http://blog.csdn.net/cnweike/article/details/33736429
基础概念
Elasticsearch有几个核心概念。从一開始理解这些概念会对整个学习过程有莫大的帮助。
接近实时(NRT)
Elasticsearch是一个接近实时的搜索平台。这意味着,从索引一个文档直到这个文档可以被搜索到有一个轻微的延迟(一般是1秒)。
集群(cluster)
一个集群就是由一个或多个节点组织在一起。它们共同持有你整个的数据。并一起提供索引和搜索功能。一个集群由一个唯一的名字标识。这个名字默认就是“elasticsearch”。这个名字是重要的,由于一个节点仅仅能通过指定某个集群的名字。来增加这个集群。
在产品环境中显式地设定这个名字是一个好习惯,可是使用默认值来进行測试/开发也是不错的。
节点(node)
一个节点是你集群中的一个server。作为集群的一部分。它存储你的数据,參与集群的索引和搜索功能。和集群类似,一个节点也是由一个名字来标识的。默认情况下,这个名字是一个随机的漫威漫画角色的名字,这个名字会在启动的时候赋予节点。这个名字对于管理工作来说挺重要的,由于在这个管理过程中。你会去确定网络中的哪些server相应于Elasticsearch集群中的哪些节点。
一个节点可以通过配置集群名称的方式来增加一个指定的集群。默认情况下,每一个节点都会被安排增加到一个叫做“elasticsearch”的集群中,这意味着,假设你在你的网络中启动了若干个节点。并假定它们可以相互发现彼此,它们将会自己主动地形成并增加到一个叫做“elasticsearch”的集群中。
在一个集群里,仅仅要你想,能够拥有随意多个节点。
并且,假设当前你的网络中没有执行不论什么Elasticsearch节点。这时启动一个节点。会默认创建并增加一个叫做“elasticsearch”的集群。
索引(index)
一个索引就是一个拥有几分相似特征的文档的集合。比方说,你能够有一个客户数据的索引,另一个产品文件夹的索引。另一个订单数据的索引。一个索引由一个名字来标识(必须所有是小写字母的)。而且当我们要对相应于这个索引中的文档进行索引、搜索、更新和删除的时候,都要使用到这个名字。
在一个集群中,假设你想。能够定义随意多的索引。
类型(type)
在一个索引中,你能够定义一种或多种类型。
一个类型是你的索引的一个逻辑上的分类/分区,其语义全然由你来定。通常,会为具有一组共同字段的文档定义一个类型。比方说。我们如果你运营一个博客平台而且将你全部的数据存储到一个索引中。
在这个索引中,你能够为用户数据定义一个类型,为博客数据定义还有一个类型,当然。也能够为评论数据定义还有一个类型。
文档(document)
一个文档是一个可被索引的基础信息单元。比方。你能够拥有某一个客户的文档。某一个产品的一个文档,当然。也能够拥有某个订单的一个文档。文档以JSON(Javascript Object Notation)格式来表示,而JSON是一个到处存在的互联网数据交互格式。
在一个index/type里面,仅仅要你想,你能够存储随意多的文档。注意。虽然一个文档,物理上存在于一个索引之中,文档必须被索引/赋予一个索引的type。
分片和复制(shards & replicas)
一个索引能够存储超出单个结点硬件限制的大量数据。比方,一个具有10亿文档的索引占领1TB的磁盘空间,而任一节点都没有这样大的磁盘空间;或者单个节点处理搜索请求,响应太慢。
为了解决问题。Elasticsearch提供了将索引划分成多份的能力,这些份就叫做分片。当你创建一个索引的时候,你能够指定你想要的分片的数量。每一个分片本身也是一个功能完好而且独立的“索引”,这个“索引”能够被放置到集群中的不论什么节点上。
分片之所以重要,主要有双方面的原因:
- 同意你水平切割/扩展你的内容容量
- 同意你在分片(潜在地,位于多个节点上)之上进行分布式的、并行的操作。进而提高性能/吞吐量
至于一个分片如何分布。它的文档如何聚合回搜索请求。是全然由Elasticsearch管理的,对于作为用户的你来说,这些都是透明的。
在一个网络/云的环境里,失败随时都可能发生,在某个分片/节点不知怎么的就处于离线状态,或者因为不论什么原因消失了,这样的情况下,有一个故障转移机制是很实用而且是强烈推荐的。为此目的。Elasticsearch同意你创建分片的一份或多份拷贝,这些拷贝叫做复制分片。或者直接叫复制。
复制之所以重要,有两个主要原因:
- 在分片/节点失败的情况下,提供了高可用性。由于这个原因,注意到复制分片从不与原/主要(original/primary)分片置于同一节点上是很重要的。
- 扩展你的搜索量/吞吐量。由于搜索能够在全部的复制上并行执行
总之,每一个索引能够被分成多个分片。一个索引也能够被复制0次(意思是没有复制)或多次。一旦复制了。每一个索引就有了主分片(作为复制源的原来的分片)和复制分片(主分片的拷贝)之别。分片和复制的数量能够在索引创建的时候指定。在索引创建之后,你能够在不论什么时候动态地改变复制的数量。可是你事后不能改变分片的数量。
默认情况下。Elasticsearch中的每一个索引被分片5个主分片和1个复制,这意味着,假设你的集群中至少有两个节点,你的索引将会有5个主分片和另外5个复制分片(1个全然拷贝),这种话每一个索引总共就有10个分片。
这些问题搞清楚之后,我们就要进入好玩的部分了...
