简介
Elasticsearch 是面向文档的，这就意味着它可以像MongoDB一样存储整个对象或者文档。然而它不仅仅是存储，还会索引每个文档的内容使值可以被索引。我们也可以对文档进行索引，搜索，排序，过滤。
它存储的文档格式是JSON格式的。比如：
1
2
3
4
5
6
7
8
9
10
11
| {
"email": "john@smith.com",
"first_name": "John",
"last_name": "Smith",
"info": {
"bio": "Eco-warrior and defender of the weak",
"age": 25,
"interests": [ "dolphins", "whales" ]
},
"join_date": "2014/05/01"
}
|
理论
在Elasticsearch中存储数据的行为就叫做索引（indexing）。文档属于一种类型（type），而这些类型存储在索引（index）中。
我们可以使用下面这个图来简单解释一下：
1
2
3
| MySQL -> Database -> Tables -> Row -> Columns
MongoDB -> Database -> Collections -> Documents -> Fields
Elasticsearch -> Indices -> Types -> Documents -> Fields
|
Elasticsearch集群可以包含多个索引(indices)（数据库），每一个索引可以包含多个类型(types)（表），每一个类型包含多个文档(documents)（行），然后每个文档包含多个字段(Fields)（列）。
[索引]含义的区分
你可能已经注意到索引(index)这个词在Elasticsearch中有着不同的含义，所以有必要在此做一下区分:
- 索引（名词） 如上文所述，一个索引(index)就像是传统关系数据库中的数据库，它是相关文档存储的地方，index的复数是indices或indexes。
- 索引（动词） 「索引一个文档」表示把一个文档存储到索引（名词）里，以便它可以被检索或者查询。这很像SQL中的
INSERT关键字，差别是，如果文档已经存在，新的文档将覆盖旧的文档。
- 倒排索引 传统数据库为特定列增加一个索引，例如B-Tree索引来加速检索。Elasticsearch和Lucene使用一种叫做倒排索引(inverted index)的数据结构来达到相同目的。
操作
插入文档
单个插入：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
| <?php
require_once './vendor/autoload.php';
$client = Elasticsearch\ClientBuilder::create();
$client->setHosts(['127.0.0.1']);
$client = $client->build();
$params = [
'index' => 'megacorp',
'type' => 'employee',
'id' => 1,
'body' => [
'first_name' => 'Join',
'last_name' => 'Smith',
'age' => 25,
'about' => 'I love to go rock climbing',
'interests' => ['sports', 'music'],
]
];
$response = $client->index($params);
print_r($response);
?>
|
输出为：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
| Array
(
[_index] => megacorp
[_type] => employee
[_id] => 1
[_version] => 1
[result] => created
[_shards] => Array
(
[total] => 2
[successful] => 1
[failed] => 0
)
[created] => 1
)
|
就表示已经插入成功了。
这里的插入的数组中有个字段为id，如果我们不对其进行填写的话，它会自动生成一个id。
这个自动生成的_id会有22个字符长。我们把它称作UUIDs。
批量插入
下面我们接着插入。我们需要插入同时插入两个：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
| <?php
require_once './vendor/autoload.php';
$client = Elasticsearch\ClientBuilder::create();
$client->setHosts(['127.0.0.1']);
$client = $client->build();
$params = [];
$params['body'] = [
[
'index' => [
'_index' => 'megacorp',
'_type' => 'employee',
'_id' => 2
],
],
[
"first_name" => "Jane",
"last_name" => "Smith",
"age" => 32,
"about" => "I like to collect rock albums",
"interests" => ["music"],
],
[
'index' => [
'_index' => 'megacorp',
'_type' => 'employee',
'_id' => 3
],
],
[
"first_name" => "Douglas",
"last_name" => "Fir",
"age" => 35,
"about" => "I like to build cabinets",
"interests" => [ "forestry" ]
]
];
$responses = $client->bulk($params);
print_r($responses);
?>
|
显示如下就表示插入成功了：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
| Array
(
[took] => 217
[errors] =>
[items] => Array
(
[0] => Array
(
[index] => Array
(
[_index] => megacorp
[_type] => employee
[_id] => 2
[_version] => 1
[result] => created
[_shards] => Array
(
[total] => 2
[successful] => 1
[failed] => 0
)
[created] => 1
[status] => 201
)
)
[1] => Array
(
[index] => Array
(
[_index] => megacorp
[_type] => employee
[_id] => 3
[_version] => 1
[result] => created
[_shards] => Array
(
[total] => 2
[successful] => 1
[failed] => 0
)
[created] => 1
[status] => 201
)
)
)
)
|
获取文档
现在我们尝试获取文档。获取文档可以获取指定文档的全部字段或者指定字段。我们分开来讲解：
获取单个文档
获取全部字段
比如我们现在要获取id=2的文档。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| <?php
require_once './vendor/autoload.php';
$client = Elasticsearch\ClientBuilder::create();
$client->setHosts(['127.0.0.1']);
$client = $client->build();
$params = [
'index' => 'megacorp',
'type' => 'employee',
'id' => 2,
];
print_r($client->get($params));
?>
|
运行之后输出的结果就是：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
| Array
(
[_index] => megacorp
[_type] => employee
[_id] => 2
[_version] => 1
[found] => 1
[_source] => Array
(
[first_name] => Jane
[last_name] => Smith
[age] => 32
[about] => I like to collect rock albums
[interests] => Array
(
[0] => music
)
)
)
|
这里我们可以看到_source字段包含的就是我们插入的内容。而found字段为1表示文档已经找到，如果我们请求一个不存在的文档，也会返回一个json，只不过found就会变成0了。
获取指定字段
比如我们这里用不到这么多的字段。我们仅仅需要first_name, last_name和age。我们可以这么请求：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
| <?php
require_once './vendor/autoload.php';
$client = Elasticsearch\ClientBuilder::create();
