当前位置： 首页 > news >正文

ElasticSearch与Kibana 入门指南（7.x版本）

news 2025/10/12 16:50:03

文章目录

  • ElasticSearch之Kibana 入门指南
    • 一、基础概念与环境准备
      • 1. 核心组件对应关系
      • 2. Ubuntu 环境部署（ES + Kibana）
        • （1）依赖环境安装（Java）
        • （2）安装 ElasticSearch
        • （3）安装 Kibana（可视化工具）
    • 二、字段与映射（Mapping）
      • 1. 常用字段类型
      • 2. 字段核心配置参数
      • 3. 映射操作语法
    • 三、文档（Document）操作
      • 1. 文档基本属性
      • 2. 文档核心操作语法
      • 3. 文档版本控制（并发控制）
    • 四、查询与聚合语法
      • 1. 基础查询语法
      • 2. 聚合操作语法
    • 五、Kibana 常用功能
    • 六、注意事项
    • 七、 案例
      • 1. 创建索引
      • 2. 插入文档数据
        • 方法 1：指定文档 ID（推荐用于需要明确标识的场景）
        • 示例：
        • 方法 2：自动生成文档 ID（适合无需手动管理 ID 的场景）
        • 示例：
        • 插入成功的响应
        • 批量插入数据（高效方式）
        • 注意事项
      • 3. 根据条件查找数据
        • 1. 查找所有数据（匹配所有文档）
        • 2. 根据名字查找（精确匹配，`keyword` 类型）
        • 3. 根据年龄查找（数值类型，支持范围查询）
          • （1）精确匹配某个年龄
          • （2）范围匹配（如年龄 > 20 且 <=30）
        • 4. 复合查找（多条件组合查询）
          • 示例：查找名字为 “王五” 且年龄 = 25 的文档
          • 示例：查找年龄 > 20 或 描述包含 “java” 的文档
        • 5. 根据描述查找（全文检索，`text` 类型）
        • 总结
        • 6. 查询结果解析
        • 7. 删除数据
          • 1. 删除单条文档（按文档 ID）
          • 2. 删除符合条件的多条文档（按查询条件）
          • 3. 删除整个索引（谨慎！）
          • 总结

ElasticSearch之Kibana 入门指南

ps：因为某些版本问题，有部分可能不生效语法

一、基础概念与环境准备

1. 核心组件对应关系

ElasticSearch（ES）作为分布式搜索与分析引擎，其核心概念可与传统数据库类比，便于理解：

ElasticSearch 组件传统数据库组件说明
索引（Index）数据库（Database）存储一类相似结构文档的集合，如 “用户索引”“商品索引”
文档（Document）行（Row）索引中的最小数据单元，以 JSON 格式存储
字段（Field）列（Column）文档的属性，如 “姓名”“年龄”，需指定类型（如 text、keyword）
映射（Mapping）表结构（Schema）定义索引中字段的类型、分词器等配置，类似数据库表的结构定义

2. Ubuntu 环境部署（ES + Kibana）

（1）依赖环境安装（Java）

ES 依赖 Java 环境，推荐 OpenJDK 17：

# 更新源并安装 OpenJDK 17
sudo apt update
sudo apt install openjdk-17-jdk -y# 验证安装（输出版本信息即成功）
java -version
（2）安装 ElasticSearch
# 1. 添加 ES 官方密钥
wget -qO - https://artifacts.elastic.co/GPG-KEY-elasticsearch | sudo gpg --dearmor -o /usr/share/keyrings/elasticsearch-keyring.gpg# 2. 添加 ES 仓库源（以 7.x 版本为例，其他版本替换版本号）
echo "deb [signed-by=/usr/share/keyrings/elasticsearch-keyring.gpg] https://artifacts.elastic.co/packages/7.x/apt stable main" | sudo tee /etc/apt/sources.list.d/elastic.list > /dev/null# 3. 安装并启动 ES
sudo apt update
sudo apt install elasticsearch -y
sudo systemctl enable --now elasticsearch  # 开机自启# 4. 验证 ES 运行（默认端口 9200）
curl http://localhost:9200  # 输出包含 "tagline": "You Know, for Search" 即成功
（3）安装 Kibana（可视化工具）

