ES 常用操作入门到高级 (ES7.4)

最新推荐文章于 2024-07-23 22:02:14 发布

哈哈和呵呵

最新推荐文章于 2024-07-23 22:02:14 发布

阅读量1.6k

点赞数 1

分类专栏： es

本文链接：https://blog.csdn.net/wangbaosongmsn/article/details/106924034

版权

es 专栏收录该内容

12 篇文章 0 订阅

订阅专栏

一、索引

1.1 创建一个空索引

PUT template_rollover_info-0

{

}

1.1 创建一个索引并同时写入数据

添加文档时，防止覆盖已存在的文档，可以通过_create加以限制。

PUT /TSTTST/_doc/2/ _create

{

"NAME": "TST"

}

1.2创建一个索引并同时添加别名、别名添加属性

PUT /template_rollover_info-0

{

"aliases": {

"template_rollover_info_alias": {

"is_write_index": true

}

重命名

POST _reindex { "source": { "index": "old_name" }, "dest": { "index": "new_name" } }

2.查询索引的文档数

GET /template_rollover_info-*/_count

2.1 查询索引数据

GET template_rollover_info_alias/_search

get TST_basic_info/_search

2.2 terms 查询

GET XXX_YYYalias_TST_basic_info/_search

{

"query": {

"terms" : { "TSTId" : {

"index" : "XXX_YYYalias_P_role",

"id" : "63102010803202008372000001B201658033581948947001",

"path" : "TSTId"

}}

}

3. 根据索引名模糊查询索引概要

GET _cat/indices/tem*?v

GET _cat/indices/*plan*?v

4. 查看索引定义

get template_rollover_info-00*

4. 删除单个索引

DELETE kibana_sample_data_ecommerce15

5. 删除多个索引

DELETE kibana_sample_data_ecommerce*

6. 范围查询索引

GET XXX/_search

{

"query": {

"range": {

"cardValidityEndDate":{"gt":35, "lt": 50}

}

查询结果返回_version 字段

GET student/_search{

"query": {

"match": {

"age": "12"

}

"version": true}

GET /索引库名查看索引下有哪些类型（7版本之前）

二、别名

GET _cat/indices?v

1. 查看template_rollover开头的别名

(alias index filter routing.index routing.search is_write_index)

GET _cat/aliases/template_rollover*?v

一个别名对应多个索引

2. 查看template_rollover_info_alias对应哪些索引及索引的定义

GET template_rollover_info_alias

3. 查看所有别名及别名对应索引

GET */_alias/*

4. 删除某个索引别名

DELETE template_rollover_info/_alias/template_rollover_info_alias

5. 查看索引与别名关系

你可以检测这个别名指向哪一个索引：

GET /*/_alias/my_index

拷贝为 cURL在 Sense 中查看

或哪些别名指向这个索引：

GET /my_index_v1/_alias/*

拷贝为 cURL在 Sense 中查看

两者都会返回下面的结果：

6.给索引添加别名

POST _aliases

{

"actions": [

{

"add": {

"index": "indexName ",

"alias": " aliasName"

}

]

}

查看所有索引

GET _cat/indices?v&s=index:asc

GET /_cat/nodes?v

GET /_cat/indices

GET /kibana_sample_data_ecommerce/_settings

GET /kibana_sample_data_ecommerce/_mapping

GET /_cat/indices?v&h=health,status,index

GET _template

GET _template/cus*

GET _cat/templates?v

GET _alias

GET _alias/

GET _cat/aliases

es 别名: https://www.cnblogs.com/niutao/p/10908981.html

es没有修改别名的操作，只能先删除后添加

ROLLOVER:一个别名指向多个索引时，其中一个会通过is_write_index =true来表示写索引. 可以将起始别名此项设置为true

POST /test*/_forcemerge

POST /_forcemerge?flush=true

三、模板

1. 查看tem开头的模板概要

(name index_patterns order version)

GET _cat/templates/tem*?v

1. 查看具体模板概要

GET _cat/templates/template_rollover_info?v

2. 查看具体模板定义

GET _template/template_rollover_info

GET _template/template_rollover*

3. 删除 template_rollover_info_alias 模板

DELETE _template/template_rollover_info_alias

DELETE _template/template_rollover_info

四、段

强制归并 segment

POST /_forcemerge

负载较低的时间段，通过 forcemerge 接口，强制归并 segment。

查看段内存大小

GET /_cat/segments?v

curl -s -uelastic:changeme 'http://IP:9200/_cat/nodes?v&h=segments.count,segments.memory,segments.index_writer_memory,segments.version_map_memory,segments.fixed_bitset_memory'

