Elasticsearch入门（1）

很多东西在工作中一直使用，但是从来没有认真总结过，遇到问题了就上网翻翻文档，工作中的问题是解决了，但是回过头去看，又好像什么都不懂，只是对经常使用的知识比较熟悉而已。这也是这篇文章产生的原因，希望通过这种方式，让自己的知识更加系统化。好了，下面就来说说ElasticSearch，这篇文章偏入门些，如果您已经对ElasticSearch非常熟悉了，当然也可以再浏览下，如果你还从来没接触过，希望这篇文章可以帮助到你。

我们下面的讲解与实例都是基于5.2版本的，由于ElasticSearch之前的版本跟目前这个版本有一定的差别，所以如果当你对照例子发现无法运行时，那么最可能的原因就是版本的问题了。

Elasticsearch是一个基于Lucene的开源搜索引擎，而Lucene本身是非常复杂的，要想直接使用Lucene并不是太容易。Elasticsearch的出现就是希望通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。

ES的安装

ES的安装是非常简单的，唯一需要我们配置的就是java环境，5.2的版本需要java8的支持，所以首先确保本地已经安装了java8或以上版本。接下来下载对应的二进制包，如果是mac或linux系统可以直接通过curl来下载

curl -L -O https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-5.2.2.tar.gz

对下载好的压缩包进行解压处理

tar -xvf elasticsearch-5.2.2.tar.gz

然后进入到解压后的elasticsearch-5.2.2/bin目录中，直接运行elasticsearch

bin ./elasticsearch

之后，新打开一个终端窗口，执行如下的命令：

curl 'http://localhost:9200/?pretty'

如果启动成功，我们会看到类似下面的响应信息：

{
  "name" : "EF-dAP-",
  "cluster_name" : "elasticsearch",
  "cluster_uuid" : "4KsT9m6iRfqUfafnsklDcw",
  "version" : {
    "number" : "5.2.2",
    "build_hash" : "f9d9b74",
    "build_date" : "2017-02-24T17:26:45.835Z",
    "build_snapshot" : false,
    "lucene_version" : "6.4.1"
  },
  "tagline" : "You Know, for Search"
}

ES的几个概念

在ES中，数据都是按照JSON格式存储的，比如下面的例子

"email": "[email protected]",
"first_name": "li",
"last_name": "si",
"info": {
    "age": 25,
    "interests": [ "dolphins", "whales" ]
},
"join_date": "2017/04/06"

它描述了一个user对象，同时，在ES中它也代表了一个文档。ES在对这个文档进行存储的同时，还会对文档中的内容进行倒排索引，以便于后续的查找、过滤、排序等操作。

在关系型数据库中，我们熟悉的是database、table、row、column等概念，同样，在ES中也存在着类似的定义。

在ES中，索引（index）指的是具有相同属性的文档的集合，每个索引（index）包含多个类型（type），每个类型又包含多个文档（document），每个文档包含了多个字段（field）。如果跟关系型数据库的结构对照的话，大致可以如下表示：

Elasticsearch	关系型数据库
Index	Database
Type	Table
Document	Row
Field	Column

在ES中，索引是一个非常重要的概念，不同的场景下代表了不同的含义。这里有必要对在ES中使用的索引一词做一下澄清。

传统的关系型数据库中，索引代表对数据库中的一列或多列的值进行排序的一种存储结构，利用索引可以快速获得所需的内容。

而在ES中，索引作为名词来讲表示的是一个存储了相关文档的集合，可以对比于关系型数据库中的database。当我们在ES中保存数据时，也称为对其进行索引处理，这里按动词理解，可以对比于关系型数据库中的insert操作。

Elasticsearch能够对全文本进行快速的搜索，得益于其实用的一种数据结构：倒排索引（Inverted Index）。在倒排索引中，包含一个在所有文档中出现的字词的列表，其中，每一个字词又对应一个列表，这个列表的内容就是所有包含这个字词的文档。当搜索时，首先会对我们搜索的内容进行分词处理，然后检查每个分好的词对应哪些文档，最后汇总给我们结果。

ES常用操作

ES提供了非常丰富和强大的REST API，通过这些API我们可以检查集群、节点和索引的健康情况，并对它们进行管理，可以在索引上对数据进行增删改查，更可以执行类似分页、排序、过滤、聚合等这样的高级查询操作。

对集群、节点和索引的操作

• 查看集群健康状态

curl -XGET 'localhost:9200/_cat/health?v&pretty'

在返回的结果中，包含一个status字段，它的取值有三种，分别是green、yellow和red，green意味着一切正常，yellow意味着数据是可用的，但是一些备份数据还没准备好，最后red意味某些数据是不可用的，尽管如此，但部分功能还是可用的，只不过你需要尽快去处理。

• 查看集群下的节点信息

curl -XGET 'localhost:9200/_cat/nodes?v&pretty'

• 查看当前集群都有哪些索引

curl -XGET 'localhost:9200/_cat/indices?v&pretty'

• 新建一个名为customer的索引

curl -XPUT 'localhost:9200/customer?pretty&pretty'

• 删除名为customer的索引

curl -XDELETE 'localhost:9200/customer?pretty&pretty'

• 创建别名

curl -XPUT 'localhost:9200/xx_questions_v1/_alias/xx_questions'

• 通过别名查询所指向的索引

curl -XGET 'localhost:9200/_alias/xx_questions?pretty'
// or
curl -XGET 'localhost:9200/_alias/xx_questions*?pretty'

• 查询指向该索引下的所有别名

curl -XGET 'localhost:9200/xx_questions_v1/_alias?pretty'

• 删除别名

curl -XDELETE 'localhost:9200/xx_questions_v1/_alias/xx_questions'

