343 lines
9.8 KiB
Markdown
343 lines
9.8 KiB
Markdown
# Elasticsearch 7.x 基本操作
|
||
|
||
|
||
# 一、索引管理
|
||
|
||
|
||
## 1.1 新建索引
|
||
|
||
使用指定配置创建索引，这里指定主分片的数量为 3； 副本系数为 2，即每个分片两个副本；默认情况下主分片数量和副本系数都是 1。需要注意的是创建索引时，索引名称只能是小写，长度不能超过 255 个字符，同时尽量不要包含特殊字符，不能以 `-`，`_`，`+` 等字符开头。
|
||
|
||
```json
|
||
PUT weibo
|
||
{
|
||
"settings" : {
|
||
"number_of_shards" : 3,
|
||
"number_of_replicas" : 2
|
||
}
|
||
}
|
||
```
|
||
|
||
## 1.2 修改配置
|
||
|
||
```json
|
||
PUT weibo/_settings
|
||
{
|
||
"number_of_replicas": 1
|
||
}
|
||
```
|
||
|
||
ES 支持修改索引的副本系数，但不支持随意修改索引的主分片数，这与 ES 分片的路由机制有关，ES 使用以下公式来决定每条数据存储在哪个具体的分片上：
|
||
|
||
```java
|
||
shard = hash(routing) % number_of_primary_shards
|
||
```
|
||
|
||
routing 是一个任意字符串，默认是 `_id` ，同时也支持自定义。ES 对其进行哈希运算然后按 number_of_primary_shards 进行取余，之后就计算出存储分片的序号。基于这个原因，所以 ES 不允许对 number_of_primary_shards 进行修改，因为这会导致已有数据存储位置的计算规则失效。
|
||
|
||
## 1.3 查看与删除
|
||
|
||
查看索引、查看索引配置、删除索引的语法分别如下：
|
||
|
||
```shell
|
||
# 查看索引信息
|
||
GET weibo
|
||
|
||
# 查看索引配置信息
|
||
GET weibo/_settings
|
||
|
||
# 删除索引
|
||
DELETE weibo
|
||
```
|
||
|
||
## 1.4 打开与关闭
|
||
|
||
ES 中的索引支持打开和关闭操作，索引关闭不能进行读写操作，后其占用的系统资源也会随之减少。索引打开和关闭的语法为：
|
||
|
||
```shell
|
||
# 关闭索引
|
||
POST weibo/_close
|
||
|
||
# 打开索引
|
||
POST weibo/_open
|
||
```
|
||
|
||
ES 支持一次关闭多个索引，多个索引名之间使用逗号分隔，同时也支持通配符和 `_all` 关键字，示例如下：
|
||
|
||
```shell
|
||
# 关闭多个索引，ignore_unavailable=true代表如果其中某个索引不存在，则忽略该索引
|
||
POST weibo1,weibo2,weibo3/_close?ignore_unavailable=true
|
||
|
||
# 支持通配符
|
||
POST weibo*/_close
|
||
|
||
# 关闭集群中所有索引
|
||
POST _all/_close
|
||
```
|
||
|
||
# 二、单文档操作
|
||
|
||
## 2.1 新建文档
|
||
|
||
```json
|
||
PUT weibo/_doc/1
|
||
{
|
||
"user" : "kimchy",
|
||
"post_date" : "2009-11-15T14:12:12",
|
||
"message" : "trying out Elasticsearch"
|
||
}
|
||
```
|
||
|
||
这里需要注意的是在 7.x 版本后 ES 已经不推荐使用文档类型，所以这里的 `_doc` 其表示端点名称而不是文档类型。输出如下：
|
||
|
||
```json
|
||
{
|
||
"_index" : "weibo",
|
||
"_type" : "_doc",
|
||
"_id" : "1",
|
||
"_version" : 1,
|
||
"result" : "created",
|
||
"_shards" : {
|
||
"total" : 2,
|
||
"successful" : 1,
|
||
"failed" : 0
|
||
},
|
||
"_seq_no" : 0,
|
||
"_primary_term" : 1
|
||
}
|
||
|
||
```
|
||
|
||
### 1. _id
|
||
|
||
在输出中可以看到 `_id` 的值为 1，这是在创建时指定的。如果创建时没有指定，则由 ES 自动生成。
|
||
|
||
### 2. _version
|
||
|
||
`_version` 为文档版本号，基于它可以实现乐观锁的效果，需要配合 version_type 使用，version_type 有以下可选值：
|
||
|
||
+ **interna** ：当给定的版本号与文档版本号相同时候，才执行对应的操作；
|
||
|
||
+ **external 或 external_gt** ：如果给定版本号大于存储文档的版本或者原文档不存在时，才执行对应的操作，给定版本号将用作新的版本。
