Elasticsearch 索引与文档操作实践指南

上节我们部署了elasticsearch8.4.1和kibana8.4.1以及ik分词器，本节我们来学习下elasticsearch的相关索引，文档操作。
首先我们kinana的主界面找到开发者工具在里面我们来编写相关操作。

标题查看集群情况

GET /_cluster/health

详细解释：

• cluster_name: 这是Elasticsearch集群的名称，这里命名为"my-application"。 status:
  集群的健康状态。这里的状态是"yellow"，表示所有的主分片都已分配，但至少缺少一个副本。Elasticsearch中的健康状态有三种颜色：
• green：所有的主分片和副本分片都是活动的。
• yellow：所有的主分片都是活动的，但不是所有的副本都是活动的。数据仍然完整，但高可用性可能受到影响。
• red：一些主分片不可用，可能会丢失数据。 timed_out: 表示查询是否超时。这里的值是false，意味着查询没有超时。
• number_of_nodes 和 number_of_data_nodes:
  分别表示集群中的节点总数和数据节点的数量。这里都是1，说明集群中只有一个节点，且这个节点是数据节点。
• active_primary_shards 和 active_shards:
  分别表示活跃的主分片和总的活跃分片数量。这里都是10，说明有10个主分片是活跃的，且没有额外的副本分片（因为总数也是10）。
• relocating_shards: 正在迁移的分片数量。这里是0，表示没有分片在迁移。 initializing_shards:
  正在初始化的分片数量。这里是0，表示没有分片在初始化。 unassigned_shards:
  未分配的分片数量。这里是2，通常这表示有分片因为某些原因（如节点故障、磁盘空间不足等）没有被分配到任何节点上。这是集群状态为yellow的一个原因，因为有副本分片没有被分配。
• delayed_unassigned_shards: 延迟未分配的分片数量。这里是0，表示没有延迟未分配的分片。
• number_of_pending_tasks: 集群中等待执行的挂起任务数量。这里是0，表示没有挂起的任务。
• number_of_in_flight_fetch: 当前正在进行的拉取操作数量。这里是0，表示没有正在进行的拉取操作。
• task_max_waiting_in_queue_millis: 任务在队列中等待的最长时间（毫秒）。这里是0，表示没有任务在等待。
• active_shards_percent_as_number: 活跃分片的百分比。

索引操作

创建索引

PUT /mall-shop
{
  "settings": {
    "number_of_shards": 1,
    "number_of_replicas": 1
  }
}

解释说明

• “settings”：这是一个包含索引级别设置的顶层对象。
• “number_of_shards”：定义了索引中主分片的数量。在这个例子中，它被设置为1，意味着索引将只有一个主分片。
• “number_of_replicas”：定义了每个主分片的副本数量。在这个例子中，它被设置为1，意味着每个主分片将有一个副本。

• acknowledged"：表示请求是否已经被集群中的主节点所接收。在这里，它被设置为true，意味着请求已被接收。
• “shards_acknowledged”：在Elasticsearch中，索引操作是分布式的，并且会涉及多个分片。这个字段表示分片级别的操作是否已经被成功接收。在这里，它被设置为true，意味着所有相关的分片都接收到了操作请求。
• “index”：返回了操作的索引名称，这里是mall-shop。

更新索引

PUT /mall-shop/_settings
{
  "settings": {
    "number_of_replicas": 0
  }
}

查询索引列表

GET /_cat/indices?v=true&pretty

查看索引是否存在

GET /mall-shop

解释说明：

• mall-shop：这是索引的名称，即mall-shop。
• aliases：这是一个空的对象，意味着当前没有为该索引设置别名。别名在Elasticsearch中是一个很有用的功能，允许你为索引提供一个或多个额外的名称，这样你就可以通过别名来查询索引，而不是直接使用索引名。
• mappings：这也是一个空的对象。在Elasticsearch中，mappings定义了索引中每个字段的类型、属性和其他设置。例如，你可以指定某个字段是字符串类型、整数类型、是否应该被索引、是否应该被分析等等。这里为空，可能意味着索引尚未定义任何字段的映射，或者这是一个空的、新的索引。
• settings：这部分包含了索引的设置和元数据。
• routing：定义了与路由相关的设置。在这里，它有一个allocation子对象，用于定义索引分片的分配策略。
• number_of_shards：定义了索引的主分片数量。在这里，它被设置为"1"，意味着这个索引只有一个主分片。
• provided_name：这是索引的原始名称，即mall-shop。
• creation_date：这是一个时间戳，表示索引的创建时间。但这里的值"1719236130118"看起来不是一个典型的时间戳格式，可能是示例数据或经过某种处理的。
• number_of_replicas：定义了每个主分片的副本数量。在这里，它被设置为"0"，意味着这个索引没有副本。
• uuid：是索引的唯一标识符，通常用于管理和引用特定的索引。
• version：包含了与索引版本相关的信息。
• include：定义了哪些节点应该被包括在索引分片的分配中。这里指定了一个_tier_preference条件，即只有带有"data_content"这个标签的节点才会被考虑用于分配索引的分片。
• created：表示创建索引时Elasticsearch的版本号。这里的"8040199"同样看起来不是一个典型的版本号，可能是示例数据或某种特定的标识符。
• index：这是一个嵌套的JSON对象，包含了索引的特定设置。

删除索引

DELETE /mall-shop

文档操作

新增文档（指定id,不指定系统也会帮我们自动生成）

PUT /mall-shop/_doc/1
{
  "id":101,
  "title":"study elasticsearch 8.4.1",
  "pv":100
}

