Elasticsearch 开箱指南

内容概要

• ES 基础介绍，重点是其中的核心概念。
• 基础 API 实践操作。

1. 基础介绍

Elasticsearch (ES) 是一个数据库，提供了分布式的、准实时搜索和分析。

基于 Apache Lucene，可以操作结构化数据、非结构化数据、数字类型数据、地理空间数据。

数据存储使用松散结构的 JSON 文档。

主要特性

• 轻量快速的全文搜索。
• 安全分析和基础设施监控。
• 支持海量规模，数千台服务器、PB级数据量。
• 可以集成可视化数据分析工具，用于例如应用性能分析、日志监控、基础设施度量指标监控。
• 可以用于机器学习，对数据实时进行自动化模型处理。

核心概念

• Index 索引

关系数据库中的表，存储文档。

6.0.0 版本之前，一个索引中可以存放不同类型的文档，例如 Car 和 Bike 这2种文档可以在一个索引中。

6.0.0 版本之后，不可以了，需要为每种类型的文档建立不同的索引。

• Documents 文档

关系数据库中的 行。

每个文档有一个唯一 _id。

• Fields 字段

关系数据库中的 列。

• 数据类型

1）字符串

有2种类型：text 和 keyword。

text 用户存储产品描述、文章内容之类的文本，可以根据关键字在其中查找。

ES 会把内容解析成一个字符串列表，然后创建倒排索引，描述每个单词都在哪些文档中出现了。

例如一个文档有一个字段 “Description”，值为 “This phone has dual sim capability”。

这个值会被解析为一个列表：

[“this”, “phone”, “has”, “dual”, “sim”, “capability”]

倒排索引中，会指出每个词所在的文档列表，如：

“this” -> doc_1,doc_3

Keyword 用于存储用户名、邮件地址、邮编这类的明确的内容。

这类内容不会被分割解析，适用于精确匹配。

2）数字

存储例如标识码、百分比、电话号等。

支持：long, integer, short, byte, double, float。

3）日期

形式包括：“2015/01/01 12:10:30” 此类的字符串、微秒级 long 型数字、秒级 integer 型数字。

内部使用 UTC long 型存储。

4）布尔

5）IP

6）嵌入式

一个属性可以是一个 JSON 数组。

例如：

{
   "name":"ABC United",
   "homeGround":"Old Trafford",
   "players":[
      {
         "firstName":"James",
         "lastName":"Cohen",
         "position":"Goal Keeper"
      },
      {
         "firstName":"Paul",
         "lastName":"Pogba",
         "position":"Midfielder"
      }
   ]
}

对于嵌入类型，每个数组对象都会被作为一个隐藏文档进行索引。

7）多类型

例如有一个字段 “student_name”，我们希望可以通过部分匹配的方式进行查找，也希望通过完全匹配的方式查找。

这就相当于同时有2种类型：text和 keyword。

可以这样设置：

{
   "student_name":{
      "type":"text",
      "fields":{
         "keyword":{
            "type":"keyword"
         }
      }
   }
}

• Mapping

用于定义一个索引的 schema。

定义索引中有哪些字段、字段类型，配置类型相关的元数据。

• Setting

通过 Setting 可以自定义一些索引的行为，还允许我们自定义分析器和标准化器，以分析索引的不同文本字段。

重要的 Setting 例如：

1）number_of_shards：定义索引分片数量，默认为 1。

2）number_of_replicas：定义分片的副本数量，默认 1。

3）refresh_interval：用于指定文档索引的时间与可供搜索的时间之间的间隔，默认 1秒。

• Shard 分片

一个分片是一个 Lucene 实例，是一个被 ES 自动管理的工作单元。

我们只需要指定分片及其副本的数量，无需对分片进行操作。

ES 自动在所有节点中分布所有分片，当节点故障时，会把分片移到其他节点，当有新节点添加进来时，也会自动把一些分片移过来。

• Replicas 副本

主分片的拷贝，副本的作用：

1）当主分片故障后，其副本可以提升为主分片。

2）主分片及其副本都可以处理查询请求，可以提升性能。

• Aliases 别名

用于指定索引或索引集的替代名称。

当我们想从多个索引中获取文档时非常有用。

• Template 模板

用户对多个索引指定通用的 mapping 和 Setting。

每当创建与模板中定义的特定模式匹配的新索引时，模板将应用于该索引。

创建索引时特别定义的任何 mapping/Setting 都将优先于模板中的定义。

2. API 操作

测试环境搭建

使用的 ES 版本为 7.5.1。

下面使用docker启动一个单节点环境：

docker run -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" docker.elastic.co/elasticsearch/elasticsearch:7.5.1

测试：

$ curl -X GET "localhost:9200/_cat/nodes?v&pretty"
ip         heap.percent ram.percent cpu load_1m load_5m load_15m node.role master name
172.17.0.2            7          97   2    0.96    0.61     0.25 dilm      *      245e340eba97

