|
這個REST訪問模式普遍適用于所有的API命令，如果你能記住它，你就會為掌握Elasticsearch開一個好頭。 修改你的數據 Elasticsearch提供了近乎實時的數據操作和搜索功能。默認情況下，從你索引/更新/刪除你的數據動作開始到它出現在你的搜索結果中，大概會有1秒鐘的延遲。這和其它類似SQL的平臺不同，數據在一個事務完成之后就會立即可用。 索引/替換文檔 我們先前看到，怎樣索引一個文檔。現在我們再次調用那個命令： curl -XPUT 'localhost:9200/customer/external/1?pretty' -d ' { "name": "John Doe" }' 再次，以上的命令將會把這個文檔索引到customer索引、external類型中，其ID是1。如果我們對一個不同（或相同）的文檔應用以上的命令，Elasticsearch將會用一個新的文檔來替換（重新索引）當前ID為1的那個文檔。 curl -XPUT 'localhost:9200/customer/external/1?pretty' -d ' { "name": "Jane Doe" }' 以上的命令將ID為1的文檔的name字段的值從“John Doe”改成了“Jane Doe”。如果我們使用一個不同的ID，一個新的文檔將會被索引，當前已經在索引中的文檔不會受到影響。 curl -XPUT 'localhost:9200/customer/external/2?pretty' -d ' { "name": "Jane Doe" }' 以上的命令，將會索引一個ID為2的新文檔。 在索引的時候，ID部分是可選的。如果不指定，Elasticsearch將產生一個隨機的ID來索引這個文檔。Elasticsearch生成的ID會作為索引API調用的一部分被返回。 以下的例子展示了怎樣在沒有指定ID的情況下來索引一個文檔： curl -XPOST 'localhost:9200/customer/external?pretty' -d ' { "name": "Jane Doe" }' 注意，在上面的情形中，由于我們沒有指定一個ID，我們使用的是POST而不是PUT。 更新文檔 除了可以索引、替換文檔之外，我們也可以更新一個文檔。但要注意，Elasticsearch底層并不支持原地更新。在我們想要做一次更新的時候，Elasticsearch先刪除舊文檔，然后在索引一個更新過的新文檔。 下面的例子展示了怎樣將我們ID為1的文檔的name字段改成“Jane Doe”： curl -XPOST 'localhost:9200/customer/external/1/_update?pretty' -d ' { "doc": { "name": "Jane Doe" } }' 下面的例子展示了怎樣將我們ID為1的文檔的name字段改成“Jane Doe”的同時，給它加上age字段： curl -XPOST 'localhost:9200/customer/external/1/_update?pretty' -d ' { "doc": { "name": "Jane Doe", "age": 20 } }' 更新也可以通過使用簡單的腳本來進行。這個例子使用一個腳本將age加5： curl -XPOST 'localhost:9200/customer/external/1/_update?pretty' -d ' { "script" : "ctx._source.age += 5" }' 在上面的例子中，ctx._source指向當前要被更新的文檔。 注意，在寫作本文時，更新操作只能一次應用在一個文檔上。將來，Elasticsearch將提供同時更新符合指定查詢條件的多個文檔的功能（類似于SQL的UPDATE-WHERE語句）。 刪除文檔 刪除文檔是相當直觀的。以下的例子展示了我們怎樣刪除ID為2的文檔： curl -XDELETE 'localhost:9200/customer/external/2?pretty' 我們也能夠一次刪除符合某個查詢條件的多個文檔。以下的例子展示了如何刪除名字中包含“John”的所有的客戶： curl -XDELETE 'localhost:9200/customer/external/_query?pretty' -d ' { "query": { "match": { "name": "John" } } }' 注意，以上的URI變成了/_query，以此來表明這是一個“查詢刪除”API，其中刪除查詢標準放在請求體中，但是我們仍然使用DELETE。現在先不要擔心查詢語法，我們將會在本教程后面的部分中涉及。 批處理： 除了能夠對單個的文檔進行索引、更新和刪除之外，Elasticsearch也提供了以上操作的批量處理功能，這是通過使用_bulk API實現的。這個功能之所以重要，在于它提供了非常高效的機制來盡可能快的完成多個操作，與此同時使用盡可能少的網絡往返。 作為一個快速的例子，以下調用在一次bulk操作中索引了兩個文檔（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" } ' 以下例子在一個bulk操作中，首先更新第一個文檔（ID為1），然后刪除第二個文檔（ID為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動作，由于刪除動作只需要被刪除文檔的ID，所以并沒有對應的源文檔。 bulk API按順序執行這些動作。如果其中一個動作因為某些原因失敗了，將會繼續處理它后面的動作。當bulk API返回時，它將提供每個動作的狀態（按照同樣的順序），所以你能夠看到某個動作成功與否。 探索你的數據 樣本數據集 現在我們對于基本的東西已經有了一些感覺，現在讓我們嘗試使用一些更加貼近現實的數據集。我已經準備了一些假想的客戶的銀行賬戶信息的JSON文檔的樣本。