如此简单 | ElasticSearch 全详细使用教程

2020-09-07 00:00:00 索引字段定义分片映射

来自：r6a.cn/cyJw

本文介绍了ElasticSearch的必备知识：从入门、索引管理到映射详解。

一、快速入门

1. 查看集群的健康状况
http://localhost:9200/_cat

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

说明：v是用来要求在结果中返回表头

状态值说明

Green - everything is good (cluster is fully functional)，即佳状态
Yellow - all data is available but some replicas are not yet allocated (cluster is fully functional)，即数据和集群可用，但是集群的备份有的是坏的
Red - some data is not available for whatever reason (cluster is partially functional)，即数据和集群都不可用

查看集群的节点
http://localhost:9200/_cat/?v

2. 查看所有索引
http://localhost:9200/_cat/indices?v

3. 创建一个索引
创建一个名为 customer 的索引。pretty要求返回一个漂亮的json 结果

PUT /customer?pretty

再查看一下所有索引
http://localhost:9200/_cat/indices?v

GET /_cat/indices?v

4. 索引一个文档到customer索引中

curl -X PUT "localhost:9200/customer/_doc/1?pretty" -H 'Content-Type: application/json' -d'{  "name": "John Doe"}'

5. 从customer索引中获取指定id的文档

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

6. 查询所有文档

GET /customer/_search?q=*&sort=name:asc&pretty

JSON格式方式

GET /customer/_search{  "query": { "match_all": {} },  "sort": [    {"name": "asc" }  ]}

二、索引管理

1. 创建索引
创建一个名为twitter的索引，设置索引的分片数为3，备份数为2。注意：在ES中创建一个索引类似于在数据库中建立一个数据库(ES6.0之后类似于创建一个表)

PUT twitter{    "settings" : {        "index" : {            "number_of_shards" : 3,            "number_of_replicas" : 2        }    }}

说明：
默认的分片数是5到1024
默认的备份数是1
索引的名称必须是小写的，不可重名

创建结果：

创建的命令还可以简写为

PUT twitter{    "settings" : {        "number_of_shards" : 3,        "number_of_replicas" : 2    }}

2. 创建mapping映射
注意：在ES中创建一个mapping映射类似于在数据库中定义表结构，即表里面有哪些字段、字段是什么类型、字段的默认值等；也类似于solr里面的模式schema的定义

PUT twitter{    "settings" : {        "index" : {            "number_of_shards" : 3,            "number_of_replicas" : 2        }    },   "mappings" : {        "type1" : {            "properties" : {                "field1" : { "type" : "text" }            }        }    }}

3. 创建索引时加入别名定义

PUT twitter{    "aliases" : {        "alias_1" : {},        "alias_2" : {            "filter" : {                "term" : {"user" : "kimchy" }            },            "routing" : "kimchy"        }    }}

4. 创建索引时返回的结果说明

5. Get Index 查看索引的定义信息
GET /twitter，可以一次获取多个索引（以逗号间隔）获取所有索引 _all 或用通配符*

GET /twitter/_settings

GET /twitter/_mapping

6. 删除索引

DELETE /twitter

说明：

可以一次删除多个索引（以逗号间隔）删除所有索引 _all 或通配符 *

7. 判断索引是否存在

HEAD twitter

HTTP status code 表示结果 404 不存在， 200 存在

8. 修改索引的settings信息

索引的设置信息分为静态信息和动态信息两部分。静态信息不可更改，如索引的分片数。动态信息可以修改。

REST 访问端点：
/_settings 更新所有索引的。
{index}/_settings 更新一个或多个索引的settings。

详细的设置项请参考：https://www.elastic.co/guide/en/elasticsearch/reference/current/index-modules.html#index-modules-settings

