ES高阶语法

• 数据聚合
• • 桶聚合
  • • 聚合结果排序
    • 限定聚合范围
  • 度量聚合
• RestClient实现聚合
• 自动补全
• • 自定义拼音分词器
  • Completion Suggester
  • 酒店搜索框自动补全
• 数据同步
• • MQ实现数据同步

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

 /*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