Kibana 需与 ES 版本完全一致，用于可视化操作 ES：

# 1. 安装 Kibana（从已添加的 ES 仓库获取）
sudo apt install kibana -y# 2. （可选）配置远程访问 ES（默认连接本地 9200）
sudo nano /etc/kibana/kibana.yml
# 取消注释并修改：elasticsearch.hosts: ["http://你的ES地址:9200"]# 3. 启动 Kibana 并设置开机自启
sudo systemctl enable --now kibana# 4. 验证（浏览器访问 http://localhost:5601，进入 Kibana 界面即成功）

二、字段与映射（Mapping）

1. 常用字段类型

字段类型决定数据的存储、查询和分析方式，需根据业务场景选择：

字段类型核心特点适用场景映射配置示例
text支持全文检索（会分词），默认不支持聚合 / 排序长文本内容（文章正文、商品描述）"content": { "type": "text", "analyzer": "ik_max_word" }（中文分词）
keyword精确匹配（不分词），支持聚合 / 排序短文本标识（标签、ID、状态）"tag": { "type": "keyword" }
numeric含 integer/long/float/double 等，支持范围查询数值类数据（年龄、价格、数量）"age": { "type": "integer" }, "price": { "type": "double" }
date支持字符串 / 时间戳格式，可范围查询时间类数据（创建时间、更新时间）"create_time": { "type": "date", "format": "yyyy-MM-dd HH:mm:ss" }
boolean仅 true/false 两个值状态标记（是否启用、是否删除）"is_active": { "type": "boolean" }
array无需声明类型，存储同类型值的集合多值属性（用户标签列表、商品图片 URL 列表）文档中直接写入："tags": ["tech", "es"]（映射按元素类型设为 keyword）
object嵌套结构化数据子对象属性（用户地址、商品规格）"address": { "type": "object", "properties": { "city": { "type": "keyword" }, "street": { "type": "text" } } }
nested解决普通 object 数组的 “跨对象匹配” 问题嵌套列表（文章评论、订单商品列表）"comments": { "type": "nested", "properties": { "user": { "type": "keyword" }, "content": { "type": "text" } } }

2. 字段核心配置参数

在定义映射时，可通过参数自定义字段行为：

参数名作用示例
analyzer索引时分词器（仅 text 类型）"content": { "type": "text", "analyzer": "ik_max_word" }
search_analyzer查询时分词器（默认与 analyzer 一致）"content": { "type": "text", "analyzer": "ik_max_word", "search_analyzer": "ik_smart" }
formatdate 类型的可接受格式（多格式用逗号分隔）"create_time": { "type": "date", "format": "yyyy-MM-dd,epoch_millis" }
index是否创建索引（false 则不可查询）"raw_data": { "type": "text", "index": false }
fielddatatext 类型启用聚合 / 排序（默认 false，耗内存）"content": { "type": "text", "fielddata": true }
fields为字段创建多类型（兼顾检索与聚合）"name": { "type": "text", "fields": { "keyword": { "type": "keyword" } } }（name 检索，name.keyword 聚合）

3. 映射操作语法

操作目的请求方式语法示例说明
创建索引时定义映射PUTPUT /my_index { "mappings": { "properties": { "name": { "type": "text" }, "age": { "type": "integer" } } } }推荐：提前定义映射，避免自动推断错误
为已有索引添加新字段PUTPUT /my_index/_mapping { "properties": { "email": { "type": "keyword" } } }支持添加新字段，不可修改已有字段类型
查看索引映射GETGET /my_index/_mapping返回该索引的所有字段配置
重建索引（修改旧映射）POSTPOST _reindex { "source": { "index": "old_index" }, "dest": { "index": "new_index" } }旧索引数据迁移到新索引（新索引需提前定义正确映射）

