[ ES 13 - Elasticsearch的元字段 (_index、_type、_source、_routing等) ][ES 13 - Elasticsearch_ _index_type_source_routing_]
元字段是ES为每个文档配置的内置字段, 主要用于ES内部相关操作. ES有多种类型的元字段, 在使用和提高性能方面有很强大的地方, 这篇文章列举常用元字段的功能和使用方法, 包括_index、_type、_source、_routing等, 欢迎交流吖~
目录
-
1 标识元字段
-
1.1 _index - 文档所属的索引
-
1.2 _uid - 包含_type和_id的复合字段
-
1.3 _type - 文档的类型
-
1.4 _id - 文档的id
-
2 文档来源元字段
-
2.1 _source - 文档原始JSON内容
- 2.1.1 关闭_source功能
- 2.1.2 查询时指定返回字段
-
2.2 _size - _source字段占用的字节数
-
3 索引元字段
-
3.1 _all - 文档所有字段的值
-
3.2 _field_names - 文档所有非空字段名
-
4 路由元字段
-
4.1 [过期]_parent - 在type间创建父子关系
-
4.2 _routing - 自定义的路由值
-
5 其他元字段
-
参考资料
-
版权声明
元字段是ES为每个文档配置的内置字段, 主要用于ES内部相关操作.
1 标识元字段
1.1 _index - 文档所属的索引
_index标注document属于哪个index, 是一个虚拟字段, 不会被添加到Lucene索引中.
将类似的文档 (也就是具有相同field的文档) 存放到同一个index中, 是一种良好的数据建模思想.
提供大量查询的index, 最好不要同时提供大量的统计、聚合等操作——通过把特定的index路由到指定的shard上, 便于系统的优化.
注意: 索引名称必须是小写的字母, 不能以下划线"_"开头, 不能包含逗号 ",".
在term或者terms查询, 聚合、脚本以及排序时, 可以访问_index字段的值.
在多个索引中执行查询时, 可以通过添加查询子句来关联特定的索引文档, 使用示例——同时查询多种index:
GET website,book_shop/_search
{
"query": {
"terms": { // 查询_index是website和book_shop的文档
"_index": [ "website", "book_shop"] }
},
"aggs": {
"indices": { // 对_index字段进行聚合操作
"terms": { "field": "_index", "size": 10 }
}
},
"sort": { // 对_index字段进行排序操作
"_index": { "order": "asc" }
},
"script_fields": { // 使用脚本, 显示_index字段
"index_name": {
"script": {
"lang": "painless",
"source": "doc['_index']"
}
}
}
}
1.2 _uid - 包含_type和_id的复合字段
_uid是_type和_id的组合, 形式为{type}#{id}. 可以用于查询、聚合、脚本和排序.
(1)添加文档:
PUT website/blog/4
{
"text": "blog with ID 4"
}
PUT website/blog/5?refresh=true
{
"text": "blog with ID 5"
}
(2)检索文档:
说明: 对
_uid字段的访问API已经过期, 需要使用_id替换.```java #! Deprecation: Fielddata access on the _uid field is deprecated, use _id instead
```java
GET website/_search
{
"query": {
"terms": { // 通过_uid查询_type和_id的复合字段
"_uid": ["blog#4", "blog#5"]
}
},
"aggs": {
"uid_aggs": {
"terms": { // 这里通过_uid聚合的操作已经过期
"field": "_id", "size": 10
}
}
},
"sort": { // 这里通过_uid排序的操作已经过期
"_id": { "order": "desc"}
},
"script_fields": {
"uid_script": {
"script": { // 这里对_uid的脚本操作已经过期
"lang": "painless",
"source": "doc['_id']"
}
}
}
}
1.3 _type - 文档的类型
_type元字段用来标注document属于哪个类型, 也被称作映射类型.
注意: type的名称可以是大写或小写字母, 但不能以下划线"_"开头, 不能包含逗号",".
在Elasticsearch 6.0之前的版本中, 一个index可能会被划分为多个type, 例如: 商品中有电子商品, 服装商品, 生鲜商品...
但在Elasticsearch 6.0之后, 一个index只能包含一个type, 否则将出现错误.