|
||
|
||
+ **external_gte** ：和上一条类似，等价于 gt + equal ，即给定版本号大于或等于存储文档的版本或者原文档不存在时，才执行对应的操作。
|
||
|
||
使用示例：`PUT weibo/_doc/1?version=2&version_type=external { ... }`
|
||
|
||
### 3. _shards
|
||
|
||
输出结果中的 `_shards` 节点下有三个参数，其含义分别如下：
|
||
|
||
- **total** ：操作涉及到的分片综述，这里由于创建 `weibo` 索引时指定主分片数量和副本系数都是1，所以 只有 1个 primary 分片和 1 个 replica 分片，故其总数为 2；
|
||
- **successful** ：这里我采用的是单节点的 ES , replica 分片实际上是不存在的。因为按照 ES 的规则，primary 分片及其对应的replica 分片不能处于同一台主机上，因为处于同一台主机上时无法达到容错的效果。所以这里只有 primary 分片写入数据成功，故值为1；
|
||
- **failed** ：执行复制操作失败的 replica 分片的数量，这里由于 replica 分片本生就不存在所以值为 0。
|
||
|
||
### 4. routing
|
||
|
||
在上面我们提到，ES 的分片路由规则默认进行哈希的对象是 `_id`，如果你想指定使用其他字段，则可以使用 `routing` 参数进行指定，示例如下：
|
||
|
||
```json
|
||
POST weibo/_doc?routing=kimchy
|
||
{
|
||
"user" : "kimchy",
|
||
"post_date" : "2009-11-15T14:12:12",
|
||
"message" : "trying out Elasticsearch"
|
||
}
|
||
```
|
||
|
||
## 2.2 查询文档
|
||
|
||
```shell
|
||
GET weibo/_doc/1
|
||
```
|
||
|
||
需要注意的是，文档的实际内容位于查询结果的 `_source` 节点下，输出如下：
|
||
|
||
```json
|
||
{
|
||
"_index" : "weibo",
|
||
"_type" : "_doc",
|
||
"_id" : "1",
|
||
"_version" : 3,
|
||
"_seq_no" : 2,
|
||
"_primary_term" : 1,
|
||
"found" : true,
|
||
"_source" : {
|
||
"user" : "kimchy",
|
||
"post_date" : "2009-11-15T14:12:12",
|
||
"message" : "trying out Elasticsearch"
|
||
}
|
||
}
|
||
```
|
||
|
||
默认情况下会返回文档全部字段，如果你只想返回部分字段或者排除部分字段，则可以使用 `_source_includes` 关键字或 `_source_excludes` 关键字。
|
||
|
||
```shell
|
||
GET weibo/_doc/1?_source_includes=user
|
||
GET weibo/_doc/1?_source_excludes=message
|
||
```
|
||
|
||
如果你不想返回文档内容，即不需要 `_source` 节点，则可以使用以下语法：
|
||
|
||
```shell
|
||
GET weibo/_doc/1?_source=false
|
||
```
|
||
|
||
如果你只想返回文档内容，即只需要 `_source` 节点，则可以使用以下语法：
|
||
|
||
```shell
|
||
GET weibo/_source/1
|
||
```
|
||
|
||
此时也支持使用 `_source_includes` 和 `_source_excludes` 来包含和排除部分字段：
|
||
|
||
```
|
||
GET weibo/_source/1?_source_includes=user
|
||
GET weibo/_source/1?_source_excludes=message
|
||
```
|
||
|
||
## 2.3 更新文档
|
||
|
||
新增相同 `_id` 的文档就等价于执行更新操作，此时会用新的文档内容完全替换已有的文档内容，示例如下：
|
||
|
||
```json
|
||
POST weibo/_doc/1
|
||
{
|
||
"user" : "Tom",
|
||
"post_date" : "2019-11-15T14:12:12",
|
||
"message" : "trying out Hadoop"
|
||
}
|
||
```
|
||
|
||
如果想要部分更新，可以使用 `_update` 语法：
|
||
|
||
```json
|
||
POST weibo/_update/1
|
||
{
|
||
"doc":{
|
||
"message":"trying out Spark"
|
||
}
|
||
}
|
||
```
|
||
|
||
如果你的更新操作需要依赖原值，这里假设我要更新的用户名需要由之前的用户名拼接而成，此时语法如下。更新完成后，新的用户名为 `Tom Cat` 。这里的 painless 是 ES 内置的一种脚本语言，params 是参数的集合，ctx 是上下文执行对象，其 `_source` 指向原文档的内容。