三、文档（Document）操作

文档是 ES 中最小的数据单元，所有数据交互围绕文档展开，以下为核心操作：

1. 文档基本属性

  • _index：所属索引（如 my_index）
  • _id：唯一标识（可手动指定或 ES 自动生成 20 位随机字符）
  • _source：存储文档原始 JSON 数据（默认保留，可配置关闭）
  • _version：版本号（每次修改自增，用于并发控制）

2. 文档核心操作语法

操作类型功能描述请求方式语法示例说明
创建文档手动指定 IDPUTPUT /my_index/_doc/1 { "name": "张三", "age": 25, "is_active": true }ID 已存在则覆盖，版本号 + 1
自动生成 IDPOSTPOST /my_index/_doc { "name": "李四", "age": 30 }无需指定 ID，ES 自动生成
强制创建（避免覆盖）PUTPUT /my_index/_create/1 { "name": "王五" }ID 已存在则返回 409 错误
查看文档查看单个文档完整信息GETGET /my_index/_doc/1返回 _index/_id/_source 等信息
查看部分字段GETGET /my_index/_doc/1?_source=name,age仅返回指定字段，减少数据传输
判断文档是否存在HEADHEAD /my_index/_doc/1存在返回 200，不存在返回 404（无响应体）
更新文档全量更新（覆盖）PUTPUT /my_index/_doc/1 { "name": "张三", "age": 26 }未包含的字段会被删除
部分更新（推荐）POSTPOST /my_index/_update/1 { "doc": { "age": 27, "city": "北京" } }仅更新指定字段，新增字段自动添加
脚本动态更新POSTPOST /my_index/_update/1 { "script": { "source": "ctx._source.age += 1" } }通过 Painless 脚本修改（如年龄 + 1）
删除文档删除单个文档DELETEDELETE /my_index/_doc/1版本号 + 1，物理删除延迟执行
批量删除（按条件）POSTPOST /my_index/_delete_by_query { "query": { "match": { "age": 25 } } }删除所有符合条件的文档，需谨慎
批量操作批量增 / 删 / 改POSTPOST /_bulk { "index": { "_index": "my_index", "_id": "3" } } { "name": "赵六" } { "delete": { "_index": "my_index", "_id": "1" } }严格遵循 “元数据行 + 数据行” 结构，最后空一行；效率远高于单条操作

3. 文档版本控制（并发控制）

ES 通过 _seq_no 和 _primary_term 实现乐观锁（替代旧版本的 _version），确保并发修改安全：

json

# 仅当文档 seq_no=3 且 primary_term=1 时更新（避免覆盖其他线程修改）
POST /my_index/_update/1?if_seq_no=3&if_primary_term=1
{ "doc": { "age": 28 } }

四、查询与聚合语法

ES 提供强大的查询与聚合能力，以下为常用操作：

1. 基础查询语法

查询类型功能描述请求方式语法示例说明
匹配所有文档查询索引中所有文档GETGET /my_index/_search { "query": { "match_all": {} } }默认返回前 10 条，可通过分页调整
全文检索按文本分词匹配GETGET /my_index/_search { "query": { "match": { "name": "张" } } }对 text 类型字段生效，返回匹配结果
精确匹配不分词，完全匹配值GETGET /my_index/_search { "query": { "term": { "age": 25 } } }适用于 keyword/numeric 类型字段
多条件 “且”同时满足多个条件GETGET /my_index/_search { "query": { "bool": { "must": [ { "match": { "name": "张" } }, { "term": { "age": 25 } } ] } } }must 内所有条件需同时满足
多条件 “或”满足任一条件GETGET /my_index/_search { "query": { "bool": { "should": [ { "term": { "age": 25 } }, { "term": { "age": 30 } } ] } } }should 内任一条件满足即可
范围查询数值 / 日期的区间匹配GETGET /my_index/_search { "query": { "range": { "age": { "gte": 20, "lte": 30 } } } }gte(>=)、lte(<=)、gt(>)、lt(<)
分页查询控制返回结果的范围GETGET /my_index/_search { "from": 0, "size": 10, "query": { "match_all": {} } }from（起始位置），size（每页条数）
排序按指定字段排序GETGET /my_index/_search { "sort": [ { "age": { "order": "desc" } } ], "query": { "match_all": {} } }desc（降序）、asc（升序）
指定返回字段仅返回需要的字段GETGET /my_index/_search { "_source": ["name", "age"], "query": { "match_all": {} } }减少数据传输，提升效率

