Elastic Search快速上手（2）：将数据存入ES
前言
在上手使用前，需要先了解一些基本的概念。
推荐
可以到 https://www.elastic.co/guide/cn/elasticsearch/guide/current/index.html 阅读《Elastic Search 权威指南》，有非常详细和全面的说明。
ES中的一些概念
index（索引）
相当于mysql中的数据库
type（类型）
相当于mysql中的一张表
document（文档）
相当于mysql中的一行（一条记录）
field（域）
相当于mysql中的一列（一个字段）
节点
一个服务器，由一个名字来标识
集群
一个或多个节点组织在一起
分片
将一份数据划分为多小份的能力，允许水平分割和扩展容量。多个分片可以响应请求，提高性能和吞吐量。
副本
复制数据，一个节点出问题时，其余节点可以顶上。
倒排索引
可参考https://www.elastic.co/guide/cn/elasticsearch/guide/current/inverted-index.html。
索引&类型
对索引的基本操作
创建索引
通过以下命令可创建一个索引：
PUT job
{
"settings":{
"index":{
"number_of_shards":5,
"number_of_replicas":1
}
}
}
返回：
{
"acknowledged": true,
"shards_acknowledged": true
}
Elasticsearch 是利用分片将数据分发到集群内各处的。分片是数据的容器，文档保存在分片内，分片又被分配到集群内的各个节点里。
当你的集群规模扩大或者缩小时， Elasticsearch 会自动的在各节点中迁移分片，使得数据仍然均匀分布在集群里。一个分片可以是 主 分片或者 副本 分片。 索引内任意一个文档都归属于一个主分片，所以主分片的数目决定着索引能够保存的最大数据量。
一个副本分片只是一个主分片的拷贝。 副本分片作为硬件故障时保护数据不丢失的冗余备份，并为搜索和返回文档等读操作提供服务。
在上面例子中，主分片为5，副本分片为1.
查看索引的信息
GET job
查看job这个索引的信息：
{
"job": {
"aliases": {},
"mappings": {},
"settings": {
"index": {
"creation_date": "1502342603160",
"number_of_shards": "5",
"number_of_replicas": "1",
"uuid": "LGalsb3eRKeGb5SbWCxO8w",
"version": {
"created": "5010199"
},
"provided_name": "job"
}
}
}
}
可以只查看某一项信息：
GET job/_settings
可以查看job这个索引的settings信息：
{
"job": {
"settings": {
"index": {
"creation_date": "1502342603160",
"number_of_shards": "5",
"number_of_replicas": "1",
"uuid": "LGalsb3eRKeGb5SbWCxO8w",
"version": {
"created": "5010199"
},
"provided_name": "job"
}
}
}
}
修改索引信息
例如，将副本分片数量修改为2：
PUT job/_settings
{
"number_of_replicas":2
}
映射
在创建索引时，我们可以预先设定映射，规定好各个字段及其数据类型，便于es更好地进行管理。比如说，以文章库为例 ，一篇文章的关键词字段应当作为完整的词语，而文章的正文字段必须通过中文分词器进行分词。
通过设置映射mapping，可以告知es这些字段的规则。
更详细文档参见：https://www.elastic.co/guide/cn/elasticsearch/guide/current/mapping-intro.html
数据类型
Elasticsearch支持如下类型：
字符串: text, keyword（注：5之前的版本里有string类型，5之后不再支持此类型）
数字: byte, short, integer, long, float, double
布尔型:boolean
日期: date
复杂类型：如object, nested等
查看映射
输入
GET job/_mapping
可以查看job索引下的所有映射。
默认映射
在创建索引存入数据时，如果不指定类型，es会自动根据实际数据为其添加类型。
例如，通过下面的语句插入文档：
PUT job/type1/1
{
"title":"abc",
"words":123,
"date":"2017-01-01",
"isok":true
}
然后查看映射，结果为：
{
"job": {
"mappings": {
"type1": {
"properties": {
"date": {
"type": "date"
},
"isok": {
"type": "boolean"
},
"title": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"words": {
"type": "long"
}
}
}
}
}
}
可见，es自动根据类型对字段进行了映射。
设置映射
在创建索引时，可以设置映射规则，具体格式形如上面查看映射时的返回结果。
PUT job
{
"mappings":{
"type2":{
"properties":{
"title":{
"type":"keyword"
},
"salary":{
"type":"integer"
},
"desc":{
"type":"text",
"analyzer": "ik_max_word"
},
"date":{
"type":"date",
"format":"yyyy-MM-dd"
}
}
}
}
}
注意，在上面为desc字段指定了analyzer，就是一个自定义分词器。在es-rtf中，默认给安装了ik_smart和ik_max_word两个分词器，区别在于后者会分出更多的词。
为text类型的字段会被进行分词，然后索引，而keyword字段不会被分词。
自动转换
创建索引和映射后，插入文档时，字段会自动转换成映射中规定的类型。比如，插入"123"到integer字段，会自动尝试对字符串进行类型转换。如果无法转换，则会报错，无法插入。
文档
一个“文档”即所谓的一条记录。可对文档进行增删改操作。
插入文档
可以指定文档id，即 PUT index_name/type_name/id。
PUT job/type2/1
{
"title":"Python工程师",
"salary":1000,
