ElasticSearch学习笔记(二)--索引文档

最新推荐文章于 2024-08-01 16:11:59 发布

chijiang9484

最新推荐文章于 2024-08-01 16:11:59 发布

阅读量156

点赞数

文章标签：大数据 json 数据库

原文链接：https://my.oschina.net/k2XI0fj/blog/1605714

版权

了解以下几个概念

1. 索引 index

简单的可以理解为关系型数据库的中库或者表。一个elasticsearch集群中可以有多个索引。

2. 文档 docment

可以理解为表中的行数据，表示一个对象。每个文档有一个唯一标识_id,相当于关系数据库的主键。一个索引中可以有多个结构相同的文档。

3. 域 field

这个可以和关系数据库的字段的概念相对应。一个文档可以包含多个字段，也可以包含其他对象。

6.0以前的版本中索引下存在类型(type)的概念，一个索引下可以有多个类型，一个类型下有结构一样的多个文档，所以6.0以前的概念中索引可以理解为数据库，类型可以理解为表，文档可以理解为行数据，文档中的属性可以理解为字段。6.0+版本中一个索引只能有一个类型，而且官方文档中说，以后会去掉类型的概念。

索引一个文档

在kibana的dev-tools中录入以下信息，并点击绿色按钮执行(或者按ctrl + enter)

POST /employee/doc/1
{
    "first_name" : "John",
    "last_name" :  "Smith",
    "age" :        25,
    "about" :      "I love to go rock climbing",
    "interests": [ "sports", "music" ]
}

上面的代码包括以下信息：

employee 索引名

doc 类型名

1 员工id

first_name 字段名

上面的操作就完成了一个文档的索引工作，这里不需要指定每个字段的数据类型，elsaticsearch会为每个字段动态映射为合适的类型。

查看一个文档

录入以下语句并执行

GET /employee/doc/1

在dev-tools界面你应该看到如下的响应信息

{
  "_index": "employee",
  "_type": "doc",
  "_id": "1",
  "_version": 1,
  "found": true,
  "_source": {
    "first_name": "John",
    "last_name": "Smith",
    "age": 25,
    "about": "I love to go rock climbing",
    "interests": [
      "sports",
      "music"
    ]
  }
}

elasticsearch 核心简单域类型

字符: text, keyword
整数: byte, short, integer, long
浮点数: float, double
日期: date

上面索引一个文档中, 没有指定字段的数据类型，使用的是elasticsearch动态映射，如果要查看索引employee中字段的类型可以使用如下语句

GET /employee/_mapping

可以得到如下的响应数据, 从中可以看到elasticsearch把age动态映射为long类型，其余均为text类型。同时每个text类型下有一个名为keyword的字段，这个字段是不会被分词器分词的，经常应用在如下场景：数据展示、聚合统计、完全匹配搜索。

{
  "employee": {
    "mappings": {
      "doc": {
        "properties": {
          "about": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "age": {
            "type": "long"
          },
          "first_name": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "interests": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "last_name": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          }
        }
      }
    }
  }
}

可以使用dynamic配置来控制动态映射行为，可以有如下选项：

true 动态添加新字段，默认值
false 忽略新字段
strict 如果遇到新字段抛出异常配置参数 dynamic 可以用在++根object++或任何++object类型的字段++上。你可以将 dynamic 的默认值设置为 strict , 而只在指定的内部对象中开启它

PUT /my_index
{
    "mappings": {
        "my_type": {
            "dynamic":      "strict", 
            "properties": {
                "title":  { "type": "string"},
                "stash":  {
                    "type":     "object",
                    "dynamic":  true 
                }
            }
        }
    }
}

把 dynamic 设置为 false 一点儿也不会改变 _source 的字段内容。 _source 仍然包含被索引的整个JSON文档。只是新的字段不会被加到映射中也不可搜索。

日期检测可以通过在根对象上设置 date_detection 为 false 来关闭。判断字符串为日期的规则可以通过 dynamic_date_formats setting 来设置。

自定义映射

只能在新建一个索引时，或一个索引中的文档新增字段时为字段做类型映射，不可以修改一个的字段的类型。删除employee索引

DELETE /employee

为employee索引自字义映射，这里指定age字段为integer类型，first_name与interests为text类型，其余字段使用elasticsearch动态映射。

PUT /employee/
{
  "mappings": {
    "doc": {
      "properties": {
        "age": {
          "type": "integer"
        },
        "first_name": {
          "type": "text",
          "fields": {
            "keyword": {
              "type": "keyword",
              "ignore_above": 256
            }
          }
        },
        "interests": {
          "type": "text",
          "fields": {
            "keyword": {
              "type": "keyword",
              "ignore_above": 256
            }
          }
        }
      }
    }
  }
}

成功执行后，通过GET /employee/_mapping查看employee的映射，可以看到，age字段的type为integer。

...
"age": {
    "type": "integer"
  },
...