2. 聚合操作语法

聚合用于对数据进行统计分析（如计数、平均值、分组），size:0 表示仅返回聚合结果，不返回原始文档：

聚合类型功能描述请求方式语法示例
统计总数统计指定字段的非空值数量GETGET /my_index/_search { "size": 0, "aggs": { "total_age": { "value_count": { "field": "age" } } } }
平均值计算数值字段的平均值GETGET /my_index/_search { "size": 0, "aggs": { "avg_age": { "avg": { "field": "age" } } } }
分组统计按字段值分组并计数GETGET /my_index/_search { "size": 0, "aggs": { "group_by_age": { "terms": { "field": "age" } } } }

五、Kibana 常用功能

Kibana 是 ES 的可视化工具，核心功能如下：

  1. Dev Tools（开发工具）：左侧菜单进入 Dev Tools → Console，可直接编写 ES 语法（替代 curl，支持自动补全），例如：

    # 查询 my_index 中年龄为 25 的文档
GET /my_index/_search
{"query": { "term": { "age": 25 } }
}

  2. Index Management（索引管理）：左侧菜单 Stack Management → Index Management，可视化查看所有索引的状态、映射、分片信息。

  3. Discover（数据探索）：先在 Stack Management → Index Patterns 创建索引模式（如 my_index*），再在 Discover 中实时搜索、筛选文档。

  4. Visualize Library（可视化报表）：创建柱状图、折线图、饼图等，基于索引数据生成统计报表（如按年龄分组的用户数量分布）。

六、注意事项

  1. 版本兼容性：ES 与 Kibana 版本必须完全一致，否则无法通信。
  2. 字段类型不可修改：字段创建后，类型和核心配置（如 analyzer）无法修改，需通过重建索引解决。

七、 案例

1. 创建索引

POST /my_index/_doc
{"mappings":{"properties": {"name":{"type":"keyword"  },"age":{"type":"integer"},"desc":{"type": "text","analyzer": "ik_max_word"}} }
}

这个 POST 请求的作用是在 Elasticsearch 中创建名为 my_index 的索引，并定义其字段映射（Mapping），即指定索引中各个字段的数据类型和解析规则。下面详细解释每个部分的作用：

  1. 整体操作：创建索引并定义映射
POST /my_index/_doc  // 核心操作：创建名为 "my_index" 的索引
{"mappings": { ... }  // 定义该索引的字段映射规则
}
  • POST /my_index/_doc：通过 HTTP 的 POST 方法请求 Elasticsearch，创建一个名为 my_index 的索引（如果该索引不存在）。
  • mappings：是定义索引结构的核心配置，用于指定字段的数据类型、分词方式等元数据（类似数据库表的「表结构定义」）。
  1. 字段映射详情（properties 内的配置）

properties 节点下定义了索引中包含的字段及其规则，这里包含 3 个字段：name、age、desc。

（1）name: { "type": "keyword" }

  • type: "keyword"

    ：指定name字段为keyword类型。

    • 特点：keyword 类型的字段会被当作「完整字符串」处理，不进行分词（例如 "张三" 会被完整存储为一个词条）。
    • 适用场景：适合精确匹配、排序、聚合（如按姓名精确查询、统计不同姓名的数量）。

（2）age: { "type": "integer" }

  • type: "integer"

    ：指定age字段为integer类型（32 位整数）。

    • 特点：存储数值型数据，支持数值运算（如范围查询 age > 18）、排序等。
    • 其他数值类型：如果需要更大范围的数值，可使用 long（64 位整数）、float/double（浮点数）等。