"desc":"1. 参与devops相关系统开发，包括云资源管理平台，cmdb平台、资源申请流程、基础支撑平台开发；2. 参与公司业务系统及自动化运维平台的开发；3. 积累并规范化系统开发的最佳实践并文档化；4. 完善并遵守团队的编码规范，编写高质量、结构清晰、易读、易维护的代码。",
"date":"2017-08-08"
}
返回：
{
"_index": "job",
"_type": "type2",
"_id": "1",
"_version": 1,
"result": "created",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"created": true
}
也可不指定id，则会自动分配id。注意这里要使用POST方式。
POST job/type2/
{
"title":"Python工程师2",
"salary":1000,
"desc":"1. 参与devops相关系统开发，包括云资源管理平台，cmdb平台、资源申请流程、基础支撑平台开发；2. 参与公司业务系统及自动化运维平台的开发；3. 积累并规范化系统开发的最佳实践并文档化；4. 完善并遵守团队的编码规范，编写高质量、结构清晰、易读、易维护的代码。",
"date":"2017-08-08"
}
查看文档
只需通过GET方式查看，
GET job/type2/1
返回文档信息：
{
"_index": "job",
"_type": "type2",
"_id": "1",
"_version": 3,
"found": true,
"_source": {
"title": "Java",
"salary": 2000,
"desc": "易维护的代码",
"date": "2017-08-08"
}
}
可以只查看_source中的部分字段：
GET job/type2/1?_source=title,salary
返回：
{
"_index": "job",
"_type": "type2",
"_id": "1",
"_version": 3,
"found": true,
"_source": {
"title": "Java",
"salary": 2000
}
}
修改文档
一种是通过PUT的全覆盖方式，旧数据将被删除，以新的代替。
PUT job/type2/1
{
"title":"Java",
"salary":1400,
"desc":"易维护的代码",
"date":"2017-08-08"
}
另一种是通过POST方式，只对部分字段进行修改。
POST job/type2/1/_update
{
"doc":{
"salary":2000
}
}
删除文档
通过DELETE方式可删除文档：
DELETE job/type2/1
mget取回多个文档
可参考：https://www.elastic.co/guide/cn/elasticsearch/guide/current/_Retrieving_Multiple_Documents.html
通过将查询合并，可以减少连接次数，提高效率。
GET _mget
{
"docs" : [
{
"_index" : "job",
"_type" : "type2",
"_id" : 1
},
{
"_index" : "job",
"_type" : "type2",
"_id" : 2,
"_source": "salary"
}
]
}
返回两个文档：
{
"docs": [
{
"_index": "job",
"_type": "type2",
"_id": "1",
"_version": 3,
"found": true,
"_source": {
"title": "Java",
"salary": 2000,
"desc": "易维护的代码",
"date": "2017-08-08"
}
},
{
"_index": "job",
"_type": "type2",
"_id": "2",
"found": false
}
]
}
还可进行简写，比如，index和type都相同，查找两个id，可以写作：
GET job/type2/_mget
{
"ids":["1", "2"]
}
}
bulk批量操作
bulk API 允许在单个步骤中进行多次 create 、 index 、 update 或 delete 请求。
详细参考：https://www.elastic.co/guide/cn/elasticsearch/guide/current/bulk.html
bulk批量操作的请求比较特殊，格式为：
{ action: { metadata }}\n
{ request body }\n
{ action: { metadata }}\n
{ request body }\n ...
一般两行为一条请求，第一行说明操作和元数据，第二行是操作数据。不过delete请求只有一行。
POST _bulk
{ "delete": { "_index": "website", "_type": "blog", "_id": "123" }}
{ "create": { "_index": "website", "_type": "blog", "_id": "123" }}
{ "title": "My first blog post" }
{ "index": { "_index": "website", "_type": "blog" }}
{ "title": "My second blog post" }
{ "update": { "_index": "website", "_type": "blog", "_id": "123", "_retry_on_conflict" : 3} }
{ "doc" : {"title" : "My updated blog post"} }
返回结果会列出每个请求的处理状态。
{
"took": 4,
"errors": false,
"items": [
{ "delete": {
"_index": "website",
"_type": "blog",
"_id": "123",
"_version": 2,
"status": 200,
"found": true
}},
{ "create": {
"_index": "website",
"_type": "blog",
"_id": "123",
"_version": 3,
"status": 201
}},
{ "create": {
"_index": "website",
"_type": "blog",
"_id": "EiwfApScQiiy7TIKFxRCTw",
"_version": 1,
"status": 201
}},
{ "update": {
"_index": "website",
"_type": "blog",
"_id": "123",
"_version": 4,
"status": 200
}}
]
}
通过以上操作，可以将数据以一定的组织方式，写入到es中。下一篇将总结如何进行搜索和查找。
