学好Elasticsearch系列-索引的批量操作

先看后赞，养成习惯。

点赞收藏，人生辉煌。

Elasticsearch 提供了 _bulk API 来执行批量操作，它允许你在单个 HTTP 请求中进行多个索引/删除/更新/创建操作。这种方法比发送大量的单个请求更有效率。

基于 mget 的批量查询

mget(多文档获取)是 Elasticsearch 中提供的一个 API，用于一次性从同一个索引或者不同索引中检索多个文档。

例子一：

以下是一个 Elasticsearch 的mget（多文档获取）操作示例。在这个示例中，我们将获取索引 test-index 中具有特定 ID 的多个文档。

GET /test-index/_mget
{
  "ids": ["1", "2"]
}

在上述请求中，我们正在获取 ID 为 "1" 和 "2" 的文档。

例子二：

你也可以在不同的索引中获取文档，只需指定每个文档的 _index 和 _id：

GET /_mget
{
  "docs": [
    {
      "_index": "test-index",
      "_id": "1"
    },
    {
      "_index": "another-index",
      "_id": "2"
    }
  ]
}

在这个请求中，我们从 "test-index" 索引获取 ID 为 "1" 的文档，并从 "another-index" 索引获取 ID 为 "2" 的文档。

例子三：

在以下的 Elasticsearch mget（多文档获取）例子中，我们将从两个不同的索引获取文档，并且只返回特定的字段：

GET /_mget
{
  "docs": [
    {
      "_index": "test-index-1",
      "_id": "1",
      "_source": ["field1", "field2"]
    },
    {
      "_index": "test-index-2",
      "_id": "2",
      "_source": "field3"
    }
  ]
}

在这个请求中，我们从 "test-index-1" 索引获取 ID 为 "1" 的文档，并只返回 "field1" 和 "field2" 字段。同时，我们从 "test-index-2" 索引获取 ID 为 "2" 的文档，并只返回 "field3" 字段。

源过滤 (_source) 可以用来限制返回的字段。你可以提供一个字段的列表，或者一个单独的字段。注意，如果你请求的字段不存在，它将不会出现在响应中。

基于 bulk 的批量增删改

bulk 基本格式如下：

POST /<index>/_bulk
{"action": {"metadata"}}
{"data"}

bulk api 对 json 的语法有严格的要求，除了 delete 外，每一个操作都要两个 json 串（metadata 和 business data），且每个 json 串内不能换行，非同一个 json 串必须换行，否则会报错。

bulk 操作中，任意一个操作失败，是不会影响其他的操作的，但是在返回结果里，会告诉你异常日志。

增加

POST /_bulk
{ "create" : { "_index" : "product2", "_id" : "2" } }
{ "field1" : "value1", "field2" : "value2" }

在这个请求中，我们创建了一个新的文档，其在 "product2" 索引中的 ID 为 "2"，并且包含两个字段 "field1" 和 "field2"。

请注意，这个操作都由两行组成：第一行包含操作类型（在这个示例中为 "create"）和元数据；第二行包含要创建或索引的实际文档数据。

删除

删除文档，ES 对文档的删除是懒删除机制，即标记删除（lazy delete 原理）。

POST /_bulk
{ "delete" : { "_index" : "test-index", "_id" : "1" } }
{ "delete" : { "_index" : "test-index", "_id" : "2" } }

在这个请求中，我们从 "test-index" 索引中删除了 ID 为 "1" 和 "2" 的两个文档。

注意，每个 delete 操作仅由一行组成，这一行包含操作类型（在这个示例中为 "delete"）以及元数据。

修改

POST /_bulk
{ "update" : { "_index" : "test-index", "_id" : "1" } }
{ "doc" : { "field1" : "new_value1", "field2" : "new_value2" }}
{ "update" : { "_index" : "test-index", "_id" : "2" } }
{ "doc" : { "field1" : "new_value3", "field2" : "new_value4" }}

在这个请求中，我们在 "test-index" 索引中更新了两个文档：

• 我们更新了 ID 为 "1" 的文档，设置 "field1" 和 "field2" 字段的值为 "new_value1" 和 "new_value2"。
• 我们也更新了 ID 为 "2" 的文档，设置 "field1" 和 "field2" 字段的值为 "new_value3" 和 "new_value4"。

filter_path

在 Elasticsearch 中，filter_path参数用于过滤返回的响应内容，可以用于减小 Elasticsearch 返回的数据量。当你指明一个或多个路径时，返回的 JSON 对象就只会包含这些路径下的键，它接收一个逗号分隔的列表，其中包含了你想要返回的 JSON 对象内的路径。这个参数支持通配符（*）匹配和数组元素（[]）匹配。列如：

POST /_bulk?filter_path=items.*.error

上述请求中的 filter_path=items.*.error 会让 Elasticsearch 仅返回 _bulk API 调用结果中的错误信息。items.*.error 这个路径表示，在返回的响应中，匹配到所有存在 error 字段的 items。

这样做有两个主要好处：

1. 它可以提升 Elasticsearch 的性能，因为少量的数据意味着更快的序列化和反序列化。
2. 它可帮助你聚焦于感兴趣的部分，不必处理无关的数据。

请注意，* 是通配符，代表任何值。

以下是一些其他 filter_path 的示例：

1. filter_path=took: 这个请求仅返回执行请求所花费的时间（以毫秒为单位）。
2. filter_path=items._id,items._index: 这个请求仅返回每个 item 的 _id 和 _index 字段。
3. filter_path=items.*.error: 这个请求会返回所有包含 error 字段的 items。
4. filter_path=hits.hits._source: 这个请求仅返回搜索结果中的原始文档内容。
5. filter_path=_shards, hits.total: 这个请求返回关于 shards 的信息和命中的总数。
6. filter_path=aggregations.*.value: 这个请求仅返回每个聚合的值。

请注意，如果你在 filter_path 中指定了多个字段，你需要使用逗号将它们分隔开。

本篇文章就到这里，感谢阅读，如果本篇博客有任何错误和建议，欢迎给我留言指正。

有收获？希望老铁来个三连，给更多的同学看到这篇文章，顺便激励下我，嘻嘻。