$ curl localhost:9200
{
  "name" : "245e340eba97",
  "cluster_name" : "docker-cluster",
  "cluster_uuid" : "mq_bxY5zTjCpmJU0xOLSbA",
  "version" : {
    "number" : "7.5.1",
    "build_flavor" : "default",
    "build_type" : "docker",
    "build_hash" : "3ae9ac9a93c95bd0cdc054951cf95d88e1e18d96",
    "build_date" : "2019-12-16T22:57:37.835892Z",
    "build_snapshot" : false,
    "lucene_version" : "8.3.0",
    "minimum_wire_compatibility_version" : "6.8.0",
    "minimum_index_compatibility_version" : "6.0.0-beta1"
  },
  "tagline" : "You Know, for Search"
}

参考文档：

https://www.elastic.co/guide/en/elasticsearch/reference/7.5/docker.html

实践操作

• 创建索引

curl -X PUT "localhost:9200/traveler?pretty" -H 'Content-Type: application/json' -d'
{
   "settings":{
      "number_of_shards":5,
      "number_of_replicas":2
   },
   "mappings":{
      "properties":{
         "name":{
            "type":"keyword"
         },
         "age":{
            "type":"integer"
         },
         "background":{
            "type":"text"
         },
         "nationality":{
            "type":"keyword"
         }
      }
   }
}
'

• 插入文档

curl -X PUT "localhost:9200/traveler/_doc/1?pretty" -H 'Content-Type: application/json' -d'
{
   "name":"John Doe",
   "age":"23",
   "background":"Born and brought up in California. Engineer by profession. Loves to cook",
   "nationality":"British"
}
'

• 读取文档

curl -X GET "localhost:9200/traveler/_doc/1?pretty"

• 删除文档

curl -X DELETE "localhost:9200/traveler/_doc/1?pretty"

• 删除索引

curl -X DELETE "localhost:9200/traveler?pretty"

• 所有索引列表

curl -X GET "localhost:9200/_cat/indices"

• 查看集群健康情况

curl -X GET "localhost:9200/_cat/health?v"

• 查看某个索引的信息

# mapping + setting
curl -X GET "localhost:9200/traveler?pretty"

# mapping
curl -X GET "localhost:9200/traveler/_mapping?pretty"

# setting
curl -X GET "localhost:9200/traveler/_settings?pretty"

• 为索引设置别名

curl -X POST "localhost:9200/_aliases" -H 'Content-Type: application/json' -d'
{
   "actions":[
      {
         "add":{
            "index":"traveler",
            "alias":"read_alias"
         }
      }
   ]
}
'

• 获取索引中的所有文档

curl -X GET "localhost:9200/traveler/_search?pretty"

结果中的关键项：

took - 此次查询耗时，毫秒。

timed_out - 查询是否超时。

_shards - 查询了分片的情况，如一共查询了几个分片、成功了几个。

hits - 查询结果。

hits.total - 结果文档数。

hits.hits - 结果数组，默认只显示前10个文档。

hits.max_score - 匹配度最高的文档的分值。

hits.hits._score - 此文档匹配度分值。

• 获取所有中的文档总数

curl -X GET "localhost:9200/traveler/_count?pretty"

• 匹配查询

curl -X GET "localhost:9200/traveler/_search?pretty" -H 'Content-Type: application/json' -d'
{
   "query":{
      "match":{
         "background":"brought up California Loves cook"
      }
   }
}
'

匹配条件是 "background"，其值会被处理为数组：[“brought”, “up”, “california”, “loves”, “cook”]。

只要其中的某一个与文档中的 "background" 值相匹配，文档就会被返回。

• term 查询

curl -X GET "localhost:9200/traveler/_search?pretty" -H 'Content-Type: application/json' -d'
{
   "query":{
      "term":{
         "name":{
            "value":"John Doe"
         }
      }
   }
}
'

这用于获取在提供的字段中包含确切术语的文档。

适用于 keyword, numeric, date, boolean 类型的字段。

• terms 查询

curl -X GET "localhost:9200/traveler/_search?pretty" -H 'Content-Type: application/json' -d'
{
   "query":{
      "terms":{
         "name":[
            "John Doe",
            "Jack Ripper",
            "Buzz Aldrin"
         ]
      }
   }
}
'

类似 IN 查询，匹配一个或多个。

• 前缀匹配查询

curl -X GET "localhost:9200/traveler/_search?pretty" -H 'Content-Type: application/json' -d'
{
   "query":{
      "prefix":{
         "name":"Joh"
      }
   }
}
'

• 正则查询

curl -X GET "localhost:9200/traveler/_search?pretty" -H 'Content-Type: application/json' -d'
{
   "query":{
      "regexp":{
         "name":{
            "value":"J.*e"
         }
      }
   }
}
'

• 单次多查询

在一个请求中执行多个查询操作。

curl -X GET "localhost:9200/_msearch?pretty" -H 'Content-Type: application/x-ndjson' -d'
{"index":"traveler"}
{"query":{"terms":{"name":["John Doe","Jack Ripper","Barack Obama"]}}}
{}
{"query":{"prefix":{"name":"Buzz"}}}
{"index":"traveler"}
{"query":{"match_all":{}}}
'

推荐阅读：

• 通俗易懂的HTTPS解释
• 架构设计原则 - 高并发
• 异地多活架构
• 高并发的常用策略
• 如何判断一个元素是否存在于一个亿级数据集中？