干货 | Elasticsearch7.X Scripting脚本使用详解

0、题记

除了官方文档，其他能找到的介绍Elasticsearch脚本（Scripting）的资料少之又少。

一方面：性能问题。 官方文档性能优化中明确指出使用脚本会导致性能低；

另一方面：使用场景相对少。 非复杂业务场景下，基础的增、删、改、查基本上就能搞定。

但，不能否认，在解决复杂业务问题（如：自定义评分、自定义文本相关度、自定义过滤、自定义聚合分析）时，脚本依然是Elasticsearch强悍的利器之一。

本文在官方文档基础上，结合实际业务场景，在Elasticsearch7.3环境下进行脚本使用解读。

1、官方scripting使用建议

Avoid scripts——In general, scripts should be avoided. If they are absolutely needed, you should prefer the painless and expressions engines.

ebay在性能优化实践中也强调（本文做了扩展延伸）：

避免使用脚本查询（script query）计算动态字段。

例如：我们有一个包含大量剧院信息的索引，我们需要查询以"Down"开头的所有剧院。你可能运行一个如下脚本查询：

 1POST seats/_search
 2{
 3 "query": {
 4  "bool":{
 5    "filter": { 
 6    "script":{
 7      "script":{
 8        "lang":"painless",
 9        "source": "doc['theatre'].value.startsWith('Down')"
10      }
11    }
12    }
13  }
14 }
15}

这个查询非常耗费资源，并且减慢整个系统。

解决方案：

• 方案一：prefix前缀匹配；实测性能：prefix较scripting性能提升5倍。
• 方案二：索引时考虑添加一个名为“theatre_prefix”的keyword类型字段。然后我们可以查询"theatre_prefix":"Down"。

2、ES Scripting历史

Groovy 的出现是解决MVEL的安全隐患问题； 但Groovy仍存在内存泄露+安全漏洞问题，

painless脚本的官宣时间：2016年9月21日。看似很新，截止目前，已经三年左右时间了。

正如其名字：无痛。painless的出现是为了用户更方便、高效的使用脚本。

https://www.elastic.co/cn/blog/painless-a-new-scripting-language

3、Painless Scripting 简介

Painless是一种简单，安全的脚本语言，专为与Elasticsearch一起使用而设计。它是Elasticsearch的默认脚本语言，可以安全地用于内联和存储脚本。

Painless特点：

• 性能牛逼：Painless脚本运行速度比备选方案（包括Groovy）快几倍。
• 安全性强：使用白名单来限制函数与字段的访问，避免了可能的安全隐患。
• 可选输入：变量和参数可以使用显式类型或动态def类型。
• 上手容易：扩展了java的基本语法，并兼容groove风格的脚本语言特性。
• 特定优化：是ES官方专为Elasticsearch脚本编写而设计。

4、Scripting 应用场景

认知前提： 增删改查能解决业务场景80%的问题，Painless脚本操作一般应用于相对复杂的业务场景中。

常见场景举例如下：

• 自定义字段
• 自定义评分
• 自定义更新
• 自定义reindex
• 聚合
• 其他自定义操作

5、Scripting 使用模板

心中有模板，脚本认知就有了“套路”。

1"script": {
2    "lang":   "...",  
3    "source" | "id": "...", 
4    "params": { ... } 
5  }

1. lang：代表language脚本语言，默认指定为：painless。
2. source：脚本的核心部分，id应用于：stored script。
3. params：传递给脚本使用的变量参数。

6、Scripting 实战

6.1 自定义字段

举例：返回原有Mapping未定义的字段值。 如：以my_doubled_field返回my_field字段的翻倍后的结果。

 1GET my_index/_search
 2{
 3  "script_fields": {
 4    "my_doubled_field": {
 5      "script": {
 6        "lang":   "expression",
 7        "source": "doc['my_field'] * multiplier",
 8        "params": {
 9          "multiplier": 2
10        }
11      }
12    }
13  }
14}

注意：这里脚本语言选择的expression，下一节讲解。

如：返回日期字段中的“年”或“月”或“日”等。

 1GET hockey/_search
 2{
 3  "script_fields": {
 4    "birth_year": {
 5      "script": {
 6        "source": "doc.born.value.year"
 7      }
 8    }
 9  }
10}