9. 修改备份数

PUT /twitter/_settings{    "index" : {        "number_of_replicas" : 2    }}

10. 设置回默认值，用null

PUT /twitter/_settings{    "index" : {        "refresh_interval" : null    }}

11. 设置索引的读写

index.blocks.read_only：设为true,则索引以及索引的元数据只可读index.blocks.read_only_allow_delete：设为true，只读时允许删除。index.blocks.read：设为true，则不可读。index.blocks.write：设为true，则不可写。index.blocks.metadata：设为true，则索引元数据不可读写。

12. 索引模板

在创建索引时，为每个索引写定义信息可能是一件繁琐的事情，ES提供了索引模板功能，让你可以定义一个索引模板，模板中定义好settings、mapping、以及一个模式定义来匹配创建的索引。

注意：模板只在索引创建时被参考，修改模板不会影响已创建的索引

12.1 新增/修改名为tempae_1的模板，匹配名称为te* 或 bar*的索引创建：

PUT _template/template_1{  "index_patterns": ["te*", "bar*"],  "settings": {    "number_of_shards": 1  },  "mappings": {    "type1": {      "_source": {        "enabled": false      },      "properties": {        "host_name": {          "type": "keyword"        },        "created_at": {          "type": "date",          "format": "EEE MMM dd HH:mm:ss Z YYYY"        }      }    }  }}

12.2 查看索引模板

GET /_template/template_1GET /_template/temp* GET /_template/template_1,template_2GET /_template

12.3 删除模板

DELETE /_template/template_1

13. Open/Close Index 打开/关闭索引

POST /my_index/_closePOST /my_index/_open

说明：

关闭的索引不能进行读写操作，几乎不占集群开销。
关闭的索引可以打开，打开走的是正常的恢复流程。

14. Shrink Index 收缩索引

索引的分片数是不可更改的，如要减少分片数可以通过收缩方式收缩为一个新的索引。新索引的分片数必须是原分片数的因子值，如原分片数是8，则新索引的分片数可以为4、2、1 。

什么时候需要收缩索引呢?

初创建索引的时候分片数设置得太大，后面发现用不了那么多分片，这个时候就需要收缩了

收缩的流程：

先把所有主分片都转移到一台主机上；
在这台主机上创建一个新索引，分片数较小，其他设置和原索引一致；
把原索引的所有分片，复制（或硬链接）到新索引的目录下；
对新索引进行打开操作恢复分片数据；
(可选)重新把新索引的分片均衡到其他节点上。

收缩前的准备工作：

将原索引设置为只读；
将原索引各分片的一个副本重分配到同一个节点上，并且要是健康绿色状态。

PUT /my_source_index/_settings{  "settings": {    <!-- 指定进行收缩的节点的名称 -->    "index.routing.allocation.require._name": "shrink_node_name",    <!-- 阻止写，只读 -->     "index.blocks.write": true  }}

进行收缩：

POST my_source_index/_shrink/my_target_index{  "settings": {    "index.number_of_replicas": 1,    "index.number_of_shards": 1,    "index.codec": "best_compression"  }}

监控收缩过程：

GET _cat/recovery?vGET _cluster/health

15. Split Index 拆分索引

当索引的分片容量过大时，可以通过拆分操作将索引拆分为一个倍数分片数的新索引。能拆分为几倍由创建索引时指定的index.number_of_routing_shards 路由分片数决定。这个路由分片数决定了根据一致性hash路由文档到分片的散列空间。

如index.number_of_routing_shards = 30 ，指定的分片数是5，则可按如下倍数方式进行拆分：

5 → 10 → 30 (split by 2, then by 3)5 → 15 → 30 (split by 3, then by 2)5 → 30 (split by 6)

为什么需要拆分索引？

当初设置的索引的分片数不够用时就需要拆分索引了，和压缩索引相反

注意：只有在创建时指定了index.number_of_routing_shards 的索引才可以进行拆分，ES7开始将不再有这个限制。

和solr的区别是，solr是对一个分片进行拆分，es中是整个索引进行拆分。

拆分步骤：

准备一个索引来做拆分：

PUT my_source_index{    "settings": {        "index.number_of_shards" : 1,        <!-- 创建时需要指定路由分片数 -->        "index.number_of_routing_shards" : 2    }}

