Project Icon

spring-data-elasticsearch

简化Elasticsearch与Spring的集成

Spring Data Elasticsearch是一个简化Elasticsearch与Spring框架集成的开源项目。它提供POJO与Elasticsearch文档的交互模型,支持Repository风格的数据访问层。该框架支持Java配置和XML命名空间,包含ElasticsearchOperations类,集成对象映射和注解元数据。它能自动实现Repository接口,支持自定义搜索方法,为开发者提供便捷的Elasticsearch集成方案。

= Spring Data for Elasticsearch image:https://jenkins.spring.io/buildStatus/icon?job=spring-data-elasticsearch%2Fmain&subject=Build[link=https://jenkins.spring.io/view/SpringData/job/spring-data-elasticsearch/] https://gitter.im/spring-projects/spring-data[image:https://badges.gitter.im/spring-projects/spring-data.svg[Gitter]] image:https://img.shields.io/badge/Revved%20up%20by-Develocity-06A0CE?logo=Gradle&labelColor=02303A["Revved up by Develocity", link="https://ge.spring.io/scans?search.rootProjectNames=Spring Data Elasticsearch"]

https://projects.spring.io/spring-data[Spring Data]项目的主要目标是简化使用新数据访问技术(如非关系型数据库、MapReduce框架和基于云的数据服务)构建Spring应用程序的过程。

Spring Data Elasticsearch项目提供了与https://www.elastic.co/[Elasticsearch]搜索引擎的集成。Spring Data Elasticsearch的主要功能领域包括以POJO为中心的模型,用于与Elasticsearch文档交互,以及轻松编写Repository风格的数据访问层。

该项目由社区主导和维护。

== 特性

  • 使用基于Java的@Configuration类或XML命名空间为ES客户端实例提供Spring配置支持。
  • ElasticsearchOperations类及其实现,提高了执行常见ES操作的生产效率。包括文档和POJO之间的集成对象映射。
  • 功能丰富的对象映射,与Spring的转换服务集成
  • 基于注解的映射元数据
  • 自动实现Repository接口,包括对自定义搜索方法的支持。
  • 对仓库的CDI支持

== 行为准则

本项目遵循https://github.com/spring-projects/.github/blob/e3cc2ff230d8f1dca06535aa6b5a4a23815861d4/CODE_OF_CONDUCT.md[Spring行为准则]。参与者应遵守此行为准则。如遇到不可接受的行为,请报告至spring-code-of-conduct@pivotal.io。

== 入门

以下是使用Java中Spring Data Repositories的应用程序示例:

[source,java]

public interface PersonRepository extends CrudRepository<Person, Long> {

List findByLastname(String lastname);

List findByFirstnameLike(String firstname); }

@Service public class MyService {

private final PersonRepository repository;

public MyService(PersonRepository repository) { this.repository = repository; }

public void doWork() {

repository.deleteAll();

Person person = new Person();
person.setFirstname("Oliver");
person.setLastname("Gierke");
repository.save(person);

List<Person> lastNameResults = repository.findByLastname("Gierke");
List<Person> firstNameResults = repository.findByFirstnameLike("Oli");

} }

=== 使用RestClient

请查看官方文档

=== Maven配置

添加Maven依赖:

[source,xml]

org.springframework.data spring-data-elasticsearch ${version} ----

兼容性矩阵

Spring Data Elasticsearch、Elasticsearch客户端驱动程序和Spring Boot版本之间的兼容性可以在https://docs.spring.io/spring-data/elasticsearch/docs/current/reference/html/#preface.versions[参考文档]中找到。

要使用即将发布的主要版本的候选版本,请使用我们的Maven里程碑仓库并声明适当的依赖版本:

[source,xml]

org.springframework.data spring-data-elasticsearch ${version}.RCx spring-snapshot Spring Snapshot Repository https://repo.spring.io/milestone ----

如果您更喜欢即将发布的主要版本的最新快照,请使用我们的Maven快照仓库并声明适当的依赖版本:

[source,xml]

org.springframework.data spring-data-elasticsearch ${version}-SNAPSHOT spring-snapshot Spring Snapshot Repository https://repo.spring.io/snapshot ----

== 获取帮助

在使用Spring Data时遇到问题?我们很乐意提供帮助!

== 报告问题

Spring Data使用GitHub作为问题跟踪系统来记录错误和功能请求。如果您想提出问题,请遵循以下建议:

== 从源代码构建

您无需从源代码构建即可使用Spring Data(二进制文件在https://repo.spring.io[repo.spring.io]中),但如果您想尝试最新版本,可以使用https://github.com/takari/maven-wrapper[maven wrapper]轻松构建Spring Data。

要构建_main_分支,您需要JDK 17或更高版本。对于4.4及更早版本的分支,需要JDK 8。

[source,bash]

$ ./mvnw clean install

如果您想使用常规的mvn命令,则需要https://maven.apache.org/run-maven/index.html[Maven v3.5.0或更高版本]。

另请参阅link:CONTRIBUTING.adoc[CONTRIBUTING.adoc],如果您希望提交拉取请求,特别是在提交第一个拉取请求之前,请签署https://cla.pivotal.io/sign/spring[贡献者协议]。

重要提示:在贡献时,请确保在https://github.com/spring-projects/spring-data-elasticsearch/issues[问题跟踪器]中存在相关问题,并在该问题上评论您打算如何解决它。这样我们不仅知道有人在处理某个问题,还可以在投入工作之前讨论架构问题和可能的解决方案。这样可以防止在拉取请求上投入大量工作却几乎没有合并机会。

=== 构建参考文档

构建文档时也会构建项目,但不运行测试。

[source,bash]

$ ./mvnw clean install -Pantora

生成的文档可在target/antora/site/index.html中找到。

== 示例

有关使用Spring Data for Elasticsearch的示例,请参阅https://github.com/spring-projects/spring-data-examples/tree/main/elasticsearch/example[spring-data-examples]项目。

== 许可证

Spring Data for Elasticsearch是根据https://www.apache.org/licenses/LICENSE-2.0.html[Apache 2.0许可证]发布的开源软件。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号