共计 11209 个字符，预计需要花费 29 分钟才能阅读完成。
ElasticSearch 使用过程是怎样的，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面丸趣 TV 小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。
这里介绍 ElasticSearch 的必备知识：从入门、索引管理到映射详解。
一、快速入门
1. 查看集群的健康状况
http://localhost:9200/_cat
http://localhost:9200/_cat/health?v
说明：v 是用来要求在结果中返回表头
状态值说明
Green – everything is good (cluster is fully functional)，即最佳状态
Yellow – all data is available but some replicas are not yet allocated (cluster is fully functional)，即数据和集群可用，但是集群的备份有的是坏的
Red – some data is not available for whatever reason (cluster is partially functional)，即数据和集群都不可用
查看集群的节点
http://localhost:9200/_cat/?v
2. 查看所有索引
3. 创建一个索引
创建一个名为 customer 的索引。pretty 要求返回一个漂亮的 json 结果
PUT /customer?pretty
再查看一下所有索引
GET /_cat/indices?v
4. 索引一个文档到 customer 索引中
curl -X PUT localhost:9200/customer/_doc/1?pretty -H Content-Type: application/json -d { name : John Doe } 5. 从 customer 索引中获取指定 id 的文档
curl -X GET localhost:9200/customer/_doc/1?pretty6. 查询所有文档
GET /customer/_search?q=* sort=name:asc prettyJSON 格式方式
GET /customer/_search { query : { match_all : {} }, sort : [ { name : asc } ] }二、索引管理
1. 创建索引
创建一个名为 twitter 的索引，设置索引的分片数为 3，备份数为 2。注意：在 ES 中创建一个索引类似于在数据库中建立一个数据库 (ES6.0 之后类似于创建一个表)
PUT twitter { settings : { index : { number_of_shards : 3, number_of_replicas : 2 } } }说明：
默认的分片数是 5 到 1024
默认的备份数是 1
索引的名称必须是小写的，不可重名
创建结果：
创建的命令还可以简写为
PUT twitter { settings : { number_of_shards : 3, number_of_replicas : 2 } }2. 创建 mapping 映射
注意：在 ES 中创建一个 mapping 映射类似于在数据库中定义表结构，即表里面有哪些字段、字段是什么类型、字段的默认值等；也类似于 solr 里面的模式 schema 的定义
PUT twitter { settings : { index : { number_of_shards : 3, number_of_replicas : 2 } }, mappings : { type1 : { properties : { field1 : { type : text } } } } }3. 创建索引时加入别名定义
PUT twitter { aliases : { alias_1 : {}, alias_2 : { filter : { term : { user : kimchy } }, routing : kimchy } } }4. 创建索引时返回的结果说明
5. Get Index 查看索引的定义信息
GET /twitter，可以一次获取多个索引（以逗号间隔）获取所有索引 _all 或 用通配符 *
GET /twitter/_settings
GET /twitter/_mapping
6. 删除索引
DELETE /twitter
说明：
可以一次删除多个索引（以逗号间隔）删除所有索引 _all 或 通配符 *
7. 判断索引是否存在
HEAD twitter
HTTP status code 表示结果 404 不存在，200 存在
8. 修改索引的 settings 信息
索引的设置信息分为静态信息和动态信息两部分。静态信息不可更改，如索引的分片数。动态信息可以修改。
REST 访问端点：
/_settings 更新所有索引的。
{index}/_settings 更新一个或多个索引的 settings。
详细的设置项请参考：https://www.elastic.co/guide/en/elasticsearch/reference/current/index-modules.html#index-modules-settings
9. 修改备份数
PUT /twitter/_settings { index : { number_of_replicas : 2 } }10. 设置回默认值，用 null
PUT /twitter/_settings { index : { refresh_interval : null } }11. 设置索引的读写
index.blocks.read_only：设为 true, 则索引以及索引的元数据只可读 index.blocks.read_only_allow_delete：设为 true，只读时允许删除。 index.blocks.read：设为 true，则不可读。 index.blocks.write：设为 true，则不可写。 index.blocks.metadata：设为 true，则索引元数据不可读写。12. 索引模板
在创建索引时，为每个索引写定义信息可能是一件繁琐的事情，ES 提供了索引模板功能，让你可以定义一个索引模板，模板中定义好 settings、mapping、以及一个模式定义来匹配创建的索引。
注意：模板只在索引创建时被参考，修改模板不会影响已创建的索引
12.1 新增 / 修改名为 tempae_1 的模板，匹配名称为 te* 或 bar* 的索引创建：
PUT _template/template_1 { index_patterns : [ te* , bar*], settings : { number_of_shards : 1 }, mappings : { type1 : { _source : { enabled : false }, properties : { host_name : { type : keyword }, created_at : { type : date , format : EEE MMM dd HH:mm:ss Z YYYY } } } } }12.2 查看索引模板
GET /_template/template_1 GET /_template/temp* GET /_template/template_1,template_2 GET /_template12.3 删除模板
DELETE /_template/template_113. Open/Close Index 打开 / 关闭索引
POST /my_index/_close POST /my_index/_open说明：
关闭的索引不能进行读写操作，几乎不占集群开销。
关闭的索引可以打开，打开走的是正常的恢复流程。
14. Shrink Index 收缩索引
索引的分片数是不可更改的，如要减少分片数可以通过收缩方式收缩为一个新的索引。新索引的分片数必须是原分片数的因子值，如原分片数是 8，则新索引的分片数可以为 4、2、1。
什么时候需要收缩索引呢?
