ElasticSearch什么是文档？索引一个文档

什么是文档？

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。

1

{
"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）。

1

文档元数据

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

_index

索引(index)类似于关系型数据库里的“数据库”——它是我们存储和索引关联数据的地方。

提示：

事实上，我们的数据被存储和索引在分片(shards)中，索引只是一个把一个或多个分片分组在一起的逻辑空间。然而，这只是一些内部细节——我们的程序完全不用关心分片。对于我们的程序而言，文档存储在索引(index)中。剩下的细节由Elasticsearch关心既可。

1

我们将会在《索引管理》章节中探讨如何创建并管理索引，但现在，我们将让Elasticsearch为我们创建索引。我们唯一需要做的仅仅是选择一个索引名。这个名字必须是全部小写，不能以下划线开头，不能包含逗号。让我们使用

website

做为索引名。

1

_type

在应用中，我们使用对象表示一些“事物”，例如一个用户、一篇博客、一个评论，或者一封邮件。每个对象都属于一个类(class)，这个类定义了属性或与对象关联的数据。

user

类的对象可能包含姓名、性别、年龄和Email地址。

1

在关系型数据库中，我们经常将相同类的对象存储在一个表里，因为它们有着相同的结构。同理，在Elasticsearch中，我们使用相同类型(type)的文档表示相同的“事物”，因为他们的数据结构也是相同的。
每个类型(type)都有自己的映射(mapping)或者结构定义，就像传统数据库表中的列一样。所有类型下的文档被存储在同一个索引下，但是类型的映射(mapping)会告诉Elasticsearch不同的文档如何被索引。 我们将会在《映射》章节探讨如何定义和管理映射，但是现在我们将依赖Elasticsearch去自动处理数据结构。

_type

的名字可以是大写或小写，不能包含下划线或逗号。我们将使用

blog

做为类型名。

_id

id仅仅是一个字符串，它与

_index

和

_type

组合时，就可以在Elasticsearch中唯一标识一个文档。当创建一个文档，你可以自定义

_id

，也可以让Elasticsearch帮你自动生成。

其它元数据

还有一些其它的元数据，我们将在《映射》章节探讨。使用上面提到的元素，我们已经可以在Elasticsearch中存储文档并通过ID检索——换言说，把Elasticsearch做为文档存储器使用了。

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。

1

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：

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

。

2

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。在《版本控制》章节中我们将探讨如何使用

_version

号确保你程序的一部分不会覆盖掉另一部分所做的更改。

自增ID

如果我们的数据没有自然ID，我们可以让Elasticsearch自动为我们生成。请求结构发生了变化：

PUT

方法——

“在这个URL中存储文档”

变成了

POST

方法——

"在这个类型下存储文档"

。（译者注：原来是把文档存储到某个ID对应的空间，现在是把这个文档添加到某个

_type

下）。
URL现在只包含

_index

和

_type

两个字段：

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：

2

{
"_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。

检索文档

想要从Elasticsearch中获取文档，我们使用同样的

_index

、

_type

、

_id

，但是HTTP方法改为

GET

：

GET /website/blog/123?pretty

响应包含了现在熟悉的元数据节点，增加了

_source

字段，它包含了在创建索引时我们发送给Elasticsearch的原始文档。

{
"_index" :   "website",
"_type" :    "blog",
"_id" :      "123",
"_version" : 1,
"found" :    true,
"_source" :  {
"title": "My first blog entry",
"text":  "Just trying this out...",
"date":  "2014/01/01"
}
}

pretty

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请求返回的响应内容包括

{"found": true}

。这意味着文档已经找到。如果我们请求一个不存在的文档，依旧会得到一个JSON，不过

found

值变成了

false

。
此外，HTTP响应状态码也会变成

'404 Not Found'

代替

'200 OK'

。我们可以在

curl

后加

-i

参数得到响应头：

curl -i -XGET http://localhost:9200/website/blog/124?pretty

现在响应类似于这样：

HTTP/1.1 404 Not Found
Content-Type: application/json; charset=UTF-8
Content-Length: 83

{
"_index" : "website",
"_type" :  "blog",
"_id" :    "124",
"found" :  false
}

检索文档的一部分

通常，

GET

请求将返回文档的全部，存储在

_source

参数中。但是可能你感兴趣的字段只是

title

。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

_source

字段现在只包含我们请求的字段，而且过滤了

date

字段：

{
"_index" :   "website",
"_type" :    "blog",
"_id" :      "123",
"_version" : 1,
"exists" :   true,
"_source" : {
"title": "My first blog entry" ,
"text":  "Just trying this out..."
}
}

或者你只想得到

_source

字段而不要其他的元数据，你可以这样请求：

GET /website/blog/123/_source

它仅仅返回:

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

检查文档是否存在

如果你想做的只是检查文档是否存在——你对内容完全不感兴趣——使用

HEAD

方法来代替

GET

。

HEAD

请求不会返回响应体，只有HTTP头：

curl -i -XHEAD http://localhost:9200/website/blog/123

Elasticsearch将会返回

200 OK

状态如果你的文档存在：

HTTP/1.1 200 OK
Content-Type: text/plain; charset=UTF-8
Content-Length: 0

如果不存在返回

404 Not Found

：

curl -i -XHEAD http://localhost:9200/website/blog/124

HTTP/1.1 404 Not Found
Content-Type: text/plain; charset=UTF-8
Content-Length: 0

当然，这只表示你在查询的那一刻文档不存在，但并不表示几毫秒后依旧不存在。另一个进程在这期间可能创建新文档。

更新整个文档

文档在Elasticsearch中是不可变的——我们不能修改他们。如果需要更新已存在的文档，我们可以使用《索引文档》章节提到的

index

 API 重建索引(reindex) 或者替换掉它。

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

在响应中，我们可以看到Elasticsearch把

_version

增加了。

1

{
"_index" :   "website",
"_type" :    "blog",
"_id" :      "123",
"_version" : 2,
"created":   false <1>
}

<1> 

created

标识为

false

因为同索引、同类型下已经存在同ID的文档。
在内部，Elasticsearch已经标记旧文档为删除并添加了一个完整的新文档。旧版本文档不会立即消失，但你也不能去访问它。Elasticsearch会在你继续索引更多数据时清理被删除的文档。
在本章的后面，我们将会在《局部更新》中探讨

update

 API。这个API 似乎 允许你修改文档的局部，但事实上Elasticsearch遵循与之前所说完全相同的过程，这个过程如下：
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

 API完成这一过程只需要一个客户端请求既可，不再需要

get

和

index

请求了。

from: https://es.xiaoleilu.com/030_Data/05_Document.html