Spring Data Elasticsearch 中 Criteria 查询的正确使用方式
2025-06-27 03:33:40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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
408
3.15 K
Ascend Extension for PyTorch
Python
226
252
暂无简介
Dart
674
160
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++
664
321
🎉 (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
1.21 K
659
React Native鸿蒙化仓库
JavaScript
263
326
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
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868