安装
Elasticsearch依赖Java 7。
在本文写作的时候。推荐使用Oracle JDK 1.7.0_55版本号。Java的安装。在各个平台上都有差异。所以我们不想在这里深入太多细节。我仅仅想说,在你安装Elasticsearch之前,你能够通过下面命令来检查你的Java版本号(假设有须要,安装或者升级):
java -version
echo $JAVA_HOME
一旦我们将Java安装完毕,我们就能够下载并安装Elasticsearch了。
其二进制文件能够从www.elasticsearch.org/download这里下载,你也能够从这里下载曾经公布的版本号。对于每一个版本号。你能够在zip、tar、DEB、RPM类型的包中选择下载。
简单起见,我们使用tar包。
我们像以下一样下载Elasticsearch 1.1.1 tar包(Windows用户应该下载zip包):
curl -L -O https://download.elasticsearch.org/elasticsearch/elasticsearch/elasticsearch-1.1.1.tar.gz
然后。例如以下将其解压(Windows下须要unzip响应的zip包):
tar -xzvf elasticsearch-1.1.1.tar.gz
这将在你的当前文件夹下创建非常多文件和文件夹。然后,我们进入到bin文件夹下:
cd elasticsearch-1.1.1/bin
至此,我们已经准备好开启我们的节点和单节点集群(Windows用户应该执行elasticsearch.bat文件):
./elasticsearch
假设一切顺利。你将看到大量的例如以下信息:
./elasticsearch
[2014-03-13 13:42:17,218][INFO ][node ] [New Goblin] version[1.1.1], pid[2085], build[5c03844/2014-02-25T15:52:53Z]
[2014-03-13 13:42:17,219][INFO ][node ] [New Goblin] initializing ...
[2014-03-13 13:42:17,223][INFO ][plugins ] [New Goblin] loaded [], sites []
[2014-03-13 13:42:19,831][INFO ][node ] [New Goblin] initialized
[2014-03-13 13:42:19,832][INFO ][node ] [New Goblin] starting ...
[2014-03-13 13:42:19,958][INFO ][transport ] [New Goblin] bound_address {inet[/0:0:0:0:0:0:0:0:9300]}, publish_address {inet[/192.168.8.112:9300]}
[2014-03-13 13:42:23,030][INFO ][cluster.service] [New Goblin] new_master [New Goblin][rWMtGj3dQouz2r6ZFL9v4g][mwubuntu1][inet[/192.168.8.112:9300]], reason: zen-disco-join
(elected_as_master)
[2014-03-13 13:42:23,100][INFO ][discovery ] [New Goblin] elasticsearch/rWMtGj3dQouz2r6ZFL9v4g
[2014-03-13 13:42:23,125][INFO ][http ] [New Goblin] bound_address {inet[/0:0:0:0:0:0:0:0:9200]}, publish_address {inet[/192.168.8.112:9200]}
[2014-03-13 13:42:23,629][INFO ][gateway ] [New Goblin] recovered [1] indices into cluster_state
[2014-03-13 13:42:23,630][INFO ][node ] [New Goblin] started
不去涉及太多细节,我们能够看到,一叫做“New Goblin”(你会见到一个不同的漫威漫画角色)的节点启动而且将自己选做单结点集群的master。如今不用关心master是什么东西。
这里重要的就是,我们在一个集群中开启了一个节点。
正如先前提到的,我们能够覆盖集群或者节点的名字。我们能够在启动Elasticsearch的时候通过命令行来指定,例如以下:
./elasticsearch --cluster.name my_cluster_name --node.name my_node_name
也要注意一下有http标记的那一行。它提供了有关HTTP地址(192.168.8.112)和port(9200)的信息,通过这个地址和port我们就能够訪问我们的节点了。默认情况下。Elasticsearch使用9200来提供对其REST API的訪问。假设有必要,这个port是能够配置的。
探索你的集群
rest接口
如今我们已经有一个正常执行的节点(和集群)了,下一步就是要去理解如何与其通信了。幸运的是。Elasticsearch提供了很全面和强大的REST API,利用这个REST API你能够同你的集群交互。
以下是利用这个API。能够做的几件事情:
- 检查你的集群、节点和索引的健康状态、和各种统计信息
- 管理你的集群、节点、索引数据和元数据
- 对你的索引进行CRUD(创建、读取、更新和删除)和搜索操作
- 运行高级的查询操作,像是分页、排序、过滤、脚本编写(scripting)、小平面刻画(faceting)、聚合(aggregations)和很多其他操作
集群健康
让我们以主要的健康检查作为開始,我们能够利用它来查看我们集群的状态。此过程中,我们使用curl。当然,你也能够使用不论什么能够创建HTTP/REST调用的工具。我们如果我们还在我们启动Elasticsearch的节点上并打开另外一个shell窗体。
要检查集群健康,我们将使用_cat API。须要事先记住的是。我们的节点HTTP的port是9200:
curl ‘localhost:9200/_cat/health?
