ELK专栏之ES索引-04

大忽悠爱学习

发布于 2022-09-29 10:43:13

6420

发布于 2022-09-29 10:43:13

文章被收录于专栏：c++与qt学习

ELK专栏之ES索引-04

索引Index入门

为什么我们要手动创建索引？

● 在生产上，我们需要自己手动建立索引和映射，是为了更好的管理索引，就像数据库的建表数据一样。

索引管理

创建索引

● 创建索引的语法：

PUT /index
{
    "settings":{...},
    "mappings":{
        "properties":{
            ...
        }
    },
    "aliases":{
        "default_index":{}
    }           
}

示例：

● 创建索引：

PUT /my_index
{
  "settings": {
    "number_of_shards": 1,
    "number_of_replicas": 1
  },
  "mappings": {
    "properties": {
      "field1":{
        "type": "text"
      },
      "field2":{
        "type": "text"
      }
    }
  },
  "aliases": {
    "default_index": {}
  }
}

插入数据：

PUT /my_index/_doc/1
{
	"field1":"java",
	"field2":"js"
}

查询数据：

GET /my_index/_doc/1

GET /default_index/_doc/1

查询索引

语法：查询索引：

GET /index

语法：查询索引中的映射信息

GET /index/_mapping

示例：

GET /my_index

GET /my_index/_mapping

GET /my_index/_settings

修改索引

语法：

PUT /index/_settings
{
    "index" : {
        "number_of_replicas" : 5
    }
}

示例：修改副本分片数

PUT /my_index/_settings
{
    "index" : {
        "number_of_replicas" : 5
    }
}

删除索引

语法：删除索引

DELETE /index

语法：删除多个索引

DELETE /index1,index2

DELETE /index*

语法：删除全部索引（危险）

DELETE /_all

示例：删除索引

DELETE /book

示例：删除多个索引

DELETE /book,my_index

示例：

DELETE /book*

示例：删除所有索引

DELETE /_all

为了安全起见，防止恶意删除索引，删除的时候必须指定索引名，我们可以在elasticsearch.yml中配置action.destructive_requires_name: true。

定制分词器

默认分词器

● 分词器有三个组件，分别为：character filter，tokenizer和token filter。

● 默认的分词器是：standard 分词器。

● standard tokenizer：以单词边界进行切分。

● standard token filter：什么都不做。

● lowercase token filter：将所有字母都转换为小写。

● stop token filter（默认被禁用）：移除停用词，比如a、the、it等等。

修改分词器的位置

● 启用english停用词token filter：

PUT /my_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "es_std":{
          "type":"standard",
          "stopwords":"_english_"
        }
      }
    }
  }
}

使用标准分词器测试分词：

GET /my_index/_analyze
{
  "analyzer": "standard", 
  "text": "a dog is in the house"
}

使用english停用词测试分词：

GET /my_index/_analyze
{
  "analyzer": "es_std",
  "text":"a dog is in the house"
}

定制自己的分词器

● 定制自己的分词器：

PUT /my_index
{
  "settings": {
    "analysis": {
      "char_filter": {
        //&替换为and
        "&_to_and": {
          "type": "mapping",
          "mappings": ["&=> and"]
        }
      },
      "filter": {
        //停用词--遇到这些词语会忽略分词
        "my_stopwords": {
          "type": "stop",
          "stopwords": ["the", "a"]
        }
      },
      "analyzer": {
        //自定义分词器
        "my_analyzer": {
          "type": "custom",
           //字符过滤器
          "char_filter": ["html_strip", "&_to_and"],
          //以单词边界进行切分
          "tokenizer": "standard",
          //再进行过滤
          "filter": ["lowercase", "my_stopwords"]
        }
      }
    }
  }
}

测试自定义分词器：

GET /my_index/_analyze
{
  "analyzer": "my_analyzer",
  "text": "tom&jerry are a friend in the house, <a>, HAHA!!"
}

设置字段使用自定义分词器：

PUT /my_index/_mapping/
{
  "properties": {
    "content": {
      "type": "text",
      "analyzer": "my_analyzer"
    }
  }
}

type底层结构及弃用原因

type是什么？

● type是一个Index中用来区分类似的数据的。这些类似的数据，可能有不同的fields，而且有不同的属性来控制索引和分词器的建立。

● field的value，在底层的Lucene中建立索引的时候，全都是opaque bytes类型，是不区分类型的。

● Lucene是没有type的概念的，在document（文档）中，实际上是将type作为document（文档）的field来存储的，即_type，ES通过_type来进行type的过滤和筛选。