文檔具有以下的模式（schema）： { "account_number": 0, "balance": 16623, "firstname": "Bradshaw", "lastname": "Mckenzie", "age": 29, "gender": "F", "address": "244 Columbus Place", "employer": "Euron", "email": "bradshawmckenzie@euron.com", "city": "Hobucken", "state": "CO" } 我是在http://www./上生成這些數據的。 載入樣本數據 你可以從https://github.com/bly2k/files/blob/master/accounts.zip?raw=true下載這個樣本數據集。將其解壓到當前目錄下，如下，將其加載到我們的集群里： curl -XPOST 'localhost:9200/bank/account/_bulk?pretty' --data-binary @accounts.json curl 'localhost:9200/_cat/indices?v' 響應是： 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 這意味著我們成功批量索引了1000個文檔到銀行索引中（account類型）。 搜索API 現在，讓我們以一些簡單的搜索來開始。有兩種基本的方式來運行搜索：一種是在REST請求的URI中發送搜索參數，另一種是將搜索參數發送到REST請求 體中。請求體方法的表達能力更好，并且你可以使用更加可讀的JSON格式來定義搜索。我們將嘗試使用一次請求URI作為例子，但是教程的后面部分，我們將 僅僅使用請求體方法。 搜索的REST API可以通過_search端點來訪問。下面這個例子返回bank索引中的所有的文檔： curl 'localhost:9200/bank/_search?q=*&pretty' 我們仔細研究一下這個查詢調用。我們在bank索引中搜索（_search端點），并且q=*參數指示Elasticsearch去匹配這個索引中所有的文檔。pretty參數，和以前一樣，僅僅是告訴Elasticsearch返回美觀的JSON結果。 以下是響應（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":"amberduke@pyrami.com","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":"hattiebond@netagy.com","city":"Dante","state":"TN"} }, { "_index" : "bank", "_type" : "account", 對于這個響應，我們看到了以下的部分： - took —— Elasticsearch執行這個搜索的耗時，以毫秒為單位 - timed_out —— 指明這個搜索是否超時 - _shards —— 指出多少個分片被搜索了，同時也指出了成功/失敗的被搜索的shards的數量 - hits —— 搜索結果 - hits.total —— 能夠匹配我們查詢標準的文檔的總數目 - hits.hits —— 真正的搜索結果數據（默認只顯示前10個文檔） - _score和max_score —— 現在先忽略這些字段 使用請求體方法的等價搜索是： curl -XPOST 'localhost:9200/bank/_search?pretty' -d ' { "query": { "match_all": {} } }' 這里的不同之處在于，并不是向URI中傳遞q=*，取而代之的是，我們在_search API的請求體中POST了一個JSON格式請求體。我們將在下一部分中討論這個JSON查詢。 響應是： 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":"amberduke@pyrami.com","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":"hattiebond@netagy.com","city":"Dante","state":"TN"} }, { "_index" : "bank", "_type" : "account", "_id" : "13", 有一點需要重點理解一下，一旦你取回了你的搜索結果，Elasticsearch就完成了使命，它不會維護任何服務器端的資源或者在你的結果中打開游標。 這是和其它類似SQL的平臺的一個鮮明的對比， 在那些平臺上，你可以在前面先獲取你查詢結果的一部分，然后如果你想獲取結果的剩余部分，你必須繼續返回服務端去取，這個過程使用一種有狀態的服務器端游 標技術。 介紹查詢語言 Elasticsearch提供一種JSON風格的特定領域語言，利用它你可以執行查詢。這杯稱為查詢DSL。這個查詢語言相當全面，第一眼看上去可能有些咄咄逼人，但是最好的學習方法就是以幾個基礎的例子來開始。 回到我們上一個例子，我們執行了這個查詢： { "query": { "match_all": {} } } 分解以上的這個查詢，其中的query部分告訴我查詢的定義，match_all部分就是我們想要運行的查詢的類型。match_all查詢，就是簡單地查詢一個指定索引下的所有的文檔。 除了這個query參數之外，我們也可以通過傳遞其它的參數來影響搜索結果。比如，下面做了一次match_all并只返回第一個文檔： curl -XPOST 'localhost:9200/bank/_search?pretty' -d ' { "query": { "match_all": {} }, "size": 1 }' 注意，如果沒有指定size的值，那么它默認就是10。 