在字段映射中可使用copy_to参数将多个字段合并成一个字段。

PUT /my_index
{
    "mappings": {
        "person": {
            "properties": {
                "first_name": {
                    "type":     "string",
                    "copy_to":  "full_name" 
                },
                "last_name": {
                    "type":     "string",
                    "copy_to":  "full_name" 
                },
                "full_name": {
                    "type":     "string"
                }
            }
        }
    }
}

动态模板

可以使用dynamic_templates来预定义新检测字段的映射。比如通过字段名称或数据类型来指定不同的映射。

每个模板有一个mapping来指定映射应该怎样使用，以及至少一个参数(如match)来定义这个模板适用于哪些字段。

模板按照顺序来检测；第一个匹配的模板会被启用。

关于动态模板的更详细信息可以查看官方文档https://www.elastic.co/guide/en/elasticsearch/reference/6.1/dynamic-templates.html

PUT /testindex
{
  "mappings": {
    "_default_": {
      "dynamic_templates": [
        {
          "int_fields": {
            "match": "int_*",
            "match_mapping_type": "string",
            "mapping": {
              "type": "integer"
            }
          }
        },
        {
          "string_fields": {
            "match": "*",
            "match_mapping_type": "string",
            "mapping": {
              "type": "text",
              "norms": false,
              "fields": {
                "keyword": {
                  "type": "keyword",
                  "ignore_above": 256
                }
              }
            }
          }
        }
      ],
      "properties": {...}
    }
  }
}

match 参数只匹配字段名称

path_match 参数匹配字段在对象上的完整路径，所以 address.*.name 将匹配这样的字段

此外还可以使作unmatch 和 path_unmatch，它们将被用于未被匹配的字段

更新一个文档

elasticsearch 中文档是不可改变的，不能修改它们。如果想要更新现有的文档，需要重建索引或者进行替换。

执行索引一个文档中的语句，向employee索引加入一个文档。现在需要把id为1的文档中的age修改为26，interests里增加art, 只需执行下面的语句即可完成

POST /employee/doc/1
{
    "first_name" : "John",
    "last_name" :  "Smith",
    "age" :        26,
    "about" :      "I love to go rock climbing",
    "interests": [ "sports", "music", "art" ]
}

在内部，Elasticsearch 已将旧文档标记为已删除，并增加一个全新的文档。尽管你不能再对旧版本的文档进行访问，但它并不会立即消失。当继续索引更多的数据，Elasticsearch 会在后台清理这些已删除文档。

批量增加文档

批量操作可以执行index, update, delete操作。在发送批量操作请求时，header中的ContentType应该为application/x-ndjson。请求体的格式为

{ action: { metadata }}\n
{ request body        }\n
{ action: { metadata }}\n
{ request body        }\n

各个json之间用换行符(\n)连接到一起，要注意以下两点

每行一定要以换行符(\n)结尾，包括最后一行。
这些换行符被用作一个标记，可以有效分隔行。这些行不能包含未转义的换行符，因为他们将会对解析造成干扰。这意味着这个 JSON不能使用pretty参数打印。

下面的示例向employee索引新增2个文档

POST /employee/doc/_bulk
{"index":{}}
{"first_name":"Jane","last_name":"Smith", "age":32,"about":"I like to collect rock albums","interests":[ "music" ]}
{"index":{}}
{"first_name":"Douglas","last_name":"Fir","age":35,"about":"I like to build cabinets","interests":[ "forestry" ]}

上面的语句也可以用下面的语句替换,不同之处就在于指定index和type的方式不同。

POST _bulk
{"index":{"_index":"employee", "_type":"doc"}}
{"first_name":"Jane","last_name":"Smith", "age":32,"about":"I like to collect rock albums","interests":[ "music" ]}
{"index":{"_index":"employee", "_type":"doc"}}
{"first_name":"Douglas","last_name":"Fir","age":35,"about":"I like to build cabinets","interests":[ "forestry" ]}

