ElasticSearch常用操作：文档篇-创新互联
[TOC]
1 新建文档
1.1 指定id
PUT my_blog/article/1
{
"id":1,
"title":"elasticsearch",
"posttime":"2017-05-01",
"content":"elasticsearch is helpfull!"
}返回：
{
"_index": "my_blog",
"_type": "article",
"_id": "1",
"_version": 1,
"result": "created",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"created": true
}版本号会随着文档的更新自动递增。
1.2 不指定id
不指定id，es会自动生成，但是这时只能使用post：
POST my_blog/article
{
"id":2,
"title":"spark",
"posttime":"2017-05-01",
"content":"spark is helpfull!"
}返回：
{
"_index": "my_blog",
"_type": "article",
"_id": "AWagTCv8O1qbT1zqbREV",
"_version": 1,
"result": "created",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"created": true
}2 获取文档
2.1 普通获取
获取存在的文档：
GET my_blog/article/1返回：
{
"_index": "my_blog",
"_type": "article",
"_id": "1",
"_version": 1,
"found": true,
"_source": {
"id": 1,
"title": "elasticsearch",
"posttime": "2017-05-01",
"content": "elasticsearch is helpfull!"
}
}获取不存在的文档：
GET my_blog/article/2返回：
{
"_index": "my_blog",
"_type": "article",
"_id": "2",
"found": false
}2.2 测试文档是否存在
使用HEAD可以测试文档是否存在：
HEAD my_blog/article/1
200 - OK
HEAD my_blog/article/2
404 - Not Found2.3 批量获取
不同index不同type：
GET _mget
{
"docs":[
{
"_index":"my_blog",
"_type":"article",
"_id":1
},
{
"_index":"twitter",
"_type":"tweet",
"_id":2
}
]
}同一index下不同type：
GET my_blog/_mget
{
"docs":[
{
"_type":"article",
"_id":1
},
{
"_type":"essay",
"_id":2
}
]
}同一index同一type：
GET my_blog/article/_mget
{
"docs":[
{"_id":1},
{"_id":2}
]
}或：
GET my_blog/article/_mget
{
"ids":[1,2]
}3 更新文档
es更新文档的原理为：先找到这个文档，删除旧的文档内容执行更新，更新完后再索引最新的文档。
先添加下面一份文档：
PUT test/type1/1
{
"counter":1,
"tags":["red"]
}3.1 更新文档字段内容
给counter的值增加4：
POST test/type1/1/_update
{
"script": {
"inline": "ctx._source.counter += params.count",
"lang": "painless",
"params": {
"count":4
}
}
}Note1：命令中inline是执行的脚本，ctx是脚本语言中的一个执行对象，painless是es内置的一种脚本语言，params是参数集合；
Note2：ctx对象除了可以访问
_source之外，还可以访问_index、_type、_id、_version、_routing、_parent等字段；
对tags字段增加一个值：
POST test/type1/1/_update
{
"script":{
"inline":"ctx._source.tags.add(params.tag)",
"lang":"painless",
"params":{
"tag":"blue"
}
}
}3.2 新增与移除字段
给test/type1/1添加一个字段name：
POST test/type1/1/_update
{
"script": {
"inline": "ctx._source.name=\"test\""
}
}上面的命令也可以简写为：
{"script":""ctx._source.name=\"test\""}
移除name字段：
POST test/type1/1/_update
{
"script": {
"inline": "ctx._source.remove(\"name\")"
}
}3.3 upsert操作
如果文档不存在，upsert会新建一个文档，文档存在，则正常执行script脚本。如下：
POST test/type1/2/_update
{
"script": {
"inline": "ctx._source.counter += params.count",
"lang": "painless",
"params": {
"count":4
}
},
"upsert": {
"counter":1,
"tag":["pink"]
}
}如果test/type1/2存在，则更新count，如果不存在，则新建一个包含字段counter和tag的文档。