先设置索引只读：

PUT /my_source_index/_settings{  "settings": {    "index.blocks.write": true  }}

做拆分：

POST my_source_index/_split/my_target_index{  "settings": {    <!--新索引的分片数需符合拆分规则-->    "index.number_of_shards": 2  }}

监控拆分过程：

GET _cat/recovery?vGET _cluster/health

16. Rollover Index 别名滚动指向新创建的索引

对于有时效性的索引数据，如日志，过一定时间后，老的索引数据就没有用了。我们可以像数据库中根据时间创建表来存放不同时段的数据一样，在ES中也可用建多个索引的方式来分开存放不同时段的数据。比数据库中更方便的是ES中可以通过别名滚动指向新的索引的方式，让你通过别名来操作时总是操作的新的索引。

ES的rollover index API 让我们可以根据满足指定的条件（时间、文档数量、索引大小）创建新的索引，并把别名滚动指向新的索引。

注意：这时的别名只能是一个索引的别名。

Rollover Index 示例：

创建一个名字为logs-0000001 、别名为logs_write 的索引：

PUT /logs-000001{  "aliases": {    "logs_write": {}  }}

添加1000个文档到索引logs-000001，然后设置别名滚动的条件

POST /logs_write/_rollover{  "conditions": {    "max_age":   "7d",    "max_docs":  1000,    "max_size":  "5gb"  }}

说明：

如果别名logs_write指向的索引是7天前（含）创建的或索引的文档数>=1000或索引的大小>= 5gb，则会创建一个新索引 logs-000002，并把别名logs_writer指向新创建的logs-000002索引

Rollover Index 新建索引的命名规则：

如果索引的名称是-数字结尾，如logs-000001，则新建索引的名称也会是这个模式，数值增1。

如果索引的名称不是-数值结尾，则在请求rollover api时需指定新索引的名称

POST /my_alias/_rollover/my_new_index_name{  "conditions": {    "max_age":   "7d",    "max_docs":  1000,    "max_size": "5gb"  }}

在名称中使用Date math（时间表达式）

如果你希望生成的索引名称中带有日期，如logstash-2016.02.03-1 ，则可以在创建索引时采用时间表达式来命名：

# PUT /<logs-{now/d}-1> with URI encoding:PUT /%3Clogs-%7Bnow%2Fd%7D-1%3E{  "aliases": {    "logs_write": {}  }}PUT logs_write/_doc/1{  "message": "a dummy log"} POST logs_write/_refresh# Wait for a day to passPOST /logs_write/_rollover{  "conditions": {    "max_docs":   "1"  }}

Rollover时可对新的索引作定义：

PUT /logs-000001{  "aliases": {    "logs_write": {}  }}POST /logs_write/_rollover{  "conditions" : {    "max_age": "7d",    "max_docs": 1000,    "max_size": "5gb"  },  "settings": {    "index.number_of_shards": 2  }}

Dry run 实际操作前先测试是否达到条件：

POST /logs_write/_rollover?dry_run{  "conditions" : {    "max_age": "7d",    "max_docs": 1000,    "max_size": "5gb"  }}

说明：

测试不会创建索引，只是检测条件是否满足

注意：rollover是你请求它才会进行操作，并不是自动在后台进行的。你可以周期性地去请求它。

17. 索引监控

17.1 查看索引状态信息

官网链接：

https://www.elastic.co/guide/en/elasticsearch/reference/current/indices-stats.html

查看所有的索引状态：

GET /_stats

查看指定索引的状态信息：

GET /index1,index2/_stats

17.2 查看索引段信息

官网链接：

https://www.elastic.co/guide/en/elasticsearch/reference/current/indices-segments.html

GET /test/_segments GET /index1,index2/_segmentsGET /_segments

17.3 查看索引恢复信息

官网链接：
https://www.elastic.co/guide/en/elasticsearch/reference/current/indices-recovery.html