（3）desc: { "type": "text", "analyzer": "ik_max_word" }

  • type: "text"

    ：指定desc字段为text类型。

    • 特点：text 类型用于存储长文本（如描述、正文），会进行分词处理（将文本拆分为多个词条，便于全文检索）。
  • analyzer: "ik_max_word"

    ：指定分词器为ik_max_word

    （IK 分词器的「最细粒度拆分」模式）。

    • 作用：对中文文本进行精准分词（例如 "我爱编程" 会被拆分为 ["我", "爱", "编程"]），确保中文搜索的准确性。
    • 注意：需提前在 Elasticsearch 中安装 IK 分词器，否则会报错（可通过插件方式安装）。

2. 插入文档数据

在 Elasticsearch 中，向已创建的 my_index 索引插入数据（文档）主要有两种方式：指定文档 ID 或 自动生成 ID，具体操作如下：

方法 1：指定文档 ID（推荐用于需要明确标识的场景）

使用 PUT 请求，格式为：PUT /my_index/_doc/文档ID

示例：
# 插入 ID 为 1 的文档
PUT /my_index/_doc/1
{"name": "张三","age": 25,"desc": "热爱编程，擅长Java和Python"
}# 插入 ID 为 2 的文档
PUT /my_index/_doc/2
{"name": "李四","age": 30,"desc": "数据分析师，熟悉Elasticsearch"
}
  • 说明：
    • _doc 是 Elasticsearch 7.x+ 版本中默认的文档类型（7.x 后移除了多类型，统一使用 _doc）。
    • 文档ID 可以是数字、字符串等（如 1、user_123），需唯一（重复 ID 会覆盖原有文档）。
方法 2：自动生成文档 ID（适合无需手动管理 ID 的场景）

使用 POST 请求，格式为：POST /my_index/_doc

示例：
# 自动生成 ID 插入文档
POST /my_index/_doc
{"name": "王五","age": 28,"desc": "前端开发工程师，精通Vue和React"
}
  • 说明：
    • 执行后，Elasticsearch 会自动生成一个唯一的 ID（如 _id: "QZJ32oUBRvjXrGfKdGjw"），并返回在响应结果中。
插入成功的响应

无论哪种方法，插入成功后会返回类似以下的响应：

{"_index" : "my_index",    // 所属索引"_type" : "_doc",         // 文档类型（固定为 _doc）"_id" : "1",              // 文档 ID（手动指定或自动生成）"_version" : 1,           // 文档版本（更新时会递增）"result" : "created",     // 操作结果（created 表示新建，updated 表示更新）"took" : 2,               // 耗时（毫秒）"_shards" : { ... },      // 分片信息"_seq_no" : 0,"_primary_term" : 1
}
批量插入数据（高效方式）

如果需要插入多条数据，推荐使用 批量 API（_bulk），减少请求次数：

POST /my_index/_bulk
{"index": {"_id": "3"}}  // 第一条：指定 ID 为 3
{"name": "赵六", "age": 35, "desc": "后端架构师，擅长微服务"}
{"index": {}}  // 第二条：自动生成 ID
{"name": "孙七", "age": 22, "desc": "实习生，学习Elasticsearch中"}
  • 格式要求：
    • 每行必须是 JSON 格式，且每行末尾需换行（包括最后一行）。
    • 每条数据由两行组成：第一行是操作指令（{"index": {"_id": "xxx"}}），第二行是文档内容。
注意事项
  1. 插入的字段需与索引映射（mappings）中定义的类型匹配（如 age 必须是整数，不能是字符串），否则会报错或自动转换类型。
  2. 若插入映射中未定义的字段，Elasticsearch 会自动推断类型并添加到映射中（建议提前定义好所有字段，避免自动推断不符合预期）。