每一个索引文档都包含_type和_id字段, _type字段的目的是通过类型名加快搜索速度.
_type字段可以在查询、聚合、排序以及脚本中访问到.
关于type的底层数据结构, 可参见ES XX - Elasticsearch对索引类型(_type)的处理方式.
1.4 _id - 文档的id
_id代表document的唯一标识, 与_index和_type一起, 唯一标识和定位一个document.
注意: 可以手动指定document的id(PUT index/type/id), 也可以不指定, Elasticsearch在添加文档时会自动为其创建id.
可以在查询、脚本中访问, 查询示例:
GET website/_search
{
"query": {
"terms": {"_id" : ["1", "2"]}
},
"aggs": {
"id_aggs": {
"terms": {
"field": "_id", "size": 10
}
}
},
"script_fields": {
"id_script": {
"script": {
"lang": "painless",
"source": "doc['_id']"
}
}
}
}
2 文档来源元字段
2.1 _source - 文档原始JSON内容
文档的原始JSON内容将索引到_source字段中, 该字段本身不建立索引, 但是会被存储.
搜索文档时默认返回该字段及其内容, 但无法用于搜索.
2.1.1 关闭_source功能
_source功能默认是开启的, 它会产生额外的存储开销, 可以关闭:
PUT website
{
"mappings": {
"blog": {
"_source": {"enabled": false}
}
}
}
// 或者:
PUT website/_mapping/blog
{
"_source": {"enabled": false}
}
注意:必须在创建索引时关闭, 创建之后不允许修改, 否则将会发生如下错误:
{
"error": {
"root_cause": [
{
"type": "resource_already_exists_exception",
"reason": "index [website/zIUdhInBQsOUi_4Tt2SSkQ] already exists",
"index_uuid": "zIUdhInBQsOUi_4Tt2SSkQ",
"index": "website"
}
],
"type": "resource_already_exists_exception",
"reason": "index [website/zIUdhInBQsOUi_4Tt2SSkQ] already exists",
"index_uuid": "zIUdhInBQsOUi_4Tt2SSkQ",
"index": "website"
},
"status": 400
}
2.1.2 查询时指定返回字段
_source功能被禁止, 将造成大量功能无法使用:
partial update 功能基于_source实现;
hilight 高亮显示功能基于_source实现;
reindex 重建索引功能基于_source实现, 不需要从其他外部存储中获取数据, 再index;
基于_source定制返回field;
调试query时更容易, 因为可以很直观地看到_source内容……
可以在创建index时, 在mapping中通过includes/excludes参数来减少_source字段的内容:
PUT logs
{
"mappings": {
"event": {
"_source": {
"includes": ["*.count", "meta.*"], // 包含的字段
"excludes": ["meta.desc", "meta.other.*"] // 不包含的字段
}
}
}
}
移除的字段不会被存储在_source中, 但仍然可以搜索到这些字段.
可以在检索时, 禁止返回原始内容:
GET website/blog/1?_source=false
如果只想获取_source的部分内容, 可以使用_source_includes或_source_excludes参数:
GET website/blog/1?_source_includes=title,content
GET website/blog/1?_source_excludes=post_date,author_id
Elasticsearch 6.0之前的版本中: 使用
_source_include和_source_exclude用来指定检索的结果中是否包含_source中的某个字段;
Elasticsearch 6.0之后的版本中: 相关的API修改为:_source_includes和_source_excludes——多加了s.
2.2 _size - _source字段占用的字节数
记录_source字段占用的字节数, 由插件mapper-size提供.
3 索引元字段
3.1 _all - 文档所有字段的值
(1)ES 6.0之后的方法:
在Elasticsearch 6.0版本中, _all字段已经被禁用了. 若要开启, 官方建议是:
"Enabling [_all] is disabled in 6.0. As a replacement, you can use [copy_to] on mapping fields to create your own catch all field."