找到答案了，es删除索引后只是把索引标记为已删除，需要手动执行forcemerge才会真正的删除掉。

POST /kibana_sample_data_ecommerce-*/_forcemerge

POST /_forcemerge

GET /_cat/segments/P_summary?v

分片

GET /_cat/shards/P_summary?v

改变分片数

7版本以上的elasticsearch吧，默认只允许1000个分片，

PUT /_cluster/settings

{"transient":{

"cluster":{

"max_shards_per_node":10000}}}

现在在elasticsearch.yml中定义

> cluster.max_shards_per_node: 10000

貌似也不生效，默认就允许创建1000个分片，我是在kibana的tools中改变临时设置

查看所有分片

GET _cat/shards

六、 rollover

rollover

PUT /template_rollover_info-0

{

"aliases": {

"template_rollover_info_alias": {

"is_write_index": true

}

POST /template_rollover_info_alias/_rollover

{

"conditions": {

"max_age": "30s",

"max_docs": 50,

"max_size": "5kb"

}

1. 为true 时， scheduled:0/30 * * * * ? 定时间隔大余 addMaxIndexAgeCondition

否则会报新索引存在；

2. 为true时，定时间隔可以随意

另外：template_rollover_info_alias 使用同一别名过程中，scheduled 和 Condition 不要变化、否则会出现一些错误，报新索引存在的可能性比较大

七、DSL数据查询

GET _search

{

"query": {

"match_all": {}

}

POST P_summary/_search

{

}

POST P_summary/_search

{

"query": {

"bool": {

"must": [

{

"term": {

"PNo": "111112"

}

"must_not": [ ],

"should": [ ]

}

"from": 0,

"size": 10,

"sort": [{"flowTime":"desc"}],

"aggs": { }

}

YYY排查用

POST TST_basic_info/_search

{

"query": {

"bool": {

"must": [

{

"term": {

"businessNo": "6420110101020190000144"

}

"must_not": [ ],

"should": [ ]

}

"from": 0,

"size": 10,

"sort": [{"flowTime":"desc"}],

"aggs": { }

}

POST P_summary/_search

{

"query": {

"bool": {

"must_not": [ ],

"should": [ ]

}

"from": 0,

"size": 10,

"sort": [ {"flowTime":"desc"}],

"aggs": { }

}

八、排序

九、reindex

reindex 详解:

elasticsearch 基础 —— ReIndex

https://blog.csdn.net/ctwy291314/article/details/82734667

只要环境可访问，则可以在任何版本之间对数据进行reindex，那么这也是版本es升级的数据迁移不错的选择

注意：reindex，需要事先建立好mapping，否则会出现莫名其妙的问题。

POST _reindex

{

"source": {

"index": "TST_basic_info"

"dest": {

"index": "YYY_TST_basic_info"

}

elasticsearch实现远程索引复制

https://blog.csdn.net/lpp_dd/article/details/78554839

{

"took" : 8610,

"timed_out" : false,

"total" : 59575,

"updated" : 0,

"created" : 59575,

"deleted" : 0,

"batches" : 60,

"version_conflicts" : 0,

"noops" : 0,

"retries" : {

"bulk" : 0,

"search" : 0

"throttled_millis" : 0,

"requests_per_second" : -1.0,

"throttled_until_millis" : 0,

"failures" : [ ]

}

索引迁移

POST _reindex
{
"conflicts": "proceed",
"source": {
"index": "twitter"
},
"dest": {
"index": "new_twitter",
"op_type": "create"
}
}

"op_type": "create" ：主键存在时不覆盖

POST _reindex

{

"source": {

"index": "source",

"size": 5000

"dest": {

"index": "dest",

"routing": "=cat"

}

slices 使用

POST _reindex?slices=5&refresh

{

"source": {

"index": "twitter"

"dest": {

"index": "new_twitter"

}

op_type和conflicts

十、分片

https://blog.csdn.net/qq_38486203/article/details/80077844

分片个数是越多越好，还是越少越好了？根据整个索引的数据量来判断。

实列场景：

如果 IndexA 所有数据文件大小是300G，改怎么定制方案了？(可以通过Head插件来查看)