$client->setHosts(['127.0.0.1']);
$client = $client->build();
$params = [
'index' => 'megacorp',
'type' => 'employee',
'id' => 2,
'_source' => ['first_name', 'last_name', 'age']
];
print_r($client->get($params));
?>
|
返回的结果仅仅是：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| Array
(
[_index] => megacorp
[_type] => employee
[_id] => 2
[_version] => 1
[found] => 1
[_source] => Array
(
[last_name] => Smith
[first_name] => Jane
[age] => 32
)
)
|
检查文档是否存在
如果我们不需要返回指定文档的内容，而仅仅是想知道文档是否存在，我们可以这样：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| <?php
require_once './vendor/autoload.php';
$client = Elasticsearch\ClientBuilder::create();
$client->setHosts(['127.0.0.1']);
$client = $client->build();
$params = [
'index' => 'megacorp',
'type' => 'employee',
'id' => 2,
];
var_dump($client->exists($params));
?>
|
返回的结果不是数组了。而是一个bool值：
获取多个文档
获取全部的字段：
更新文档
部分文档更新
此处的更新只适合修改现有字段或者增加新的字段。我们需要在body字段中指定doc字段。
比如我说现在要修改id为2的员工。
首先我们先看看2号员工的信息：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
| Array
(
[_index] => megacorp
[_type] => employee
[_id] => 2
[_version] => 1
[found] => 1
[_source] => Array
(
[first_name] => Jane
[last_name] => Smith
[age] => 32
[about] => I like to collect rock albums
[interests] => Array
(
[0] => music
)
)
)
|
接下来我们要修改它的信息，我们要将他的年龄修改成33，并且增加一个信息，mobile_phone为1234567890。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
| <?php
require_once './vendor/autoload.php';
$client = Elasticsearch\ClientBuilder::create();
$client->setHosts(['127.0.0.1']);
$client = $client->build();
$response = $client->update([
'index' => 'megacorp',
'type' => 'employee',
'id' => 2,
'body' => [
'doc' => [
'age' => 33,
'mobile_phone' => '1234567890'
]
]
]);
print_r($response);
?>
|
结果如下：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| Array
(
[_index] => megacorp
[_type] => employee
[_id] => 2
[_version] => 2
[result] => updated
[_shards] => Array
(
[total] => 2
[successful] => 1
[failed] => 0
)
)
|
我们再来看一下之前的员工的信息：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
| Array
(
[_index] => megacorp
[_type] => employee
[_id] => 2
[_version] => 2
[found] => 1
[_source] => Array
(
[first_name] => Jane
[last_name] => Smith
[age] => 33
[about] => I like to collect rock albums
[interests] => Array
(
[0] => music
)
[mobile_phone] => 1234567890
)
)
|
脚本更新文档
有时候我们需要执行计数器更新，或者向数组中添加新值。我们就可以使用脚本式更新。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
| $params = [
'index' => 'megacorp',
'type' => 'employee',
'id' => 2,
'body' => [
'script' => 'ctx._source.interests.add("sports")';
]
];
$params = [
'index' => 'megacorp',
'type' => 'employee',
'id' => 2,
'body' => [
'script' => 'ctx._source.age += 2';
]
];
|
upsert
upsert 其实是更新或者插入操作，这意味着upsert将尝试更新操作，如果文档不存在，那么将插入默认值。
更新和冲突
为了避免更新数据，updateAPI在解锁阶段检索文档当前的_version，然后在重建索引阶段通过index请求提交，如果其它进程在检索和重建索引阶段修改了文档，_version将不能被匹配，然后更新失败。
对于这种情况，我们只需要重新尝试更新就好了，其实这些我们可以通过retry_on_conflict参数设置重试次数来自动完成，这样update操作将会在发生错误前重试——这个值默认为0。
总结
其实update这个操作似乎允许你修改文档的局部，但实际上还是遵循先查后改的过程，步骤如下：
- 从旧文档中检索JSON
- 修改它
- 删除旧文档
- 索引新文档
唯一的不同是update这个操作只需要一个客户端请求就好，不需要get和index请求了。
删除
比如我们要删除id为3的员工：
我们先查询一下这个员工：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
| Array
(
[_index] => megacorp
[_type] => employee
[_id] => 3
[_version] => 1
[found] => 1
[_source] => Array
(
[first_name] => Douglas
[last_name] => Fir
[age] => 35
[about] => I like to build cabinets
[interests] => Array
(
[0] => forestry
)
)
)
|
下面我们来执行操作：
1
2
3
4
5
| print_r($client->delete([
'index' => 'megacorp',
'type' => 'employee',
'id' => 3,
]));
|
返回结果为：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
| Array
(
[found] => 1
[_index] => megacorp
[_type] => employee
[_id] => 3
[_version] => 2
[result] => deleted
[_shards] => Array
(
[total] => 2
[successful] => 1
[failed] => 0
)
)
|
注意看found为1，并且_version相比之前，已经变为2了。
当我们再次执行一下之前的删除操作，我们再看一下返回结果：
1
| {"found":false,"_index":"megacorp","_type":"employee","_id":"3","_version":1,"result":"not_found","_shards":{"total":2,"successful":1,"failed":0}}
|
1
2
3
4
5
6
7
8
9
10
11
12
13
| {
"found": false,
"_index": "megacorp",
"_type": "employee",
"_id": "3",
"_version": 2,
"result": "not_found",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
}
}
|
删除不存在的文档的时候，抛出了一个错误。我们可以看到found的值是false，且_version也有记录值。这是内部记录的一部分，它确保再多节点不同操作可以有正确的顺序。