下面的例子，做了一次match_all并且返回第11到第20個文檔： curl -XPOST 'localhost:9200/bank/_search?pretty' -d ' { "query": { "match_all": {} }, "from": 10, "size": 10 }' 其中的from參數（0-based）從哪個文檔開始，size參數指明從from參數開始，要返回多少個文檔。這個特性對于搜索結果分頁來說非常有幫助。注意，如果不指定from的值，它默認就是0。 下面這個例子做了一次match_all并且以賬戶余額降序排序，最后返前十個文檔： curl -XPOST 'localhost:9200/bank/_search?pretty' -d ' { "query": { "match_all": {} }, "sort": { "balance": { "order": "desc" } } }' 執行搜索 現在我們已經知道了幾個基本的參數，讓我們進一步發掘查詢語言吧。首先我們看一下返回文檔的字段。默認情況下，是返回完整的JSON文檔的。這可以通過 source來引用（搜索hits中的_sourcei字段）。如果我們不想返回完整的源文檔，我們可以指定返回的幾個字段。 下面這個例子說明了怎樣返回兩個字段account_number和balance（當然，這兩個字段都是指_source中的字段），以下是具體的搜索： curl -XPOST 'localhost:9200/bank/_search?pretty' -d ' { "query": { "match_all": {} }, "_source": ["account_number", "balance"] }' 注意到上面的例子僅僅是簡化了_source字段。它仍將會返回一個叫做_source的字段，但是僅僅包含account_number和balance來年改革字段。 如果你有SQL背景，上述查詢在概念上有些像SQL的SELECT FROM。 現在讓我們進入到查詢部分。之前，我們看到了match_all查詢是怎樣匹配到所有的文檔的。現在我們介紹一種新的查詢，叫做match查詢，這可以看成是一個簡單的字段搜索查詢（比如對應于某個或某些特定字段的搜索）。 下面這個例子返回賬戶編號為20的文檔： curl -XPOST 'localhost:9200/bank/_search?pretty' -d ' { "query": { "match": { "account_number": 20 } } }' 下面這個例子返回地址中包含“mill”的所有賬戶： curl -XPOST 'localhost:9200/bank/_search?pretty' -d ' { "query": { "match": { "address": "mill" } } }' 下面這個例子返回地址中包含“mill”或者包含“lane”的賬戶： curl -XPOST 'localhost:9200/bank/_search?pretty' -d ' { "query": { "match": { "address": "mill lane" } } }' 下面這個例子是match的變體（match_phrase），它會去匹配短語“mill lane”： curl -XPOST 'localhost:9200/bank/_search?pretty' -d ' { "query": { "match_phrase": { "address": "mill lane" } } }' 現在，讓我們介紹一下布爾查詢。布爾查詢允許我們利用布爾邏輯將較小的查詢組合成較大的查詢。 現在這個例子組合了兩個match查詢，這個組合查詢返回包含“mill”和“lane”的所有的賬戶： curl -XPOST 'localhost:9200/bank/_search?pretty' -d ' { "query": { "bool": { "must": [ { "match": { "address": "mill" } }, { "match": { "address": "lane" } } ] } } }' 在上面的例子中，bool must語句指明了，對于一個文檔，所有的查詢都必須為真，這個文檔才能夠匹配成功。 相反的，下面的例子組合了兩個match查詢，它返回的是地址中包含“mill”或者“lane”的所有的賬戶: curl -XPOST 'localhost:9200/bank/_search?pretty' -d ' { "query": { "bool": { "should": [ { "match": { "address": "mill" } }, { "match": { "address": "lane" } } ] } } }' 在上面的例子中，bool should語句指明，對于一個文檔，查詢列表中，只要有一個查詢匹配，那么這個文檔就被看成是匹配的。 現在這個例子組合了兩個查詢，它返回地址中既不包含“mill”，同時也不包含“lane”的所有的賬戶信息： curl -XPOST 'localhost:9200/bank/_search?pretty' -d ' { "query": { "bool": { "must_not": [ { "match": { "address": "mill" } }, { "match": { "address": "lane" } } ] } } }' 在上面的例子中， bool must_not語句指明，對于一個文檔，查詢列表中的的所有查詢都必須都不為真，這個文檔才被認為是匹配的。 我們可以在一個bool查詢里一起使用must、should、must_not。此外，我們可以將bool查詢放到這樣的bool語句中來模擬復雜的、多等級的布爾邏輯。 