                IndexQuery query = (IndexQuery)var3.next();
                bulkRequest.add(this.prepareIndex(query));
            }
    
            BulkResponse bulkResponse = (BulkResponse)bulkRequest.execute().actionGet();
            if (bulkResponse.hasFailures()) {
                Map<String, String> failedDocuments = new HashMap();
                BulkItemResponse[] var5 = bulkResponse.getItems();
                int var6 = var5.length;
    
                for(int var7 = 0; var7 < var6; ++var7) {
                    BulkItemResponse item = var5[var7];
                    if (item.isFailed()) {
                        failedDocuments.put(item.getId(), item.getFailureMessage());
                    }
                }
    
                throw new ElasticsearchException("Bulk indexing has failures. Use ElasticsearchException.getFailedDocuments() for detailed messages [" + failedDocuments + "]", failedDocuments);
            }
        }
    
        public void bulkUpdate(List<UpdateQuery> queries) {
            BulkRequestBuilder bulkRequest = this.client.prepareBulk();
            Iterator var3 = queries.iterator();
    
            while(var3.hasNext()) {
                UpdateQuery query = (UpdateQuery)var3.next();
                bulkRequest.add(this.prepareUpdate(query));
            }
    
            BulkResponse bulkResponse = (BulkResponse)bulkRequest.execute().actionGet();
            if (bulkResponse.hasFailures()) {
                Map<String, String> failedDocuments = new HashMap();
                BulkItemResponse[] var5 = bulkResponse.getItems();
                int var6 = var5.length;
    
                for(int var7 = 0; var7 < var6; ++var7) {
                    BulkItemResponse item = var5[var7];
                    if (item.isFailed()) {
                        failedDocuments.put(item.getId(), item.getFailureMessage());
                    }
                }
    
                throw new ElasticsearchException("Bulk indexing has failures. Use ElasticsearchException.getFailedDocuments() for detailed messages [" + failedDocuments + "]", failedDocuments);
            }
        }

和index插入单条数据一样，这里需要的是List<IndexQuery>仅此而已，是不是很简单。

**\[java\]** [view plain][] [copy][view plain]

[print][view plain] [?][view plain]

1.  public void bulkIndex(List<Person> personList) \{  
2.          int counter = 0;  
3.          try \{  
4.              if (!elasticsearchTemplate.indexExists(PERSON\_INDEX\_NAME)) \{  
5.                  elasticsearchTemplate.createIndex(PERSON\_INDEX\_TYPE);  
6.              \}  
7.              List<IndexQuery> queries = new ArrayList<>();  
8.              for (Person person : personList) \{  
9.                  IndexQuery indexQuery = new IndexQuery();  
10.                 indexQuery.setId(person.getId() + "");  
11.                 indexQuery.setObject(person);  
12.                 indexQuery.setIndexName(PERSON\_INDEX\_NAME);  
13.                 indexQuery.setType(PERSON\_INDEX\_TYPE);  
14.   
15.                 //上面的那几步也可以使用IndexQueryBuilder来构建  
16.                 //IndexQuery index = new IndexQueryBuilder().withId(person.getId() + "").withObject(person).build();  
17.   
18.                 queries.add(indexQuery);  
19.                 if (counter % 500 == 0) \{  
20.                     elasticsearchTemplate.bulkIndex(queries);  
21.                     queries.clear();  
22.                     System.out.println("bulkIndex counter : " + counter);  
23.                 \}  
24.                 counter++;  
25.             \}  
26.             if (queries.size() > 0) \{  
27.                 elasticsearchTemplate.bulkIndex(queries);  
28.             \}  
29.             System.out.println("bulkIndex completed.");  
30.         \} catch (Exception e) \{  
31.             System.out.println("IndexerService.bulkIndex e;" + e.getMessage());  
32.             throw e;  
33.         \}  
34.     \}

public void bulkIndex(List<Person> personList) {
            int counter = 0;
            try {
                if (!elasticsearchTemplate.indexExists(PERSON_INDEX_NAME)) {
                    elasticsearchTemplate.createIndex(PERSON_INDEX_TYPE);
                }
                List<IndexQuery> queries = new ArrayList<>();
                for (Person person : personList) {
                    IndexQuery indexQuery = new IndexQuery();
                    indexQuery.setId(person.getId() + "");
                    indexQuery.setObject(person);
                    indexQuery.setIndexName(PERSON_INDEX_NAME);
                    indexQuery.setType(PERSON_INDEX_TYPE);
    
                    //上面的那几步也可以使用IndexQueryBuilder来构建
                    //IndexQuery index = new IndexQueryBuilder().withId(person.getId() + "").withObject(person).build();
    
                    queries.add(indexQuery);
                    if (counter % 500 == 0) {
                        elasticsearchTemplate.bulkIndex(queries);
                        queries.clear();
                        System.out.println("bulkIndex counter : " + counter);
                    }
                    counter++;
                }
                if (queries.size() > 0) {
                    elasticsearchTemplate.bulkIndex(queries);
                }
                System.out.println("bulkIndex completed.");
            } catch (Exception e) {
                System.out.println("IndexerService.bulkIndex e;" + e.getMessage());
                throw e;
            }
        }

这里是创建了100万个Person对象，每到500就用bulkIndex插入一次，速度飞快，以秒的速度插入了百万数据。

OK，这篇主要是讲一些ElasticSearchRepository和ElasticSearchTemplate的用法，构造QueryBuilder的方式。下一篇用实例来看一下，在百万或者更大量级的数据中查询距离某个坐标100米范围内的所有数据。

[view plain]: https://blog.csdn.net/tianyaleixiaowu/article/details/76149547#
[SouthEast]: /images/20220524/d7e650249fee4961879cfb36e1a5f6f4.png
[SouthEast 1]: /images/20220524/b37d7337bd8349e0a51ca36318eb8e21.png
[SouthEast 2]: /images/20220524/8f64ea21214c46d0bbdae1979adde6ba.png
[SouthEast 3]: /images/20220524/2629c5b53c454e8893c83f43b4ec747e.png
[SouthEast 4]: /images/20220524/20d4774c91ac49d089684d2c3a7a8074.png
[SouthEast 5]: /images/20220524/f80c52474e1f4abf81924576a84c253a.png
[SouthEast 6]: /images/20220524/d5fbf44207a84062bc3c266e2d591e83.png