ElasticSearch与Kibana 入门指南（7.x版本）

深思慎考2025-10-10 22:27

文章目录

  • [ElasticSearch之Kibana 入门指南](#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](#1. 核心组件对应关系)
      • [2. Ubuntu 环境部署（ES + Kibana）](#2. Ubuntu 环境部署（ES + Kibana）)
        • （1）依赖环境安装（Java）
        • [（2）安装 ElasticSearch](#（2）安装 ElasticSearch)
        • [（3）安装 Kibana（可视化工具）](#（3）安装 Kibana（可视化工具）)
    • 二、字段与映射（Mapping）
      • [1. 常用字段类型](#1. 常用字段类型)
      • [2. 字段核心配置参数](#2. 字段核心配置参数)
      • [3. 映射操作语法](#3. 映射操作语法)
    • 三、文档（Document）操作
      • [1. 文档基本属性](#1. 文档基本属性)
      • [2. 文档核心操作语法](#2. 文档核心操作语法)
      • [3. 文档版本控制（并发控制）](#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](#1. 基础查询语法)
      • [2. 聚合操作语法](#2. 聚合操作语法)
    • [五、Kibana 常用功能](#五、Kibana 常用功能)
    • 六、注意事项
    • [七、 案例](#七、 案例)
      • [1. 创建索引](#1. 创建索引)
      • [2. 插入文档数据](#2. 插入文档数据)
      • [3. 根据条件查找数据](#3. 根据条件查找数据)
        • [1. 查找所有数据（匹配所有文档）](#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）](#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）](#3. 根据年龄查找（数值类型，支持范围查询）)
        • [4. 复合查找（多条件组合查询）](#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](#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）](#5. 根据描述查找（全文检索，text 类型）)
        • 总结
        • [6. 查询结果解析](#6. 查询结果解析)
        • [7. 删除数据](#7. 删除数据)
          • [1. 删除单条文档（按文档 ID）](#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）](#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！）](#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：

bash 复制代码 
# 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
bash 复制代码 
# 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：

bash 复制代码 
# 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" }
format date 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 }
fielddata text 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 PUT PUT /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 PUT PUT /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 GET GET /my_index/_mapping 返回该索引的所有字段配置
重建索引（修改旧映射） POST POST _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 ID PUT PUT /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 ID POST POST /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） PUT PUT /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 GET GET /my_index/_doc/1 返回 _index/_id/_source 等信息
查看部分字段 GET GET /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 HEAD HEAD /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） PUT PUT /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） POST POST /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 POST POST /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 DELETE DELETE /my_index/_doc/1 版本号 + 1，物理删除延迟执行
批量删除（按条件） POST POST /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 POST POST /_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

json 复制代码 
# 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 GET GET /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 GET GET /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 GET GET /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 GET GET /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 GET GET /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 GET GET /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 GET GET /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 GET GET /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 GET GET /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 GET GET /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 GET GET /my_index/_search { "size": 0, "aggs": { "avg_age": { "avg": { "field": "age" } } } }
分组统计 按字段值分组并计数 GET GET /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：

    json 复制代码 
    # 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

bash 复制代码 
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
json 复制代码 
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" }

复制代码 
  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" }

复制代码 
  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" }

复制代码 
  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）。
复制代码 
  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：
json 复制代码 
# 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：
json 复制代码 
# 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：

json 复制代码 
{
  "_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：

json 复制代码 
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：

json 复制代码 
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：

json 复制代码 
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
json 复制代码 
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）
json 复制代码 
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
json 复制代码 
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
json 复制代码 
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）：

json 复制代码 
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：

    json 复制代码 
    {
  "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：

json 复制代码 
GET /my_index/_search
{
  "query": 
  {
    "term":
    {
      "name":
      {
        "value":"王五"
      }
    }
  }
}

结果：

json 复制代码 
{
  "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：

json 复制代码 
"_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）
json 复制代码 
"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：

json 复制代码 
{
  "_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：

json 复制代码 
DELETE /索引名/_doc/文档ID

示例（删除 my_index 中 ID 为 3 的文档）：

json 复制代码 
DELETE /my_index/_doc/3

成功响应：

json 复制代码 
{
  "_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：

json 复制代码 
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）：

json 复制代码 
POST /my_index/_delete_by_query
{
  "query": {
    "term": {
      "name": {
        "value": "张三"
      }
    }
  }
}

成功响应：

json 复制代码 
{
  "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：

json 复制代码 
DELETE /索引名

示例（删除 my_index 索引）：

json 复制代码 
DELETE /my_index

成功响应：

json 复制代码 
{
  "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
相关推荐
银行数字化转型导师坚鹏5 小时前
如何设计优秀的企业微信私域运营实战培训方案
大数据·python·企业微信
悠闲蜗牛�5 小时前
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
大数据·人工智能·云原生
ml魔力信息6 小时前
活体检测与防伪技术的安全与隐私分析
大数据·人工智能·安全·隐私保护·生物识别·活体检测
数据要素X8 小时前
寻梦数据空间 | 架构篇：从概念到落地的技术实践与突破性创新
大数据·运维·数据仓库·微服务·数据治理·数据中台·可信数据空间
IT学长编程9 小时前
计算机毕业设计 基于EChants的海洋气象数据可视化平台设计与实现 Python 大数据毕业设计 Hadoop毕业设计选题【附源码+文档报告+安装调试】
大数据·hadoop·python·毕业设计·课程设计·毕业论文·海洋气象数据可视化平台
呆呆小金人9 小时前
SQL入门： HAVING用法全解析
大数据·数据库·数据仓库·sql·数据库开发·etl·etl工程师
yunson_Liu10 小时前
jenkins更新了gitlab后出现报错
运维·gitlab·jenkins
problc10 小时前
PostgreSQL + Redis + Elasticsearch 实时同步方案实践：从触发器到高性能搜索
redis·elasticsearch·postgresql
Elastic 中国社区官方博客11 小时前
如何减少 Elasticsearch 集群中的分片数量
大数据·数据库·elasticsearch·搜索引擎·全文检索
热门推荐
01两千字总结：Codex 国内如何安装和使用的教程，以及如何设置中文回答02GitHub 镜像站点03UV安装并设置国内源0446个Nano-banana 精选提示词，持续更新中05Linux下V2Ray安装配置指南06智能库存管理的需求预测模型：从业务痛点到落地代码的完整实践07GitLab 零基础入门指南：从安装到项目管理全流程08Cursor Plan Mode：AI 终于知道先想后做了09一文了解国产算子编程语言 TileLang，TileLang 对国产开源生态的影响与启示10KGG转MP3工具|非KGM文件|解密音频