最初创建索引的时候分片数设置得太大，后面发现用不了那么多分片，这个时候就需要收缩了
收缩的流程：
先把所有主分片都转移到一台主机上；
在这台主机上创建一个新索引，分片数较小，其他设置和原索引一致；
把原索引的所有分片，复制（或硬链接）到新索引的目录下；
对新索引进行打开操作恢复分片数据；
(可选) 重新把新索引的分片均衡到其他节点上。
收缩前的准备工作：
将原索引设置为只读；
将原索引各分片的一个副本重分配到同一个节点上，并且要是健康绿色状态。
PUT /my_source_index/_settings { settings : { !-- 指定进行收缩的节点的名称 -- index.routing.allocation.require._name : shrink_node_name , !-- 阻止写，只读 -- index.blocks.write : true } }进行收缩：
POST my_source_index/_shrink/my_target_index { settings : { index.number_of_replicas : 1, index.number_of_shards : 1, index.codec : best_compression }}监控收缩过程：
GET _cat/recovery?v GET _cluster/health15. Split Index 拆分索引
当索引的分片容量过大时，可以通过拆分操作将索引拆分为一个倍数分片数的新索引。能拆分为几倍由创建索引时指定的 index.number_of_routing_shards 路由分片数决定。这个路由分片数决定了根据一致性 hash 路由文档到分片的散列空间。
如 index.number_of_routing_shards = 30，指定的分片数是 5，则可按如下倍数方式进行拆分：
5 rarr; 10 rarr; 30 (split by 2, then by 3) 5 rarr; 15 rarr; 30 (split by 3, then by 2) 5 rarr; 30 (split by 6)为什么需要拆分索引？
当最初设置的索引的分片数不够用时就需要拆分索引了，和压缩索引相反
注意：只有在创建时指定了 index.number_of_routing_shards 的索引才可以进行拆分，ES7 开始将不再有这个限制。
和 solr 的区别是，solr 是对一个分片进行拆分，es 中是整个索引进行拆分。
拆分步骤：
准备一个索引来做拆分：
PUT my_source_index { settings : { index.number_of_shards : 1, !-- 创建时需要指定路由分片数 -- index.number_of_routing_shards : 2 } }先设置索引只读：
PUT /my_source_index/_settings { settings : { index.blocks.write : true } }做拆分：
POST my_source_index/_split/my_target_index { settings : { !-- 新索引的分片数需符合拆分规则 -- index.number_of_shards : 2 } }监控拆分过程：
GET _cat/recovery?v GET _cluster/health16. Rollover Index 别名滚动指向新创建的索引
对于有时效性的索引数据，如日志，过一定时间后，老的索引数据就没有用了。我们可以像数据库中根据时间创建表来存放不同时段的数据一样，在 ES 中也可用建多个索引的方式来分开存放不同时段的数据。比数据库中更方便的是 ES 中可以通过别名滚动指向最新的索引的方式，让你通过别名来操作时总是操作的最新的索引。
ES 的 rollover index API 让我们可以根据满足指定的条件（时间、文档数量、索引大小）创建新的索引，并把别名滚动指向新的索引。
注意：这时的别名只能是一个索引的别名。
Rollover Index 示例：
创建一个名字为 logs-0000001、别名为 logs_write 的索引：
PUT /logs-000001 { aliases : { logs_write : {} } }添加 1000 个文档到索引 logs-000001，然后设置别名滚动的条件
POST /logs_write/_rollover { conditions : { max_age : 7d , max_docs : 1000, max_size : 5gb } }说明：
如果别名 logs_write 指向的索引是 7 天前（含）创建的或索引的文档数 =1000 或索引的大小 = 5gb，则会创建一个新索引 logs-000002，并把别名 logs_writer 指向新创建的 logs-000002 索引
Rollover Index 新建索引的命名规则：
如果索引的名称是 - 数字结尾，如 logs-000001，则新建索引的名称也会是这个模式，数值增 1。
如果索引的名称不是 - 数值结尾，则在请求 rollover api 时需指定新索引的名称
POST /my_alias/_rollover/my_new_index_name { conditions : { max_age : 7d , max_docs : 1000, max_size : 5gb } }在名称中使用 Date math（时间表达式）
如果你希望生成的索引名称中带有日期，如 logstash-2016.02.03-1，则可以在创建索引时采用时间表达式来命名：
# PUT / logs-{now/d}-1 with URI encoding: PUT /%3Clogs-%7Bnow%2Fd%7D-1%3E { aliases : { logs_write : {} } } PUT logs_write/_doc/1 { message : a dummy log } POST logs_write/_refresh # Wait for a day to pass POST /logs_write/_rollover { conditions : { max_docs : 1 } }Rollover 时可对新的索引作定义：
PUT /logs-000001 { aliases : { logs_write : {} } } POST /logs_write/_rollover { conditions : { max_age : 7d , max_docs : 1000, max_size : 5gb }, settings : { index.number_of_shards : 2 } }Dry run 实际操作前先测试是否达到条件：
