Elasticsearch(四)数据输入输出

Elastcisearch 是分布式的 文档 存储。它能存储和检索复杂的数据结构--序列化成为JSON文档--以 实时 的方式。所以我们关心的就是在 Elasticsearch 中怎样安全的存储文档，以及如何将文档再次返回。官方文档上对 文档 进行了解释。

键：可以是字段或是字段的名称

值：可以是一个字符串、一个数字、一个布尔值、另一个对象、一些数组值、其他特殊类型的字符串、或代表一个地理位置的对象。

{
    "name":         "John Smith",  
    "age":          42,            
    "confirmed":    true,          
    "join_date":    "2014-06-01", 
    "home": {                      
        "lat":      51.5,
        "lon":      0.1
    },
    "accounts": [                  
        {
            "type": "facebook",
            "id":   "johnsmith"
        },
        {
            "type": "twitter",
            "id":   "johnsmith"
        }
    ]
}

自定义或自动生成ID：

使用自定义ID时，需要使用  PUT 谓词，并指定索引、类型、ID；若需要自动生成ID，需要使用POST谓词，并指定索引和类型，自动生成的 ID 是 URL-safe、 基于 Base64 编码且长度为20个字符的 GUID 字符串。

 

创建新文档：

前文已经介绍了最简单的创建文档的方法，但是很多情况下，我们会有当ID不存在时才存入数据的需求，并不去覆盖现有的数据。

方法一：（不指定ID，由Elasticsearch生成_id）

POST  new_retail/spu{ ... }

方法二：使用op_type查询

PUT  new_retail/spu/1?op_type=create{ ... }

方法三：

PUT  new_retail/spu/1/_create{ ... }

每次对文档进行增加、删除、更新操作时，都会增加文档的_version值，包括删除不存在的ID时，version值也会增加。我们可以使用_version值确保应用中互相冲突的。

更新文档：

在更新文档的过程中，由于文档是不可变的，只能被替换不能修改，所以实际上Elasticsearch进行了以下的步骤：

1. 从旧文档构建 JSON
2. 更改该 JSON
3. 删除旧文档
4. 索引一个新文档

增加新的字段：

方法一：POST  new_retail/spu/1/_update{
          "doc":{
                "view":"1"
        }
}

方法二：Post  new_retail/spu/_update{
          "script":"ctx._source.view=\"1\""
}

删除字段：

POST  new_retail/spu/1/_update{
        "script":"ctx._source.remove(\"brand_code\")"
}

部分更新字段：(通过脚本更新字段)

POST  new_retail/spu/1/_update{
        "script" : "ctx._source.view+=1",

        "upsert" : {"view":1}
}

其中，使用upsert参数，如果对应文档不存在，就先创建它。对于一些应用场景，文档被更新了也没关系，比如对页面的访问量计数器进行递增操作，此时两个线程同时对计数器进行操作，发生冲突时需要尝试再更新。retry_on_conflict参数规定了冲突后重试的次数。POST  new_retail/spu/1/_update?retry_on_conflict=5  表示重试5次

也可以通过脚本为一个数组增加新的标签。

POST  new_retail/spu/1/_update{
      "script" : "ctx._source.tags+=newTag",
      "params" : {
             "newTag" : "hot"
      }
}

通过脚本也可以进行删除文档：

POST  new_retail/spu/1/_update{
      "script" : "if(ctx._source.tags.contains("hot")){ctx.op = 'delete'}else{ctx.op = 'none'}"
}

检索文档：

最简单的检索一个文档就是直接通过指定ID GET，如果需要检索多个文档，可以使用mget将多个文档封装到一个请求中。

GET  _mget{
        "docs":[
               {
                       "_index": "new_retail",
                       "_type" : "spu",
                       "_id" : 1
               },
               {
                       "_index": "new_retail",
                       "_type" : "spu",
                       "_id" : 2
               }
          ]
}

如果需要检索的多个文档属于同一个_index或者同一个_type中，可以直接在URL中指定（new_retail/spu/_mget）。如果_type都相同，可以直接传id数组，而不是整个文档。

GET  new_retail/spu/_mget{
   "ids" : [ "2", "1" ]
}

注：批量查找时，如果有一个ID对应的文档不存在，也会返回可检索到的其他文档，状态码为200，不会影响其他文档的检索。

ES批量操作bluk：

bluk允许在单个操作中进行不同的create/delete/update/index操作。其请求体如下：

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

每行必须以换行符结束，可以有效的分割行。

action/metadata行指定，哪个文档做什么操作。

          action：可为create（如果文档不存在，则创建一个新文档）、update（部分更新文档）、delete、index（创建一个新文档或者替换现有文档）。metadata指定操作的_index、_type、_id。request body为请求的主体，为_source包含的字段和值，是index和create操作必须的参数。以下是官方文档给出的一个例子：

POST /_bulk
{ "delete": { "_index": "website", "_type": "blog", "_id": "123" }} 
{ "create": { "_index": "website", "_type": "blog", "_id": "123" }}
{ "title":    "My first blog post" }
{ "index":  { "_index": "website", "_type": "blog" }}
{ "title":    "My second blog post" }
{ "update": { "_index": "website", "_type": "blog", "_id": "123", "_retry_on_conflict" : 3} }
{ "doc" : {"title" : "My updated blog post"} } 

delete后面不能有请求体。最后也需要一个换行符

当然，bulk也可以将index和type放到URL中指定。

使用_bulk进行批量操作数据时，不是原子的，一条失败，不会影响其他操作，因此不能用它来进行事务控制。