|
||
|
||
```json
|
||
POST weibo/_update/1/
|
||
{
|
||
"script":{
|
||
"source":"ctx._source.user+=params.user",
|
||
"lang":"painless",
|
||
"params":{
|
||
"user" : " Cat"
|
||
}
|
||
}
|
||
}
|
||
```
|
||
|
||
## 2.4 删除文档
|
||
|
||
删除文档时，可以指定版本以确保我们尝试删除的相关文档实际上已被删除，并且在此期间没有更改。对文档执行的每个写入操作（包括删除）都会导致其版本递增。删除文档的版本号在删除后仍可短时间使用，以便控制并发操作。已删除文档的版本保持可用的时间长度由 index.gc_deletes 索引设置确定，默认为60秒。删除示例如下：
|
||
|
||
```shell
|
||
DELETE /weibo/_doc/1?version=2&version_type=interna
|
||
```
|
||
|
||
# 三、多文档操作
|
||
|
||
## 3.1 批量获取
|
||
|
||
想要查询多个文档，可以使用 `_mget` 语法，示例如下：
|
||
|
||
```json
|
||
GET /weibo/_mget
|
||
{
|
||
"docs" : [
|
||
{
|
||
"_id" : "1"
|
||
},
|
||
{
|
||
"_id" : "2"
|
||
}
|
||
]
|
||
}
|
||
```
|
||
|
||
上面的查询语句也可以进行如下简写：
|
||
|
||
```json
|
||
GET /weibo/_mget
|
||
{
|
||
"ids" : ["1", "2"]
|
||
}
|
||
```
|
||
|
||
和普通查询一样，如果想要针对不同的 `_id` 选择不同的字段，可以使用以下语法：
|
||
|
||
```json
|
||
GET /weibo/_mget
|
||
{
|
||
"docs" : [
|
||
{
|
||
"_id" : "1",
|
||
"_source":["user","message"]
|
||
},
|
||
{
|
||
"_id" : "2",
|
||
"_source" : {
|
||
"include": ["message"],
|
||
"exclude": ["user"]
|
||
}
|
||
}
|
||
]
|
||
}
|
||
```
|
||
|
||
通常我们的查询都没有这么复杂，只需要所有文档都返回特定字段即可，此时可以使用以下语法：
|
||
|
||
```json
|
||
GET /weibo/_mget?_source_includes=user,message
|
||
{
|
||
"ids" : ["1", "2"]
|
||
}
|
||
```
|
||
|
||
## 3.2 批量更新
|
||
|
||
```json
|
||
POST _bulk
|
||
{ "update" : {"_id" : "1", "_index" : "weibo", "retry_on_conflict" : 3} }
|
||
{ "doc" : {"user" : "heibai"} }
|
||
{ "update" : {"_id" : "2", "_index" : "weibo", "_source" : true} }
|
||
{ "script":{"source":"ctx._source.user+=params.user","lang":"painless","params":{"user" : " Cat"}}}
|
||
```
|
||
|
||
上面是一个批量更新的示例，其简化后抽象语法格式如下，需要注意的是这里语法是非常严格的：一个更新操作必须由两行 Json 组成，第一行 Json 用于说明操作、标识文档位置和其他可选配置，第二行 Json 用于存放数据或者指明更新方式：
|
||
|
||
```txt
|
||
POST _bulk
|
||
{"操作" : {"文档位置","可选操作"}}
|
||
{"数据"}
|
||
{"操作" : {"文档位置","可选操作"}}
|
||
{"数据"}
|
||
{"操作" : {"文档位置","可选操作"}}
|
||
{"数据"}
|
||
....
|
||
```
|
||
|
||
另外一个需要注意的点是每行 Json 都必须遵循单行模式，不能是多行模式，即如下的语法是错误的：
|
||
|
||
```json
|
||
{
|
||
"script": {
|
||
"source": "ctx._source.user+=params.user",
|
||
"lang": "painless",
|
||
"params": {
|
||
"user": " Cat"
|
||
}
|
||
}
|
||
}
|
||
```
|
||
|
||
之所以这样设计是因为如果允许多行模式，则其解析会比较麻烦且耗费性能，假设我们一次性批量执行上万个更新，则用于描述其操作的 Json 文件就会非常大，此时程序需要将其拷贝到内存中先进行解析，这个操作既浪费了内存又浪费了计算资源。而采用单行模式就能避免这个问题，程序只需要逐行读取记录，每读取两行则必然就是一个完整的操作，此时只需要将其发送到对应分片节点上执行即可。
|