——大致意思是:_all已经不允许使用了, 作为替换, 我们可以使用copy_to关键字来创建需要获取的所有字段的内容.
copy_to的使用方法如下:
PUT logs
{
"mappings": {
"event": {
"properties": {
"event_id": {
"type": "text",
"copy_to": {"enabled": true}
},
"event_desc": {
"type": "text",
"copy_to": {"enabled": true},
"analyzer": "english"
},
"time": {
"type": "date",
"copy_to": {"enabled": true},
"format": "strict_date_optional_time||epoch_millis"
}
}
}
}
}
(2)ES 6.0以前的方法:
在Elasticsearch 6.0之前, _all字段的使用方式如下:
_all字段包含1个文档的全部field的内容: 用一个大字符串关联其他所有字段的值, 用空格作为分隔符.
_all字段可以被分析和索引, 但不会被存储 —— 默认的搜索field.
通过_all字段可以对文档的值进行搜索而不必知道相关的字段名.
_all字段丢失了长字段(低相关性)和短字段(高相关性)之间的区别 —— 在相关性搜索要求比较高的时候, 应该明确指出要查询的字段.
① _all字段需要额外的处理器周期, 且耗费更多的磁盘空间, 若不需要, 建议禁用此功能:
PUT website/_mapping/blog
{
"_all": {"enabled": false}
}
②或在field中设置include_in_all —— 是否要将field的值包含在_all中:
PUT website/_mapping/blog
{
"properties": {
"test_field": {
"type": "text",
"include_in_all": false
}
}
}
3.2 _field_names - 文档所有非空字段名
该字段可以用在查询、聚合以及脚本中 —— 用于查找指定字段的值非空的文档是否存在.
使用示例:
GET website/_search
{
"query": {
"terms": {"_field_names": ["content"]}
}
}
4 路由元字段
4.1 [过期]_parent - 在type间创建父子关系
(1)创建映射:
PUT store
{
"mappings": {
"book": {},
"it_book": {
"_parent": {"type": "book"} // 指定其父类
}
}
}
(2)插入父文档:
PUT store/book/1
{ "desc": "this is parent book"}
(3)插入子文档, 并指出其父文档:
PUT store/it_book/2?parent=1
{ "desc": "this is child it_book"}
(4)父子文档的限制:
①父type和子type必须不同.
②_parent的type的值只能是不存在的类型 —— 一个type被创建后就不能称为父类型了.
(5)其他说明:
父子文档必须索引在同一个分片上:
①parent的编号用于子文档的路由值, 确保子文档被索引到父文档所在的分片中.
②查询、更新、删除子文档时, 也需要提供相同的parent值.
4.2 _routing - 自定义的路由值
用于将文档路由到指定的分片上. 通过如下公式将文档路由到特定的分片:
shard_num = hash(_routing) % num_primary_shards
如果不指定_routing的值, 默认使用文档的_id字段. 如果存在父文档则使用其_parent的编号.
可以通过为某些文档都指定相同的路由值, 来实现对这些文档的自定义路由功能:
// 此文档使用'user_5220'作为其路由值, 在查询、更新、删除时同样需要提供此路由值
PUT website/blog/1?routing=user_5220
{
"title": "xxx"
}
_routing字段可以在查询、聚合、脚本以及排序的时候访问. 比如直接指定路由值来搜索相关的文档:
GET website/_search
{
"query": {
"terms": {"_routing": [ "user_5220" ] }
}
}
5 其他元字段
_meta - 应用特定的元字段: 每个type都可以拥有自定义的元数据 —— ES并不会使用, 但可以用来存储应用程序的特定信息.
使用示例:
PUT website
{
"mappings": {
"user": {
"_meta": {
"class": "com.healchow.website.pojo.User",
"version": {"min": "1.0", "max": "1.3"}
}
}
}
}
参考资料
版权声明
作者: 马瘦风
出处: 博客园 马瘦风的博客
您的支持是对博主的极大鼓励, 感谢您的阅读.
本文版权归博主所有, 欢迎转载, 但请保留此段声明, 并在文章页面明显位置给出原文链接, 否则博主保留追究相关人员法律责任的权利.
posted @ 2019-04-09 21:03 瘦风 阅读( 11793) 评论( 0) 编辑 收藏 举报
刷新页面 返回顶部
[
]nbsp_nbsp
版权声明：本文不是「本站」原创文章，版权归原作者所有 | [原文地址:][ES 13 - Elasticsearch_ _index_type_source_routing_]