v‘
对应的响应是:
epoch timestamp cluster status node.total node.data shards pri relo init unassign
1394735289 14:28:09 elasticsearch green 1 1 0 0 0 0 0
能够看到,我们集群的名字是“elasticsearch”,正常执行,而且状态是绿色。
当我们询问集群状态的时候,我们要么得到绿色、黄色或红色。绿色代表一切正常(集群功能齐全)。黄色意味着全部的数据都是可用的,可是某些复制没有被分配(集群功能齐全),红色则代表由于某些原因。某些数据不可用。注意,即使是集群状态是红色的,集群仍然是部分可用的(它仍然会利用可用的分片来响应搜索请求)。可是可能你须要尽快修复它,由于你有丢失的数据。
也是从上面的响应中。我们能够看到,一共同拥有一个节点,因为里面没有数据,我们有0个分片。
注意,因为我们使用默认的集群名字(elasticsearch),而且因为Elasticsearch默认使用网络多播(multicast)发现其他节点,假设你在你的网络中启动了多个节点,你就已经把她们增加到一个集群中了。在这样的情形下,你可能在上面的响应中看到多个节点。
我们也能够获得节集群中的节点列表:
curl ‘localhost:9200/_cat/nodes?v‘
相应的响应是:
curl ‘localhost:9200/_cat/nodes?
v‘
host ip heap.percent ram.percent load node.role master name
mwubuntu1 127.0.1.1 8 4 0.00 d * New Goblin
这儿,我们能够看到我们叫做“New Goblin”的节点。这个节点是我们集群中的唯一节点。
列出全部的索引
让我们看一下我们的索引:
curl ‘localhost:9200/_cat/indices?
v‘
响应是:
curl ‘localhost:9200/_cat/indices?
v‘
health index pri rep docs.count docs.deleted store.size pri.store.size
这个结果意味着,在我们的集群中,我们没有不论什么索引。
创建一个索引
如今让我们创建一个叫做“customer”的索引,然后再列出全部的索引:
curl -XPUT ‘localhost:9200/customer?pretty‘
curl ‘localhost:9200/_cat/indices?v‘
第一个命令使用PUT创建了一个叫做“customer”的索引。我们简单地将pretty附加到调用的尾部,使其以美观的形式打印出JSON响应(假设有的话)。
响应例如以下:
curl -XPUT ‘localhost:9200/customer?
pretty‘
{
"acknowledged" : true
}
curl ‘localhost:9200/_cat/indices?v‘
health index pri rep docs.count docs.deleted store.size pri.store.size
yellow customer 5 1 0 0 495b 495b
第二个命令的结果告知我们。我们如今有一个叫做customer的索引,而且它有5个主分片和1份复制(都是默认值),当中包括0个文档。
你可能也注意到了这个customer索引有一个黄色健康标签。
回想我们之前的讨论,黄色意味着某些复制没有(或者还未)被分配。这个索引之所以这样,是由于Elasticsearch默觉得这个索引创建一份复制。由于如今我们仅仅有一个节点在执行,那一份复制就分配不了了(为了高可用),直到当另外一个节点增加到这个集群后。才干分配。一旦那份复制在第二个节点上被复制,这个节点的健康状态就会变成绿色。
索引并查询一个文档
如今让我们放一些东西到customer索引中。首先要知道的是。为了索引一个文档。我们必须告诉Elasticsearch这个文档要到这个索引的哪个类型(type)下。
让我们将一个简单的客户文档索引到customer索引、“external”类型中。这个文档的ID是1,操作例如以下:
curl -XPUT ‘localhost:9200/customer/external/1?pretty‘ -d ‘
{
"name": "John Doe"
}‘
响应例如以下:
curl -XPUT ‘localhost:9200/customer/external/1?
pretty‘ -d ‘
{
"name": "John Doe"
}‘
{
"_index" : "customer",
"_type" : "external",
"_id" : "1",
"_version" : 1,
"created" : true
}
从上面的响应中,我们能够看到,一个新的客户文档在customer索引和external类型中被成功创建。文档也有一个内部id 1, 这个id是我们在索引的时候指定的。
有一个关键点须要注意,Elasticsearch在你想将文档索引到某个索引的时候,并不强制要求这个索引被显式地创建。在前面这个样例中,假设customer索引不存在。Elasticsearch将会自己主动地创建这个索引。
如今。让我们把刚刚索引的文档取出来:
curl -XGET ‘localhost:9200/customer/external/1?
