Elasticsearch（五）数据操作

最新推荐文章于 2024-05-07 17:11:44 发布

全栈编程网

最新推荐文章于 2024-05-07 17:11:44 发布

阅读量542

点赞数

分类专栏： Elasticsearch Elasticsearch

本文链接：https://blog.csdn.net/ruanhao1203/article/details/89917531

版权

Elasticsearch 同时被 2 个专栏收录

19 篇文章 1 订阅

订阅专栏

Elasticsearch

13 篇文章 3 订阅

订阅专栏

1. 悲观并发控制（Pessimistic concurrency control）

2. 乐观并发控制（Optimistic concurrency control）

1、文档概述

通常情况下，对象和文档时等价相通的。不过也有所差别：对象是一个 JSON 结构体——类似于哈希、hashmap、字典或者关联数据；对象中还可能包含其他对象。在Elasticsearch 中，文档特指最顶层结构或者跟对象序列化成的 JSON数据（以唯一 ID 标识并存储于 Elasticsearch 中）。

元数据

一个文档不只有数据，它还包含了 元数据（metadata）—— 关于文档的信息。三个必须的元数据节点是：

节点	说明
`_index`	文档存储的地方
`_type`	文档代表的对象的类
`_id`	文档的唯一标识

索引（index） —— 相当于关系型数据库里的数据库 ——它是存储和索引关联数据的地方。

类型（Type）—— 每个文档（对象）都属于某一个类型（type），相同类型（Type）的文档表示相同的“事物" ，因为他们的数据结构也是相同的。相当于数据库中的表。

id 仅仅是一个字符串，它与 _index 和 _type 组合时，就可以在 Elasticsearch 中唯一标识一个文档。当创建一个文档，你可以自定义 _id，也可以让 Elasticsearch 帮你自动生成。

其他元数据

待续

2、索引（存储数据）

文档通过 index API 被索引 —— 使数据可以被存储和搜索。

创建 website索引

curl -H "Content-Type: application/json" -XPUT 'http://10.24.54.241:9200/website' -d '{"settings" : {"number_of_shards" : 2,"number_of_replicas" : 1}}'

自定义 ID

PUT /{index}/{type}/{id}
{
  "field": "value",
  ...
}

例如我们的索引叫做“website”，类型叫做“blog”，我们选择的ID是“123”，那么这个索引请求就像这样：

PUT /website/blog/123
{
  "title": "My first blog entry",
  "text":  "Just trying this out...",
  "date":  "2014/01/01"
}

对应命令

curl -H "Content-Type: application/json" -XPUT 'http://10.24.54.241:9200/website/blog/123' -d '{"title": "My first blog entry","text":  "Just trying this out...","date":  "2014/01/01"}'

结果：

{
    "_index":"website",
    "_type":"blog",
    "_id":"123",
    "_version":1,
    "result":"created",
    "_shards":{
        "total":2,
        "successful":2,
        "failed":0
    },
    "_seq_no":0,
    "_primary_term":1
}

响应指出请求的索引已经被成功创建，这个索引中包含_index、_type和_id元数据，以及一个新元素：_version。

自增 ID

Elasticsearch 自动生成 ID。请求结构发生了变化：PUT 方法 —— “在这个URL中存储文档” 变成了 POST 方法 —— “在这个类型下存储文档”，通俗讲：原来把文档存储到某个 ID 对应的空间，现在是把这个文档添加到某个 _type 下。

命令变为

POST /website/blog/
{
  "title": "My second blog entry",
  "text":  "Still trying this out...",
  "date":  "2014/01/01"
}

改成命令行模式：

curl -H "Content-Type: application/json" -XPOST 'http://10.24.54.241:9200/website/blog' -d '{"title": "My second blog entry","text":  "Still trying this out...","date":  "2014/01/01"}'

结果：

{
    "_index":"website",
    "_type":"blog",
    "_id":"BBVwkGoB1YPGGlWYBvT-",
    "_version":1,
    "result":"created",
    "_shards":{
        "total":2,
        "successful":2,
        "failed":0
    },
    "_seq_no":0,
    "_primary_term":1
}

_id 为自动生成的值。

3、查询刚才创建的文档

curl -XGET 'http://10.24.54.241:9200/website/blog/123?pretty'

结果：

{
  "_index" : "website",
  "_type" : "blog",
  "_id" : "123",
  "_version" : 2,
  "_seq_no" : 1,
  "_primary_term" : 1,
  "found" : true,
  "_source" : {
    "title" : "My second blog entry",
    "text" : "Still trying this out...",
    "date" : "2014/01/01"
  }
}

