点击上方蓝色字体，选择“设为星标”

一、索引数据

1. 使用映射定义文档

映射里包含了一个索引的文档中所有字段的定义，并告诉ES如何索引一篇文档的多个字段。例如，如果一个字段包含日期，可以定义哪种日期格式是可以接受的。映射的概念类似于DB中的表字段定义。

ES会自动识别字段，并根据数据相应地调整映射。但是在生产应用中，通常需要预先定义自己的映射，而不依赖于自动的字段识别。向类型的_mapping接口发送HTTP GET请求可以获得字段当前的映射：

2. 基本数据类型

（1）字符串
如果在索引字符，字段就应该是text类型，在索引中有很多选项来分析它们。解析文本、转变文本、将其分解为基本元素使得搜索更为相关。这个过程在ES中叫做“analysis”。先看看分析的基本原理，下面的命令在my_index中索引一篇文档：

当这篇文档索引后，在name字段里搜索单词late：

分析过程生成了4个词条，即late、night、with和elasticsearch。查询的字符串经过同样的处理。因为查询生成的late词条和文档生成的late词条匹配了，所以文档1匹配上了搜索。这种匹配有点像SQL中的where lower(name) like concat('%',lower('late'),'%')。

一个词条是文本中的一个单词，是搜索的基本单位。如果只想严格匹配某个字段，就像SQL中的where name = 'late'，应该将整个字段作为一个单词对待。ES对文本类型的keyword字段不做分析，而是将整个字符串当做单独的词条进行索引。下面的查询不会返回文档：

（2）数字
数值类型可以是浮点数或非浮点数。如果不需要小数，可以选择byte、short、int或long。如果确实需要小数，选择可以是float或double。这些类型对应于Java的原始数据类型，对于它们的选择会影响索引的大小，以及能够索引的取值范围。例如，long需要64位，而short只需要16位，但short只能存储-32768到32767之间的数字。

如果不知道所需要的整型数字取值范围，或者是浮点数字的精度，让ES自动检测映射更为安全：为整数值分配long，为浮点数值分配double。索引可能变得更大更慢，因为这两种类型占据更多的空间，但在索引过程中ES不会发生超出范围的错误。

（3）日期
date类型用于存储日期和时间。它是这样运作的：通常提供一个表示日期的字符串，例如2013-10-25T19:00。然后，ES解析这个字符串，将其作为long的数值存入Lucene的索引。该long型数值是从1970年1月1日 00:00:00 UTC 到所提供时间之间已经过去的毫秒数。

搜索文档时仍然提供date字符串，ES将这些字符串解析并按照数值来处理。这样做的原因是和字符串相比，数值在存储和处理时更快。

date字符串的数据格式是通过format选项来定义的，ES默认解析ISO 8601的时间戳。使用format选项来指定日期格式的时候，有以下两种选择：

• 使用预定义的日期格式。参见https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-date-format.html#built-in-date-formats

• 设置自己定制的格式。

可以看到，映射中并不定义数组，而是定义为基本类型。对于Lucene内部而言，单值和数组两者基本是一致的，在同一字段中索引多少词条完全取决于提供了多少值。

3. 多字段

数组允许用一个设置索引多项数据，而多字段允许使用不同的设置，对同一项数据索引多次。例如：

因为修改映射时ES只是执行映射合并，所以并不会去掉verbatim字段。

4. 预定义字段

预定义字段与自定义字段在三个方面有所不同：

• 通常不用部署预定义的字段。

• 字段名揭示了相关字段的功能。

• 总是以下划线（_）开头。

（1）_source

_source字段按照原有格式来存储原有文档。搜索的时候会获得_source的JSON：

二、更新数据

ES中更新文档有两种方法，一是PUT一篇不同的文档到相同的地方（索引、类型和ID），功能上类似于SQL中的replace into；二是使用更新API。例如执行类似SQL中的如下功能：