3. 根据条件查找数据

在 Elasticsearch 中，你可以通过 _search API 实现各种查询需求。以下是针对 my_index 索引的具体查询方法，包括查找所有数据、按名字 / 年龄 / 描述查询以及复合查询：

1. 查找所有数据（匹配所有文档）

使用 match_all 查询，返回索引中所有文档：

GET /my_index/_search
{"query": {"match_all": {}  // 匹配所有文档}
}
  • 结果会包含所有文档，默认返回前 10 条，可通过 size 参数调整（如 {"size": 100} 返回 100 条）。
2. 根据名字查找（精确匹配，keyword 类型）

name 字段是 keyword 类型（不分词，适合精确匹配），推荐用 term 查询：

GET /my_index/_search
{"query": {"term": {"name": {  // 字段名"value": "王五"  // 要匹配的名字（精确匹配）}}}
}
  • 注意：term 查询对 keyword 类型区分大小写（如匹配 “王五” 不会返回 “王五”）。
3. 根据年龄查找（数值类型，支持范围查询）

age 是 integer 类型，可通过 term（精确匹配）或 range（范围匹配）查询：

（1）精确匹配某个年龄
GET /my_index/_search
{"query": {"term": {"age": {"value": 25  // 精确匹配年龄=25}}}
}
（2）范围匹配（如年龄 > 20 且 <=30）
GET /my_index/_search
{"query": {"range": {"age": {"gt": 20,   // 大于 20（gt = greater than）"lte": 30   // 小于等于 30（lte = less than or equal）}}}
}
  • 其他范围参数：gte（大于等于）、lt（小于）。
4. 复合查找（多条件组合查询）

使用 bool 查询组合多个条件（如 “名字是王五 且 年龄 > 20”），支持 must（必须满足）、should（或）、must_not（必须不满足）：

示例：查找名字为 “王五” 且年龄 = 25 的文档
GET /my_index/_search
{"query": {"bool": {"must": [  // 所有条件必须满足{ "term": { "name": "王五" } },{ "term": { "age": 25 } }]}}
}
示例：查找年龄 > 20 或 描述包含 “java” 的文档
GET /my_index/_search
{"query": {"bool": {"should": [  // 满足任一条件即可{ "range": { "age": { "gt": 20 } } },{ "match": { "desc": "java" } }]}}
}
5. 根据描述查找（全文检索，text 类型）

desc 是 text 类型（使用 IK 分词器），适合用 match 查询（会对查询词分词后匹配）：

GET /my_index/_search
{"query": {"match": {"desc": "java 开发"  // 分词为 ["java", "开发"]，匹配包含任一词语的文档}}
}

  • 特点：会对查询词（如 “java 开发”）进行分词，返回包含任一分词结果的文档（如 “擅长 java”“开发工程师” 都会被匹配）。

  • 若需要 “同时包含所有词语”，用match_phrase：

    {"query": {"match_phrase": {"desc": "java 开发"  // 必须同时包含“java”和“开发”，且顺序接近}}
}
总结
查询场景推荐查询类型核心特点
所有数据match_all返回全部文档
名字精确匹配term针对 keyword 类型
年龄精确 / 范围匹配term / range针对数值类型
多条件组合bool（must等）组合多个查询条件
描述全文检索match分词后匹配，适合模糊查询
描述精确短语匹配match_phrase匹配连续的短语，顺序相关
6. 查询结果解析

查询：

GET /my_index/_search
{"query": {"term":{"name":{"value":"王五"}}}
}

结果：

{"took": 7,"timed_out": false,"_shards": {"total": 1,"successful": 1,"skipped": 0,"failed": 0},"hits": {"total": {"value": 1,"relation": "eq"},"max_score": 1.2039728,"hits": [{"_index": "my_index","_id": "3","_score": 1.2039728,"_source": {"name": "王五","age": 25,"desc": "擅长c++开发"}}]}
}

