Elasticsearch從入門到放棄:文檔CRUD要牢記
在Elasticsearch中,文檔(document)是所有可搜索數據的最小單位。它被序列化成JSON存儲在Elasticsearch中。每個文檔都會有一個唯一ID,這個ID你可以自己指定或者交給Elasticsearch自動生成。
如果延續我們之前不恰當的對比RDMS的話,我認為文檔可以類比成關係型數據庫中的表。
元數據
前面我們提到,每個文檔都有一個唯一ID來標識,獲取文檔時,“_id”字段記錄的就是文檔的唯一ID,它是元數據之一。當然,文檔還有一些其他的元數據,下面我們來一一介紹
- _index:文檔所屬的索引名
- _type:文檔所屬的type
- _id:文檔的唯一ID
有了這三個,我們就可以唯一確定一個document了,當然,7.0版本以後我們已經不需要_type了。接下來我們再來看看其他的一些元數據
- _source:文檔的原始JSON數據
- _field_names:該字段用於索引文檔中值不為null的字段名,主要用於exists請求查找指定字段是否為空
- _ignore:這個字段用於索引和存儲文檔中每個由於異常(開啟了ignore_malformed)而被忽略的字段的名稱
- _meta:該字段用於存儲一些自定義的元數據信息
- _routing:用來指定數據落在哪個分片上,默認值是Id
- _version:文檔的版本信息
- _score:相關性打分
創建文檔
創建文檔有以下4種方法:
- PUT /<index>/_doc/<_id>
- POST /<index>/_doc/
- PUT /<index>/_create/<_id>
- POST /<index>/_create/<_id>
這四種方法的區別是,如果不指定id,則Elasticsearch會自動生成一個id。如果使用_create的方法,則必須保證文檔不存在,而使用_doc方法的話,既可以創建新的文檔,也可以更新已存在的文檔。
在創建文檔時,還可以選擇一些參數。
請求參數
- if_seq_no:當文檔的序列號是指定值時才更新
- if_primary_term:當文檔的primary term是指定值時才更新
- op_type:如果設置為create則指定id的文檔必須不存在,否則操作失敗。有效值為index或create,默認為index
- op_type:指定預處理的管道id
- refresh:如果設置為true,則立即刷新受影響的分片。如果是wait_for,則會等到刷新分片后,此次操作才對搜索可見。如果是false,則不會刷新分片。默認值為false
- routing:指定路由到的主分片
- timeout:指定響應時間,默認是30秒
- master_timeout:連接主節點的響應時長,默認是30秒
- version:顯式的指定版本號
- version_type:指定版本號類型:internal、 external、external_gte、force
- wait_for_active_shards:處理操作之前,必須保持活躍的分片副本數量,可以設置為all或者任意正整數。默認是1,即只需要主分片活躍。
響應包體
- **_shards**:提供分片的信息
- **_shards.total**:創建了文檔的總分片數量
- **_shards.successful**:成功創建文檔分片的數量
- **_shards.failed**:創建文檔失敗的分片數量
- **_index**:文檔所屬索引
- **_type**:文檔所屬type,目前只支持_doc
- **_id**:文檔的id
- **_version**:文檔的版本號
- **_seq_no**:文檔的序列號
- **_primary_term**:文檔的主要術語
- result:索引的結果,created或者updated
我們在創建文檔時,如果指定的索引不存在,則ES會自動為我們創建索引。這一操作是可以通過設置中的action.auto_create_index字段來控制的,默認是true。你可以修改這個字段,實現指定某些索引可以自動創建或者所有索引都不能自動創建的目的。
更新文檔
了解了如何創建文檔之後,我們再來看看應該如何更新一個已經存在的文檔。其實在創建文檔時我們就提到過,使用PUT /<index>/_doc/<id>的方法就可以更新一個已存在的文檔。除此之外,我們還有另一種更新文檔的方法:
POST /<index>/_update/<_id>
這兩種更新有所不同。_doc方法是先刪除原有的文檔,再創建新的。而_update方法則是增量更新,它的更新過程是先檢索到文檔,然後運行指定腳本,最後重新索引。
還有一個區別就是_update方法支持使用腳本更新,默認的語言是painless,你可以通過參數lang來進行設置。在請求參數方面,_update相較於_doc多了以下幾個參數:
- lang:指定腳本語言
- retry_on_conflict:發生衝突時重試次數,默認是0
- **_source**:設置為false,則不返回任何檢索字段
- **_source_excludes**:指定要從檢索結果排除的source字段
- **_source_includes**:指定要返回的檢索source字段
下面的一個例子是用腳本來更新文檔