如图2所示，ES进行了如下操作（从上至下）：

• 从_source字段检索现有文档。

• 进行指定的修改。

• 删除旧的文档，在其原有位置索引新的文档。

1. 使用更新API

（1）发送部分文档

这条命令设置了在doc下指定的字段，将其值设置为所提供的值。它并不考虑这些字段之前的值，也不考虑这些字段之前是否存在。如果之前整个文档是不存在的，那么更新操作会失败，并提示文档缺失。

（2）使用upsert
为了处理更新时文档并不存在的情况，可以使用upsert。这个单词是关系数据库中update和insert的混成词。如果被更新的文档不存在，可以在JSON的upsert部分中添加一个初始文档用于索引：

（3）通过脚本更新文档
        一个更新脚本具有以下三项重要元素：

• 默认的脚本语言是painless。

• 由于更新要获得现有文档的_source内容，修改并重新索引新的文档，因此脚本会修改_source中的字段。使用ctx._source来引用_source，使用ctx._source[字段名]来引用某个指定的字段。

• 如果需要变量，推荐在params下作为参数单独定义，和脚本本身分开。这是因为脚本需要编译，一旦编译完成，就会被缓存。如果使用不同的参数，多次运行同样的脚本，脚本只需要编译一次。之后的运行都会从缓存中获取现有的脚本。相比每次不同的脚本，这样运行会更快，因为不同的脚本每次都需要编译。这个思想和Oracle的绑定变量与软编译概念异曲同工。

price已经改为25。

2. 通过版本实现并发控制

ES本身没有事务概念，但由于ES的文档更新是先取出再更改，所以并发更新文档时同样存在数据库领域中所谓的“第二类丢失更新”问题。如图3所示，在其它更新获取原有文档并进行修改期间，有可能另一个更新重新索引了这篇文档。如果没有并发控制，第二次的重新索引将会覆盖第一次更新所做的修改。

ES使用文档的_version字段进行并发控制。它采用一种乐观锁定防止第二类丢失更新，思想类似于Oracle 11g的Row Version。理论上可以使用下面的代码重现图3所示的流程，但遗憾的是，6.4.3版本的ES使用painless作为脚本语言，其中不支持Thread.sleep方法，因此执行这段代码会失败。

使用版本控制并发后的流程如图4所示。

更新文档的另一个方法是不使用更新API，而是在同一个索引、类型和ID之处索引一个新的文档。这样的操作会覆盖现有文档，这种情况仍然可用版本字段来进行并发控制。为了实现这一点，要设置HTTP请求中的version参数。例如当前版本为4，重新索引的请求命令如下：

如果更新时的版本实际上已经不是4，那么这个操作就会抛出版本冲突的异常并失败。

三、删除数据

1. 删除文档

删除单个或一组文档时，ES只是将它们标记为删除，所以它们不会在出现于搜索结果中，稍后ES通过异步的方式将它们彻底从索引中删除。

也可以使用版本来管理删除操作的并发，但删除的版本控制有个特殊情况。一旦删除了文档，它就不复存在了，于是一个更新操作很容易重新创建该文档，尽管这是不应该发生的（假设更新的版本要比删除的版本更低）。为了防止这样的问题发生，ES将在一段时间内保留这篇文档的版本，如此它就能拒绝版本比删除操作更低的更新操作了。这个时间段默认是60秒，可以通过index.gc_deletes来修改它。

可以查询某个索引中的文档并删除它们：

2. 删除索引

删除索引是很快的，因为它基本上就是移除了和索引分片相关的文件。和删除单独的文档相比，删除文件系统中的文件更快。从执行时间上看，其实数据库也一样，通常drop table比delete快得多。删除索引的时候，文件只是被标记为已删除，在分段进行合并时，它们才会被删除。这里的合并是指将多个Lucene小分段组合为一个更大分段的过程。

3. 关闭索引

除了删除索引，还可以选择关闭它们。如果关闭一个索引，就无法通过ES读写其中的数据。当使用应用日志这样的流式数据时，此操作非常有用。可以关闭旧的索引释放ES资源，但又不删除它们以防后续使用。