分片建议：（仅参考）

1、每一个分片数据文件小于30GB

2、每一个索引中的一个分片对应一个节点

3、节点数大于等于分片数

根据建议，至少需要 10 个分片。

结果：建10个节点 (Node)，Mapping 指定分片数为 10，满足每一个节点一个分片，每一个分片数据带下在30G左右。

SN(分片数) = IS(索引大小) / 30

NN(节点数) = SN(分片数) + MNN(主节点数[无数据]) + NNN(负载节点数)

分片查询

我们可以指定es去具体的分片查询从而进一步的实现es极速查询。

randomizeacross shards

随机选择分片查询数据，es的默认方式

_local

优先在本地节点上的分片查询数据然后再去其他节点上的分片查询，本地节点没有IO问题但有可能造成负载不均问题。数据量是完整的。

_primary

只在主分片中查询不去副本查，一般数据完整。

_primary_first

优先在主分片中查，如果主分片挂了则去副本查，一般数据完整。

_only_node

只在指定id的节点中的分片中查询，数据可能不完整。

_prefer_node

优先在指定你给节点中查询，一般数据完整。

_shards

在指定分片中查询，数据可能不完整。

_only_nodes

reindex的核心做跨索引、跨集群的数据迁移。

慢的原因及优化思路无非包括：

1）批量大小值可能太小。

需要结合堆内存、线程池调整大小；

2）reindex的底层是scroll实现，借助scroll并行优化方式，提升效率；

3）跨索引、跨集群的核心是写入数据，考虑写入优化角度提升效率。

、Task API 操作

1、使用Task API查看reindex的情况

GET _tasks?detailed=true&actions=*reindex

状态如下：可知道当前的taskId = 9620804

2、使用TaskId查看执行的状态

3、使用Cancel Task API取消正在执行的reindex操作

取消操作可能需要几秒钟的时间，取消方式如下：

POST _tasks/task_id:9620804/_cancel

4、使用Task API 重置reindex的节流限制

POST _reindex/task_id:9620804/_rethrottle?requests_per_second=-1

、并行化执行reindex操作

1、手动并行化

如下是两个slices的手动并行化reindex：

10 scroll

GET /P_summary/_search?scroll=1m

{

"query": { "match_all": {}},

"sort" : ["_doc"],

"size": 1000

}

POST /_search/scroll

{

"scroll" : "1m",

"scroll_id" : "DXF1ZXJ5QW5kRmV0Y2gBAAAAAAJpKuEWSHQxUFdlMGlRci1NWEV5Mi1Hc2ctUQ=="

}

参数 search_type=scan 被移除，参考

https://www.elastic.co/guide/en/elasticsearch/reference/5.1/breaking_50_search_changes.html#_literal_search_type_scan_literal_removed

十一、

十二、

十三、更新

更新字段

通过脚本更新制定字段，其中ctx是脚本语言中的一个执行对象，先获取_source，再修改content字段

POST blog/_doc/1/_update

{

"script": {

"source": "ctx._source.content=\"从官网下载VMware-workstation，双击可执行文件进行安装...\""

}

注：blog/_doc/1/_update 其中:_doc也可以是具体的类型名称(ES7之前的版本)

添加字段

POST blog/_doc/1/_update

{

"script": {

"source": "ctx._source.author=\"chengyuqiang\""

}

删除字段

POST blog/_doc/1/_update

{

"script": {

"source": "ctx._source.remove(\"url\")"

}

十四、refresh flush

立即刷新、文档可见

这些将创建一个文档并立即刷新索引，使其可见：

DELETE

PUT /_doc/1?refresh

{"message": "测试文档1"}

PUT /_doc/2?refresh=true

{"message": "测试文档2"}

不刷新

这些将创建一个文档而不做任何使搜索可见的内容：

PUT /_doc/3

{"message": "测试文档3"}

PUT /_doc/4?refresh=false

{"message": "测试文档4"}

等待刷新可见

PUT /_doc/5?refresh=wait_for

{"message": "测试文档5"}

flush 和 refresh 区别

十五、_ilm

https://blog.csdn.net/wyz0516071128/article/details/102709606、

查看 XXX_*开头索引的策略

GET XXX_*/_ilm/explain

ilm状态查看

GET _ilm/status

return

{

"operation_mode": "RUNNING"