ES中不同的type存储机制

● 一个Index中的多个type，实际上是放在一起存储的，因此同一个Index下，不能有多个type重名，因为那样是无法处理的。

● 比如：创建索引：

{
   "goods": {
      "mappings": {
         "electronic_goods": {
            "properties": {
               "name": {
                  "type": "string",
               },
               "price": {
                  "type": "double"
               },
               "service_period": {
                  "type": "string"
                   }			
                }
         },
         "fresh_goods": {
            "properties": {
               "name": {
                  "type": "string",
               },
               "price": {
                  "type": "double"
               },
               "eat_period": {
              		"type": "string"
               }
                }
         }
      }
   }
}

插入数据：

PUT /goods/electronic_goods/1
{
  "name": "小米空调",
  "price": 1999.0,
  "service_period": "one year"
}

PUT /goods/fresh_goods/1
{
  "name": "澳洲龙虾",
  "price": 199.0,
  "eat_period": "one week"
}

ES文档在底层的存储是这个样子的：

{
   "goods": {
      "mappings": {
        "_type": {
          "type": "text",
          "index": "false"
        },
        "name": {
          "type": "text"
        }
        "price": {
          "type": "double"
        }
        "service_period": {
          "type": "text"
        },
        "eat_period": {
          "type": "text"
        }
      }
   }
}

那么插入的数据在底层的数据存储格式：

{
  "_type": "electronic_goods",
  "name": "小米空调",
  "price": 1999.0,
  "service_period": "one year",
  "eat_period": ""
}

{
  "_type": "fresh_goods",
  "name": "澳洲龙虾",
  "price": 199.0,
  "service_period": "",
  "eat_period": "one week"
}

type弃用的原因

● 同一个索引下，不同type的数据存储其他type的field的大量空值，会造成资源浪费。

● 所以，不同类型的数据，要放在不同的索引中。

● ES9中，将彻底删除type。

定制动态映射（dynamic mapping）

定制动态映射（dynamic mapping）策略

语法：

PUT /index
{
    "settings": {...},
    "mappings": {
        "dynamic": "xxx",
        "properties": {
            "filed1": {
                "type": ""
            },
            "filed2": {
                "type": "",
                "dynamic": "xxx"
            },
            ...
        }
    },
    "aliases": {
        "default_index": {}
    }
}

dynamic：

true，遇到陌生字段，就进行dynamic mapping，会自动帮助我们创建映射。
false：新检测到的字段将被忽略。这些字段将不会被索引，因此将无法搜索，但仍将出现在返回的源字段中。这些字段不会添加到映射中，必须显示的添加新字段。
strict：遇到陌生字段，就报错。

● 示例：

● 创建索引

PUT /my_index
{
    "mappings": {
        "dynamic": "strict",
        "properties": {
            "title": {
                "type": "text"
            },
            "address": {
                "type": "object",
                "dynamic": "true"
            }
        }
    }
}

测试插入数据

PUT /my_index/_doc/1
{
  "title": "my article",
  "content": "this is my article",
  "address": {
    "province": "guangdong",
    "city": "guangzhou"
  }
}

如果是false情况下，content陌生字段不会被索引，我们在进行全局搜索时，不会搜索到content字段，但是如果搜索别的字段，搜索到该条记录时，还是会携带返回content字段的。

查询my_index的底层mapping映射，也可以发现其中并没有为content字段建立映射。

GET /my_index/_mapping

{
  "my_index" : {
    "mappings" : {
      "dynamic" : "false",
      "properties" : {
        "address" : {
          "dynamic" : "true",
          "properties" : {
            "city" : {
              "type" : "text",
              "fields" : {
                "keyword" : {
                  "type" : "keyword",
                  "ignore_above" : 256
                }
              }
            },
            "province" : {
              "type" : "text",
              "fields" : {
                "keyword" : {
                  "type" : "keyword",
                  "ignore_above" : 256
                }
              }
            }
          }
        },
        "title" : {
          "type" : "text"
        }
      }
    }
  }
}

自定义动态映射（dynamic mapping）策略

ES会根据传入的值，自动推断类型。

● 日期探测（Date Detection）：默认会按照一定格式识别date，比如yyyy-MM-dd，但是如果某个field先过来一个"2019-11-11"的值，就会自动被dynamic mapping识别成date，后面如果在过来一个"hello world"之类的值，就会报错。可以手动关闭某个type的date detection，如果有需要，自己手动指定某个field为date类型。

● 语法：

PUT /index
{
    "mappings": {
        "date_detection": false,
        "properties": {
            "filed1": {
                "type": ""
            },
            "filed2": {
                "type": ""
            },
            ...
        }
    }
}

示例：关闭日期探测

PUT /my_index
{
    "mappings": {
      "date_detection": false,
       "properties": {
        "title": {
          "type": "text"
        },
        "address": {
          "type": "object",
          "dynamic": "true"
        }
	    }
    }
}