解释说明：

• _index: 这是操作发生的索引名称，即"mall-shop"。
• _id: 这是索引中文档的唯一标识符。在这个例子中，文档的ID是"1"。
  _version: 这是文档的当前版本。每次文档被索引、更新或删除时，其版本号都会递增。在这个例子中，版本号是1，表示这是一个新创建的文档。
• result: 这表示操作的结果。“created"表示文档已成功创建。如果文档已经存在并且你尝试使用相同的ID再次索引它，结果可能会是"updated”。
• _shards: 这是一个关于分片操作的信息块。在Elasticsearch中，索引被分割成多个分片，并且每个分片都可以有零个或多个副本。
• total: 操作涉及的总分片数。在这个例子中，它是1，意味着索引只有一个分片（或操作只涉及一个分片）。
• successful: 成功操作的分片数。这里是1，表示所有涉及的分片都成功完成了操作。
• failed: 失败操作的分片数。这里是0，表示没有分片在操作中失败。
• _seq_no: 这是文档在索引中的序列号。Elasticsearch 6.x及更高版本引入了序列号（sequence numbers）和主要术语（primary terms）作为乐观并发控制（optimistic concurrency control）的一部分。序列号用于跟踪文档版本和确定文档操作的顺序。在这个例子中，序列号是0，因为这是一个新创建的文档。
• _primary_term: 这是与文档相关的主要术语。它也是乐观并发控制的一部分，用于在文档复制和恢复过程中识别文档的“时代”。在这个例子中，主要术语是1，表示这是与文档相关的第一个时代。

查看文档

GET /mall-shop/_doc/1

解释说明：

• _index:这表示文档所在的索引名称，即"mall-shop"。

• _id:这是文档的唯一标识符，即"1"。在Elasticsearch中，每个文档都有一个唯一的_id，用于在索引中标识和检索该文档。

• _version:这是文档的版本号，即1。每当文档被修改时（如更新、删除后重新索引等），其版本号都会递增。这有助于跟踪文档的更改历史。

• _seq_no:这是文档在索引中的序列号（sequence number）。Elasticsearch使用序列号来跟踪文档的变化，它是乐观并发控制（optimistic concurrency control）的一部分。序列号随着文档的变化而递增。

• _primary_term:这是与文档相关的主要术语（primary term）。它与序列号一起用于在Elasticsearch中处理并发更新。主要术语在索引的主分片生命周期内是唯一的，并且当主分片被替换时（例如，由于故障转移），主要术语会增加。

• found:这是一个布尔值，表示是否找到了与给定_id匹配的文档。在这个例子中，found是true，表示找到了文档。

• _source:
  id: 文档的内部ID，值为101。请注意，这与_id不同，_id是Elasticsearch中用于索引和检索文档的唯一标识符。
  title: 文档的标题，值为"study elasticsearch 8.4.1"。这可能是一个描述文档内容的标题。
  pv: 可能是页面浏览量（page views）的缩写，值为100。这可能表示该文档（可能是网页、商品页面等）已被访问或查看了100次。
  这是文档的实际内容，也称为源字段（source field）。它包含了文档的所有原始JSON数据。在这个例子中，文档包含三个字段：

修改文档（pots/put都支持，需要指定id）

POST /mall-shop/_doc/1
{
  "id":102,
  "title":"post study elasticsearch8.4.1",
  "pv":300,
  "uv":101
}

搜索

GET /mall-shop/_search

​解释说明：

• took:这个字段表示执行查询所花费的时间，以毫秒为单位。在这个例子中，查询花费了887毫秒。

• timed_out:这是一个布尔值，表示查询是否超时。false表示查询没有超时。

• _shards:

• total: 查询涉及的总分片数。这里是1，意味着索引可能只有一个主分片。

• successful: 查询成功执行的分片数。

• skipped: 查询被跳过的分片数。在一些特定的查询和过滤条件下，某些分片可能不需要被查询，因此会被跳过。

• failed: 查询失败的分片数。这里为0，表示所有涉及的分片都成功返回了结果。
  这个部分提供了有关查询涉及的分片的信息。

• hits:

  • total:
  • max_score: 查询返回文档中的最高评分。在Elasticsearch中，每个文档都有一个与查询相关的评分，这个评分决定了文档在结果列表中的排序。在这个例子中，所有匹配的文档评分都是1（可能是因为这是一个简单的term查询或match查询，且没有额外的评分逻辑）。
  • hits:
    • value: 匹配查询的文档总数。这里是1，表示只有一个文档匹配了查询条件。
      relation: 表示value字段是如何与真实的文档数量相关的。"eq"表示value字段的值与真实的文档数量相等。
    • _index: 文档的索引名，这里是mall-shop。
    • _id: 文档的ID，这里是1。
    • _score: 文档的评分，这里是1。
    • _source: 这是文档的原始内容（即源JSON），包含了文档的所有字段和它们的值。在这个例子中，文档包含了id、title、pv和uv四个字段，分别表示文档的内部ID、标题、页面浏览量（page views）和独立访客数（unique visitors）。
      这是一个数组，包含了查询返回的具体文档。在这个例子中，只有一个文档被返回。
      这是查询返回的主要部分，包含了查询的结果。

​删除文档

DELETE /mall-shop/_doc/1

通过上述实践，我们不仅掌握了如何监控和管理Elasticsearch集群的健康状况，还学会了如何高效地操作索引和文档，这涵盖了从索引创建到文档的生命周期管理的全过程。理解并熟练运用这些基础操作，是构建复杂搜索应用和数据分析系统的基石。实践出真知，建议读者动手尝试这些命令，结合实际应用场景不断深化对Elasticsearch功能的理解和掌握，以支撑更加丰富多样的数据处理需求。
更多内容请关注一下公众号