curl -X POST "localhost:9200/test/_update/1?pretty" -H 'Content-Type: application/json' -d'
{
"script" : {
"source": "ctx._source.counter += params.count",
"lang": "painless",
"params" : {
"count" : 4
}
}
}
'
Upsert
curl -X POST "localhost:9200/test/_update/1?pretty" -H 'Content-Type: application/json' -d'
{
"script" : {
"source": "ctx._source.counter += params.count",
"lang": "painless",
"params" : {
"count" : 4
}
},
"upsert" : {
"counter" : 1
}
}
'
當指定的文檔不存在時,可以使用upsert參數,創建一個新的文檔,而當指定的文檔存在時,該請求會執行script中的腳本。如果不想使用腳本,而只想新增/更新文檔的話,可以使用doc_as_upsert。
curl -X POST "localhost:9200/test/_update/1?pretty" -H 'Content-Type: application/json' -d'
{
"doc" : {
"name" : "new_name"
},
"doc_as_upsert" : true
}
'
update by query
這個API是用於批量更新檢索出的文檔的,具體可以通過一個例子來了解。
curl -X POST "localhost:9200/twitter/_update_by_query?pretty" -H 'Content-Type: application/json' -d'
{
"script": {
"source": "ctx._source.likes++",
"lang": "painless"
},
"query": {
"term": {
"user": "kimchy"
}
}
}
'
獲取文檔
ES獲取文檔用的是GET API,請求的格式是:
GET /<index>/_doc/<_id>
它會返迴文檔的數據和一些元數據,如果你只想要文檔的內容而不需要元數據時,可以使用
GET /<index>/_source/<_id>
請求參數
獲取文檔的有幾個請求參數之前已經提到過,這裏不再贅述,它們分別是:
- refresh
- routing
- **_source**
- **_source_excludes**
- **_source_includes**
- version
- version_type
而還有一些之前沒提到過的參數,我們來具體看一下
- preference:用來 指定執行請求的node或shard,如果設置為_local,則會優先在本地的分片執行
- realtime:如果設置為true,則請求是實時的而不是近實時。默認是true
- stored_fields:返回指定的字段中,store為true的字段
mget
mget是批量獲取的方法之一,請求的格式有兩種:
- GET /_mget
- GET /<index>/_mget
第一種是在請求體中寫index。第二種是把index放到url中,不過這種方式可能會觸發ES的安全檢查。
mget的請求參數和get相同,只是需要在請求體中指定doc的相關檢索條件
request
GET /_mget
{
"docs" : [
{
"_index" : "jackey",
"_id" : "1"
},
{
"_index" : "jackey",
"_id" : "2"
}
]
}
response
{
"docs" : [
{
"_index" : "jackey",
"_type" : "_doc",
"_id" : "1",
"_version" : 5,
"_seq_no" : 6,
"_primary_term" : 1,
"found" : true,
"_source" : {
"user" : "ja",
"tool" : "ES",
"message" : "qwer"
}
},
{
"_index" : "jackey",
"_type" : "_doc",
"_id" : "2",
"_version" : 1,
"_seq_no" : 2,
"_primary_term" : 1,
"found" : true,
"_source" : {
"user" : "zhe",
"post_date" : "2019-11-15T14:12:12",
"message" : "learning Elasticsearch"
}
}
]
}
刪除文檔
CURD操作只剩下最後一個D了,下面我們就一起來看看ES中如何刪除一個文檔。
刪除指定id使用的請求是
DELETE /<index>/_doc/<_id>
在併發量比較大的情況下,我們在刪除時通常會指定版本,以確定刪除的文檔是我們真正想要刪除的文檔。刪除請求的參數我們在之前也都介紹過,想要具體了解的同學可以直接查看。
delete by query
類似於update,delete也有一個delete by query的API。