测试插入数据：

PUT /my_index/_doc/1
{
  "title": "my article",
  "content": "this is my article",
  "address": {
    "province": "guangdong",
    "city": "guangzhou"
  },
  "post_date":"2019-09-10"
}

● 自定义日期格式：dynamic_date_formats可以定制自己的格式。

● 语法：

PUT /index
{
    "mappings": {
        "dynamic_date_formats": ["MM/dd/yyyy"],
        "properties": {
            "filed1": {
                "type": ""
            },
            "filed2": {
                "type": ""
            },
            ...
        }
    }
}

示例：自定义日期格式

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

测试插入数据：

PUT /my_index/_doc/1
{
  "create_date": "09/25/2019"
}

● 数字探测（Numeric Detection）：虽然JSON支持本机浮点和整数数据类型，但是某些应用程序或语言有时候可能将数字呈现为字符串。通常正确的解决方案是显示的映射这些字段，那么就可以启用数字检测（默认情况下禁用）来自动完成这些操作。

● 语法：

PUT /index
{
    "mappings": {
        "numeric_detection": true,
        "properties": {
            "filed1": {
                "type": ""
            },
            "filed2": {
                "type": ""
            },
            ...
        }
    }
}

示例：开启数字探测

PUT /my_index
{
  "mappings": {
    "numeric_detection": true
  }
}

测试插入数据：

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

定义自己的dynamic mapping template（动态映射模板）

● 动态映射模板允许我们自定义映射，这些映射可以应用到动态添加的字段。

● 语法：

PUT index
{
    "mappings": {
        "dynamic_templates": [
            {
                "template_name": {
                    ...  match conditions ...
                    "mapping": { ... }
                }
            },
            ...
        ]
    }
}

template_name：模板名称可以是任何字符串。
match conditions：匹配条件，包括match_mapping_type、match、match_pattern、unmatch、path_match、path_unmatch。
mapping：匹配字段应该使用的映射。

● 示例：

● 定制自己的映射模块：

PUT /my_index
{
    "mappings": {
            "dynamic_templates": [
                { 
                  "en": {
                      "match":              "*_en", 
                      "match_mapping_type": "string",
                      "mapping": {
                          "type":           "text",
                          "analyzer":       "english"
                      }
                }                  
            }
        ]
	}
}

插入数据：

PUT /my_index/_doc/1
{
  "title": "this is my first article"
}

PUT /my_index/_doc/2
{
  "title_en": "this is my first article"
}

搜索：

GET /my_index/_search?q=article

GET /my_index/_search?q=is

title没有匹配到任何的动态模块，默认就是standard分词器，不会过滤掉停用词，像is会进入到倒排索引，用is来搜索是可以搜索到的。

title_en匹配到了动态模块，就是english分词器，会过滤掉停用词，is这种停用词会被过滤掉，用is来搜索是搜索不到的。

模板写法：

PUT my_index
{
  "mappings": {
    "dynamic_templates": [
      {
        "integers": {
          "match_mapping_type": "long",
          "mapping": {
            "type": "integer"
          }
        }
      },
      {
        "strings": {
          "match_mapping_type": "string",
          "mapping": {
            "type": "text",
            "fields": {
              "raw": {
                "type":  "keyword",
                "ignore_above": 256
              }
            }
          }
        }
      }
    ]
  }
}

模板参数：

"match":   "long_*",

"unmatch": "*_text",

"match_mapping_type": "string",

"path_match":   "name.*",

"path_unmatch": "*.middle",

"match_pattern": "regex",

"match": "^profit_\d+$"

● 动态模块的应用场景：

● ①结构化搜索：

○ 默认情况下，ElasticSearch将字符串字段映射为带有子关键字字段的文本字段。但是，如果只对结构化内容进行索引，而对全文检索不感兴趣，则可以仅将字段映射为关键字。注意：为了能够搜索这些字段，必须搜索索引的时候用完全相同的值。

{
    "strings_as_keywords": {
        "match_mapping_type": "string",
        "mapping": {
            "type": "keyword"
        }
    }
}

● ②仅搜索：

○ 如果只关系字符串字段的全文检索，并且不打算对字符串字段进行聚合、排序或精确搜索，可以将其映射为文本字段。

{
    "strings_as_text": {
        "match_mapping_type": "string",
        "mapping": {
            "type": "text"
        }
    }
}

● ③norms ：不关心评分。

○ norms是指标时间的评分因素。如果不关心评分，比如：不按评分对文档进行排序，则可以在索引中禁用这些评分因子的存储以便节省一些空间。

{
    "strings_as_keywords": {
        "match_mapping_type": "string",
        "mapping": {
            "type": "text",
            "norms": false,
            "fields": {
                "keyword": {
                    "type": "keyword",
                    "ignore_above": 256
                }
            }
        }
    }
}

