Elasticsearch系列---简单入门实战
概要
本篇主要介绍一下Elasticsearch Document的数据格式，在Java应用程序、关系型数据库建模的对比，介绍在Kibana平台编写Restful API完成基本的集群状态查询，Document最基本CRUD操作示例以及bulk批处理示例。
Document数据格式
Java应用系统的数据模型都是面向对象的，有些对象比较复杂，传统的业务系统，数据需要落地到关系型数据库，在数据库领域模型设计时，会把复杂的POJO对象设计成一对一或一对多的关系，进行扁平化处理，查询的时候，需要多表查询并还原回POJO对象的格式。
Elasticsearch是文档数据库，Document存储的数据结构，可以和POJO保持一致，并且使用JSON格式，这样查询数据时比较方便。
Document文档数据示例：
{
"fullname" : "Three Zhang",
"text" : "hello elasticsearch",
"org": {
"name": "development",
"desc": "all member are lovely"
}
}
Restful API让请求更容易
前面文章有提及Elasticsearch与Kibana搭配使用，Kibana界面的Dev Tools菜单，可以发送Elasticsearch的Restful请求。后续的Restful API请求，如无例外，均是在Kibana平台上执行的。
我们先拿几个查询集群信息的请求来试试
- 检查集群的健康状况
GET /_cat/health?v
epoch timestamp cluster status node.total node.data shards pri relo init unassign pending_tasks max_task_wait_time active_shards_percent
1573626290 14:24:50 hy-application yellow 1 1 1 1 0 0 1 0 - 50.3%
从上面能看出node、shard的数量等，还有一个是集群的状态，上面显示的是yellow，为什么是yellow？
集群的状态有green、yellow、red三种，定义如下：
- green：每个索引的primary shard和replica shard都是active状态的
- yellow：每个索引的primary shard都是active状态的，但是部分replica shard不是active状态，处于不可用的状态
- red：不是所有索引的primary shard都是active状态的，部分索引有数据丢失了
我们的示例只启动了一个elasticsearch实例，只有一个node，由于索引默认会使用5个primary shard和5个replica shard，并且同一个node下面的primary shard和replica shard不能分配在一台机器上（容错机制），所有只有1个primary shard被分配和启动了，replica shard没有第二台node去启动，因而是yellow状态。如果想变成green判断，另外启一台node即可。
- 查看集群中有哪些索引
GET /_cat/indices?v
health status index uuid pri rep docs.count docs.deleted store.size pri.store.size
yellow open location 48G_CgE7TiWomlYsyQW1NQ 5 1 3 0 11kb 11kb
yellow open company_mem s9DKUeyWTdCj2J8BaFYXRQ 5 1 3 0 15kb 15kb
yellow open %{[appname]} ysT9_OibR5eSRu19olrq_w 5 1 32 0 386.5kb 386.5kb
yellow open .kibana 4yS67TTOQGOD7l-uMtICOg 1 0 2 0 12kb 12kb
yellow open tvs EM-SvQdfSaGAXUADmDFHVg 5 1 8 0 16.3kb 16.3kb
yellow open company_org wIOqfx5hScavO13vvyucMg 5 1 3 0 14.6kb 14.6kb
yellow open blog n5xmcGSbSamYphzI_LVSYQ 5 1 1 0 4.9kb 4.9kb
yellow open website 5zZZB3cbRkywC-iTLCYUNg 5 1 12 0 18.2kb 18.2kb
yellow open files _6E1d7BLQmy9-7gJptVp7A 5 1 2 0 7.3kb 7.3kb
yellow open files-lock XD7LFToWSKe_6f1EvLNoFw 5 1 1 0 8kb 8kb
yellow open music i1RxpIdjRneNA7NfLjB32g 5 1 3 0 15.1kb 15.1kb
yellow open book_shop 1CrHN1WmSnuvzkfbVCuOZQ 5 1 4 0 18.1kb 18.1kb
yellow open avs BCS2qgfFT_GqO33gajcg_Q 5 1 0 0 1.2kb 1.2kb
- 查看node信息
GET /_cat/nodes?v
响应：
ip heap.percent ram.percent cpu load_1m load_5m load_15m node.role master name
192.168.17.137 38 68 0 0.08 0.03 0.05 mdi * node-1
我们可以看到node的名称。
- 创建索引命令
创建名称为"location"的索引
PUT /location?pretty
响应：
{
"acknowledged": true,
"shards_acknowledged": true
}
查看索引，能看到刚刚创建的索引location
health status index uuid pri rep docs.count docs.deleted store.size pri.store.size
yellow open location 48G_CgE7TiWomlYsyQW1NQ 5 1 3 0 11kb 11kb
yellow open .kibana 4yS67TTOQGOD7l-uMtICOg 1 0 2 0 12kb 12kb
- 删除索引命令
删除名称为"location"的索引
DELETE /location?pretty
再查看索引，刚刚创建的索引location已经删除掉了
health status index uuid pri rep docs.count docs.deleted store.size pri.store.size
yellow open .kibana 4yS67TTOQGOD7l-uMtICOg 1 0 2 0 12kb 12kb
是不是很简单，交互界面挺友好吧？
入门CRUD操作
介绍document最基本的CRUD操作，以儿童英文歌曲为背景
- 新增歌曲
我们设计的儿歌结构包含四个字段：歌名name，歌词content，语言种类language，歌曲时间长length，单位是秒，放在JSON字符串里。
PUT语法：
<REST Verb> /<Index>/<Type>/<ID>
REST Verbs可以是PUT、POST、DELETE，后斜杠后的内容分别是索引名、类型名、ID。
请求如下：
PUT /music/children/1
{
"name": "gymbo",
"content": "I hava a friend who loves smile, gymbo is his name",
