Spring Data Elasticsearch 中 Criteria 查询的正确使用方式
2025-06-27 00:45:48作者:廉彬冶Miranda
在使用 Spring Data Elasticsearch 进行文档查询时,Criteria API 是一个非常强大且灵活的工具。然而,如果不正确使用 Criteria 构建查询,可能会导致意外的 NullPointerException 或其他错误。本文将深入探讨 Criteria API 的正确使用方式,特别是处理否定查询和组合查询时的注意事项。
常见错误模式分析
许多开发者在使用 Criteria API 时容易犯以下两个典型错误:
-
创建无意义的空 Criteria 对象:直接使用
new Criteria()而不指定任何字段和条件,这样的 Criteria 对象在实际查询中没有任何作用。 -
忽略方法返回值:
and()和or()方法会返回新的 Criteria 实例或修改后的 Criteria 实例,但开发者有时会忽略这一点,导致查询构建不完整。
正确的 Criteria 构建方式
基本查询构建
正确的 Criteria 查询应该从指定字段开始:
// 正确的方式:直接指定字段和条件
Criteria criteria = Criteria.where("subject.documentId").is(search.getDocumentId())
.and("audit.deletedBy.id").not().exists();
这种方式清晰明了,直接链式调用构建完整的查询条件。
条件动态构建
在实际应用中,我们经常需要根据业务逻辑动态构建查询条件。正确的做法是:
Criteria criteria = new Criteria(); // 初始化为空条件
if (search.getDocumentId() != null) {
criteria = criteria.and("subject.documentId").is(search.getDocumentId());
}
if (search.getDeleted() != null) {
criteria = search.getDeleted()
? criteria.and("audit.deletedBy.id").exists()
: criteria.and("audit.deletedBy.id").not().exists();
}
虽然这里也使用了空 Criteria 初始化,但在动态构建场景下,这是可以接受的模式。
否定查询的注意事项
使用 .not() 进行否定查询时需要特别注意:
.not()必须紧跟在字段指定之后,条件指定之前- 否定查询会创建特殊的查询结构,确保 Elasticsearch 能正确解析
// 正确否定查询
Criteria.where("audit.deletedBy.id").not().exists();
// 错误方式(会导致NPE)
Criteria criteria = new Criteria();
criteria.and(new Criteria("audit.deletedBy.id").not().exists());
组合查询的最佳实践
对于复杂的组合查询,建议:
- 优先使用链式调用保持代码清晰
- 对于特别复杂的查询,可以考虑拆分并最后组合
- 使用适当的缩进和格式化提高可读性
// 复杂查询示例
Criteria criteria = Criteria.where("status").is("ACTIVE")
.and(
Criteria.where("createDate").gte(startDate)
.or("updateDate").gte(startDate)
)
.and("department").in(departments);
总结
Spring Data Elasticsearch 的 Criteria API 提供了强大的查询构建能力,但需要遵循正确的使用模式。记住始终从具体字段开始构建查询,正确处理否定查询,并注意方法返回值。通过遵循这些最佳实践,可以避免常见的 NPE 错误,构建出高效可靠的 Elasticsearch 查询。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
572
3.85 K
Ascend Extension for PyTorch
Python
388
459
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
682
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
354
213
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
807
198
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.38 K
781