GET index1,index2/_recovery?human

GET /_recovery?human

17.4 查看索引分片的存储信息

官网链接：

https://www.elastic.co/guide/en/elasticsearch/reference/current/indices-shards-stores.html

# return information of only index testGET /test/_shard_stores# return information of only test1 and test2 indicesGET /test1,test2/_shard_stores# return information of all indicesGET /_shard_stores  GET /_shard_stores?status=green

18. 索引状态管理

18.1 Clear Cache 清理缓存

POST /twitter/_cache/clear

默认会清理所有缓存，可指定清理query, fielddata or request 缓存

POST /kimchy,elasticsearch/_cache/clearPOST /_cache/clear

18.2 Refresh，重新打开读取索引

POST /kimchy,elasticsearch/_refreshPOST /_refresh

18.3 Flush，将缓存在内存中的索引数据刷新到持久存储中

POST twitter/_flush

18.4 Force merge 强制段合并

POST /kimchy/_forcemerge?only_expunge_deletes=false&max_num_segments=100&flush=true

可选参数说明：

max_num_segments 合并为几个段，默认1
only_expunge_deletes 是否只合并含有删除文档的段，默认false
flush 合并后是否刷新，默认true

POST /kimchy,elasticsearch/_forcemergePOST /_forcemerge

三、映射详解

1. Mapping 映射是什么

映射定义索引中有什么字段、字段的类型等结构信息。相当于数据库中表结构定义，或 solr中的schema。因为lucene索引文档时需要知道该如何来索引存储文档的字段。
ES中支持手动定义映射，动态映射两种方式。

1.1. 为索引创建mapping

 PUT test{<!--映射定义 -->"mappings" : {<!--名为type1的映射类别 mapping type-->        "type1" : {        <!-- 字段定义 -->            "properties" : {            <!-- 名为field1的字段，它的field datatype 为 text -->                "field1" : { "type" : "text" }            }        }    }}

说明：映射定义后续可以修改

2. 映射类别 Mapping type 废除说明

ES先的设计是用索引类比关系型数据库的数据库，用mapping type 来类比表，一个索引中可以包含多个映射类别。这个类比存在一个严重的问题，就是当多个mapping type中存在同名字段时（特别是同名字段还是不同类型的），在一个索引中不好处理，因为搜索引擎中只有索引-文档的结构，不同映射类别的数据都是一个一个的文档（只是包含的字段不一样而已）

从6.0.0开始限定仅包含一个映射类别定义（ "index.mapping.single_type": true ），兼容5.x中的多映射类别。从7.0开始将移除映射类别。
为了与未来的规划匹配，请现在将这个的映射类别名定义为“_doc”,因为索引的请求地址将规范为：PUT {index}/_doc/{id} and POST {index}/_doc

Mapping 映射示例：

PUT twitter{  "mappings": {    "_doc": {      "properties": {        "type": { "type": "keyword" },        "name": { "type": "text" },        "user_name": { "type": "keyword" },        "email": { "type": "keyword" },        "content": { "type": "text" },        "tweeted_at": { "type": "date" }      }    }  }}

多映射类别数据转储到独立的索引中：

ES 提供了reindex API 来做这个事

3. 字段类型 data*

字段类型定义了该如何索引存储字段值。ES中提供了丰富的字段类型定义，请查看官网链接详细了解每种类型的特点：

https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-*.html

3.1 Core Data* 核心类型

string    text and keywordNumeric data*    long, integer, short, byte, double, float, half_float, scaled_floatDate datatype    dateBoolean datatype    booleanBinary datatype    binaryRange data*     范围    integer_range, float_range, long_range, double_range, date_range

3.2 Complex data* 复合类型

Array datatype    数组就是多值，不需要专门的类型Object datatype    object ：表示值为一个JSON 对象Nested datatype    nested：for arrays of JSON objects（表示值为JSON对象数组 ）