pretty‘
响应例如以下:
curl -XGET ‘localhost:9200/customer/external/1?
pretty‘
{
"_index" : "customer",
"_type" : "external",
"_id" : "1",
"_version" : 1,
"found" : true, "_source" : { "name": "John Doe" }
}
除了一个叫做found的字段来指明我们找到了一个ID为1的文档,和另外一个字段——_source——返回我们前一步中索引的完整JSON文档之外。其他的都没有什么特别之处。
删除一个文档
如今让我们删除我们刚刚创建的索引,并再次列出全部的索引:
curl -XDELETE ‘localhost:9200/customer?
pretty‘
curl ‘localhost:9200/_cat/indices?v‘
响应例如以下:
curl -XDELETE ‘localhost:9200/customer?
pretty‘
{
"acknowledged" : true
}
curl ‘localhost:9200/_cat/indices?
v‘
health index pri rep docs.count docs.deleted store.size pri.store.size
这表明我们成功地删除了这个索引。如今我们回到了集群中空无全部的状态。
在更进一步之前,我们再细看一下一些我们学过的API命令:
curl -XPUT ‘localhost:9200/customer‘
curl -XPUT ‘localhost:9200/customer/external/1‘ -d ‘
{
"name": "John Doe"
}‘
curl ‘localhost:9200/customer/external/1‘
curl -XDELETE ‘localhost:9200/customer‘
假设我们细致研究以上的命令,我们能够发现訪问Elasticsearch中数据的一个模式。
这个模式能够被总结为:
curl -<REST Verb> <Node>:<Port>/<Index>/<Type><ID>
这个REST訪问模式普遍适用于全部的API命令。假设你能记住它。你就会为掌握Elasticsearch开一个好头。
改动你的数据
Elasticsearch提供了近乎实时的数据操作和搜索功能。
默认情况下,从你索引/更新/删除你的数据动作開始到它出如今你的搜索结果中,大概会有1秒钟的延迟。这和其他类似SQL的平台不同。数据在一个事务完毕之后就会马上可用。
索引/替换文档
我们先前看到,如何索引一个文档。如今我们再次调用那个命令:
curl -XPUT ‘localhost:9200/customer/external/1?
pretty‘ -d ‘
{
"name": "John Doe"
}‘
再次,以上的命令将会把这个文档索引到customer索引、external类型中。其ID是1。假设我们对一个不同(或同样)的文档应用以上的命令。Elasticsearch将会用一个新的文档来替换(又一次索引)当前ID为1的那个文档。
curl -XPUT ‘localhost:9200/customer/external/1?pretty‘ -d ‘
{
"name": "Jane Doe"
}‘
以上的命令将ID为1的文档的name字段的值从“John Doe”改成了“Jane Doe”。
假设我们使用一个不同的ID,一个新的文档将会被索引。当前已经在索引中的文档不会受到影响。
curl -XPUT ‘localhost:9200/customer/external/2?pretty‘ -d ‘
{
"name": "Jane Doe"
}‘
以上的命令,将会索引一个ID为2的新文档。
在索引的时候。ID部分是可选的。
假设不指定。Elasticsearch将产生一个随机的ID来索引这个文档。Elasticsearch生成的ID会作为索引API调用的一部分被返回。
下面的样例展示了如何在没有指定ID的情况下来索引一个文档:
curl -XPOST ‘localhost:9200/customer/external?pretty‘ -d ‘
{
"name": "Jane Doe"
}‘
注意,在上面的情形中,因为我们没有指定一个ID,我们使用的是POST而不是PUT。
更新文档
除了能够索引、替换文档之外,我们也能够更新一个文档。但要注意,Elasticsearch底层并不支持原地更新。在我们想要做一次更新的时候,Elasticsearch先删除旧文档,然后在索引一个更新过的新文档。
以下的样例展示了如何将我们ID为1的文档的name字段改成“Jane Doe”:
curl -XPOST ‘localhost:9200/customer/external/1/_update?pretty‘ -d ‘
{
"doc": { "name": "Jane Doe" }
}‘
以下的样例展示了如何将我们ID为1的文档的name字段改成“Jane Doe”的同一时候,给它加上age字段:
curl -XPOST ‘localhost:9200/customer/external/1/_update?pretty‘ -d ‘
{
"doc": { "name": "Jane Doe", "age": 20 }
}‘
更新也能够通过使用简单的脚本来进行。
这个样例使用一个脚本将age加5:
curl -XPOST ‘localhost:9200/customer/external/1/_update?
