ElasticSearch查询 第二篇：文档更新

《ElasticSearch查询》目录导航：

• ElasticSearch查询 第一篇：搜索API
• ElasticSearch查询 第二篇：文档更新
• ElasticSearch查询 第三篇：词条查询
• ElasticSearch查询 第四篇：匹配查询（Match）
• ElasticSearch查询 第五篇：布尔查询

 

ElasticSearch是性能优化的分布式全文搜索引擎，存储数据的载体是文档（Document），它的优势在于搜索速度快和支持聚合操作，在更新文档时，基本上能够达到实时搜索。ElasticSearch引擎总是按照文档标识来更新数据，并发控制是通过顺序的版本ID（version）实现的，控制写-写、写-读冲突，实现数据弱一致性。

在ElasticSearch引擎中，索引定义了文档的逻辑存储，索引是由段（Segment）组成的，段不是实时更新的，这意味着，在建立索引时，一个段写入磁盘后，就不再被更新。被删除文档的信息存储在一个单独的文件中，在搜索数据时，ElasticSearch首先从段中查询，再从查询结果中过滤被删除的文档，这意味着，段中存储”未被删除文档“的密度降低。多个段可以通过段合并（Segment Merge）操作把“已删除”的文档将从段中物理删除，将未删除的文档合并成一个新段，新段中没有”已删除文档“，因此，段合并操作能够提高索引的查找速度，但段合并是IO密集型的，需要消耗大量的IO操作。

一旦数据存储在倒排索引中，就不能被修改，因此，更新文档是一项复杂的任务。在内部，ElasticSearch引擎必须首先获取文档(从_source属性中获得数据)，删除旧的文档，更新_source属性，然后重新索引该文档，使之可被搜索到，就是说，文档更新的流程，实际上是先标记文档被删除，后插入新的文档，最后将新文档编入索引。

数据的更新，主要是通过_update端点，编写内嵌脚本（inline script）来实现。默认的脚本语言是Groovy，Groovy是内置的脚本语言，不需要安装，默认是禁用的，在未启用动态脚本的结点上执行脚本更新，ElasticSearch引擎将会抛出异常消息：

scripts of type [inline], operation [update] and lang [groovy] are disabled

要启用脚本更新，必须修改每个节点（node）的全局配置文件 config/elasticsearch.yml，添加配置选项：

script.inline: true
script.indexed: true

一，编入索引(Index Data)

索引API用于将一个类型化的JSON结构添加到一个索引中，或者更新索引中的一个文档，使之能够被搜索到。

1，使用文档标识编入索引

在把文档编入索引时，如果在API中显式提供文档的标识（_id），那么ElasticSearch引擎使用Upsert（更新或增加）方式更新索引，这意味着，如果索引中已经存在相同ID的文档，那么ElasticSearch更新该文档（实际上是先删除，后添加）；如果索引中不存在相同ID的文档，那么把文档添加索引中。

PUT host:port/twitter/tweet/1 -d 
{
    "user" : "kimchy",
    "post_date" : "2009-11-15T14:12:12",
    "message" : "trying out Elasticsearch"
}

2，指定操作类型

在编入索引时，索引操作支持参数op_type，用于指定索引数据的操作类型是create，当文档ID不存在时，将文档添加到索引中；当显式指定操作类型是create时，如果创建的文档ID已经存在于索引中，那么创建操作将失败。

PUT 'http://localhost:9200/twitter/tweet/1?op_type=create' -d
PUT 'http://localhost:9200/twitter/tweet/1/_create' -d

3，自动生成文档标识

在索引文档时，如果没有指定文档标识，那么ElasticSearch将会自动生成文档标识，并自动把操作类型(op_type)设置为create，注意，自动生成文档标识是更新操作，修改索引中的文档，而不是新建一个新的文档，因此使用POST动词，而不是PUT动词。

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

二，删除文档

在ElasticSearch引擎中删除文档非常简单，通过文档标识删除文档，实际上，该文档并没有从索引中物理删除，只是在其他文件中被标记删除，只要ElasticSerach 引擎执行段合并操作时，才会真正从物理上删除文档。

DELETE 'http://localhost:9200/twitter/tweet/1'

三，在更新端点(_update)更新文档

ElasticSearch引擎在更新端点(_update)上更新文档，更新操作首先从索引中查询到文档，执行更新逻辑，并将更新之后的文档重新索引，使之能够被搜索到。在更新文档时，ElasticSearch使用版本控制并发操作可能产生的冲突。更新端点(_update)主要是基于脚本的文档更新，ElasticSearch引擎从索引中获取文档，使用脚本和可选的参数执行更新操作，并将文档重新编入索引。在更新时，即使只修改文档的部分字段，ElasticSearch也会重新索引整个文档，并使用文档版本避免读-写冲突。使用端点(_update)和内嵌脚本对文档执行更新操作，必须启用_source 字段。

1，根据参数值，更新指定文档的字段

ctx 是单词context的缩写，表示文档的上下文，在script节中，使用ctx引用文档。

POST 'localhost:9200/test/type1/1/_update' -d '{
    "script" : {
        "inline": "ctx._source.counter += count",
        "params" : { "count" : 4 }
    },
    "upsert" : { "counter" : 1  }
}'