POST /<index>/_delete_by_query
它也是要先按照條件來查詢匹配的文檔,然後刪除這些文檔。在執行查詢之前,Elasticsearch會先為指定索引做一個快照,如果在執行刪除過程中,要索引發生改變,則會導致操作衝突,同時返回刪除失敗。
如果刪除的文檔比較多,也可以使這個請求異步執行,只需要設置wait_for_completion=false即可。
這個API的refresh與delete API的refresh參數有所不同,delete中的refresh參數是設置操作是否立即可見,即只刷新一個分片,而這個API中的refresh參數則是需要刷新受影響的所有分片。
Bulk API
最後,我們再來介紹一種特殊的API,批量操作的API。它支持兩種寫法,可以將索引名寫到url中,也可以寫到請求體中。
-
POST /_bulk
-
POST /<index>/_bulk
在這個請求中,你可以任意使用之前的CRUD請求的組合。
curl -X POST "localhost:9200/_bulk?pretty" -H 'Content-Type: application/json' -d'
{ "index" : { "_index" : "test", "_id" : "1" } }
{ "field1" : "value1" }
{ "delete" : { "_index" : "test", "_id" : "2" } }
{ "create" : { "_index" : "test", "_id" : "3" } }
{ "field1" : "value3" }
{ "update" : {"_id" : "1", "_index" : "test"} }
{ "doc" : {"field2" : "value2"} }
'
請求體中使用的語法是newline delimited JSON(NDJSON)。具體怎麼用呢?其實我們在上面的例子中已經有所展現了,對於index或create這樣的請求,如果請求本身是有包體的,那麼用換行符來表示下面的內容與子請求分隔,即為包體的開始。
例如上面例子中的index請求,它的包體就是{ “field1” : “value1” },所以它會在index請求的下一行出現。
對於批量執行操作來說,單條操作失敗並不會影響其他操作,而最終每條操作的結果也都會返回。
上面的例子執行完之後,我們得到的結果應該是
{
"took": 30,
"errors": false,
"items": [
{
"index": {
"_index": "test",
"_type": "_doc",
"_id": "1",
"_version": 1,
"result": "created",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"status": 201,
"_seq_no" : 0,
"_primary_term": 1
}
},
{
"delete": {
"_index": "test",
"_type": "_doc",
"_id": "2",
"_version": 1,
"result": "not_found",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"status": 404,
"_seq_no" : 1,
"_primary_term" : 2
}
},
{
"create": {
"_index": "test",
"_type": "_doc",
"_id": "3",
"_version": 1,
"result": "created",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"status": 201,
"_seq_no" : 2,
"_primary_term" : 3
}
},
{
"update": {
"_index": "test",
"_type": "_doc",
"_id": "1",
"_version": 2,
"result": "updated",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"status": 200,
"_seq_no" : 3,
"_primary_term" : 4
}
}
]
}
批量操作的執行過程相比多次單個操作而言,在性能上會有一定的提升。但同時也會有一定的風險,所以我們在使用的時候要非常的謹慎。
總結
本文我們先介紹了文檔的基本概念和文檔的元數據。接着又介紹了文檔的CRUD操作和Bulk API。相信看完文章你對Elasticsearch的文檔也會有一定的了解。那最後就請你啟動你的Elasticsearch,然後親自動手試一試這些操作,看看各種請求的參數究竟有什麼作用。相信親手實驗過一遍之後你會對這些API有更深的印象。
本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理【其他文章推薦】
※台北網頁設計公司這麼多,該如何挑選?? 網頁設計報價省錢懶人包"嚨底家"
※網頁設計公司推薦更多不同的設計風格,搶佔消費者視覺第一線
※想知道購買電動車哪裡補助最多?台中電動車補助資訊懶人包彙整