pretty‘ -d ‘
{
"script" : "ctx._source.age += 5"
}‘
在上面的样例中,ctx._source指向当前要被更新的文档。
注意,在写作本文时,更新操作仅仅能一次应用在一个文档上。将来,Elasticsearch将提供同一时候更新符合指定查询条件的多个文档的功能(类似于SQL的UPDATE-WHERE语句)。
删除文档
删除文档是相当直观的。
下面的样例展示了我们如何删除ID为2的文档:
curl -XDELETE ‘localhost:9200/customer/external/2?pretty‘
我们也可以一次删除符合某个查询条件的多个文档。
下面的样例展示了怎样删除名字中包括“John”的全部的客户:
curl -XDELETE ‘localhost:9200/customer/external/_query?
pretty‘ -d ‘
{
"query": { "match": { "name": "John" } }
}‘
注意,以上的URI变成了/_query。以此来表明这是一个“查询删除”API,当中删除查询标准放在请求体中,可是我们仍然使用DELETE。
如今先不要操心查询语法,我们将会在本教程后面的部分中涉及。
批处理:
除了可以对单个的文档进行索引、更新和删除之外,Elasticsearch也提供了以上操作的批量处理功能,这是通过使用_bulk API实现的。这个功能之所以重要。在于它提供了很高效的机制来尽可能快的完毕多个操作,与此同一时候使用尽可能少的网络往返。
作为一个高速的样例,下面调用在一次bulk操作中索引了两个文档(ID 1 - John Doe and ID 2 - Jane Doe):
curl -XPOST ‘localhost:9200/customer/external/_bulk?pretty‘ -d ‘
{"index":{"_id":"1"}}
{"name": "John Doe" }
{"index":{"_id":"2"}}
{"name": "Jane Doe" }
‘
下面样例在一个bulk操作中,首先更新第一个文档(ID为1)。然后删除第二个文档(ID为2):
curl -XPOST ‘localhost:9200/customer/external/_bulk?
pretty‘ -d ‘
{"update":{"_id":"1"}}
{"doc": { "name": "John Doe becomes Jane Doe" } }
{"delete":{"_id":"2"}}
‘
注意上面的delete动作,因为删除动作仅仅须要被删除文档的ID。所以并没有相应的源文档。
bulk API按顺序运行这些动作。假设当中一个动作由于某些原因失败了。将会继续处理它后面的动作。当bulk API返回时。它将提供每一个动作的状态(依照相同的顺序),所以你可以看到某个动作成功与否。
探索你的数据
样本数据集
如今我们对于主要的东西已经有了一些感觉,如今让我们尝试使用一些更加贴近现实的数据集。
我已经准备了一些假想的客户的银行账户信息的JSON文档的样本。
文档具有下面的模式(schema):
{
"account_number": 0,
"balance": 16623,
"firstname": "Bradshaw",
"lastname": "Mckenzie",
"age": 29,
"gender": "F",
"address": "244 Columbus Place",
"employer": "Euron",
"email": "[email protected]",
"city": "Hobucken",
"state": "CO"
}
我是在http://www.json-generator.com/上生成这些数据的。
加载样本数据
你能够从https://github.com/bly2k/files/blob/master/accounts.zip?
raw=true下载这个样本数据集。
将其解压到当前文件夹下,例如以下。将其载入到我们的集群里:
curl -XPOST ‘localhost:9200/bank/account/_bulk?
pretty‘ --data-binary @accounts.json
curl ‘localhost:9200/_cat/indices?v‘
响应是:
curl ‘localhost:9200/_cat/indices?v‘
health index pri rep docs.count docs.deleted store.size pri.store.size
yellow bank 5 1 1000 0 424.4kb 424.4kb
这意味着我们成功批量索引了1000个文档到银行索引中(account类型)。
搜索API
如今,让我们以一些简单的搜索来開始。有两种主要的方式来执行搜索:一种是在REST请求的URI中发送搜索參数。还有一种是将搜索參数发送到REST请求体中。请求体方法的表达能力更好,而且你能够使用更加可读的JSON格式来定义搜索。
我们将尝试使用一次请求URI作为样例。可是教程的后面部分,我们将只使用请求体方法。
搜索的REST API能够通过_search端点来訪问。以下这个样例返回bank索引中的全部的文档:
curl ‘localhost:9200/bank/_search?q=*&pretty‘
我们细致研究一下这个查询调用。我们在bank索引中搜索(_search端点),而且q=*參数指示Elasticsearch去匹配这个索引中全部的文档。pretty參数,和曾经一样。不过告诉Elasticsearch返回美观的JSON结果。
下面是响应(部分列出):
curl ‘localhost:9200/bank/_search?