示例，脚本更新文档的字段counter，把ID为1的文档的counter字段增加4。当文档中没有该字段时，例如，想要增加文档中的counter字段值，而该字段不存在，在请求中使用upsert字段，提供counter字段的默认值。

upsert参数，当指定的文档不存在时，upsert参数包含的内容将会被插入到索引中，作为一个新文档；如果指定的文档存在，ElasticSearch引擎将会执行指定的更新逻辑。

例如以下脚本，当文档存在时，把文档的counter字段设置为1；当文档不存在时，插入一个新的文档，文档的counter字段的值是2。

{  
   "script":{  
      "inline":"ctx._source.counter= 1"
   },
   "upsert":{"counter":2}
}

2，向_source字段，增加一个字段

POST 'localhost:9200/test/type1/1/_update' -d '{
    "script" : "ctx._source.name_of_new_field = \"value_of_new_field\""
}'

3，从_source字段中，删除一个字段

POST 'localhost:9200/test/type1/1/_update' -d '{
    "script" : "ctx._source.remove(\"name_of_field\")"
}'

4，根据提供的文档片段更新数据

使用"doc"字段传递文档片段（Partial Document），doc字段包含完整文档的一部分字段，ElasticSearch引擎对已经存在的文档进行归并（Merge）更新，这就意味着，如果文档中存在doc节指定的字段，那么替换文档中的字段值；如果文档中部存在doc节指定的字段，那么向文档中增加新的字段，例如，对文档标识为1的文档，将该文档中的name字段更新为“new_name”：

POST 'localhost:9200/test/type1/1/_update' -d '{
    "doc" : {
        "name" : "new_name"
    },
   "detect_noop": false
}'

detect_noop参数，在更新部分文档时，文档值被归并到_source字段，默认值是true，这意味着，当ElasticSearch引擎会检测_source字段的数据发生变化时，ElasticSearch引擎将重新索引该文档；如果设置设置为False时，ElasticSearch引擎不管_source字段的数据是否变化，都会更新文档。

5，更新操作的参数

retry_on_conflict参数：指定更新操作在发生版本冲突时重试的次数。

对于文档的更新操作，ElasticSearch引擎需要顺序执行三个阶段：获取文档（Get），更新文档（Update）和索引文档（Index）。在更新文档时，其他进程可能已经把相同的文档修改了。在默认情况下，更新操作由于检测到版本冲突而就立即失败，抛出异常。参数retry_on_conflict控制在ElasticSearch引擎真正抛出异常之前，更新操作重新执行的次数。

fields 参数：从已更新的文档中，返回有关字段（Relevant Fields）的数据，如果将fields设置为_source，将返回整个文档的所有数据。

{  
   "doc":{  
      "counter":3
   },
   "upsert":{"counter":2},
   "fields":["counter"],
   "detect_noop":true
}

四，批量操作(_bulk)

批量端点(_bulk)用于在一个请求（Request）中封装多个操作，请求格式是/index_name/type_name/_bulk。在请求主体中，包含多个操作请求，单个请求的格式相同，不同之处在于，每个请求包含两行JSON对象：信息行和数据行，由于批量端点必须识别换行，因此，发送的请求格式 使用--data-binary 代替 -d：

POST /_bulk?pretty  --data-binary  request_body

请求主动体，有四种类型，分别是index、update、create和delete，实现数据的索引分析，文档更新，文档创建和文档删除。

1，在索引中增加或替换现有文档，使用index节

{"index":{"_index":"index_name","_type":"type_name","_id":####}}
{"doc_field1":"xx","doc_field2":"yy"}

2，从索引中移除文档，使用delete节

{"delete":{"_index":"index_name","_type":"type_name","_id":####}}

3，当索引中不存在文档定义时，在索引中增加新文档，使用create节

{"create":{"_index":"index_name","_type":"type_name","_id":####}}
{"doc_field1":"xx","doc_field2":"yy"}

4，当更新文档时，使用update节

{ "update" : {"_id" : "1", "_type" : "type1", "_index" : "index1", "_retry_on_conflict" : 3} }
{ "doc" : {"field" : "value"} }
{ "update" : { "_id" : "0", "_type" : "type1", "_index" : "index1", "_retry_on_conflict" : 3} }
{ "script" : { "inline": "ctx._source.counter += param1", "params" : {"param1" : 1}}, "upsert" : {"counter" : 1}}
{ "update" : {"_id" : "2", "_type" : "type1", "_index" : "index1", "_retry_on_conflict" : 3} }
{ "doc" : {"field" : "value"}, "upsert" : true }
{ "update" : {"_id" : "3", "_type" : "type1", "_index" : "index1", "fields" : ["_source"]} }
{ "doc" : {"field" : "value"} }
{ "update" : {"_id" : "4", "_type" : "type1", "_index" : "index1"} }
{ "doc" : {"field" : "value"}, "fields": ["_source"]}

 

参考文档：

Elasticsearch Reference [2.4] » Document APIs

Elasticsearch Reference [2.4] » Document APIs » Bulk API

Elasticsearch Reference [2.4] » Document APIs » Update API

Elasticsearch Reference [2.4] » Modules » Scripting