• 删除别名的同时添加别名到新的索引

curl -XPOST 'http://localhost:9200/_aliases' -d '
{
    "actions" : [
        { "remove" : { "index" : "dm_v1", "alias" : "dm" } },
        { "add" : { "index" : "dm_v2", "alias" : "dm" } }
    ]
}'

• 修改索引的设置

curl -XPUT 'http://localhost:9200/task_es/_settings' -H 'Content-Type:appliation' -d '{
    "index": {
        "refresh_interval": "30s",
        "number_of_replicas": 1
    }
}'

• 创建mapping

curl -XPOST 'http://localhost:9200/{index}/_mapping?pretty=true' -H 'Content-Type:application/json' -d '{
    // mapping
}'

索引上的增删改查

首先，在customer索引上新增一个文档

curl -XPUT 'localhost:9200/customer/external/1?pretty&pretty' -H 'Content-Type: application/json' -d'
{
  "first_name": "zhang", "last_name":"si"
}
'

上面的语句执行完毕后，会在customer索引中的external类型中新加入一个ID为1的文档。我们可以通过ID来访问这个新加入的文档：

curl -XGET 'localhost:9200/customer/external/1?pretty&pretty'

它的结果应该像下面这样，除了一个found字段，就没啥特别的了

{
  "_index" : "customer",
  "_type" : "external",
  "_id" : "1",
  "_version" : 1,
  "found" : true,
  "_source" : { "first_name": "zhang", "last_name": "si"}
}

这里要说明的是，Elasticsearch中对数据进行操作后，并不是立即就能够搜索的，这中间会有大概1秒钟的延迟。

现在，假如我们想将这个ID为1的文档替换成其他的文档，比如换成名字为lisi的文档，则只需要再执行一次上面的put操作即可，ID还是指定为1：

curl -XPUT 'localhost:9200/customer/external/1?pretty&pretty' -H 'Content-Type: application/json' -d'
{
  "first_name": "li", "last_name":"si"
}
'

再次获取ID为1的文档，我们发现名称已经变成了lisi。假如说我们在执行替换的时候指定的ID不是1，比如是2，会怎样呢？

curl -XPUT 'localhost:9200/customer/external/2?pretty&pretty' -H 'Content-Type: application/json' -d'
{
  "first_name": "wang", "last_name": "wu"
}
'

这句话执行的结果就是索引了一个新的文档，新文档的ID是2。

可以看到，ES跟传统关系型数据库是不同的，在传统关系型数据库中，如果库中已经有一个ID是1的数据（这里ID作为主键）则再执行插入为1的操作会报错。而在ES中，通过PUT可以来进行create和update这两种操作，我们可以这样理解：当ES中已经存在特定的ID时，会执行更新操作，当ES中没有这个ID时会执行插入操作。

在ES内部，其实并不是真正的去更新文档，而是先删除旧的文档，再重新索引这个新的文档。所以，也就不难理解为什么上面的两个PUT操作会有不同的效果了。

除了索引文档的时候可以指定ID外，也可以不指定，如果不指定ID，ES会生成一个随机的ID，同时，必须使用POST方法来索引一个文档：

curl -XPOST 'localhost:9200/customer/external?pretty&pretty' -H 'Content-Type: application/json' -d'
{
  "first_name": "zhao", "last_name": "liu"
}
'

对于更新操作，有的时候我们并不想更新整个文档，而只是想更新文档中的某个字段，怎么操作呢？我们还以上面为例，假如只想改变first_name字段，名字改成zhang lisi：

curl -XPOST 'localhost:9200/customer/external/1/_update?pretty&pretty' -H 'Content-Type: application/json' -d'
{
  "doc": { "first_name": "zhang" }
}
'

与上面替换整个文档不同的是，我们这里使用的是POST操作，同时在url中指定了是_update，并且，将要更新的内容嵌套在了doc字段中。通过这个操作，我们不但可以更新已有的字段，也可以新增字段，比如，下面的操作会新增一个age字段：

curl -XPOST 'localhost:9200/customer/external/1/_update?pretty&pretty' -H 'Content-Type: application/json' -d'
{
  "doc": { "first_name": "zhang", "age": 25 }
}
'

根据RESTful API规范，我们不难推断出来，删除一个文档只要使用DELETE句可以了：

curl -XDELETE 'localhost:9200/customer/external/2?pretty&pretty'

我们上面的操作都是基于单个文档的，ES同样提供了批量操作的接口。使用批量操作也很简单，首先在URL上通过_bulk告诉ES我们使用的是批量操作，其次，对于每个数据，我们还要告诉ES是什么类型的操作，比如下面的例子：

curl -XPOST 'localhost:9200/customer/external/_bulk?pretty&pretty' -H 'Content-Type: application/json' -d'
{"index":{"_id":"1"}}
{"first_name": "zhang", "last_name": "san"}
{"index":{"_id":"2"}}
{"first_name": "li", "last_name": "si"}
'

{"index":{"_id":"1"}}告诉ES是要新索引一个文档，文档的ID是1，紧跟着的{"first_name": "zhang", "last_name": "san"}是这个ID为1的文档的内容，同理，我们也可以在一次批处理中同时包含更新和删除操作：

curl -XPOST 'localhost:9200/customer/external/_bulk?pretty&pretty' -H 'Content-Type: application/json' -d'
{"update":{"_id":"1"}}
{"doc": { "last_name": "san si wu" } }
{"delete":{"_id":"2"}}
'

上面的操作会首先更新ID为1的文档的last_name字段，然后删除ID为2的文档。

在入门（1）中，主要就是介绍一下ES的基本的概念和一些基本的操作，在入门（2）中会继续介绍ES中的高级查询。

---

这样学机器学习