响应结果

{
  "took": 105,
  "errors": false,
  "items": [
    {
      "index": {
        "_index": "employee",
        "_type": "doc",
        "_id": "pCNo6GABRuyKw8kPyThk",
        "_version": 1,
        "result": "created",
        "_shards": {
          "total": 2,
          "successful": 1,
          "failed": 0
        },
        "_seq_no": 0,
        "_primary_term": 1,
        "status": 201
      }
    },
    {
      "index": {
        "_index": "employee",
        "_type": "doc",
        "_id": "pSNo6GABRuyKw8kPyThk",
        "_version": 1,
        "result": "created",
        "_shards": {
          "total": 2,
          "successful": 1,
          "failed": 0
        },
        "_seq_no": 1,
        "_primary_term": 1,
        "status": 201
      }
    }
  ]
}

每个子请求都是独立执行，因此某个子请求的失败不会对其他子请求的成功与否造成影响。如果其中任何子请求失败，最顶层的 error 标志被设置为 true ，并且在相应的请求报告出错误明细。这也意味着 bulk 请求不是原子的：不能用它来实现事务控制。

为什么每行一定要以换行符(\n)结尾

当我们早些时候在代价较小的批量操作章节了解批量请求时，您可能会问自己， "为什么 bulk API 需要有换行符的有趣格式，而不是发送包装在 JSON 数组中的请求，例如 mget API？" 。

为了搞懂这一点，我们需要解释一点背景：++在批量请求中引用的每个文档可能属于不同的主分片，每个文档可能被分配给集群中的任何节点。这意味着批量请求 bulk 中的每个操作都需要被转发到正确节点上的正确分片++。

如果单个请求被包装在 JSON 数组中，那就意味着我们需要执行以下操作：

将 JSON 解析为数组（包括文档数据，可以非常大）
查看每个请求以确定应该去哪个分片
为每个分片创建一个请求数组
将这些数组序列化为内部传输格式
将请求发送到每个分片

这是可行的，但需要大量的 RAM来存储原本相同的数据的副本，并将创建更多的数据结构，Java虚拟机（JVM）将不得不花费时间进行垃圾回收。

相反，Elasticsearch可以直接读取被网络缓冲区接收的原始数据。它使用换行符字符来识别和解析小的 action/metadata 行来决定哪个分片应该处理每个请求。

这些原始请求会被直接转发到正确的分片。没有冗余的数据复制，没有浪费的数据结构。整个请求尽可能在最小的内存中处理。

避免类型陷阱

如果有两个不同的类型，每个类型都有同名的字段，但映射不同（例如：一个是字符串一个是数字），Elasticsearch 不会允许你定义这个映射。当你配置这个映射时，将会出现异常。对于整个索引，映射在本质上被扁平化成一个单一的、全局的模式。这就是为什么两个类型不能定义冲突的字段：当映射被扁平化时，Lucene 不知道如何去处理。

6.0.0以后一个索引只有一个类型，所以不太会出现上面这样的情况

索引别名

索引别名就像一个快捷方式或软连接，可以指向一个或多个索引。别名带给我们极大的灵活性，允许我们做下面这些：

在运行的集群中可以无缝的从一个索引切换到另一个索引
给多个索引分组 (例如， last_three_months)
给索引的一个子集创建视图

有两种方式管理别名： _alias 用于单个操作， _aliases用于执行多个原子级操作。

设置别名my_index指向my_index_v1：PUT /my_index_v1/_alias/my_index

一个别名可以指向多个索引，所以我们在添加别名到新索引的同时必须从旧的索引中删除它(旧版本的相同的索引)。这个操作需要原子化，这意味着我们需要使用 _aliases 操作：

POST /_aliases
{
    "actions": [
        { "remove": { "index": "my_index_v1", "alias": "my_index" }},
        { "add":    { "index": "my_index_v2", "alias": "my_index" }}
    ]
}

你可以检测这个别名指向哪一个索引：GET /*/_alias/my_index

或哪些别名指向这个索引：GET /my_index_v1/_alias/*

两者都会返回下面的结果:

{
    "my_index_v1" : {
        "aliases" : {
            "my_index" : { }
        }
    }
}

转载于:https://my.oschina.net/k2XI0fj/blog/1605714

chijiang9484

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
ElasticSearch学习笔记(二)--索引文档

了解以下几个概念1. 索引 index简单的可以理解为关系型数据库的中库或者表。一个elasticsearch集群中可以有多个索引。2. 文档 docment可以理解为表中的行数据，表示一个对象。每个文档有一个唯一标识_id,相当于关系数据库的主键。一个索引中可以有多个结构相同的文档。...
复制链接

扫一扫