6.2 自定义评分

1GET my_index/_search
 2{
 3  "query": {
 4    "function_score": {
 5      "query": {
 6        "match": {
 7          "text": "quick brown fox"
 8        }
 9      },
10      "script_score": {
11        "script": {
12          "lang": "expression",
13          "source": "_score * doc['popularity']"
14        }
15      }
16    }
17  }
18}

6.3 自定义更新

Update:将已有字段值赋值给其他字段。

 1POST hockey/_update/1
 2{
 3  "script": {
 4    "lang": "painless",
 5    "source": """
 6      ctx._source.last = params.last;
 7      ctx._source.nick = params.nick
 8    """,
 9    "params": {
10      "last": "gaudreau",
11      "nick": "hockey"
12    }
13  }
14}

Update_by_query：满足b开头（注意正则）的字段，末尾添加matched。

 1POST hockey/_update_by_query
 2{
 3  "script": {
 4    "lang": "painless",
 5    "source": """
 6      if (ctx._source.last =~ /b/) {
 7        ctx._source.last += "matched";
 8      } else {
 9        ctx.op = "noop";
10      }
11    """
12  }
13}

6.4 自定义reindex

Elasticsearch认证考试题：

有index_a包含一些文档， 要求创建索引index_b，通过reindex api将index_a的文档索引到index_b。

要求： 1）增加一个整形字段，value是index_a的field_x的字符长度；

2）再增加一个数组类型的字段，value是field_y的词集合。

(field_y是空格分割的一组词，比方"foo bar"，索引到index_b后，要求变成["foo", "bar"]）

 1POST _reindex
 2{
 3  "conflicts": "proceed",
 4  "source": {
 5    "index": "index_a"
 6  },
 7  "dest": {
 8    "index": "index_b"
 9  },
10  "script": {
11    "source": "ctx._source.parts = / /.split(ctx._source.address); ctx._source.tag = ctx._source.city.length();"
12  }
13}

语法参考：

https://www.elastic.co/guide/en/elasticsearch/painless/7.3/painless-regexes.html

6.5 聚合

 1GET /_search
 2{
 3    "aggs" : {
 4        "genres" : {
 5            "terms" : {
 6                "script" : {
 7                    "source": "doc['genre'].value",
 8                    "lang": "painless"
 9                }
10            }
11        }
12    }
13
14}

6.6 其他自定义操作

需要结合业务去实践。

7、常见坑及问题

7.1 脚本只有Painless吗？

显然不是，第6节用到的expression 是Lucene’s expressions 脚本语言。

还可以基于脚本引擎自己开发插件实现，

https://www.elastic.co/guide/en/elasticsearch/reference/current/modules-scripting-engine.html

7.2 怎么界定是expressions 还是Painless？

"lang": "painless", "lang": "expressions ", 是唯一区分。

7.3 使用painless就百分之百“无痛”，无漏洞后顾之忧了吗？

凡事不能绝对。 核心注意点： 第一：不要root账户下运行Elasticsearch。 第二：不要公开ES路径给其他用户。 第三：不要公开ES路径到互联网。

实战推荐：

• 1、用户在搜索框中键入文本，文本将直接发送到后台的match、match_phrase、Simple query string或 Suggesters.
• 2、作为应用程序开发过程的一部分（而非全部）开放上述查询的脚本。
• 3、使用用户提供的参数运行脚本。
• 4、文档固定的Mapping结构。

不推荐：

• 1、用户可以编写任意scripts, queries（检索）, _search requests（search请求）。
• 2、文档结构可以用户自定义。

8、小结

本文讲解了脚本的发展历史、使用场景、应用实战，但相比于实际业务的复杂需求仍然是九牛一毛。

实战中，肯定还会遇到这样、那样的问题。

一方面：欢迎留言交流。 另一方面：多研读官方文档，很多细节值得深究。

参考： https://www.elastic.co/guide/en/elasticsearch/reference/current/tune-for-search-speed.html https://www.infoq.cn/article/elasticsearch-performance-tuning-practice-at-ebay https://github.com/laoyang360/deep_elasticsearch/blob/master/es_dsl_study/6.scripting.md https://github.com/elastic/elasticsearch/issues/19396 https://www.youtube.com/watch?v=3FLEJJ8PsM4 https://blog.csdn.net/u013613428/article/details/78134170