q=*&pretty‘
{
"took" : 63,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"failed" : 0
},
"hits" : {
"total" : 1000,
"max_score" : 1.0,
"hits" : [ {
"_index" : "bank",
"_type" : "account",
"_id" : "1",
"_score" : 1.0, "_source" : {"account_number":1,"balance":39225,"firstname":"Amber","lastname":"Duke","age":32,"gender":"M","address":"880 Holmes Lane","employer":"Pyrami","email":"[email protected]","city":"Brogan","state":"IL"}
}, {
"_index" : "bank",
"_type" : "account",
"_id" : "6",
"_score" : 1.0, "_source" : {"account_number":6,"balance":5686,"firstname":"Hattie","lastname":"Bond","age":36,"gender":"M","address":"671 Bristol Street","employer":"Netagy","email":"[email protected]","city":"Dante","state":"TN"}
}, {
"_index" : "bank",
"_type" : "account",
对于这个响应,我们看到了下面的部分:
- took —— Elasticsearch运行这个搜索的耗时。以毫秒为单位
- timed_out —— 指明这个搜索是否超时
- _shards —— 指出多少个分片被搜索了,同一时候也指出了成功/失败的被搜索的shards的数量
- hits —— 搜索结果
- hits.total —— 可以匹配我们查询标准的文档的总数目
- hits.hits —— 真正的搜索结果数据(默认仅仅显示前10个文档)
- _score和max_score —— 如今先忽略这些字段
使用请求体方法的等价搜索是:
curl -XPOST ‘localhost:9200/bank/_search?pretty‘ -d ‘
{
"query": { "match_all": {} }
}‘
这里的不同之处在于,并非向URI中传递q=*。取而代之的是,我们在_search API的请求体中POST了一个JSON格式请求体。我们将在下一部分中讨论这个JSON查询。
响应是:
curl -XPOST ‘localhost:9200/bank/_search?pretty‘ -d ‘
{
"query": { "match_all": {} }
}‘
{
"took" : 26,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"failed" : 0
},
"hits" : {
"total" : 1000,
"max_score" : 1.0,
"hits" : [ {
"_index" : "bank",
"_type" : "account",
"_id" : "1",
"_score" : 1.0, "_source" : {"account_number":1,"balance":39225,"firstname":"Amber","lastname":"Duke","age":32,"gender":"M","address":"880 Holmes Lane","employer":"Pyrami","email":"[email protected]","city":"Brogan","state":"IL"}
}, {
"_index" : "bank",
"_type" : "account",
"_id" : "6",
"_score" : 1.0, "_source" : {"account_number":6,"balance":5686,"firstname":"Hattie","lastname":"Bond","age":36,"gender":"M","address":"671 Bristol Street","employer":"Netagy","email":"[email protected]","city":"Dante","state":"TN"}
}, {
"_index" : "bank",
"_type" : "account",
"_id" : "13",
有一点须要重点理解一下,一旦你取回了你的搜索结果,Elasticsearch就完毕了使命。它不会维护不论什么server端的资源或者在你的结果中打开游标。这是和其他类似SQL的平台的一个鲜明的对照, 在那些平台上,你能够在前面先获取你查询结果的一部分,然后假设你想获取结果的剩余部分,你必须继续返回服务端去取。这个过程使用一种有状态的server端游标技术。
介绍查询语言
Elasticsearch提供一种JSON风格的特定领域语言。利用它你能够运行查询。这杯称为查询DSL。
这个查询语言相当全面,第一眼看上去可能有些咄咄逼人,可是最好的学习方法就是以几个基础的样例来開始。
回到我们上一个样例。我们运行了这个查询:
{
"query": { "match_all": {} }
}
分解以上的这个查询,当中的query部分告诉我查询的定义,match_all部分就是我们想要执行的查询的类型。
match_all查询。就是简单地查询一个指定索引下的全部的文档。
除了这个query參数之外,我们也能够通过传递其他的參数来影响搜索结果。比方。以下做了一次match_all并仅仅返回第一个文档:
curl -XPOST ‘localhost:9200/bank/_search?
pretty‘ -d ‘
{
"query": { "match_all": {} },
"size": 1
}‘
注意,假设没有指定size的值,那么它默认就是10。
以下的样例,做了一次match_all而且返回第11到第20个文档:
curl -XPOST ‘localhost:9200/bank/_search?pretty‘ -d ‘
{
"query": { "match_all": {} },
"from": 10,
"size": 10
}‘
当中的from參数(0-based)从哪个文档開始,size參数指明从from參数開始,要返回多少个文档。
这个特性对于搜索结果分页来说很有帮助。注意。假设不指定from的值,它默认就是0。
以下这个样例做了一次match_all而且以账户剩余金额降序排序。最后返前十个文档:
curl -XPOST ‘localhost:9200/bank/_search?
pretty‘ -d ‘
{
"query": { "match_all": {} },
"sort": { "balance": { "order": "desc" } }
}‘
运行搜索
如今我们已经知道了几个主要的參数。让我们进一步发掘查询语言吧。首先我们看一下返回文档的字段。默认情况下,是返回完整的JSON文档的。这能够通过source来引用(搜索hits中的_sourcei字段)。假设我们不想返回完整的源文档,我们能够指定返回的几个字段。
以下这个样例说明了如何返回两个字段account_number和balance(当然,这两个字段都是指_source中的字段),以下是详细的搜索:
curl -XPOST ‘localhost:9200/bank/_search?