_source：包含了创建索引时发送给 Elasticsearch 的原始文档。

_found：找到此文档 true，不存在为 false。

检索文档的一部分

curl -XGET 'http://10.24.54.241:9200/website/blog/123?pretty&_source=title,text'

结果：

{
  "_index" : "website",
  "_type" : "blog",
  "_id" : "123",
  "_version" : 2,
  "_seq_no" : 1,
  "_primary_term" : 1,
  "found" : true,
  "_source" : {
    "text" : "Still trying this out...",
    "title" : "My second blog entry"
  }
}

_source 数据被过滤了

只要 _source 数据

curl -XGET 'http://10.24.54.241:9200/website/blog/123/_source?pretty'

结果：

{
  "title" : "My second blog entry",
  "text" : "Still trying this out...",
  "date" : "2014/01/01"
}

4、检测文档是否存在

使用 HEAD 请求不会返回响应体，只有 HTTP 头：

curl -i -XHEAD 'http://10.24.54.241:9200/website/blog/123'

结果：

HTTP/1.1 200 OK
content-type: application/json; charset=UTF-8
content-length: 205

不存在的返回结果：

HTTP/1.1 404 Not Found
content-type: application/json; charset=UTF-8
content-length: 61

5、更新文档

文档在 Elasticsearch 中是不可变得 —— 我们不能修改他们。如果需要更新已存在的文档，我们需要重建索引或者替换掉它。

curl -H "Content-Type: application/json" -XPUT 'http://10.24.54.241:9200/website/blog/123' -d '{"title": "Update My first blog entry","text":  "Update Just trying this out...","date":  "2014/01/01"}'

运行后，再次查询这个记录，如下：

{
  "_index" : "website",
  "_type" : "blog",
  "_id" : "123",
  "_version" : 3,
  "_seq_no" : 2,
  "_primary_term" : 1,
  "found" : true,
  "_source" : {
    "title" : "Update My first blog entry",
    "text" : "Update Just trying this out...",
    "date" : "2014/01/01"
  }
}

_version 自增了

_source 内容改变了。

6、创建一个新文档（如果已存在则不创建）

想要保证文档是新加入的最简单的方式是使用 POST 方法让 Elasticsearch 自动生成唯一 ID。

如果想使用自定义的 ID，我们必须判断此文档是否存在，不存在时才创建，存在时则抛出异常，这里可以使用 op_type 查询参数：

PUT /website/blog/123?op_type=create
{ ... }

或者第二种方法是在URL后加/_create做为端点：

PUT /website/blog/123/_create
{ ... }

如果请求成功的创建了一个新文档，Elasticsearch将返回正常的元数据且响应状态码是201 Created。

另一方面，如果包含相同的_index、_type和_id的文档已经存在，Elasticsearch将返回409 Conflict响应状态码，错误信息类似如下：

{
  "error" : "DocumentAlreadyExistsException[[website][4] [blog][123]:
             document already exists]",
  "status" : 409
}

7、删除文档

使用 DELETE 方法：

curl -XDELETE 'http://10.24.54.241:9200/website/blog/124'

8、版本控制（乐观锁）

冲突问题

例如：我们使用 Elasticsearch 存储大量在线商店的库存信息，每当销售一个商品，Elasticsearch 中的库存就要减一。如果两个同时运行的 Web 进程，两者同时减一件商品的库存：

img-data-lww

如图，就可能造成库存减一，实际卖了两件。

在传统数据库中有两种方式解决这种问题：

1. 悲观并发控制（Pessimistic concurrency control）

在关系型数据库中典型的例子是在读一行数据前锁定这行，然后确保只有加锁的那个线程可以修改这行数据。

2. 乐观并发控制（Optimistic concurrency control）

被 Elasticsearch 使用，假如冲突不经常发生，如果在读写过程中数据发生了变化，更新操作将失败。这时候由程序决定在失败后如何解决冲突。实际情况中，可以重新尝试更新，刷新数据或者直接返回给用户。

乐观并发控制

Elasticsearch 是分布式的。当文档被创建、更新或删除，文档的新版本会被复制到集群的其他节点。

Elasticsearch 即是同步的又是异步的，意思是这些复制请求都是平行发送的，并无序的到达目的地。这就需要一种方法确保老版本的文档永远不会覆盖新的版本。

Elasticsearch 使用 _version 保证所有修改都被正确排序。当一个旧版本出现在新版本之后，它会被简单的忽略。

第 6 创建一个新文档章节，已经讲了如何指定版本已经存在则会报错，这时就要获取新的文档版本号，重试更新库存。

9、文档局部更新

更新文档部分内容，例如新增字段：

curl -H "Content-Type: application/json" -XPOST 'http://10.24.54.241:9200/website/blog/123/_update' -d '{"doc": {"title": "doc title","tags":  ["tag1"],"views":  0}}'