}

ilm所有策略查看

GET _ilm/P

ilm 更新、查看转换、启动、关闭

参考https://blog.csdn.net/vkingnew/article/details/91962002

十六、_field_caps

GET _field_caps?fields=agreementCode,PStatus

十七、profile

GET XXX_YYYalias_TST_basic_info/_search

{

"from":0,

"size":100,

"query":{

"bool":{

"must":[

{

"term":{

"identifyNumber":{

"value":"2C8I0D65e6e6562020dd7aa706f323e45b3d3c216bfb5a755ce70e696761dbe86538c1d2",

"boost":1

}

{

"term":{

"identifyType":{

"value":"01",

"boost":1

}

{

"term":{

"name":{

"value":"白云玲",

"boost":1

}

"adjust_pure_negative":true,

"boost":1

}

"sort":[

{

"businessTime":{

"order":"desc"

}

]

}

{

"took" : 355,

"timed_out" : false,

"_shards" : {

"total" : 18,

"successful" : 18,

"skipped" : 0,

"failed" : 0

"hits" : {

"total" : {

"value" : 0,

"relation" : "eq"

"max_sXXX" : null,

"hits" : [ ]

}

加上profile

GET XXX_YYYalias_TST_basic_info/_search

{

"from":0,

"size":100,

"profile": true,

"query":{

"bool":{

"must":[

{

"term":{

"identifyNumber":{

"value":"2C8I0D65e6e6562020dd7aa706f323e45b3d3c216bfb5a755ce70e696761dbe86538c1d2",

"boost":1

}

{

"term":{

"identifyType":{

"value":"01",

"boost":1

}

{

"term":{

"name":{

"value":"白云玲",

"boost":1

}

"adjust_pure_negative":true,

"boost":1

}

"sort":[

{

"businessTime":{

"order":"desc"

}

]

}

....

Profile API响应说明

Query

Query 段由构成Query的元素以及它们的时间信息组成。Profile API结果中Query 部分的基本组成是：

query type ：显示哪种类型的查询被触发。

time: lucene执行此查询所用的时间。单位是毫秒。

time_in_nanos – 执行此查询所用的时间。单位是纳秒。

breakdown – 有关查询的更详细的细节，主要与lucene参数有关。

children – 具有多个关键字的查询被拆分成相应术语的布尔查询，每个查询都作为单独的查询来执行。每个子查询的详细信息将填充到Profile API输出的子段中。

Rewrite Time

由于多个关键字会分解以创建个别查询，所以在这个过程中肯定会花费一些时间。将查询重写一个或多个组合查询的时间被称为“重写时间”。(以纳秒为单位)。

Collectors

在Lucene中，收集器是负责收集原始结果，收集和组合结果，执行结果排序等的过程。

————————————————

原文链接：https://blog.csdn.net/majianxiong_lzu/article/details/90441624

Profile API响应说明：

上面的响应显示的是单个分片。每个分片都被分配一个唯一的ID，ID的格式是[nodeID][indexName][shardID]。现在在"shards"数组里还有另外三个元素，它们是：

query

rewrrite_time

collector

Query

Query 段由构成Query的元素以及它们的时间信息组成。Profile API结果中Query 部分的基本组成是：

type —— 它向我们显示了哪种类型的查询被触发。此处是布尔值。因为多个关键字匹配查询被分成两个布尔查询。

description —— 该字段显示启动查询的lucene方法。这里是 "author:鲁 author:迅"

time —— lucene 执行此查询所用的时间。单位是毫秒。

time_in_nanos —— lucene 执行此查询所用的时间。单位是微秒。

breakdown —— 有关查询的更详细的细节，主要与lucene参数有关。

children —— 具有多个关键字的查询被拆分成相应术语的布尔查询，每个查询都作为单独的查询来执行。每个子查询的详细信息将填充到Profile API输出的子段中。在上面的章节中，可以看到第一个子元素查询是"鲁"，下面给出查询时间和其他breakdown参数等详细信息。同样，对于第二个关键字，有一个名为"迅"的子元素具有与其兄弟相同的信息。从查询中的子段中，我们可以得到关于哪个搜索项在总体搜索中造成最大延迟的信息。

Rewrite Time

Collectors

在Lucene中，收集器是负责收集原始结果，收集和组合结果，执行结果排序等的过程。例如，在上面的执行的查询中，当查询语句中给出size:0时，使用的收集器是"totalHitCountCollector"。这只返回搜索结果的数量（search_count），不返回文档。此外，收集者所用的时间也一起给出了。

