ElasticSearch基本操作

LiJunYi 8/5/2022 ElasticSearch

# 数据格式

Elasticsearch 是面向文档型数据库，一条数据在这里就是一个文档。我们可以把 Elasticsearch 里存储文档数据和关系型数据库 MySQL 存储数据的概念进行一个类比。 ES 里的 Index 可以看做一个库，而 Types 相当于表，Documents 则相当于表的行。

ElasticSearch

这里 Types 的概念已经被逐渐弱化，Elasticsearch 6.X 中，一个 index 下已经只能包含一个type，Elasticsearch 7.X 中, Type 的概念已经被删除了。

用 JSON 作为文档序列化的格式，比如一条用户信息：

{
 "name" : "John",
 "sex" : "Male",
 "age" : 25,
 "birthDate": "1990/05/01",
 "about" : "I love to go rock climbing",
 "interests": [ "sports", "music" ]
}

1
2
3
4
5
6
7
8
9

# HTTP 操作

打开 kibana 的 Dev Tools 菜单

# 索引操作

# 创建索引-PUT

对比关系型数据库，创建索引就等同于创建数据库
PUT 索引名
发送请求后，服务器返回了这样的响应

{
  "acknowledged": true,  # true 操作成功
  "shards_acknowledged": true, # 分片操作成功
  "index": "user" # 索引名称
}

1
2
3
4
5

如果重复添加索引呢？重复添加则会返回索引已经存在的错误信息

# 查看全部索引-GET

GET _cat/indices?v
_cat：表示查看的意思；
indices：表示索引
health：当前服务器健康状态：green(集群完整)、yellow(单点正常、集群不完整)、red(单点不正常)
status：索引打开、关闭状态
index：索引名
uuid：索引统一编号
pri：主分片数量
rep：副本数量
docs.count：可用文档数量
docs.deleted：文档删除状态（逻辑删除）
store.size：主分片和副分片整体占空间大小
pri.store.size：主分片占空间大小

# 查看单个索引-GET

GET 索引名

{
  "user"【索引名】: {
    "aliases"【别名】: {},
    "mappings"【映射】: {},
    "settings"【设置】: {
      "index"【设置 - 索引】: {
        "routing"【设置 - 索引路由】: {
          "allocation": {
            "include": {
              "_tier_preference": "data_content"
            }
          }
        },
        "number_of_shards"【设置 - 索引 - 主分片数量】: "1",
        "provided_name"【设置 - 索引 - 名称】: "user",
        "creation_date"【设置 - 索引 - 创建时间】: "1659678930693",
        "number_of_replicas"【设置 - 索引 - 副分片数量】: "1",
        "uuid"【设置 - 索引 - 唯一标识】: "P0pIpPyTSa-zS7kJCeE7Ng",
        "version"【设置 - 索引版本号】: {
          "created": "8030399"
        }
      }
    }
  }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

# 删除索引-DELETE

delete 索引名

# 文档操作

# 创建文档-POST

先创建好一个索引，接下来我们来创建文档，并添加数据。这里的文档可以类比为关系型数据库中的表数据，添加的数据格式为JSON格式

POST 索引名/_doc

{
  "_index"【索引】: "user",
  "_id"【唯一标识，支持自定义】: "C1yqbIIBJVfoW_YKu2D5",
  "_version"【版本】: 1,
  "result"【结果】: "created",#这里的 create 表示创建成功
  "_shards"【分片】: {
    "total"【分片 - 总数】: 2,
    "successful"【分片 - 成功】: 1,
    "failed"【分片 - 失败】: 0
  },
  "_seq_no": 0,
  "_primary_term": 1
}

1
2
3
4
5
6
7
8
9
10
11
12
13

自定义唯一标识：POST 索引名/_doc/(自定义ID)

# 查看文档-GET

查看文档时，需要指明文档的唯一性标识，类似于 MySQL 中数据的主键查询
查看指定文档：GET 索引名/_doc/(唯一标识)
查看所有数据：GET 索引名/_search

{
  "_index"【索引】: "user",
  "_id": "C1yqbIIBJVfoW_YKu2D5",
  "_version": 1,
  "_seq_no": 0,
  "_primary_term": 1,
  "found"【查询结果】: true,
  "_source"【文档源信息】: {
    "userName": "A佳技术",
    "age": "28"
  }
}

