Elasticsearch初探（2）——相关概念与索引、数据操作

一、基本概念

由于Elasticsearch也是基于Lucene实现，因此它的许多概念和Luncene相似，关于Lucene的知识，可以参考文章：
Lucene初探——基于Lucene 6.6.2。

1.1 Node、Cluster

Elasticsearch本质上是一个分布式数据库，允许多台服务器协同工作，每台服务器可以运行多个 Elastic 实例。单个 Elastic 实例称为一个节点（node）。一组节点构成一个集群（cluster）。

1.2 Index

Elasticsearch会索引所有字段，经过处理后写入一个倒排索引（Inverted Index）。查找数据的时候，直接查找该索引。

所以，Elasticsearch 数据管理的顶层单位就叫做 Index（索引），它是单个数据库的同义词。每个 Index （即数据库）的名字必须是小写。

下面的命令可以查看当前节点的所有 Index。

http://localhost:9200/_cat/indices?v

当我们插入数据的时候，如果有超出我们结构化的数据的时候，索引默认会自动更新数据，我们可以在创建索引时指定dynamic属性的默认值：

true：默认，可以自动创建索引，插入数据字段不符合的话就创建新的索引。
false：不自动创建索引，当插入数据不符合默认属性的时候，忽略新插入的不符合的字段的值。
strict：精确的，不允许插入不符合默认属性的值，如果不符合，直接报错。

1.3 Document

Index 里面单条的记录称为 Document（文档）。许多条 Document 构成了一个 Index。Document 使用 JSON 格式表示，下面是一个例子。

{
  "name": "jitwxs",
  "sex": "1",
  "email": "[email protected]"
}

同一个 Index 里面的 Document，不要求有相同的结构（scheme），但是最好保持相同，这样有利于提高搜索效率。

1.4 Type

Document 可以分组，比如某个 Index ，可以按城市分组（北京和上海），也可以按气候分组（晴天和雨天）。这种分组就叫做Type，它是虚拟的逻辑分组，用来过滤 Document。

不同的 Type 应该有相似的结构（schema），举例来说，id字段不能在这个组是字符串，在另一个组是数值。

性质完全不同的数据应该存成两个 Index，而不是一个 Index 里面的两个 Type。下面的命令可以列出每个 Index 所包含的 Type：

http://localhost:9200/_mapping?pretty=true

根据规划，Elasticsearch 6.x 版只允许每个 Index 包含一个 Type，7.x 版将会彻底移除 Type。

1.5 文档字段属性

1.5.1 字段数据类型

字段的数据类型由字段的属性type指定，ElasticSearch支持的基础数据类型主要有：

字符串类型：keyword和text
- keyword：数据类型用来建立电子邮箱地址、姓名、邮政编码和标签等数据类型，不需要进行分词。可以被用来检索过滤、排序和聚合。keyword 类型字段只能用本身来进行检索。
- text：Text 数据类型被用来索引长文本，这些文本会被分析，在建立索引前会将这些文本进行分词，转化为词的组合，建立索引。比如你配置了IK分词器，那么就会进行分词，搜索的时候会搜索分词来匹配这个text文档。但是：text 数据类型不能用来排序和聚合。
数值类型：字节（byte）、2字节（short）、4字节（integer）、8字节（long）、float、double；
布尔类型：boolean，值是true或false；
时间/日期类型：date，用于存储日期和时间；
二进制类型：binary；
IP地址类型：ip，以字符串形式存储IPv4地址；
特殊数据类型：token_count，用于存储索引的字数信息

1.5.2 字段的公共属性

index：该属性控制字段是否编入索引被搜索，取值为true或false。~~在5.X版本之前该属性共有三个有效值：analyzed、no和not_analyzed：~~
- analyzed：（默认属性）表示该字段被分析，编入索引，产生的token能被搜索到；
- not_analyzed：表示该字段不会被分析，使用原始值编入索引，在索引中作为单个词；
- ~~no：不编入索引，无法搜索该字段；~~
store：指定是否将字段的原始值写入索引，默认值是no，字段值被分析，能够被搜索，但是，字段值不会存储，这意味着，该字段能够被查询，但是不会存储字段的原始值。
boost：字段级别的助推，默认值是1，定义了字段在文档中的重要性/权重；
include_in_all：该属性指定当前字段是否包括在_all字段中，默认值是ture，所有的字段都会包含_all字段中；如果index=no，那么属性include_in_all无效，这意味着当前字段无法包含在_all字段中。
copy_to：该属性指定一个字段名称，ElasticSearch引擎将当前字段的值复制到该属性指定的字段中；
doc_values：文档值是存储在硬盘上的索引时（indexing time）数据结构，对于not_analyzed字段，默认值是true，analyzed string字段不支持文档值;
fielddata：字段数据是存储在内存中的查询时（querying time）数据结构，只支持analyzed string字段；
null_value：该属性指定一个值，当字段的值为NULL时，该字段使用null_value代替NULL值；在ElasticSearch中，NULL 值不能被索引和搜索，当一个字段设置为NULL值，ElasticSearch引擎认为该字段没有任何值，使用该属性为NULL字段设置一个指定的值，使该字段能够被索引和搜索。

