首先elasticsearch是面向文档（Document）存储的，可以是数据库中的一条商品数据，一个订单信息。文档数据会被序列化为json格式后存储在elasticsearch中：

而Json文档中往往包含很多的字段（Field），类似于数据库中的列。

mysql与elasticsearch

我们统一的把mysql与elasticsearch的概念做一下对比：

MySQL	Elasticsearch	说明
Table	Index	索引(index)，就是文档的集合，类似数据库的表(table)
Row	Document	文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式
Column	Field	字段（Field），就是JSON文档中的字段，类似数据库中的列（Column）
Schema	Mapping	Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema）
SQL	DSL	DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD

下面的开始实现把MySql中的语句导入ElasticSearch中

1、分析在ElasticSearch中需要建立的索引所包含的字段

其中suggestion字段是一个集合，包括品牌名称、商品分类，这个字段是我们到时候要在搜索框中进行联想查询的字段，例如输入小字，就会进行联想到小米以及其他例如小红书、小说等等。

1.1、通过图形化界面kibana 去连接我们的elasticSearch进行建索引操作，也就是我们数据库中的表，这里就不介绍elasticSearch和kibana7.12.1是怎么安装的了。

1.2构建索引hmall

PUT /hmall
{
 "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer":{
          "tokenizer":"ik_max_word",
          "filter":"py"
        },
        "completion_analyzer":{
          "tokenizer":"keyword",
          "filter":"py"
        }
      },
      "filter": {
        "py":{
          "type":"pinyin",
          "keep_full_pingyin":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"
      },
      "name":{
        "type": "text",
        "analyzer": "ik_max_word",
        "copy_to": "all"
      },
      "price":{
        "type": "long"
      },
      "image":{
        "type": "keyword",
        "index": false
      }
      ,
      "category":{
        "type": "keyword",
         "copy_to": "all"
      },
       "brand":{
        "type": "keyword",
         "copy_to": "all"
      },
       "sold":{
        "type": "integer"
      },
       "commentCount":{
        "type": "integer"
      },
       "status":{
        "type": "integer"
      },
       "isAD":{
        "type": "boolean"
      }, 
      "all":{
        "type": "text",
        "analyzer": "ik_max_word",
        "search_analyzer": "ik_max_word"
      },
      "suggestion":{
        "type": "completion",
        "analyzer": "completion_analyzer"
      }
    
    }
  }
}

2、初始化RestClient

在elasticsearch提供的API中，与elasticsearch一切交互都封装在一个名为RestHighLevelClient的类中，必须先完成这个对象的初始化，建立与elasticsearch的连接。

分为三步：

2.1、引入es的RestHighLevelClient依赖：

<dependency>
    <groupId>org.elasticsearch.client</groupId>
    <artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>

2.2、因为SpringBoot默认的ES版本是7.6.2，所以我们需要覆盖默认的ES版本：

<properties>
    <java.version>1.8</java.version>
    <elasticsearch.version>7.12.1</elasticsearch.version>
</properties>

2.3、初始化RestHighLevelClient：

初始化的代码如下：

@Configuration
public class EsConfig {

    @Bean
    public RestHighLevelClient restHighLevelClient(){
        return new RestHighLevelClient(RestClient.builder(HttpHost.create("http://192.168.153.144:9200")));
    }
}

3、elasticService服务要读取商品信息到elasticSearch中，那么就需要调用itemService服务把MySql中item表中的信息读取出来，这里我们服务与服务之间的调用是通过Feign来实现的，具体怎么实现，在我的另外一篇文章中有所介绍。

链接: Feign的使用.

3.1、定义一个对象RestHighLevelClient交给容器去管理，该对象是用来访问elaticSearch的。

我们可以使用RestHighLevelClient对象去操作elasticSearch的Api。

三、在测试类通过Api复制数据

源代码:

@SpringBootTest
public class EsTest {
    @Autowired
    private RestHighLevelClient client;
    @Autowired
    private ItemClient itemClient;

    final ObjectMapper objectMapper = new ObjectMapper();
    @Test
    public void testImport() throws IOException {
        int i = 1;
        while (true) {
            //调用feign 去itemservice中查询数据
            final PageDTO<Item> itemPageDTO = itemClient.queryByPage(i, 500);

            final List<Item> list = itemPageDTO.getList();

            if (list.size()<=0){
                break;
            }
            final BulkRequest bulkRequest = new BulkRequest();

            for (Item item : list) {
                final ItemDoc doc = new ItemDoc();
                BeanUtils.copyProperties(item, doc);
                doc.setSuggestion(Arrays.asList(doc.getBrand(), item.getCategory()));
                final IndexRequest hmall = new IndexRequest("hmall").id(doc.getId() + "");
                hmall.source(objectMapper.writeValueAsString(doc), XContentType.JSON);
                bulkRequest.add(hmall);
            }
            //利用restHight
            client.bulk(bulkRequest, RequestOptions.DEFAULT);
            i++;


        }


    }
}