1
2
3
4
5
6
7
8
9
10
11
12

# 修改文档-POST

全局修改

POST 索引名/_doc/(唯一标识)

{
  "_index": "user",
  "_id": "C1yqbIIBJVfoW_YKu2D5",
  "_version": 2,
  "result"【更新操作】: "updated",
  "_shards": {
    "total": 2,
    "successful": 1,
    "failed": 0
  },
  "_seq_no": 1,
  "_primary_term": 1
}

1
2
3
4
5
6
7
8
9
10
11
12
13

局部修改

局部修改需要注意一下，在8.x版本的语法变化

在ES7.X版本中，局部修改语法是：POST 索引名/_updata/(唯一标识)
在ES8.x版本中，局部修改语法如下图所示：

ElasticSearch

# 删除文档-DELETE

删除一个文档不会立即从磁盘上移除，它只是被标记成已删除（逻辑删除）
DELETE 索引名/_doc/(唯一标识)

{
  "_index": "user",
  "_id": "C1yqbIIBJVfoW_YKu2D5",
  "_version"【版本:对数据的操作，都会更新版本】: 5,
  "result"【结果】: "deleted",# deleted 表示数据被标记为删除
  "_shards": {
    "total": 2,
    "successful": 1,
    "failed": 0
  },
  "_seq_no": 4,
  "_primary_term": 1
}

1
2
3
4
5
6
7
8
9
10
11
12
13

ElasticSearch

# 条件删除文档-POST

首先分别增加多条数据，这里我添加了3条数据
POST 索引名/_delete_by_query + 请求体条件

{
  "took"【耗时】: 17,
  "timed_out"【是否超时】: false,
  "total"【总数】: 1,
  "deleted"【删除数量】: 1,
  "batches": 1,
  "version_conflicts": 0,
  "noops": 0,
  "retries": {
    "bulk": 0,
    "search": 0
  },
  "throttled_millis": 0,
  "requests_per_second": -1,
  "throttled_until_millis": 0,
  "failures": []
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

查看文档数据情况，年龄20已经删除

# 映射基本操作

# 原理

有了索引库，等于有了数据库中的 database。

接下来就需要建索引库(index)中的映射了，类似于数据库(database)中的表结构(table)。创建数据库表需要设置字段名称，类型，长度，约束等；索引库也一样，需要知道这个类型下有哪些字段，每个字段有哪些约束信息，这就叫做映射(mapping)。

# 先创建索引-PUT

ElasticSearch

# 创建映射-PUT

PUT 索引名/_mapping + 请求体内容

映射数据说明：

字段名：任意填写
type：类型，Elasticsearch 中支持的数据类型非常丰富，说几个关键的：
- String类型，又分两种
  - text：可分词，支持模糊查询，支持准确查询，不支持聚合查询
  - keyword：不可分词，数据会作为完整字段进行匹配，支持模糊查询，支持准确查询，支持聚合查询。
- Numerical：数值类型，分两类
  - 基本数据类型：long、integer、short、byte、double、float、half_float
  - 浮点数的高精度类型：scaled_float
- Date：日期类型
- Array：数组类型
- Object：对象
index：是否索引，默认为 true，也就是说你不进行任何配置，所有字段都会被索引。
- true：字段会被索引，则可以用来进行搜索
- false：字段不会被索引，不能用来搜索
store：是否将数据进行独立存储，默认为 false。

原始的文本会存储在_source 里面，默认情况下其他提取出来的字段都不是独立存储的，是从_source里面提取出来的。当然你也可以独立的存储某个字段，只要设置 "store": true 即可，获取独立存储的字段要比从 _source 中解析快得多，但是也会占用更多的空间，所以要根据实际业务需求来设置。

analyzer：分词器，这里的 ik_max_word 即使用 ik 分词器

# 查看映射-GET

GET 索引名/_mapping

# 索引映射关联-PUT

创建新的索引 student1，与之前的 student 进行映射关联
PUT student1 + 请求体

{
"settings": {},
"mappings": {
    "properties": {
        "name":{
            "type": "text",
            "index": true
        },
        "sex":{
            "type": "text",
            "index": false
        },
        "age":{
            "type": "long",
            "index": false
        }
    }
}
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

ElasticSearch

ElasticSearch安装 ElasticSearch高级操作

我的开发笔记

Choose mode