解析：

这个 JSON 是 Elasticsearch _search 查询的标准响应结果，每个字段都对应查询的关键信息，下面逐层级解析每个字段的含义：

一、顶层核心字段（整体查询概况）

字段名类型含义
took整数查询耗时，单位为毫秒（示例中为 7ms），反映查询效率。
timed_out布尔值查询是否超时（false 表示未超时，true 表示超时未完成）。
_shards对象索引分片的查询情况（Elasticsearch 索引默认分为多个分片，分布式存储）。
hits对象查询的核心结果集，包含匹配的文档数量、得分、具体文档内容。

二、_shards 字段（分片查询详情）

Elasticsearch 通过分片实现分布式查询，_shards 展示各分片的执行状态：

"_shards": {"total": 1,        // 参与查询的分片总数（示例中索引只有 1 个主分片）"successful": 1,   // 查询成功的分片数（1 个分片成功返回结果）"skipped": 0,      // 跳过查询的分片数（0 表示所有分片都参与了查询）"failed": 0        // 查询失败的分片数（0 表示无分片失败，结果可靠）
}
  • 若 failed > 0，需检查分片状态（如节点离线、权限问题）。

三、hits 字段（查询结果核心）

hits 是查询结果的核心，包含「匹配文档统计」和「具体文档列表」：

  1. hits.total（匹配文档统计）
"total": {"value": 1,        // 匹配的文档总数（示例中只有 1 条文档符合条件）"relation": "eq"   // 总数的准确性（`eq` = equal，表示总数精确；`gte` = greater than or equal，表示总数是“至少”的估算值）
}
  • Elasticsearch 7.0+ 中，当匹配文档数超过 track_total_hits 配置（默认 10000）时，relation 会变为 gte，value 显示估算值（避免全量统计影响性能）。
  1. hits.max_score（最高匹配得分）
  • 数值类型（示例中为 1.2039728），表示所有匹配文档中最高的相关性得分。
  • 得分越高，说明文档与查询条件的相关性越强（如全文检索时，关键词出现次数越多、位置越靠前，得分越高）。
  1. hits.hits（具体匹配文档列表）

数组类型，每个元素是一条匹配的文档，包含文档的元数据和原始内容：

{"_index": "my_index",  // 文档所属的索引名（示例中为之前创建的 my_index）"_id": "3",            // 文档的唯一 ID（示例中是插入时手动指定的 ID=3）"_score": 1.2039728,   // 该文档的相关性得分（与 max_score 一致，因只有 1 条匹配）"_source": {           // 文档的**原始数据**（插入时提交的字段和值）"name": "王五","age": 25,"desc": "擅长c++开发"}
}
  • _source：存储文档的原始内容，查询时默认返回；若只需部分字段，可通过 _source: ["name", "age"] 指定返回字段（减少数据传输）。
  • _score：仅在「相关性查询」（如 match、match_phrase）中存在；「精确查询」（如 term、range）若未指定排序，得分默认是 1.0。

总结

这个响应结果的核心信息是：本次查询耗时 7ms，未超时，1 个分片成功执行，共匹配到 1 条文档（ID=3，姓名 “王五”），该文档与查询条件的相关性得分为 1.2039728。

7. 删除数据

在 Elasticsearch 中删除数据主要有两种方式：删除单条文档和删除整个索引（谨慎操作！）。根据需求选择对应的方式，具体操作如下：

1. 删除单条文档（按文档 ID）

如果已知要删除的文档 ID，使用 DELETE 请求删除指定文档：

语法：

DELETE /索引名/_doc/文档ID

示例（删除 my_index 中 ID 为 3 的文档）：

DELETE /my_index/_doc/3

成功响应：

{"_index" : "my_index","_type" : "_doc","_id" : "3","_version" : 2,  // 版本号递增（原版本为 1，删除后变为 2）"result" : "deleted",  // 表示删除成功"took" : 4,"_shards" : { ... },"_seq_no" : 1,"_primary_term" : 1
}

注意：

  • 如果文档 ID 不存在，会返回 result: "not_found"，但不会报错。
  • 删除后文档不会立即从磁盘中移除，而是标记为删除状态，后续会由 Elasticsearch 后台清理。
2. 删除符合条件的多条文档（按查询条件）

