Elasticsearch--数据索引

前言

Elasticsearch可以支持全文检索,那么ES是以什么机制来支持的,这里索引就是一个重要的步骤,经过索引之后的文档才可以被分析存储、建立倒排索引。本篇就是以ES的数据检索操作来讨论的。 更多内容情参考:ELK教程

索引操作

ES索引可以根据指定的index和type进行增加或者更新文档,ID可以指定也可以不指定(index API为我们自动生成)

curl -XPUT 'http://localhost:9200/twitter/tweet/1' -d '{
    "user" : "kimchy",
    "post_date" : "2009-11-15T14:12:12",
    "message" : "trying out Elasticsearch"
}'

这里指定了索引twitter、类型tweet、Id为1 索引操作的结果如下:

{
    "_shards" : {
        "total" : 10,
        "failed" : 0,
        "successful" : 10
    },
    "_index" : "twitter",
    "_type" : "tweet",
    "_id" : "1",
    "_version" : 1,
    "created" : true
}

上面_shards中描述了分片相关的信息,即当前一共有10个分片(5个主分片,5个副本); 以及index、type、id、version相关信息

  • total:表示现在在使用的分片数量(主分片和副本)
  • successful:操作成功的分片数量
  • failed:操作失败的分片数量

自动创建索引

如果上面索引操作之前,ES中还没有这个索引,那么默认会创建这个索引,并且type类型也会自动创建,也就是说,ES并不需要像传统数据库那样预先定义表的结构。 每个索引都有一个mapping映射,这个映射也是动态生成的,因此当添加新的字段时,会自动的添加mapping映射。 通过在所有节点的配置文件中设置action_create_indexfalse,可以关闭自动索引创建这个功能,默认是打开的 通过在所有节点的配置文件中设置index.mapper.dynamicfalse,可以关闭自动映射创建功能。 通过在所有节点的配置文间中设置action.auto_create_index+aaa,-bbb,+ccc,-有选择性的创建某些索引。 关闭自动mapping映射功能时,就会引发第一次索引的数据失败,这里我们就要自己手动的put一个映射Elasticsearch-Mapping映射

版本控制

Elasticsearch采用乐观并发控制,当程序并发性比较高的时候,就会产生脏读,所以ES就使用版本号用来避免文档冲突,这里不多过多介绍,分成专门的一篇来介绍ES的版本控制问题Elasticsearch-版本控制

操作类型

ES通过设置一个参数op_type控制索引操作"缺少即加入",当设置op_typecreate时,如果索引时指定的id已经存在,那么索引操作就会失败 上面的op_type=create与直接使用_create API,效果一样:

curl -XPUT 'http://localhost:9200/twitter/tweet/1?op_type=create' -d '{
    "user" : "kimchy",
    "post_date" : "2009-11-15T14:12:12",
    "message" : "trying out Elasticsearch"
}'

等价于:

curl -XPUT 'http://localhost:9200/twitter/tweet/1/_create' -d '{
    "user" : "kimchy",
    "post_date" : "2009-11-15T14:12:12",
    "message" : "trying out Elasticsearch"
}'

如果使用自动id生成就不存在这个问题了。

自动ID创建:

前面提到创建索引时可以指定ID,也可以不指定ID,如果不指定ID,那么ES会自动的生成一个ID,并且把op_type更改为create。 这里需要指出的就是此时HTTP方法将不再是put,更改为POST

 curl -XPOST 'http://localhost:9200/twitter/tweet/' -d '{
    "user" : "kimchy",
    "post_date" : "2009-11-15T14:12:12",
    "message" : "trying out Elasticsearch"
}'

返回的结果如下:

{
    "_index" : "twitter",
    "_type" : "tweet",
    "_id" : "6a8ca01c-7896-48e9-81cc-9f70661fcb32",
    "_version" : 1,
    "created" : true
}

路由routing

所有的文档API(get、index、delete、bulk、update、mget)都接收一个routing参数,它用来自定义文档到分片的映射。自定义路由值可以确保所有相关文档都被保存在同一分片上。

shard = hash(routing) % number_of_primary_shards

设置了路由值,就相当于告诉ES文档操作针对的具体分片。 一般情况下ID都是随机生成的,这样可以保证默认情况下分片的数据负载是相同的,如果我们需要在特定的分片上保持特定的内容,就需要用到这个属性。

Parent & Children父子查询

这个属性在父子连接中用到,类似于传统关系中的一对多关系,具体的介绍在连接查询mapping模块中介绍

curl -XPUT localhost:9200/blogs/blog_tag/1122?parent=1111 -d '{
    "tag" : "something"
}'

当索引一个child文档时,这个routing属性值被自动的设置成指定的parent文档相同的routing,除非指定routing值(即使parent指定routing,child文档还是parent文档的ID)

_timestamp设置时间戳

这个字段将被date字段替代,且在使用的时候(包括自定义timestamp),必须mapping设置为enable

{
  "mappings": {
    "my_type": {
      "_timestamp": {
        "enabled": true
      }
    }
  }
}

时间戳字段可以在索引的时候指定:

curl -XPUT localhost:9200/twitter/tweet/1?timestamp=2009-11-15T14%3A12%3A12 -d '{
    "user" : "kimchy",
    "message" : "trying out Elasticsearch"
}'

如果没有指定timestamp,_source中也不存在时间戳,就会指定为索引指定时间。

#测试timestamp
PUT /my_index
{
  "mappings": {
    "my_type": {
      "_timestamp": {
        "enabled": true
      }
    }
  }
}


GET my_index/_mapping
#回应如下
{
  "my_index": {
    "mappings": {
      "my_type": {
        "_timestamp": {
          "enabled": true
        }
      }
    }
  }
}