3.3 Geo data* 地理数据类型

Geo-point datatype    geo_point：for lat/lon points  （经纬坐标点）Geo-Shape datatype    geo_shape：for complex shapes like polygons （形状表示）

3.4 Specialised data* 特别的类型

IP datatype    ip：for IPv4 and IPv6 addressesCompletion datatype    completion：to provide auto-complete suggestionsToken count datatype    token_count：to count the number of tokens in a stringmapper-murmur3    murmur3：to compute hashes of values at index-time and store them in the indexPercolator type    Accepts queries from the query-dsljoin datatype    Defines parent/child relation for documents within the same index

4. 字段定义属性介绍
字段的type (Datatype)定义了如何索引存储字段值，还有一些属性可以让我们根据需要来覆盖默认的值或进行特别定义。请参考官网介绍详细了解：https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-params.html

    analyzer   指定分词器    normalizer   指定标准化器    boost        指定权重值    coerce      强制类型转换    copy_to    值复制给另一字段    doc_values  是否存储docValues    dynamic    enabled    字段是否可用    fielddata    eager_global_ordinals    format    指定时间值的格式    ignore_above    ignore_malformed    index_options    index    fields    norms    null_value    position_increment_gap    properties    search_analyzer    similarity    store    term_vector

字段定义属性—示例

PUT my_index{  "mappings": {    "_doc": {      "properties": {        "date": {          "type":   "date",           <!--格式化日期 -->          "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"        }      }    }  }}

5. Multi Field 多重字段
当我们需要对一个字段进行多种不同方式的索引时，可以使用fields多重字段定义。如一个字符串字段即需要进行text分词索引，也需要进行keyword 关键字索引来支持排序、聚合；或需要用不同的分词器进行分词索引。

示例：

定义多重字段：

说明：raw是一个多重版本名（自定义）

PUT my_index{  "mappings": {    "_doc": {      "properties": {        "city": {          "type": "text",          "fields": {            "raw": {              "type":  "keyword"            }          }        }      }    }  }}

往多重字段里面添加文档

PUT my_index/_doc/1{  "city": "New York"}
PUT my_index/_doc/2{  "city": "York"}

获取多重字段的值：

GET my_index/_search{  "query": {    "match": {      "city": "york"    }  },  "sort": {    "city.raw": "asc"  },  "aggs": {    "Cities": {      "terms": {        "field": "city.raw"      }    }  }}

6. 元字段

官网链接：
https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-fields.html

元字段是ES中定义的文档字段，有以下几类：

7. 动态映射
动态映射：ES中提供的重要特性，让我们可以快速使用ES，而不需要先创建索引、定义映射。如我们直接向ES提交文档进行索引：

PUT data/_doc/1{ "count": 5 }

ES将自动为我们创建data索引、_doc 映射、类型为 long 的字段 count

索引文档时，当有新字段时， ES将根据我们字段的json的数据类型为我们自动加人字段定义到mapping中。

7.1 字段动态映射规则

7.2 Date detection 时间侦测

所谓时间侦测是指我们往ES里面插入数据的时候会去自动检测我们的数据是不是日期格式的，是的话就会给我们自动转为设置的格式

date_detection 默认是开启的，默认的格式dynamic_date_formats为：

[ "strict_date_optional_time","yyyy/MM/dd HH:mm:ss Z||yyyy/MM/dd Z"]PUT my_index/_doc/1{  "create_date": "2015/09/02"}
GET my_index/_mapping

自定义时间格式：

PUT my_index{  "mappings": {    "_doc": {      "dynamic_date_formats": ["MM/dd/yyyy"]    }  }}

禁用时间侦测：

PUT my_index{  "mappings": {    "_doc": {      "date_detection": false    }  }}

7.3 Numeric detection 数值侦测

开启数值侦测（默认是禁用的）

PUT my_index{  "mappings": {    "_doc": {      "numeric_detection": true    }  }}PUT my_index/_doc/1{  "my_float":   "1.0",  "my_integer": "1"}

<END>

相关文章