【Elasticsearch】文档（一）：新增 & 删除

在 Elasticsearch 中，文档（Document）是 最小的可索引数据单元，也是信息存储和检索的基本单位。它是 Elasticsearch 的核心概念之一，类似于关系型数据库中的一行记录或 NoSQL 数据库中的一个 JSON 对象。

1.文档的关键特性

• JSON 格式：文档是一个 JSON 对象，由键值对（字段和值）组成。例如：

  {
    "_index": "books",         // 所属索引
    "_id": "1",               // 文档ID
    "_source": {              // 文档原始内容
      "title": "Elasticsearch 指南",
      "author": "John Doe",
      "publish_date": "2023-10-01"
    }
  }
  

• 唯一标识：每个文档有一个唯一的 _id（可自定义或由 Elasticsearch 自动生成），用于在索引中唯一标识该文档。

• 归属于索引：文档必须存储在某个 索引（Index）中（类似关系型数据库的 “表”）。例如，一个书籍文档可能存储在 books 索引中。

• 可扩展字段：文档的字段是动态的，无需预先定义结构（除非使用显式映射）。字段类型（如文本、数字、日期等）会自动推断或通过映射（Mapping）指定。

• 支持嵌套和复杂结构：文档可以包含嵌套对象、数组等复杂结构。例如：

  {
    "user": {
      "name": "Alice",
      "address": {
        "city": "Beijing",
        "postcode": "100000"
      }
    }
  }
  

2.新增文档

2.1 指定 ID 新增文档

场景：明确指定文档的 _id（如书籍 ISBN 作为唯一标识）。

PUT /books/_doc/101  # 索引名: books, 文档ID: 101
{
  "title": "深入理解 Elasticsearch",
  "author": "张三",
  "price": 59.9,
  "publish_date": "2023-05-20"
}

2.2 不指定 ID 新增文档

场景：让 Elasticsearch 自动生成唯一 _id（如日志场景）。

POST /logs/_doc  # 索引名: logs, 不提供ID
{
  "level": "ERROR",
  "message": "数据库连接超时",
  "timestamp": "2023-10-25T14:30:00Z"
}

2.3 指定索引批量插入数据

场景：一次性插入多条文档到同一索引（如商品批量导入）。

POST /products/_bulk
{ "index": {} }  # 不指定ID，自动生成
{ "name": "无线鼠标", "price": 99, "category": "电子产品" }
{ "index": { "_id": "1001" } }  # 指定ID为1001
{ "name": "机械键盘", "price": 299, "category": "电子产品" }

2.4 批量执行多种操作

场景：混合插入、更新、删除操作（如订单系统数据处理）。

POST /orders/_bulk
{ "index": { "_id": "O20230999" } }  # 新增订单
{ "order_id": "O20230999", "amount": 1500, "status": "paid" }
{ "index": { "_id": "O20230998" } }  # 新增订单
{ "order_id": "O20230998", "amount": 1500, "status": "paid" }

POST /orders/_bulk
{ "index": { "_id": "O20231001" } }  # 新增订单
{ "order_id": "O20231001", "amount": 1500, "status": "paid" }
{ "update": { "_id": "O20230999" } }  # 更新订单状态
{ "doc": { "status": "shipped" } }
{ "delete": { "_id": "O20230998" } }  # 删除订单

2.5 关键说明

• 批量操作（_bulk）：
  • 每两行为一个操作：首行声明动作（index / update / delete），次行为数据或参数。
  • 需确保 JSON 格式严格换行（末尾换行符不可省略）。
• 自动生成 ID：
  • 不指定 _id 时，Elasticsearch 会生成类似 x5F6Z4wB3Kp2YvE1 的唯一字符串。
• HTTP 方法：
  • 新增单条文档：PUT（指定 ID）或 POST（不指定 ID）。
  • 批量操作：POST /_bulk。

实际应用中，建议使用 Elasticsearch 客户端（如 Python 的 elasticsearch-py）简化操作。

3.删除文档

3.1 删除单个文档

场景：删除指定 _id 的文档（例如删除某本书）。

DELETE /books/_doc/101  # 删除索引 `books` 中 `_id=101` 的文档

响应：

{
  "_index": "books",
  "_id": "101",
  "_version": 2,  # 版本号递增
  "result": "deleted",  # 删除成功
  "_shards": {
    "total": 2,
    "successful": 2,
    "failed": 0
  }
}

说明：

• 如果文档不存在，返回 "result": "not_found"。
• 删除操作是 逻辑删除（文档不会立即从磁盘移除，而是在后续段合并时清理）。

3.2 批量文档删除

场景：批量删除符合特定条件的文档（例如删除所有 status="expired" 的订单）。

3.2.1 方法 1：使用 _bulk 删除多个指定 ID 的文档

POST /orders/_bulk
{ "delete": { "_id": "O20231001" } }  
{ "delete": { "_id": "O20231002" } }  
{ "delete": { "_id": "O20231003" } }  

响应：

{
  "took": 10,
  "errors": false,
  "items": [
    { "delete": { "_id": "O20231001", "status": 200 } },
    { "delete": { "_id": "O20231002", "status": 200 } },
    { "delete": { "_id": "O20231003", "status": 200 } }
  ]
}

3.2.2 方法 2：使用 _delete_by_query 删除符合查询条件的文档

POST /orders/_delete_by_query
{
  "query": { 
    "term": { "status": "expired" }  # 删除所有 status=expired 的文档
  }
}

响应：

{
  "took": 100,
  "timed_out": false,
  "total": 5,  # 共删除5条
  "deleted": 5,
  "batches": 1
}

说明：

• _delete_by_query 适用于 按条件删除，但会触发索引刷新，可能影响性能。
• 大数据量删除时，建议添加 "conflicts": "proceed" 参数（跳过冲突）和 "scroll_size": 1000（分批处理）。

3.2.3 关键区别

3.3 最佳实践

• 优先使用 _bulk：批量删除已知 ID 的文档时，_bulk 比单条删除快 10-100 倍。
• 慎用 _delete_by_query：大数据量删除时，建议在低峰期执行，或使用 slices 并行化：

  POST /orders/_delete_by_query?conflicts=proceed&slices=5
  {
    "query": { "range": { "create_time": { "lte": "2023-01-01" } } }
  }
  

• 强制物理删除：删除后执行 _forcemerge 清理磁盘空间：

  POST /orders/_forcemerge?only_expunge_deletes=true