pretty‘ -d ‘
{
"query": { "match_all": {} },
"_source": ["account_number", "balance"]
}‘
注意到上面的样例不过简化了_source字段。它仍将会返回一个叫做_source的字段。可是只包括account_number和balance来年改革字段。
假设你有SQL背景。上述查询在概念上有些像SQL的SELECT FROM。
如今让我们进入到查询部分。
之前,我们看到了match_all查询是如何匹配到全部的文档的。如今我们介绍一种新的查询,叫做match查询,这能够看成是一个简单的字段搜索查询(比方相应于某个或某些特定字段的搜索)。
以下这个样例返回账户编号为20的文档:
curl -XPOST ‘localhost:9200/bank/_search?pretty‘ -d ‘
{
"query": { "match": { "account_number": 20 } }
}‘
以下这个样例返回地址中包括“mill”的全部账户:
curl -XPOST ‘localhost:9200/bank/_search?
pretty‘ -d ‘
{
"query": { "match": { "address": "mill" } }
}‘
以下这个样例返回地址中包括“mill”或者包括“lane”的账户:
curl -XPOST ‘localhost:9200/bank/_search?pretty‘ -d ‘
{
"query": { "match": { "address": "mill lane" } }
}‘
以下这个样例是match的变体(match_phrase),它会去匹配短语“mill lane”:
curl -XPOST ‘localhost:9200/bank/_search?pretty‘ -d ‘
{
"query": { "match_phrase": { "address": "mill lane" } }
}‘
如今,让我们介绍一下布尔查询。布尔查询同意我们利用布尔逻辑将较小的查询组合成较大的查询。
如今这个样例组合了两个match查询。这个组合查询返回包括“mill”和“lane”的全部的账户:
curl -XPOST ‘localhost:9200/bank/_search?
pretty‘ -d ‘
{
"query": {
"bool": {
"must": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}‘
在上面的样例中。bool must语句指明了,对于一个文档。全部的查询都必须为真。这个文档才可以匹配成功。
相反的。以下的样例组合了两个match查询,它返回的是地址中包括“mill”或者“lane”的全部的账户:
curl -XPOST ‘localhost:9200/bank/_search?
pretty‘ -d ‘
{
"query": {
"bool": {
"should": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}‘
在上面的样例中。bool should语句指明。对于一个文档,查询列表中,仅仅要有一个查询匹配,那么这个文档就被看成是匹配的。
如今这个样例组合了两个查询,它返回地址中既不包括“mill”,同一时候也不包括“lane”的全部的账户信息:
curl -XPOST ‘localhost:9200/bank/_search?pretty‘ -d ‘
{
"query": {
"bool": {
"must_not": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}‘
在上面的样例中。 bool must_not语句指明,对于一个文档。查询列表中的的全部查询都必须都不为真,这个文档才被觉得是匹配的。
我们能够在一个bool查询里一起使用must、should、must_not。此外。我们能够将bool查询放到这种bool语句中来模拟复杂的、多等级的布尔逻辑。
以下这个样例返回40岁以上而且不生活在ID(daho)的人的账户:
curl -XPOST ‘localhost:9200/bank/_search?pretty‘ -d ‘
{
"query": {
"bool": {
"must": [
{ "match": { "age": "40" } }
],
"must_not": [
{ "match": { "state": "ID" } }
]
}
}
}‘
运行过滤器
在先前的章节中,我们跳过了文档得分的细节(搜索结果中的_score字段)。这个得分是与我们指定的搜索查询匹配程度的一个相对度量。
得分越高,文档越相关,得分越低文档的相关度越低。
Elasticsearch中的全部的查询都会触发相关度得分的计算。对于那些我们不须要相关度得分的场景下,Elasticsearch以过滤器的形式提供了还有一种查询功能。过滤器在概念上类似于查询,可是它们有很快的运行速度,这样的快的运行速度主要有下面两个原因
- 过滤器不会计算相关度的得分,所以它们在计算上更快一些
- 过滤器能够被缓存到内存中,这使得在反复的搜索查询上。其要比对应的查询快出很多。
为了理解过滤器。我们先来介绍“被过滤”的查询,这使得你能够将一个查询(像是match_all。match,bool等)和一个过滤器结合起来。作为一个样例。我们介绍一下范围过滤器,它同意我们通过一个区间的值来过滤文档。这通常被用在数字和日期的过滤上。
这个样例使用一个被过滤的查询,其返回值是越在20000到30000之间(闭区间)的账户。换句话说,我们想要找到越大于等于20000而且小于等于30000的账户。
curl -XPOST ‘localhost:9200/bank/_search?