如果需要删除满足特定条件的所有文档（如删除年龄大于 30 的所有文档），使用 _delete_by_query API：

语法：

POST /索引名/_delete_by_query
{"query": {  // 这里填写删除的条件（与查询数据的语法一致）...}
}

示例（删除 name 为 “张三” 的所有文档）：

POST /my_index/_delete_by_query
{"query": {"term": {"name": {"value": "张三"}}}
}

成功响应：

{"took" : 12,"timed_out" : false,"total" : 1,  // 匹配到的文档总数"deleted" : 1,  // 实际删除的文档数"batches" : 1,"version_conflicts" : 0,"noops" : 0,"retries" : { ... },"throttled_millis" : 0,"requests_per_second" : -1.0,"throttled_until_millis" : 0,"failures" : [ ]
}

注意：

  • 条件必须精确，避免误删（建议先执行 _search 验证条件是否正确）。
  • 大索引批量删除可能影响性能，可通过参数控制速度（如 ?requests_per_second=50 限制每秒请求数）。
3. 删除整个索引（谨慎！）

如果需要删除索引中所有数据（包括索引结构），可以直接删除整个索引（此操作不可恢复）：

语法：

DELETE /索引名

示例（删除 my_index 索引）：

DELETE /my_index

成功响应：

{"acknowledged" : true
}

警告：

  • 删除索引会彻底清除该索引的所有数据和映射配置，无法恢复。
  • 生产环境中建议限制 DELETE 索引的权限，避免误操作。
总结
需求场景操作方式关键点
删除单条已知 ID 的文档DELETE /索引/_doc/ID精准删除，影响范围小
删除符合条件的多条文档POST /索引/_delete_by_query先查询验证条件，再执行删除，避免误删
删除整个索引（含结构）DELETE /索引谨慎操作！不可恢复，适用于彻底清理整个索引的场景
http://www.dtcms.com/a/462817.html

相关文章：

  • LLM 与强化学习的新范式：Agentic RL 研究综述
  • wordpress 标签打不开外贸网站推广seo
  • 深圳租赁住房和建设局网站网站设计定位
  • 公司网站建设会议纪要全球速卖通企业类型
  • 一、十天速通Java面试（第三天）
  • 网站怎么seo关键词排名优化推广石家庄专业信息门户网站定制
  • 十堰为企业做网站的单位wordpress建m域名网站
  • anaconda安装及使用
  • 惠来做网站专门做门的网站
  • 合肥专业网站排名推广wordpress显示近几篇微博
  • 智能推送定义怎么写
  • 认识Emitter：进程内的事件处理专家
  • RDK X5 镜像备份（详细）
  • 郑州建网站企业seo核心技术排名
  • 动易网站地图五款wordpress常用加速插件
  • 网站建设和运行费用中国国家城乡建设部网站
  • 5G与6G：从“万物互联“到“智能无界“的跨越
  • ISAC 4D Imaging System Based on 5G Downlink Millimeter Wave Signal
  • 建设银行网站点不进去了怎么办青岛网站有限公司
  • 开源模型应用落地-FireRedTTS2-从文本到声音的智能跃迁-“声”临其境（三）
  • 广州住房和城乡建设厅网站渭南网站建设公司定制网站建设公司
  • day03_八大基本数类型+程序交互+基本运算符+流程控制语句
  • android13 wifi热点setting学习笔记
  • 淘客网站cms怎么做建设部网站79号文件
  • 人工智能时代下的全栈开发：整合AI、大数据与云原生的实践策略
  • 家具品牌网站新东方培训机构官网
  • 速通ACM省铜第二十天 赋源码（HNCPC2022 Big Matrix 和 Fibonacci Cane）
  • 做预算查价格的网站是哪个中国空间网站
  • 网站地图生成工具微信营销策略
  • 什么是 Apache Parquet？ClickHouse 与 Parquet 的交互方式/安装 clickhouse-client