#索引数据
PUT /my_index/my_type/1?pretty
{
  "meas" : "timestamp测试"
}


GET /my_index/my_type/1
#回应如下
{
  "_index": "my_index",
  "_type": "my_type",
  "_id": "1",
  "_version": 2,
  "_timestamp": 1464418352065,
  "found": true,
  "_source": {
    "meas": "timestamp测试"
  }
}


#自定义timestamp
PUT /my_index3/my_type/1?timestamp=2019-12-12T14%3A12%3A23
{
  "message" : "自定义timestamp测试"
}


GET my_index3/my_type/1
#回应如下
{
  "_index": "my_index3",
  "_type": "my_type",
  "_id": "1",
  "_version": 3,
  "_timestamp": 1576159943000,
  "found": true,
  "_source": {
    "message": "自定义timestamp测试"
  }
}

ttl文档过期

ES中也可以设置文档自动过期,过期是设置一个正的时间间隔,然后以_timestamp为基准,一旦_ttl到0的时候,文档就会被自动删除。

如果想_ttl生效,必须mapping设置_timestamp和_ttl为enable

PUT my_index5
{
  "mappings": {
    "my_type" : {
      "_ttl": {
        "enabled": true
      },
      "_timestamp": {
        "enabled": true
      }
    }
  }
}

这时就可以使用_ttl删除文档了

PUT /my_index5/my_type/1?ttl=2m
{
  "user" : "kimchy",
  "post_date" : "2016-05-21T17:23:00",
  "messae" : "trying out Elasticsearch"
}

GET /my_index5/my_type/1
#回应如下
{
  "_index": "my_index5",
  "_type": "my_type",
  "_id": "1",
  "_version": 1,
  "_ttl": 78225,
  "_timestamp": 1464420120972,
  "found": true,
  "_source": {
    "user": "kimchy",
    "post_date": "2016-05-21T17:23:00",
    "messae": "trying out Elasticsearch"
  }
}

refersh手动刷新

由于ES并不是一个实时索引搜索的框架,因此数据在索引操作后,需要等1秒钟才能搜索到。这里的搜索是指进行检索操作。如果你使用的是get这种API,就是真正的实时操作了。他们之间的不同是,检索可能还需要进行分析和计算分值相关性排序等操作。 为了在数据索引操作后,马上就能搜索到,也可以手动执行refresh操作。只要在API后面添加refresh=true即可。 这种操作仅推荐在特殊情况下使用,如果在大量所以操作中,每个操作都执行refresh,那是很耗费性能的。 这一步是把缓冲区的请求数据刷到文件系统缓存上。

Timeout超时

分片并不是随时可用的,当分片进行备份等操作时,是不能进行索引操作的。因此需要等待分片可用后,再进行操作。这时,就会出现一定的等待时间,如果超过等地时间则返回并抛出错误,这个等待时间可以通过timeout设置:

PUT /my_index/my_type/1?timeout=5m
{
   "user" : "kimchy",
    "post_date" : "2009-11-15T14:12:12",
    "message" : "trying out Elasticsearch"
}

table{ text-align: center; }

参数

可选值

备注

op_type

create

索引不存在就创建,存在报错

version

自定义值

用于指定版本号

version_type

internalexternal

定义外部版本

routing

parent

timestamp

ttl

consistency

onequorumall

refresh

--

timeout

针对index api暂时就先介绍到这,还有许多细节以后再慢慢补充。

参考文档

【1】官方Index API文档 【2】权威指南 索引

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Laoqi's Linux运维专列

KVM虚拟主机管理篇

5783
来自专栏张善友的专栏

Mongo Database 性能优化

SQL Server有工具进行数据库的优化,Mongo Database Profiler.不仅有,而且功能更强大。 MongoDB 自带 Profiler,可...

35510
来自专栏不止思考

架构师带你玩转分布式锁

当某个资源在多系统之间,具有共享性的时候,为了保证大家访问这个资源数据是一致的,那么就必须要求在同一时刻只能被一个客户端处理,不能并发的执行,否者就会出现同一时...

911
来自专栏云时之间

Python学习系列:使用pyqt5搭建简单图书管理系统(2)

在上一篇文章里我们简单的说了一下图书管理系统的设计思路,这一篇文章我们将设计一下此系统的数据库.

2163
来自专栏运维前线

Elasticsearch API 使用介绍

API文档: https://www.elastic.co/guide/en/elasticsearch/reference/current/docs.htm...

2216
来自专栏陈满iOS

iOS下载报错:App Transport Security has blocked a cleartext HTTP

以上方法虽然解决了HTTP不能正常使用的问题,但是苹果提供的安全保障也被关闭了,对于不支持HTTPS协议的网站,可以考虑白名单:

4014
来自专栏linux驱动个人学习

认真分析mmap:是什么 为什么 怎么用【转】

mmap是一种内存映射文件的方法,即将一个文件或者其它对象映射到进程的地址空间,实现文件磁盘地址和进程虚拟地址空间中一段虚拟地址的一一对映关系。实现这样的映射关...

5072
来自专栏MYSQL轻松学

Mysql重要参数说明

1)mysql double write buffer参数详解 什么是double write buffe?参数innodb_doublewrite=1打开 u...

3357
来自专栏逆向技术

32位汇编第三讲,RadAsm,IDE的配置和使用,以及汇编代码注入方式

    32位汇编第三讲,RadAsm,IDE的配置和使用,以及汇编代码注入方式 一丶RadAsm的配置和使用 用了怎么长时间的命令行方式,我们发现了几个问题 ...

5285
来自专栏云计算教程系列

如何在Ubuntu 16.04上的三节点集群上部署CockroachDB

CockroachDB是一个开源的分布式SQL数据库,提供一致性、可伸缩性和生存性。

1772

扫码关注云+社区

领取腾讯云代金券