（四）ElasticSearch之数据

0、概述

在Elasticsearch中，每一个字段的数据都是默认被索引的。也就是说，每个字段专门有一个反向索引用于快速检索。而且，与其它数据库不同，它可以在同一个查询中利用所有的这些反向索引，以惊人的速度返回结果。

1、文档

程序中大多的实体或对象能够被序列化为包含键值对的JSON对象，键(key)是字段(field)或属性(property)的名字，值(value)可以是字符串、数字、布尔类型、另一个对象、值数组或者其他特殊类型，比如表示日期的字符串或者表示地理位置的对象。

{"name":         "John Smith","age":          42,"confirmed":    true,"join_date":    "2014-06-01","home": {"lat":      51.5,"lon":      0.1},"accounts": [{"type": "facebook","id":   "johnsmith"},{"type": "twitter","id":   "johnsmith"}]
}

通常，我们可以认为对象(object)和文档(document)是等价相通的。不过，他们还是有所差别：对象(Object)是一个JSON结构体——类似于哈希、hashmap、字典或者关联数组；对象(Object)中还可能包含其他对象(Object)。在Elasticsearch中，文档(document)这个术语有着特殊含义。它特指最顶层结构或者根对象(root object)序列化成的JSON数据（以唯一ID标识并存储于Elasticsearch中）。

一个文档不只有数据。它还包含了元数据(metadata)——关于文档的信息。三个必须的元数据节点是：

节点	说明
`_index`	文档存储的地方
`_type`	文档代表的对象的类
`_id`	文档的唯一标识

2、索引

索引一个文档

文档通过index API被索引——使数据可以被存储和搜索。但是首先我们需要决定文档所在。正如我们讨论的，文档通过其_index、_type、_id唯一确定。们可以自己提供一个_id，或者也使用index API 为我们生成一个。

使用自己的ID

如果你的文档有自然的标识符（例如user_account字段或者其他值表示文档），你就可以提供自己的_id，使用这种形式的index API：

# _id就等于你设置的id
PUT /{index}/{type}/{id}
{"field": "value",...
}

例如我们的索引叫做“website”，类型叫做“blog”，我们选择的ID是“123”，那么这个索引请求就像这样：

PUT /website/blog/123
{"title": "My first blog entry","text":  "Just trying this out...","date":  "2014/01/01"
}

Elasticsearch的响应：

{"_index":    "website","_type":     "blog","_id":       "123","_version":  1,"created":   true
}

响应指出请求的索引已经被成功创建，这个索引中包含_index、_type和_id元数据，以及一个新元素：_version。Elasticsearch中每个文档都有版本号，每当文档变化（包括删除）都会使_version增加。

自增ID

POST /website/blog/
{"title": "My second blog entry","text":  "Still trying this out...","date":  "2014/01/01"
}

响应内容与刚才类似，只有_id字段变成了自动生成的值：

{"_index":    "website","_type":     "blog","_id":       "wM0OSFhDQXGZAWDf0-drSA","_version":  1,"created":   true
}

自动生成的ID有22个字符长，URL-safe, Base64-encoded string universally unique identifiers, 或者叫 UUIDs。

3、获取

检索文档

# 在任意的查询字符串中增加pretty参数，类似于上面的例子。
# 会让Elasticsearch美化输出(pretty-print)JSON响应以便更加容易阅读。
# _source字段不会被美化，它的样子与我们输入的一致。
GET /website/blog/123?pretty

检索文档的一部分

# 请求个别字段可以使用_source参数。多个字段可以使用逗号分隔
GET /website/blog/123?_source=title,text# 只想得到_source字段而不要其他的元数据
GET /website/blog/123/_source

4、存在

# 只是检查文档是否存在
# 存在200 OK，不存在404 Not Found
HEAD /website/blog/123

5、更新

# Elasticsearch把_version增加了
PUT /website/blog/123
{"title": "My first blog entry","text":  "I am starting to get the hang of this...","date":  "2014/01/02"
}

6、创建

请记住_index、_type、_id三者唯一确定一个文档。

# Elasticsearch自动生成唯一_id，再次执行，又生成一个_id
POST /website/blog/
{ ... }

然而，如果想使用自定义的_id，我们必须告诉Elasticsearch应该在_index、_type、_id三者都不同时才接受请求。为了做到这点有两种方法，它们其实做的是同一件事情。你可以选择适合自己的方式：

# 123存在则报错提示文档已经存在，否则创建
# 或者使用PUT /website/blog/123/_create
PUT /website/blog/123?op_type=create
{"title": "My first blog entry","text":  "Just tryinsssssg this out...","date":  "2014/01/01"
}

7、删除

# 删除id=123的文档
DELETE /website/blog/123# 删除blog删除索引
DELETE /website/

8、局部更新

我们也说过文档是不可变的——它们不能被更改，只能被替换。update API必须遵循相同的规则。表面看来，我们似乎是局部更新了文档的位置，内部却是使用update检索-修改-重建索引流程；

# 添加tags字段
POST /website/blog/123/_update
{"doc" : {"tags" : [ "testing" ],"views": 0}
}

9、检索多个文档（Mget）

像Elasticsearch一样，检索多个文档依旧非常快。合并多个请求可以避免每个请求单独的网络开销。如果你需要从Elasticsearch中检索多个文档，相对于一个一个的检索，更快的方式是在一个请求中使用multi-get或者mget API。

# mget API参数是一个docs数组，数组的每个节点定义一个文档的_index、_type、_id元数据。
# 如果你只想检索一个或几个确定的字段，也可以定义一个_source参数：
POST /_mget
{"docs" : [{"_index" : "website","_type" :  "blog","_id" :    2},{"_index" : "website","_type" :  "pageviews","_id" :    1,"_source": "views"}]
}

响应体也包含一个docs数组，每个文档还包含一个响应，它们按照请求定义的顺序排列。每个这样的响应与单独使用get request响应体相同

{"docs" : [{"_index" :   "website","_id" :      "2","_type" :    "blog","found" :    true,"_source" : {"text" :  "This is a piece of cake...","title" : "My first external blog entry"},"_version" : 10},{"_index" :   "website","_id" :      "1","_type" :    "pageviews","found" :    true,"_version" : 2,"_source" : {"views" : 2}}]
}

10、批量

就像mget允许我们一次性检索多个文档一样，bulk API允许我们使用单一请求来实现多个文档的create、index、update或delete。这对索引类似于日志活动这样的数据流非常有用，它们可以以成百上千的数据为一个批次按序进行索引。

POST /_bulk
{ "delete": { "_index": "website", "_type": "blog", "_id": "123" }} <1>
{ "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"} } <2>

11、参考