基于Spring Data Jest的Elasticsearch数据统计示例

命令查询职责分离模式(Command Query Responsibility Segregation，CQRS)从业务上分离修改 (Command，增，删，改，会对系统状态进行修改)和查询（Query，查，不会对系统状态进行修改)的行为。从而使得逻辑更加清晰，便于对不同部分进行针对性的优化。

CQRS有以下几点有点：

1.分工明确，可以负责不同的部分；
2.将业务上的命令和查询的职责分离能够提高系统的性能、可扩展性和安全性。并且在系统的演化中能够保持高度的灵活性，能够防止出现CRUD模式中，对查询或者修改中的某一方进行改动，导致另一方出现问题的情况；
3.逻辑清晰，能够看到系统中的那些行为或者操作导致了系统的状态变化；
4.可以从数据驱动(Data-Driven) 转到任务驱动(Task-Driven)以及事件驱动(Event-Driven)。
因此Command使用数据库，Query使用效率查询效率更高的Elasticsearch。

如何确保数据库和Elasticsearch的数据的一致性？

我们可以使用事件驱动(Event-Driven)即Spring Data的Domain Event同步数据，可参考文章：http://www.zzvips.com/article/154225.html 。

当老数据库有大量数据需要导入Elasticsearch时，可参考文章：http://www.zzvips.com/article/153563.html

Spring Data Elasticsearch使用的是transport client，而Elasticsearch官网推荐使用REST client。阿里云的Elasticsearch使用transport client目前还在存在问题，阿里云推荐使用REST client。

本示例使用的是Spring Data Jest链接Elasticsearch（目前只有spring boot2.0以上版本支持），Elasticsearch的版本为：5.5.3

1.项目构建

1.pom依赖如下：

									<dependency>

									  <groupId>com.github.vanroy</groupId>

									  <artifactId>spring-boot-starter-data-jest</artifactId>

									  <version>3.0.0.RELEASE</version>

									</dependency>

									<dependency>

									  <groupId>io.searchbox</groupId>

									  <artifactId>jest</artifactId>

									  <version>5.3.2</version>

									</dependency>

2.配置文件

									spring:

									 data:

									  jest:

									   uri: http://127.0.0.1:9200

									   username: elastic

									   password: changeme

2.构造查询条件

以简单的实体类为例

									package com.hfcsbc.esetl.domain;

									import lombok.Data;

									import org.springframework.data.elasticsearch.annotations.Document;

									import org.springframework.data.elasticsearch.annotations.Field;

									import org.springframework.data.elasticsearch.annotations.FieldType;

									import javax.persistence.Entity;

									import javax.persistence.Id;

									import javax.persistence.OneToOne;

									import java.util.Date;

									import java.util.List;

									/**

									 * Create by pengchao on 2018/2/23

									 */

									@Document(indexName = "person", type = "person", shards = 1, replicas = 0, refreshInterval = "-1")

									@Entity

									@Data

									public class Person {

									  @Id

									  private Long id;

									  private String name;

									  @OneToOne

									  @Field(type = FieldType.Nested)

									  private List<Address> address;

									  private Integer number;

									  private Integer status;

									  private Date birthDay;

									}

									package com.hfcsbc.esetl.domain;

									import lombok.Data;

									import javax.persistence.Entity;

									import javax.persistence.Id;

									/**

									 * Create by pengchao on 2018/2/23

									 */

									@Entity

									@Data

									public class Address {

									  @Id

									  private Long id;

									  private String name;

									  private Integer number;

									}

1.根据多个状态查询(类似于sql的in)

									BoolQueryBuilder orderStatusCondition = QueryBuilders.boolQuery()

									    .should(QueryBuilders.termQuery("status", 1))

									    .should(QueryBuilders.termQuery("status", 2))

									    .should(QueryBuilders.termQuery("status", 3))

									    .should(QueryBuilders.termQuery("status", 4))

									    .should(QueryBuilders.termQuery("status", 5));

2.and链接查询(类似于sql的and)

									BoolQueryBuilder queryBuilder = QueryBuilders.boolQuery();

									queryBuilder

									    .must(queryBuilder1)

									    .must(queryBuilder2)

									    .must(queryBuilder3);

3.range查询（类似于sql的between .. and ..)

复制代码代码如下:

	

	QueryBuilder rangeQuery = QueryBuilders.rangeQuery("birthDay").from(yesterday).to(today);

4.嵌套对象查询

复制代码代码如下:

	

	QueryBuilder queryBuilder = QueryBuilders.nestedQuery("nested", QueryBuilders.termQuery("address.id", 100001), ScoreMode.None);

ScoreMode: 定义other join side中score是如何被使用的。如果不关注scoring，我们只需要设置成ScoreMode.None，此种方式会忽略评分因此会更高效和节约内存

3.获取统计数据

1.非嵌套获取数据求和

									SumAggregationBuilder sumBuilder = AggregationBuilders.sum("sum").field("number");

									SearchQuery searchQuery = new NativeSearchQueryBuilder()

									    .withIndices(QUERY_INDEX)

									    .withTypes(QUERY_TYPE)

									    .withQuery(boolQueryBuilder)

									    .addAggregation(sumBuilder).build();

									AggregatedPage<ParkingOrder> account = (AggregatedPage<ParkingOrder>) esParkingOrderRepository.search(EsQueryBuilders.buildYesterdayArrearsSumQuery(employeeId));

									int sum = account.getAggregation("sum", SumAggregation.class).getSum().intValue();

2.嵌套数据求和

									SumAggregationBuilder sumBuilder = AggregationBuilders.sum("sum").field("adress.num");

									AggregationBuilder aggregationBuilder = AggregationBuilders.nested("nested", "adress").subAggregation(sumBuilder);

									SearchQuery searchQuery = new NativeSearchQueryBuilder()

									    .withIndices(QUERY_INDEX)

									    .withTypes(QUERY_TYPE)

									    .withQuery(boolQueryBuilder)

									    .addAggregation((AbstractAggregationBuilder) aggregationBuilder).build();

									AggregatedPage<ParkingOrder> account = (AggregatedPage<ParkingOrder>) esParkingOrderRepository.search(EsQueryBuilders.buildYesterdayArrearsSumQuery(employeeId));

									int sum = account.getAggregation("nested", SumAggregation.class).getAggregation("sum", SumAggregation.class).getSum().intValue();

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。

原文链接：http://www.wisely.top/2018/02/27/spring-data-jest-elasticsarch/

基于Spring Data Jest的Elasticsearch数据统计示例

相关文章

热门资讯