POST /logs_write/_rollover?dry_run { conditions : { max_age : 7d , max_docs : 1000, max_size : 5gb } }说明：
测试不会创建索引，只是检测条件是否满足
注意：rollover 是你请求它才会进行操作，并不是自动在后台进行的。你可以周期性地去请求它。
17. 索引监控
17.1 查看索引状态信息
查看所有的索引状态：
GET /_stats
查看指定索引的状态信息：
GET /index1,index2/_stats
17.2 查看索引段信息
GET /test/_segments GET /index1,index2/_segments GET /_segments17.3 查看索引恢复信息
GET index1,index2/_recovery?human
GET /_recovery?human
17.4 查看索引分片的存储信息
# return information of only index test GET /test/_shard_stores # return information of only test1 and test2 indices GET /test1,test2/_shard_stores # return information of all indices GET /_shard_stores GET /_shard_stores?status=green18. 索引状态管理
18.1 Clear Cache 清理缓存
POST /twitter/_cache/clear
默认会清理所有缓存，可指定清理 query, fielddata or request 缓存
POST /kimchy,elasticsearch/_cache/clear POST /_cache/clear18.2 Refresh，重新打开读取索引
POST /kimchy,elasticsearch/_refresh POST /_refresh18.3 Flush，将缓存在内存中的索引数据刷新到持久存储中
POST twitter/_flush18.4 Force merge 强制段合并
POST /kimchy/_forcemerge?only_expunge_deletes=false max_num_segments=100 flush=true可选参数说明：
max_num_segments 合并为几个段，默认 1
only_expunge_deletes 是否只合并含有删除文档的段，默认 false
flush 合并后是否刷新，默认 true
POST /kimchy,elasticsearch/_forcemerge POST /_forcemerge三、映射详解
1. Mapping 映射是什么
映射定义索引中有什么字段、字段的类型等结构信息。相当于数据库中表结构定义，或 solr 中的 schema。因为 lucene 索引文档时需要知道该如何来索引存储文档的字段。
ES 中支持手动定义映射，动态映射两种方式。
1.1. 为索引创建 mapping
PUT test { !-- 映射定义 -- mappings : { !-- 名为 type1 的映射类别 mapping type-- type1 : { !-- 字段定义 -- properties : { !-- 名为 field1 的字段，它的 field datatype 为 text -- field1 : { type : text } } } } }说明：映射定义后续可以修改
2. 映射类别 Mapping type 废除说明
ES 最先的设计是用索引类比关系型数据库的数据库，用 mapping type 来类比表，一个索引中可以包含多个映射类别。这个类比存在一个严重的问题，就是当多个 mapping type 中存在同名字段时（特别是同名字段还是不同类型的），在一个索引中不好处理，因为搜索引擎中只有 索引 - 文档的结构，不同映射类别的数据都是一个一个的文档（只是包含的字段不一样而已）
从 6.0.0 开始限定仅包含一个映射类别定义（index.mapping.single_type : true），兼容 5.x 中的多映射类别。从 7.0 开始将移除映射类别。
为了与未来的规划匹配，请现在将这个唯一的映射类别名定义为“_doc”, 因为索引的请求地址将规范为：PUT {index}/_doc/{id} and POST {index}/_doc
Mapping 映射示例：
PUT twitter { mappings : { _doc : { properties : { type : { type : keyword }, name : { type : text }, user_name : { type : keyword }, email : { type : keyword }, content : { type : text }, tweeted_at : { type : date } } } } }多映射类别数据转储到独立的索引中：
ES 提供了 reindex API 来做这个事
3. 字段类型 datatypes
字段类型定义了该如何索引存储字段值。ES 中提供了丰富的字段类型定义，请查看官网链接详细了解每种类型的特点：
https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-types.html
3.1 Core Datatypes 核心类型
string text and keyword Numeric datatypes long, integer, short, byte, double, float, half_float, scaled_float Date datatype date Boolean datatype boolean Binary datatype binary Range datatypes 范围 integer_range, float_range, long_range, double_range, date_range3.2 Complex datatypes 复合类型
