es 父子文档 父子排序 nativeSearchQueryBuilder实现

时间: 2024-01-27 12:03:36 浏览: 39
Elasticsearch 中的父子文档可以通过 `parent` 字段来建立关联,可以使用 `has_parent` 或 `has_child` 查询来查询父文档或子文档。 对于父子文档的排序,可以使用 `nested` 或 `has_child` 排序来实现。在 `nativeSearchQueryBuilder` 中,可以使用 `addSort` 方法来添加排序条件。 下面是一个使用 `nativeSearchQueryBuilder` 实现父子文档和排序的示例代码: ```java // 创建父子文档索引 CreateIndexRequest createIndexRequest = new CreateIndexRequest("my_index"); XContentBuilder mappingBuilder = XContentFactory.jsonBuilder() .startObject() .startObject("parent_doc") .startObject("properties") .startObject("title") .field("type", "text") .endObject() .endObject() .endObject() .startObject("child_doc") .startObject("_parent") .field("type", "parent_doc") .endObject() .startObject("properties") .startObject("tag") .field("type", "text") .endObject() .endObject() .endObject() .endObject(); createIndexRequest.mapping(mappingBuilder); // 添加父子文档数据 IndexRequest parentDocRequest = new IndexRequest("my_index", "parent_doc", "1") .source("title", "parent document"); IndexRequest childDocRequest1 = new IndexRequest("my_index", "child_doc", "2") .source("tag", "tag1") .parent("1"); IndexRequest childDocRequest2 = new IndexRequest("my_index", "child_doc", "3") .source("tag", "tag2") .parent("1"); BulkRequest bulkRequest = new BulkRequest() .add(parentDocRequest) .add(childDocRequest1) .add(childDocRequest2); client.bulk(bulkRequest, RequestOptions.DEFAULT); // 查询父文档和子文档,并按父文档的 title 排序 NativeSearchQueryBuilder searchQueryBuilder = new NativeSearchQueryBuilder() .withQuery(has_child_query("child_doc", match_all_query())) .withSort(SortBuilders.fieldSort("title").order(SortOrder.ASC)); SearchHits hits = client.search(searchQueryBuilder.build(), RequestOptions.DEFAULT).getHits(); for (SearchHit hit : hits) { System.out.println(hit.getSourceAsString()); } ``` 在上面的示例中,首先创建了一个包含父子文档的索引,并添加了一些测试数据。然后使用 `has_child_query` 查询来查询所有包含子文档的父文档,并按父文档的 title 属性升序排序。最后输出查询结果。

相关推荐

最新推荐

recommend-type

JAVA使用ElasticSearch查询in和not in的实现方式

今天小编就为大家分享一篇关于JAVA使用Elasticsearch查询in和not in的实现方式,小编觉得内容挺不错的,现在分享给大家,具有很好的参考价值,需要的朋友一起跟随小编来看看吧
recommend-type

Spring Boot整合Elasticsearch实现全文搜索引擎案例解析

ElasticSearch作为基于Lucene的搜索服务器,既可以...SpringBoot作为Spring家族的全新框架,使得使用SpringBoot开发Spring应用变得非常简单,在本案例中我们给大家介绍Spring Boot整合Elasticsearch实现全文搜索引擎
recommend-type

skywalking+es+kafka部署文档.docx

详细介绍了skywalking8.4 + kafka + es7配置搭建过程
recommend-type

Elasticsearch QueryBuilder简单查询实现解析

主要介绍了Elasticsearch QueryBuilder简单查询实现解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
recommend-type

Elasticsearch 开机自启脚本

Elasticsearch 开机自启脚本,方便用户自动启动Elasticsearch,也可以直接用systemctl启动或是关闭
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

MATLAB柱状图在信号处理中的应用:可视化信号特征和频谱分析

![matlab画柱状图](https://img-blog.csdnimg.cn/3f32348f1c9c4481a6f5931993732f97.png) # 1. MATLAB柱状图概述** MATLAB柱状图是一种图形化工具,用于可视化数据中不同类别或组的分布情况。它通过绘制垂直条形来表示每个类别或组中的数据值。柱状图在信号处理中广泛用于可视化信号特征和进行频谱分析。 柱状图的优点在于其简单易懂,能够直观地展示数据分布。在信号处理中,柱状图可以帮助工程师识别信号中的模式、趋势和异常情况,从而为信号分析和处理提供有价值的见解。 # 2. 柱状图在信号处理中的应用 柱状图在信号处理
recommend-type

hive中 的Metastore

Hive中的Metastore是一个关键的组件,它用于存储和管理Hive中的元数据。这些元数据包括表名、列名、表的数据类型、分区信息、表的存储位置等信息。Hive的查询和分析都需要Metastore来管理和访问这些元数据。 Metastore可以使用不同的后端存储来存储元数据,例如MySQL、PostgreSQL、Oracle等关系型数据库,或者Hadoop分布式文件系统中的HDFS。Metastore还提供了API,使得开发人员可以通过编程方式访问元数据。 Metastore的另一个重要功能是跟踪表的版本和历史。当用户对表进行更改时,Metastore会记录这些更改,并且可以让用户回滚到
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。