返回：
{
"_index": "test",
"_type": "type1",
"_id": "2",
"_version": 1,
"result": "created",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
}
}3.4 基于doc的更新方式
也可以使用doc的方式来更新字段内容或者添加新的字段：
POST myblog/article/1/_update
{
"doc": {
"title":"test new title"
}
}
POST myblog/article/1/_update
{
"doc": {
"new field":"this is a new field"
}
}4 查询更新
POST my_blog/_update_by_query
{
"script":{
"inline": "ctx._source.content = params.content",
"lang": "painless",
"params": {
"content":"spark is popular"
}
},
"query":{
"term": {
"title": {
"value": "spark"
}
}
}
}返回：
{
"took": 33,
"timed_out": false,
"total": 1,
"updated": 1,
"deleted": 0,
"batches": 1,
"version_conflicts": 0,
"noops": 0,
"retries": {
"bulk": 0,
"search": 0
},
"throttled_millis": 0,
"requests_per_second": -1,
"throttled_until_millis": 0,
"failures": []
}5 删除文档
DELETE my_blog/article/2如果在索引文档时指定了路由，删除时也可以增加路由参数：
DELETE my_blog/article/2?routing=user123Note1：如果删除时路由值不正确，删除会失败；
Note2：当映射的_routing被设定为required且没有指定的路由值时，执行删除操作将抛出路由缺失异常并拒绝该请求；
6 查询删除
POST my_blog/_delete_by_query
{
"query":{
"term": {
"title": {
"value": "mybatis"
}
}
}
}删除一个type下的所有文档：
POST my_blog/article/_delete_by_query
{
"query":{
"match_all":{}
}
}7 批量操作
7.1 命令格式
使用如下命令：
curl -XPOST 'localhost:9200/indexname/_bulk?prettry' --data-binary @accounts.jsonaccounts.json文件应该满足下面的格式：
action_and_meta_data行
data行Note1：action_and_meta_data行中，action必须是index、create、update或者delete，metadata需要指明需要被操作文档的
_index、_type以及_id；Note2：data行就是添加的数据，添加文档时就需要data行；
Note3：每一行的结尾处都必须有换行符"\n"，最后一行也要有，换行符可以有效地分隔每行；
7.2 添加文档
{"index": {"_index": "my_blog"}, "_type": "article", "_id": "1"}
{"title": "blog title"}或
{"create": {"_index": "my_blog", "_type": "article", "_id": "1"}}
{"title": "blog title"}不写id也是可以的。
7.3 删除文档
{"delete": {"_index": "website", "_type": "blog", "_id": "123"}}7.4 综合案例
下面内容包含索引文档请求、更新文档请求和删除文档请求：
{"delete": {"_index": "website", "_type": "blog", "_id": "123"}}
{"create": {"_index": "website", "_type": "blog", "_id": "123"}}
{"title": "blog title"}
{"index": {"_index": "website", "_type": "blog"}}
{"title": "blog title"}
{"update": {"_index": "website", "_type": "blog", "_id": "123"}}
{"doc": {"title": "blog title"}}8 版本控制
初次接触，8.2可以忽略，了解一下8.3的命令操作即可。
es进行文档更新时，首先读取源文档，对原文档进行更新操作，更新操作执行完成以后再重新索引整个文档。
8.1 锁控制
很有可能多个用户同时对同一份文档数据进行修改更新操作，这时就需要进行事务性控制，或者说需要进行并发控制。
8.1.1 悲观锁控制
如果有线程对数据进行修改就对数据进行锁定，其他线程想要访问需要等待当前锁定释放，这样可确保同一时刻最多只有一个线程访问数据。传统的关系型数据库就用到了很多这种锁机制，比如行锁、表锁、读锁、写锁等。
8.1.2 乐观锁控制
对数据资源不会锁定，只有在数据提交操作时检查是否违反数据完整性。Elasticsearch使用的就是乐观锁机制，乐观锁适用于读操作比写操作比较多的应用类型，可省去锁开销，提高吞吐量。
8.2 es的版本控制
既然es使用的是乐观锁，那么如何保证旧的数据不会覆盖新的数据呢？在es中使用_version来进行版本的控制，文档每被更新一次，其就会加1.