零停机重建索引

● 场景：index被确定以后，一个field的设置是不能被修改的，如果要修改一个field，应该重新按照新的mapping，建立新的index，并将数据批量查询出来，重新用bulk api写入到index中。

● 批量查询的时候，建议采用scroll api，并且采用多线程并发的方式来重建索引数据，每次scroll就查询执行日期的一段数据，交给一个线程即可。

示例：

①一开始，依据动态映射（dynamic mapping）插入数据，但是不小心有些数据是诸如"2019-11-11"之类的日期格式，所以会被映射为date类型，实际上它是string类型。

PUT /my_index/_doc/1
{
  "title": "2019-11-11"
}

PUT /my_index/_doc/2
{
  "title": "2019-11-12"
}

②当后期向索引中插入string类型的title值的时候，会报错。

PUT /my_index/_doc/3
{
  "title": "this is my first article"
}

报错：

{
  "error" : {
    "root_cause" : [
      {
        "type" : "mapper_parsing_exception",
        "reason" : "failed to parse field [title] of type [date] in document with id '3'. Preview of field's value: 'this is my first article'"
      }
    ],
    "type" : "mapper_parsing_exception",
    "reason" : "failed to parse field [title] of type [date] in document with id '3'. Preview of field's value: 'this is my first article'",
    "caused_by" : {
      "type" : "illegal_argument_exception",
      "reason" : "failed to parse date field [this is my first article] with format [strict_date_optional_time||epoch_millis]",
      "caused_by" : {
        "type" : "date_time_parse_exception",
        "reason" : "Failed to parse with all enclosed parsers"
      }
    }
  },
  "status" : 400
}

③此时，想修改title的类型，是不可能的：

PUT /my_index/_mapping
{
  "properties":{
     "title":{
       "type":"text"
     }
  }
}

报错：

{
  "error" : {
    "root_cause" : [
      {
        "type" : "illegal_argument_exception",
        "reason" : "mapper [title] cannot be changed from type [date] to [text]"
      }
    ],
    "type" : "illegal_argument_exception",
    "reason" : "mapper [title] cannot be changed from type [date] to [text]"
  },
  "status" : 400
}

④此时，唯一的办法，就是重建索引，即重新建立一个新的索引，将旧索引的数据查询出来，再导入新的索引。

⑤如果说就索引的名字是old_index，新索引的名字是new_index。终端Java应用已经在使用old_index操作了，难道我们需要停止Java应用，修改使用的index为new_index，再重新启动Java应用？这个过程中，必然会导致Java应用停机，可用性也降低。

⑥给索引起一个别名，Java应用指向这个别名，那么此时Java应用指向的是旧索引。

PUT /my_index/_alias/prod_index

⑦创建新的Index，调整title的类型为string：

PUT /my_index_new
{
  "mappings": {
    "properties": {
		"title": {
         "type": "text"
        }
    }
  }
}

⑧使用scroll api将数据批量查询出来：

GET /my_index/_search?scroll=1m
{
    "query": {
        "match_all": {}
    },    
    "size":  1
}

{
  "_scroll_id" : "FGluY2x1ZGVfY29udGV4dF91dWlkDXF1ZXJ5QW5kRmV0Y2gBFnRRN1doOHVhUktXQllGZGlHRjN3bFEAAAAAAAANOhZzenoyWWlMd1I2T1kyMWtzMDExYVl3",
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "my_index",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "title" : "2019-11-11"
        }
      }
    ]
  }
}

⑨采用bulk api将scoll查出来的一批数据，批量写入新索引：

POST /_bulk
{ "index":  { "_index": "my_index_new", "_id": "1" }}
{ "title":    "2019-11-11" }

⑩反复循环8~9，查询一批批数据出现，采用bulk api将每一批数据批量写入到新索引。

⑪将prod_index这个alias切换到my_index_new上，Java应用会直接通过index别名使用新的索引中的数据，Java应用程序不需要停机，高可用。

POST /_aliases
{
    "actions": [
        { "remove": { "index": "my_index", "alias": "prod_index" }},
        { "add":    { "index": "my_index_new", "alias": "prod_index" }}
    ]
}

⑫直接通过pro_index别名查询：

GET /prod_index/_search

生产实践，基于alias对client透明切换index

对索引进行别名操作：

PUT /my_index_v1/_alias/my_index

● Java客户端对别名（my_index）进行操作。

● 重建索引后，切换v1到v2：

POST /_aliases
{
    "actions": [
        { "remove": { "index": "my_index_v1", "alias": "my_index" }},
        { "add":    { "index": "my_index_v2", "alias": "my_index" }}
    ]
}

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2022-09-16，如有侵权请联系 cloudcommunity@tencent.com 删除

编程算法