更新后结果：

{
  "_index" : "website",
  "_type" : "blog",
  "_id" : "123",
  "_version" : 4,
  "_seq_no" : 3,
  "_primary_term" : 2,
  "found" : true,
  "_source" : {
    "title" : "doc title",
    "text" : "Update Just trying this out...",
    "date" : "2014/01/01",
    "views" : 0,
    "tags" : [
      "tag1"
    ]
  }
}

更新了 title 字段；

新增了 tags、views字段。

10、检索多个文档（Mget）

合并多个请求可以避免每个请求单独的网络开销。

POST /_mget
{
   "docs" : [
      {
         "_index" : "website",
         "_type" :  "blog",
         "_id" :    2
      },
      {
         "_index" : "website",
         "_type" :  "pageviews",
         "_id" :    1,
         "_source": "views"
      }
   ]
}

11、批量操作

mget允许我们一次性检索多个文档一样，bulk API允许我们使用单一请求来实现多个文档的create、index、update或delete。这对索引类似于日志活动这样的数据流非常有用，它们可以以成百上千的数据为一个批次按序进行索引。

bulk请求体如下，它有一点不同寻常：

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

这种格式类似于用"\n"符号连接起来的一行一行的JSON文档流(stream)。两个重要的点需要注意：

每行必须以"\n"符号结尾，包括最后一行。这些都是作为每行有效的分离而做的标记。
每一行的数据不能包含未被转义的换行符，它们会干扰分析——这意味着JSON不能被美化打印。

action/metadata这一行定义了文档行为(what action)发生在哪个文档(which document)之上。

行为(action)必须是以下几种：

行为解释
create 当文档不存在时创建之。详见《创建文档》
index 创建新文档或替换已有文档。见《索引文档》和《更新文档》
update 局部更新文档。见《局部更新》
delete 删除一个文档。见《删除文档》

行为	解释
`create`	当文档不存在时创建之。详见《创建文档》
`index`	创建新文档或替换已有文档。见《索引文档》和《更新文档》
`update`	局部更新文档。见《局部更新》
`delete`	删除一个文档。见《删除文档》

例子：

在 linux 进入某个目录下，创建一个 bulk.json 文件，文件内容为：

{ "update": { "_index": "website", "_type": "blog", "_id": "123", "_retry_on_conflict" : 3}}
{ "doc" : {"title" : "My updated blog post"} }

运行命令：

curl -i -H "Content-Type: application/json" -XPOST 'http://10.24.54.241:9200/website/blog/_bulk?pretty' --data-binary @bulk.json

批量运行后的返回值：

HTTP/1.1 200 OK
Warning: 299 Elasticsearch-6.7.2-56c6e48 "Deprecated field [_retry_on_conflict] used, expected [retry_on_conflict] instead"
content-type: application/json; charset=UTF-8
content-length: 412

{
  "took" : 191,
  "errors" : false,
  "items" : [
    {
      "update" : {
        "_index" : "website",
        "_type" : "blog",
        "_id" : "123",
        "_version" : 5,
        "result" : "updated",
        "_shards" : {
          "total" : 2,
          "successful" : 2,
          "failed" : 0
        },
        "_seq_no" : 4,
        "_primary_term" : 2,
        "status" : 200
      }
    }
  ]
}

文档更新后的结果：

{
  "_index" : "website",
  "_type" : "blog",
  "_id" : "123",
  "_version" : 5,
  "_seq_no" : 4,
  "_primary_term" : 2,
  "found" : true,
  "_source" : {
    "title" : "My updated blog post",
    "text" : "Update Just trying this out...",
    "date" : "2014/01/01",
    "views" : 0,
    "tags" : [
      "tag1"
    ]
  }
}

title的值改变了。

全栈编程网

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
Elasticsearch（五）数据操作

目录1、文档概述元数据其他元数据2、索引（存储数据）自定义 ID自增 ID3、查询刚才创建的文档检索文档的一部分4、检测文档是否存在5、更新文档6、创建一个新文档（如果已存在则不创建）7、删除文档8、版本控制（乐观锁）冲突问题1. 悲观并发控制（Pessimistic concurrency control）2. 乐观并发控制（...
复制链接

扫一扫

专栏目录