————————————————

原文链接：https://blog.csdn.net/lijingjingchn/article/details/88896389

十八、mapping

创建mapping

PUT XXX_YYY_summary_TST-000000/

{

"mappings" : {

"properties" : {

"accountList" : {

"type" : "nested",

"properties" : {

"accountName" : {

"type" : "keyword"

"accountNo" : {

"type" : "keyword"

"bankBranchName" : {

"type" : "keyword"

}

"addressList" : {

"type" : "nested",

"properties" : {

"address" : {

"type":"keyword","index":false

"addressType" : {

"type" : "keyword"

"cityCode" : {

"type" : "keyword"

"provinceCode" : {

"type" : "keyword"

"townCode" : {

"type" : "keyword"

}

"birthday" : {

"type" : "keyword"

"cardValidityEndDate" : {

"type" : "date"

"cardValidityStartDate" : {

"type" : "date"

"contactList" : {

"type" : "nested",

"properties" : {

"contactType" : {

"type" : "keyword"

"contactValue" : {

"type" : "keyword"

}

"createTime" : {

"type" : "date"

"TSTFlag" : {

"type" : "nested",

"properties" : {

"TSTFlag" : {

"type" : "keyword"

"TSTLevel" : {

"type" : "keyword"

"TSTType" : {

"type" : "keyword"

"isCarClaim" : {

"type" : "boolean"

"isCarTST" : {

"type" : "boolean"

"isNoCarClaim" : {

"type" : "boolean"

"isNoCarTST" : {

"type" : "boolean"

"totalClaimAmount" : {

"type" : "double"

}

"TSTId" : {

"type" : "keyword"

"degree" : {

"type" : "keyword"

"gender" : {

"type" : "keyword"

"identifyNumber" : {

"type" : "keyword"

"identifyType" : {

"type" : "keyword"

"isSocialInsurance" : {

"type" : "keyword"

"mdmId" : {

"type" : "keyword"

"name" : {

"type" : "keyword"

"nationnality" : {

"type":"keyword","index":false

"occupationCode" : {

"type" : "keyword"

"occupationType" : {

"type" : "keyword"

"otherIdList" : {

"type" : "nested",

"properties" : {

"deviceId" : {

"type" : "keyword"

"deviceType" : {

"type" : "keyword"

"openId" : {

"type" : "keyword"

"unionId" : {

"type" : "keyword"

}

"PRoleList" : {

"type" : "nested",

"properties" : {

"PNo" : {

"type" : "keyword"

"PRole" : {

"type" : "keyword"

}

"postCode" : {

"type" : "keyword"

"riskLevel" : {

"type" : "keyword"

"socialRegistrationNumber" : {

"type" : "keyword"

"systemIdList" : {

"type" : "nested",

"properties" : {

"systemId" : {

"type" : "keyword"

}

"thirdPartyIdList" : {

"type" : "nested",

"properties" : {

"systemId" : {

"type" : "keyword"

"thirdPartyId" : {

"type" : "keyword"

}

"updateTime" : {

"type" : "date"

}

十九、聚合查询

聚合查询返回部分字段

POST core_aaalias_summary_customer/_search

{

"_source": [ "customerId.*", "cardValidityEndDate.*" ],

"query": {

"bool": {

"must": [

{

"range":{

"cardValidityEndDate":{

"gt":"1177808000000",

"lt":"1582992000000"

}

"must_not": [ ],

"should": [ ]

}

"from": 0,

"size": 10,

"sort": [{"customerId":"desc"}],

"aggs": {

"cid":{

"terms": {

"field": "customerId",

"size": 10

}

添加 _source 参数，可让 ES 不返回命中文档，而只返回查询的统计，或者只返回一部分的字段。对于单个文档较大的情景特备适用。

不返回文档

GET /_search

{

"_source": false,

"query" : {

"term" : { "user" : "kimchy" }

}

返回部分字段

GET /_search

{

"_source": "obj.*",

"query" : {

"term" : { "user" : "kimchy" }

}

或者

GET /_search

{

"_source": [ "obj1.*", "obj2.*" ],

"query" : {

"term" : { "user" : "kimchy" }

}

更精确地方法

指定包含哪些以及不包含哪些字段

GET /_search

{

"_source": {

"includes": [ "obj1.*", "obj2.*" ],

"excludes": [ "*.description" ]