下面這個例子返回40歲以上并且不生活在ID（daho）的人的賬戶： curl -XPOST 'localhost:9200/bank/_search?pretty' -d ' { "query": { "bool": { "must": [ { "match": { "age": "40" } } ], "must_not": [ { "match": { "state": "ID" } } ] } } }' 執行過濾器 在先前的章節中，我們跳過了文檔得分的細節（搜索結果中的_score字段）。這個得分是與我們指定的搜索查詢匹配程度的一個相對度量。得分越高，文檔越相關，得分越低文檔的相關度越低。 Elasticsearch中的所有的查詢都會觸發相關度得分的計算。對于那些我們不需要相關度得分的場景下，Elasticsearch以過濾器的形式 提供了另一種查詢功能。過濾器在概念上類似于查詢，但是它們有非常快的執行速度，這種快的執行速度主要有以下兩個原因 - 過濾器不會計算相關度的得分，所以它們在計算上更快一些 - 過濾器可以被緩存到內存中，這使得在重復的搜索查詢上，其要比相應的查詢快出許多。 為了理解過濾器，我們先來介紹“被過濾”的查詢，這使得你可以將一個查詢（像是match_all，match，bool等）和一個過濾器結合起來。作為一個例子，我們介紹一下范圍過濾器，它允許我們通過一個區間的值來過濾文檔。這通常被用在數字和日期的過濾上。 這個例子使用一個被過濾的查詢，其返回值是越在20000到30000之間（閉區間）的賬戶。換句話說，我們想要找到越大于等于20000并且小于等于30000的賬戶。 curl -XPOST 'localhost:9200/bank/_search?pretty' -d ' { "query": { "filtered": { "query": { "match_all": {} }, "filter": { "range": { "balance": { "gte": 20000, "lte": 30000 } } } } } }' 分解上面的例子，被過濾的查詢包含一個match_all查詢（查詢部分）和一個過濾器（filter部分）。我們可以在查詢部分中放入其他查詢，在 filter部分放入其它過濾器。在上面的應用場景中，由于所有的在這個范圍之內的文檔都是平等的（或者說相關度都是一樣的），沒有一個文檔比另一個文檔 更相關，所以這個時候使用范圍過濾器就非常合適了。 通常情況下，要決定是使用過濾器還是使用查詢，你就需要問自己是否需要相關度得分。如果相關度是不重要的，使用過濾器，否則使用查詢。如果你有SQL背 景，查詢和過濾器在概念上類似于SELECT WHERE語句， although more so for filters than queries。 除了match_all, match, bool,filtered和range查詢，還有很多其它類型的查uxn/過濾器，我們這里不會涉及。由于我們已經對它們的工作原理有了基本的理解，將其應用到其它類型的查詢、過濾器上也不是件難事。 執行聚合 聚合提供了分組并統計數據的能力。理解聚合的最簡單的方式是將其粗略地等同為SQL的GROUP BY和SQL聚合函數。在Elasticsearch中，你可以在一個響應中同時返回命中的數據和聚合結果。你可以使用簡單的API同時運行查詢和多個聚 合，并以一次返回，這避免了來回的網絡通信，這是非常強大和高效的。 作為開始的一個例子，我們按照state分組，按照州名的計數倒序排序： 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類似于： SELECT COUNT(*) from bank GROUP BY state ORDER BY COUNT(*) DESC 響應（其中一部分）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 } ] } } } 我們可以看到AL（abama）有21個賬戶，TX有17個賬戶，ID（daho）有15個賬戶，依此類推。 注意我們將size設置成0，這樣我們就可以只看到聚合結果了，而不會顯示命中的結果。 在先前聚合的基礎上，現在這個例子計算了每個州的賬戶的平均余額（還是按照賬戶數量倒序排序的前10個州）： 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，我們把average_balance聚合嵌套在了group_by_state聚合之中。這是所有聚合的一個常用模式。你可以任意的聚合之中嵌套聚合，這樣你就可以從你的數據中抽取出想要的概述。 基于前面的聚合，現在讓我們按照平均余額進行排序： 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" } } } } } }' 下面的例子顯示了如何使用年齡段（20-29，30-39，40-49）分組，然后在用性別分組，然后為每一個年齡段的每一個性別計算平均賬戶余額： 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" } } } } } } } }' 有很多關于聚合的細節，我們沒有涉及。如果你想做更進一步的實驗，http://www./guide/en /elasticsearch/reference/current/search-aggregations.html是一個非常好的起點。 總結 Elasticsearch既是一個簡單的產品，也是一個復雜的產品。我們現在已經學習到了基礎部分，它的一些原理，以及怎樣用REST API來做一些工作。我希望這個教程已經使你對Elasticsearch是什么有了一個更好的理解，跟重要的是，能夠激發你繼續實驗 Elasticsearch的其它特性。
轉載： http://blog.csdn.net/cnweike/article/details/33736429 |
|
|