1.5.3 字符串类型常用的其他属性

analyzer：该属性定义用于建立索引和搜索的分析器名称，默认值是全局定义的分析器名称，该属性可以引用在配置结点（settings）中自定义的分析器；
search_analyzer：该属性定义的分析器，用于处理发送到特定字段的查询字符串；
ignore_above：该属性指定一个整数值，当字符串字段（analyzed string field）的字节数量大于该数值之后，超过长度的部分字符数据将不能被analyzer处理，不能被编入索引；对于 not analyzed string字段，超过长度的部分字符将被忽略，不会被编入索引。默认值是0，禁用该属性；
position_increment_gap：该属性指定在相同词的位置上增加的gap，默认值是100；
index_options：索引选项控制添加到倒排索引（Inverted Index）的信息，这些信息用于搜索（Search）和高亮显示：
- docs：只索引文档编号(Doc Number)
- freqs：索引文档编号和词频率（term frequency）
- positions：索引文档编号，词频率和词位置（序号）
- offsets：索引文档编号，词频率，词偏移量（开始和结束位置）和词位置（序号）
- 默认情况下，被分析的字符串（analyzed string）字段使用positions，其他字段使用docs;

二、索引操作

2.1 结构化索引和非结构化索引

结构化索引：类似MySQL，我们会对索引结构做预定义，包括字段名，字段类型等
非结构化索引：类似Mongodb，索引结构未知，根据具体的数据来update索引的mapping

结构化相比非结构化，更易优化，性能好些；非结构化相较灵活，只是频繁update索引mapping会有一定的性能损耗。

本文下面的索引操作均是结构化索引，即指明了索引的具体结构。

2.2 创建索引

请求方式： PUT

请求路径： ES服务的IP：端口/要创建的索引名

假设我要创建一个user索引，拥有字段name、age、create_date，数据类型分别为字符串、数值、日期。那么请求内容如下：

{
    "settings":{
        "number_of_shards":5, 　　//分片数
        "number_of_replicas":1　　//备份数
    },
　　//映射文件
    "mappings":{
　　　　　//类型名
        "novel":{
　　　　　　　//文档的所有字段以及类型
            "properties":{
                "name":{
                    "type":"text"
                },
                "age":{
                    "type":"integer"
                },
                "create_date":{
                    "type":"date",
                    "format":"yyyy-MM-dd HH:mm:ss || yyyy-MM-dd" 　　//日期格式化允许的类型
                }
            }
        }
    }
}

响应内容如下：

{
    "acknowledged": true,
    "shards_acknowledged": true,
    "index": "user"
}

2.3 删除索引

请求方式： DELETE

请求路径： ES服务的IP：端口/要删除的索引名

对于本例就是： DELETE localhost:9200/user，这里我就不演示了。

2.4 重建索引

如果你的索引后期要修改，那么你只能重建一个你要修改成的索引，然后将数据复制到新的索引中。

请求方式： POST

请求路径： ES服务的IP：端口/_reindex

POST localhost:9200/_reindex

{
  "source": {
    "index": "old_index"
  },
  "dest": {
    "index": "new_index"
  }
}

三、数据操作

3.1 插入数据

当你创建的索引是非结构化的索引的时候，你可以随意插入你想要的字段作为属性。并且你每次插入的字段值可以是不一致的，索引会自动更新mapping，来适应数据。但是每次插入会耗费性能来做这些事情。

当你创建的索引是结构化的索引的时候，你如果插入的数据不符合你创建的mapping，那么也会自动更新mapping来适应你添加的数据，不会出现添加不上数据的情况。但是不建议这么做。

3.1.1 指定ID

请求方式： PUT

请求路径： ES服务的IP：端口/索引名/类型名/id

3.1.2 不指定ID

请求方式： POST

请求路径： ES服务的IP：端口/索引名/类型名

3.2 查看数据

请求方式： GET

请求路径： ES服务的IP：端口/索引名/类型名/ID

返回的数据中，found字段表示查询成功，_source字段返回原始记录。

3.3 修改数据

3.3.1 直接修改

请求方式： POST

请求路径： ES服务的IP：端口/索引名/类型名/ID/_update

请求体：

{
	"doc": {
	    "name": "zhangsan",
	    "age": 16,
	    "create_date": "2018-05-20"
	}
}

3.3.2 使用脚本修改

请求方式： POST

请求路径： ES服务的IP：端口/索引名/类型名/ID/_update

请求体：

{
	"script": {
	    "lang": "painless",
	    "inline": "ctx._source.age += 1"
	}
}

方法是POST，路径跟上面一致，需要注意的是，但是请求体的时候，使用的是script，，inline字段的值时可以对属性进行计算。

3.3.3 使用脚本并指定参数修改

请求方式： POST

请求路径： ES服务的IP：端口/索引名/类型名/ID/_update

请求体：

{
	"script": {
	    "lang": "painless",
	    "inline": "ctx._source.age = params.newAge",
	    "params": {
	    	"newAge": 28
	    }
	}
}

inline中的参数可以使用params中的参数。

3.4 删除数据

请求方式： DELETE

请求路径： ES服务的IP：端口/索引名/类型名/ID