"language": "english",
"length": "75"
}
响应内容包含索引名、类型名、ID值，version版本号（乐观锁控制），结果类型(created/updated/deleted三种)，shard信息等，如果新增时该索引不存在，会自动创建索引，索引名即请求时指定的那个，document里面的field类型，就根据elasticsearch定义的自动映射类型，并且每个field都会建立倒排索引，让其可以被搜索到。
total和successful为什么数据不相等？
新增document时，会往primary shard和replica shard分别写入document，但由于只有一个node，replica未启动，所以总共写入2次，primary shard成功，数量是1。failed只记录primary shard写入失败的情况。
响应如下：
{
"_index": "music",
"_type": "children",
"_id": "1",
"_version": 1,
"result": "created",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 0,
"_primary_term": 1
}
- 修改歌曲
修改document有两种方式，一种是增量修改，只修改指定的field，另一种是全量替换文档，原有的信息全部被替换掉
- 增量修改length的值，注意是POST请求，并且尾部有_update，doc是固定写法，请求如下：
POST /music/children/1/_update
{
"doc": {
"length": "76"
}
}
响应：
{
"_index": "music",
"_type": "children",
"_id": "1",
"_version": 2,
"result": "updated",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 1,
"_primary_term": 1
}
- 全量替换文档，请求如下：
PUT /music/children/1
{
"name": "gymbo",
"content": "I hava a friend who loves smile, gymbo is his name",
"language": "english",
"length": "77"
}
响应：
{
"_index": "music",
"_type": "children",
"_id": "1",
"_version": 3,
"result": "updated",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 2,
"_primary_term": 1
}
细心的童鞋可以，全量替换文档的语法和创建索引是一样的，对！就是同一个语法 ，是创建还是更新取决于上面的ID存不存在，不存在做创建，存在做更新，更新成功version+1，但这种全量替换有个不好的地方，必须带上完整的属性，否则未声明属性就没有了。
想想要使用这个语法的场景：先GET所有的属性，然后把要更新的属性更新上，再调用全量替换的更新语法。实际上这种做法不多，原因不外乎两个：操作复杂，要先查询后更新；报文过大（相对于增量更新）。所以企业研发一般使用增量方式做document更新。
- 查询歌曲
查询语句：GET /music/children/1
_source即为JSON的内容，查询结果：
{
"_index": "music",
"_type": "children",
"_id": "1",
"_version": 1,
"found": true,
"_source": {
"name": "gymbo",
"content": "I hava a friend who loves smile, gymbo is his name",
"language": "english",
"length": "75"
}
}
- 删除歌曲
删除语句：DELETE /music/children/1
响应结果：
{
"_index": "music",
"_type": "children",
"_id": "1",
"_version": 4,
"result": "deleted",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 3,
"_primary_term": 1
}
bulk批处理
上一节提及的增删改操作，是针对单个document的，Elasticsearch还有一个批处理命令，可以批量执行这些操作。
- bulk的基本语法示例
还是以上面的儿歌为案例背景
POST /music/children/_bulk
{"index":{"_id":"1"}}
{"name": "gymbo", "content": "I hava a friend who loves smile, gymbo is his name", "language": "english", "length": "75"}
{"create":{"_id":"2"}}
{"name": "wake me, shark me", "content": "don't let me sleep too late", "language": "english", "length": "55"}
{ "update": {"_id": "2", "retry_on_conflict" : 3} }
{ "doc" : {"content" : "don't let me sleep too late, gonna get up brightly early in the morning"} }
{ "delete": {"_id": "3" }}
可以把多条命令放在一起执行，如果一个bulk请求内有不同的index和type，可以把index和type也可以写在body json里，每一个操作要两个json串：
{"action": {"metadata"}}
{"data"}
delete例外，它只需要1个json串就可以了
action的类型有以下几种：
- index：普通的PUT操作，ID不存在时创建document，ID存在时做全量替换
- create：强制创建，等同于PUT /index/type/id/_create命令
- update：执行的增量修改操作
- delete：删除document操作
-
bulk注意事项
bulk api有严格的语法要求，每个json串内不能换行，同时每个json串之间必须要有一个换行，否则会报语法错误。
bulk既然是多条命令批量执行，遇到错误怎么办？会中断吗？
如果bulk请求内有命令执行错误，会直接跳过，继续执行下一条，同时在响应报文里会对每条命令的结果分别展示，正确的就展示正确的结果，错误的会相应提示错误日志。 -
bulk的性能问题
bulk既然是批处理，那bulk size与最佳性能肯定存在一定的联系，bulk请求的内存会先加载到内存里，bulk的请求取决于命令的条数和每个命令内容的多少，与性能的关系示例图（表达概念，数据不具备参考性）如下：
bulk性能优化的目标就是找到这个拐点，需要反复尝试一个最佳的size，跟具体的业务数据特性，并发量有关，常见的设置范围一般是1000-5000之间，bulk请求的大小控制在5-15MB之间（仅供参考）。
小结
本篇简单介绍了一下document的数据格式，并顺带讲解了一下Elasticsearch集群红黄绿三种状态的判定标准，重点是在kibana平台演示的CRUD小案例和bulk批处理示例，最为基础，可以多花一些时间熟悉熟悉。
专注Java高并发、分布式架构，更多技术干货分享与心得，请关注公众号：Java架构社区