es的文档版本控制机制主要有内部版本控制和外部版本控制：
- 内部版本控制机制要求每次操作请求，只有当版本号相等时才能操作成功；
- 外部版本控制要求外部文档版本比内部文档版本高时才能更新成功；
其实不管是请求获取数据还是请求更新数据，都是可以携带版本号的，不管情况多复杂，只需要记住下面两点即可：
- 1.如果只是请求获取数据操作，内部版本控制机制生效，外部版本控制机制不生效，情况如下：
- a.不携带版本号，操作成功：
- b.携带内部版本号，那么一定要跟文档当前的版本号相等；
- c.携带外部版本号，那么一定要跟文档当前的版本号相等；
- 2.如果是更新操作，情况如下：
- a.不携带版本号，操作成功，文档版本号会加1；
- b.携带内部版本号，那么一定要跟文档当前的版本号相等，文档版本号会加1；
- c.携带外部版本号，那么一定要大于文档当前的版本号，文档版本会等于携带的版本号；
也可以从是否携带版本号的角度去思考这个问题：
- 1.不携带版本号，请求获取数据和更新操作都会成功；
- 2.携带内部版本号，不管哪种操作，要求一定要与文档版本号相等；
- 3.携带外部版本号，请求获取数据时版本号需要相等，更新操作时版本号需要大于文档版本号；
至于es为什么这样设计？其实内部版本号是es提供的，但实际上你可能也有自己业务或程序上的需求，就是说你的应用系统本身就维护了一个版本号，或者说你自己想通过某种机制去维护一个版本号，那么就可以使用外部版本号。
8.3 命令操作
GET website/blog/1?version=1
PUT website/blog/1?version=5&version_type=external9 路由机制
9.1 分片位置计算与案例
当索引有多个分片时，索引一个文档，es是如何确定将文档保存到哪一个文档上的呢？假设环境如下：
Master Node：
shard0(primary)
shard1
shard2(primary)
Common Node：
shard0
shard1(primary)
shard2es的路由机制通过哈希算法，将具有相同哈希值的文档放置到同一个主分片中，方法如下：
shard = hash(routing) % number_of_primary_shards假如我们添加一份文档，没有指定id，es给我们生成的id是AWagTCv8O1qbT1zqbREV，套用上面的公式，shard就应该为：
shard = hash("AWagTCv8O1qbT1zqbREV") % 3当然哈希函数的实现不一定，我们可以在python中调用一下其提供的hash()函数来演示一下上面的计算：
>>> shard = hash("AWagTCv8O1qbT1zqbREV") % 3
>>> shard
2显然，该文档会被存储到分片2也就是第3个分片上。
通过上面的介绍可以知道，默认的路由模式可以保证数据平均分布，不过也可以自定义routing值，从而指定文档的存储位置。
9.2 es查询流程与自定义routing值
假如存在一个有50个分片的索引，在集群上执行一次查询的过程如下：
- （1）查询请求首先被集群中的一个节点接收；
- （2）接收到这个请求的节点，将这个查询广播到这个索引的每个分片上；
- （3）每个分片执行完搜索查询并返回结果；
- （4）结果在通道节点上合并、排序并返回给用户；
可以自定义路由值来避免这种广播，下面举一个案例进行说明。
正常我们这样来添加一份文档：
PUT website/article/1
{
"title":"My first blog entry",
"text":"Just trying this out...",
"user":"user123"
}查询时，希望查询user123的所有文章：
GET website/article/_search
{
"query":{
"term":{"user":"user123"}
}
}显然这样查询，会按照上面的流程去走，也就是请求会被发送到所有的分片上，这时希望优化一下。
将user作为routing来添加文档：
PUT website/article/1?routing=user123
{
"title":"My first blog entry",
"text":"Just trying this out...",
"user":"user123"
}指定routing值后，后面user123发表的文章（文档）都会被存储到同一个分片上，这里假设是分片1，这样一来，我们再查询user123发表的文章时，只需要在search时指定routing值，那么就不会被广播请求的情况了，请求直接到达分片1，查询如下：
GET website/article/_search?routing=user123Note1：这样也会带来问题，比如user123发表了数十万篇文章，但是其它用户只有很少的文章，显然数据的分配就不均衡了；
Note2：也可以为文档指定多个路由值，路由值之间使用逗号分隔（这样一来，文档就有可能会被分配到多个分片上，至于满足其条件的这几个分片，es是如何选择的，通过什么算法，可以自行研究一下）；
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
分享题目：ElasticSearch常用操作：文档篇-创新互联
分享地址：http://scjbc.cn/article/dggsod.html