pretty‘ -d ‘
{
"query": {
"filtered": {
"query": { "match_all": {} },
"filter": {
"range": {
"balance": {
"gte": 20000,
"lte": 30000
}
}
}
}
}
}‘
分解上面的样例。被过滤的查询包括一个match_all查询(查询部分)和一个过滤器(filter部分)。我们能够在查询部分中放入其他查询,在filter部分放入其他过滤器。
在上面的应用场景中,因为全部的在这个范围之内的文档都是平等的(或者说相关度都是一样的),没有一个文档比还有一个文档更相关,所以这个时候使用范围过滤器就很合适了。
通常情况下,要决定是使用过滤器还是使用查询。你就须要问自己是否须要相关度得分。假设相关度是不重要的。使用过滤器,否则使用查询。假设你有SQL背景。查询和过滤器在概念上类似于SELECT WHERE语句, although more so for filters than queries。
除了match_all, match, bool,filtered和range查询。还有非常多其他类型的查uxn/过滤器,我们这里不会涉及。因为我们已经对它们的工作原理有了主要的理解,将其应用到其他类型的查询、过滤器上也不是件难事。
运行聚合
聚合提供了分组并统计数据的能力。理解聚合的最简单的方式是将其粗略地等同为SQL的GROUP BY和SQL聚合函数。
在Elasticsearch中。你能够在一个响应中同一时候返回命中的数据和聚合结果。
你能够使用简单的API同一时候执行查询和多个聚合,并以一次返回,这避免了来回的网络通信。这是很强大和高效的。
作为開始的一个样例,我们依照state分组,依照州名的计数倒序排序:
curl -XPOST ‘localhost:9200/bank/_search?
pretty‘ -d ‘
{
"size": 0,
"aggs": {
"group_by_state": {
"terms": {
"field": "state"
}
}
}
}‘
在SQL中。上面的聚合在概念上类似于:
SELECT COUNT(*) from bank GROUP BY state ORDER BY COUNT(*) DESC
响应(当中一部分)是:
"hits" : {
"total" : 1000,
"max_score" : 0.0,
"hits" : [ ]
},
"aggregations" : {
"group_by_state" : {
"buckets" : [ {
"key" : "al",
"doc_count" : 21
}, {
"key" : "tx",
"doc_count" : 17
}, {
"key" : "id",
"doc_count" : 15
}, {
"key" : "ma",
"doc_count" : 15
}, {
"key" : "md",
"doc_count" : 15
}, {
"key" : "pa",
"doc_count" : 15
}, {
"key" : "dc",
"doc_count" : 14
}, {
"key" : "me",
"doc_count" : 14
}, {
"key" : "mo",
"doc_count" : 14
}, {
"key" : "nd",
"doc_count" : 14
} ]
}
}
}
我们能够看到AL(abama)有21个账户,TX有17个账户,ID(daho)有15个账户。依此类推。
注意我们将size设置成0。这样我们就能够仅仅看到聚合结果了,而不会显示命中的结果。
在先前聚合的基础上,如今这个样例计算了每一个州的账户的平均剩余金额(还是依照账户数量倒序排序的前10个州):
curl -XPOST ‘localhost:9200/bank/_search?pretty‘ -d ‘
{
"size": 0,
"aggs": {
"group_by_state": {
"terms": {
"field": "state"
},
"aggs": {
"average_balance": {
"avg": {
"field": "balance"
}
}
}
}
}
}‘
注意,我们把average_balance聚合嵌套在了group_by_state聚合之中。
这是全部聚合的一个经常使用模式。你能够随意的聚合之中嵌套聚合,这样你就能够从你的数据中抽取出想要的概述。
基于前面的聚合,如今让我们依照平均剩余金额进行排序:
curl -XPOST ‘localhost:9200/bank/_search?pretty‘ -d ‘
{
"size": 0,
"aggs": {
"group_by_state": {
"terms": {
"field": "state",
"order": {
"average_balance": "desc"
}
},
"aggs": {
"average_balance": {
"avg": {
"field": "balance"
}
}
}
}
}
}‘
以下的样例显示了怎样使用年龄段(20-29,30-39。40-49)分组。然后在用性别分组,然后为每个年龄段的每个性别计算平均账户剩余金额:
curl -XPOST ‘localhost:9200/bank/_search?pretty‘ -d ‘
{
"size": 0,
"aggs": {
"group_by_age": {
"range": {
"field": "age",
"ranges": [
{
"from": 20,
"to": 30
},
{
"from": 30,
"to": 40
},
{
"from": 40,
"to": 50
}
]
},
"aggs": {
"group_by_gender": {
"terms": {
"field": "gender"
},
"aggs": {
"average_balance": {
"avg": {
"field": "balance"
}
}
}
}
}
}
}
}‘
有非常多关于聚合的细节,我们没有涉及。假设你想做更进一步的实验,http://www.elasticsearch.org/guide/en/elasticsearch/reference/current/search-aggregations.html是一个非常好的起点。
总结
Elasticsearch既是一个简单的产品。也是一个复杂的产品。
我们如今已经学习到了基础部分,它的一些原理,以及如何用REST API来做一些工作。我希望这个教程已经使你对Elasticsearch是什么有了一个更好的理解,跟重要的是,可以激发你继续实验Elasticsearch的其他特性。