"query" : {

"term" : { "user" : "kimchy" }

}

还有另外一个参数 stored_fields 也能筛选字段，官方文档并不建议适用。

————————————————

原文链接：https://blog.csdn.net/afeiqiang/article/details/82999962

Elasticsearch Cat 命令

https://blog.csdn.net/wangpei1949/article/details/82287444

单节点分配信息

_cat/allocation

cat repositories

repositories 可以显示集群中的快照的资料库

**、Elasticsearch 分片以及生命周期

1）客户端发起数据写入请求，对你写的这条数据根据_routing规则选择发给哪个Shard。
²确认Index Request中是否设置了使用哪个Filed的值作为路由参数，
²如果没有设置，则使用Mapping中的配置，
²如果mapping中也没有配置，则使用_id作为路由参数，然后通过_routing的Hash值选择出Shard，最后从集群的Meta中找出出该Shard的Primary节点。
2）写入请求到达Shard后，先把数据写入到内存（buffer）中，同时会写入一条日志到translog日志文件中去。
²当写入请求到shard后，首先是写Lucene，其实就是创建索引。
²索引创建好后并不是马上生成segment，这个时候索引数据还在缓存中，这里的缓存是lucene的缓存，并非Elasticsearch缓存，lucene缓存中的数据是不可被查询的。
3）执行refresh操作：从内存buffer中将数据写入os cache(操作系统的内存)，产生一个segment file文件，buffer清空。
²写入os cache的同时，建立倒排索引，这时数据就可以供客户端进行访问了。
²默认是每隔1秒refresh一次的，所以es是准实时的，因为写入的数据1秒之后才能被看到。
²buffer内存占满的时候也会执行refresh操作，buffer默认值是JVM内存的10%。
²通过es的restful api或者java api，手动执行一次refresh操作，就是手动将buffer中的数据刷入os cache中，让数据立马就可以被搜索到。
²若要优化索引速度, 而不注重实时性, 可以降低刷新频率。
4）translog会每隔5秒或者在一个变更请求完成之后，将translog从缓存刷入磁盘。
²translog是存储在os cache中，每个分片有一个，如果节点宕机会有5秒数据丢失，但是性能比较好，最多丢5秒的数据。。
²可以将translog设置成每次写操作必须是直接fsync到磁盘，但是性能会差很多。
²可以通过配置增加transLog刷磁盘的频率来增加数据可靠性，最小可配置100ms，但不建议这么做，因为这会对性能有非常大的影响。
5）每30分钟或者当tanslog的大小达到512M时候，就会执行commit操作（flush操作），将os cache中所有的数据全以segment file的形式，持久到磁盘上去。
²第一步，就是将buffer中现有数据refresh到os cache中去。
²清空buffer 然后强行将os cache中所有的数据全都一个一个的通过segmentfile的形式，持久到磁盘上去。
²将commit point这个文件更新到磁盘中，每个Shard都有一个提交点(commit point), 其中保存了当前Shard成功写入磁盘的所有segment。
²把translog文件删掉清空，再开一个空的translog文件。
²flush参数设置：
Øindex.translog.flush_threshold_period:
Øindex.translog.flush_threshold_size:
Ø#控制每收到多少条数据后flush一次
Øindex.translog.flush_threshold_ops:
6）Segment的merge操作：
²随着时间，磁盘上的segment越来越多，需要定期进行合并。
²Es和Lucene 会自动进行merge操作，合并segment和删除已经删除的文档。
²我们可以手动进行merge：POST index/_forcemerge。一般不需要，这是一个比较消耗资源的操作。

附:、释义：

{

"acknowledged" : true,

"shards_acknowledged" : true,

"index" : "TST"

}

其中 acknowledged 表示是否在集群成功创建索引，同时 shards_acknowledged 表示是否在超时之前成功创建运行必要的分片。

注意 acknowledged 和 shards_acknowledged 可能返回 false，但是索引创建成功。这些值只是表明是否操作在超时之前完成。如果 acknowledged 是 false，表示我们对集群更新新创建的索引操作超时，但它可能很快将被创建。如果 shards_acknowledged 是 false，表示我们必要的分片启动操作超时（默认只为主分片），即使集群成功更新新创建的索引。