Array datatype 数组就是多值，不需要专门的类型 Object datatype object ：表示值为一个 JSON 对象 Nested datatype nested：for arrays of JSON objects（表示值为 JSON 对象数组 ）3.3 Geo datatypes 地理数据类型
Geo-point datatype geo_point：for lat/lon points （经纬坐标点） Geo-Shape datatype geo_shape：for complex shapes like polygons （形状表示）3.4 Specialised datatypes 特别的类型
IP datatype ip：for IPv4 and IPv6 addresses Completion datatype completion：to provide auto-complete suggestions Token count datatype token_count：to count the number of tokens in a string mapper-murmur3 murmur3：to compute hashes of values at index-time and store them in the index Percolator type Accepts queries from the query-dsl join datatype Defines parent/child relation for documents within the same index4. 字段定义属性介绍
字段的 type (Datatype) 定义了如何索引存储字段值，还有一些属性可以让我们根据需要来覆盖默认的值或进行特别定义。
analyzer 指定分词器 normalizer 指定标准化器 boost 指定权重值 coerce 强制类型转换 copy_to 值复制给另一字段 doc_values 是否存储 docValues dynamic enabled 字段是否可用 fielddata eager_global_ordinals format 指定时间值的格式 ignore_above ignore_malformed index_options index fields norms null_value position_increment_gap properties search_analyzer similarity store term_vector字段定义属性 mdash; 示例
PUT my_index { mappings : { _doc : { properties : { date : { type : date , !-- 格式化日期 -- format : yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis } } } } }5. Multi Field 多重字段
当我们需要对一个字段进行多种不同方式的索引时，可以使用 fields 多重字段定义。如一个字符串字段即需要进行 text 分词索引，也需要进行 keyword 关键字索引来支持排序、聚合；或需要用不同的分词器进行分词索引。
示例：
定义多重字段：
说明：raw 是一个多重版本名（自定义）
PUT my_index { mappings : { _doc : { properties : { city : { type : text , fields : { raw : { type : keyword } } } } } } }往多重字段里面添加文档
PUT my_index/_doc/1 { city : New York } PUT my_index/_doc/2 { city : York }获取多重字段的值：
GET my_index/_search { query : { match : { city : york } }, sort : { city.raw : asc }, aggs : { Cities : { terms : { field : city.raw } } } }6. 元字段
官网链接：
元字段是 ES 中定义的文档字段，有以下几类：
7. 动态映射
动态映射：ES 中提供的重要特性，让我们可以快速使用 ES，而不需要先创建索引、定义映射。如我们直接向 ES 提交文档进行索引：
PUT data/_doc/1 { count : 5 }ES 将自动为我们创建 data 索引、_doc 映射、类型为 long 的字段 count
索引文档时，当有新字段时，ES 将根据我们字段的 json 的数据类型为我们自动加人字段定义到 mapping 中。
7.1 字段动态映射规则
7.2 Date detection 时间侦测
所谓时间侦测是指我们往 ES 里面插入数据的时候会去自动检测我们的数据是不是日期格式的，是的话就会给我们自动转为设置的格式
date_detection 默认是开启的，默认的格式 dynamic_date_formats 为：
[ strict_date_optional_time , yyyy/MM/dd HH:mm:ss Z||yyyy/MM/dd Z] PUT my_index/_doc/1 { create_date : 2015/09/02 } GET my_index/_mapping自定义时间格式：
PUT my_index { mappings : { _doc : { dynamic_date_formats : [ MM/dd/yyyy] } } }禁用时间侦测：
PUT my_index { mappings : { _doc : { date_detection : false } } }7.3 Numeric detection 数值侦测
开启数值侦测（默认是禁用的）
PUT my_index { mappings : { _doc : { numeric_detection : true } } } PUT my_index/_doc/1 { my_float : 1.0 , my_integer : 1 }看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注丸趣 TV 行业资讯频道，感谢您对丸趣 TV 的支持。
