一网打尽：Elasticsearch 数组全量实战操作指南

铭毅天下

发布于 2024-07-15 12:37:27

33200

代码可运行

文章被收录于专栏：铭毅天下铭毅天下

运行总次数：0

代码可运行

在 Elasticsearch 中处理复杂数据类型如数组时，提供了极高的灵活性，但同时也带来了一定的复杂性，尤其在使用脚本进行高级查询和数据操作时。

举例来自微信群的企业级实战问题如下：

本博客旨在通过一系列实战案例，展示如何有效地在 Elasticsearch 中使用脚本来处理数组类型的字段。

1. 背景和挑战

在现代数据环境中，数据往往以复杂和非结构化的形式存在，数组字段的处理尤为常见。

Elasticsearch 通过其强大的 Painless 脚本语言支持，提供了一种灵活的方式来操作这些数据。然而，脚本的使用可能会让用户在错误调试和性能优化上遇到挑战。

2. Elasticsearch 的 Painless 脚本

Painless 是 Elasticsearch 专为快速、安全、可管理性强而设计的脚本语言。用于执行复杂的数据处理任务，如计算、数据转换、条件逻辑等。

更多关于 Painless 的官方文档可以参见：

https://www.elastic.co/guide/en/elasticsearch/painless/current/index.html

3. 逐步解析数组操作脚本

3.1 索引创建与数据插入

在这个例子中，我们将创建一个名为 vehicles 的索引，该索引用于存储关于车辆的信息，包括发行日期、在线日期范围、所有者、公司 ID、货物类型、车辆长度（数组形式）和车辆类型。

PUT /vehicles
{
  "mappings": {
    "properties": {
      "issue_date": {"type": "date"},
      "online_date": {
        "properties": {
          "gte": {"type": "date"},
          "lte": {"type": "date"}
        }
      },
      "owner": {"type": "integer"},
      "company_id": {"type": "integer"},
      "goods_type": {"type": "integer"},
      "car_length": {"type": "integer"},  // 注意，这里定义为单个整数，我们需要修改以支持数组
      "car_type": {"type": "keyword"}
    }
  }
}

注意：在原定义中，car_length 被定义为整数，但因为它是一个数组，我们需要确保在真实环境中将其定义为 "type": "integer" 且在设置时需要标识为数组可以接受多个整数。

数据插入时，使用 _bulk API 可以提高数据插入的效率，特别适合处理大批量数据。示例如下：

POST /vehicles/_bulk
{ "index": {} }
{ "issue_date": "2024-07-07T21:44:56Z", "owner": 6347, "company_id": 2513, "goods_type": 21, "car_length": [16, 18], "car_type": ["轿车", "货车", "大挂车"] }

在这个数据中，car_length 是一个数组，包含两个整数值 [16, 18]。

3.2 数组操作示例

基础操作：获取数组长度，检查是否为空。
聚合操作：求和、计算最大/最小值、计算平均值，这些都是分析数据时常用的统计操作。
条件过滤：根据特定条件筛选数组元素，常用于数据清洗或选取符合条件的数据集。
复杂逻辑：例如加权求和，根据业务规则动态调整权重，这类操作在金融分析、资源分配等场景中尤为重要。

我们一个个实操如下：

3.2.1 查询数组的第一个元素

在 Elasticsearch 中，可以使用 Painless 脚本语言来处理更复杂的查询。例如，若要访问 car_length 数组的第一个元素，我们可以在查询中添加一个脚本字段：

POST /vehicles/_search
{
  "script_fields": {
    "first_car_length": {
      "script": {
        "lang": "painless",
        "source": "if (doc['car_length'].size() > 0) { return doc['car_length'][0]; } else { return 'none'; }"
      }
    }
  }
}

这个脚本检查 car_length 是否非空，如果非空，则返回第一个元素；否则返回 'none'。

在 Elasticsearch 中处理数组类型字段的脚本操作可以变得相当复杂，尤其是当涉及到数据的实际业务逻辑时。

以下是一些进阶的示例，演示如何使用 Elasticsearch 的 Painless 脚本语言来执行数组字段的常规操作，从基本到高级。

3.2.2 基础操作：获取数组长度

获取数组长度是数组操作中最基础的功能之一，可以用来判断数组是否为空，或者用在更复杂的脚本逻辑中。

POST /vehicles/_search
{
  "script_fields": {
    "car_length_count": {
      "script": {
        "lang": "painless",
        "source": "doc['car_length'].size()"
      }
    }
  }
}

3.2.3 求和操作：计算数组元素总和

计算数组中所有元素的总和是处理数组类型数据时的常见需求，特别是在统计和分析数据时。

POST /vehicles/_search
{
  "script_fields": {
    "car_length_sum": {
      "script": {
        "lang": "painless",
        "source": "int sum = 0; for (int length : doc['car_length']) { sum += length; } return sum;"
      }
    }
  }
}

3.2.4 最大/最小值：寻找数组中的极值

在数组中找到最大或最小的元素，这对于数据分析和决策制定是非常有用的。

POST /vehicles/_search
{
  "script_fields": {
    "max_car_length": {
      "script": {
        "lang": "painless",
        "source": "int max = Integer.MIN_VALUE; for (int val : doc['car_length']) { if (val > max) { max = val; } } return max;"
      }
    },
    "min_car_length": {
      "script": {
        "lang": "painless",
        "source": "int min = Integer.MAX_VALUE; for (int val : doc['car_length']) { if (val < min) { min = val; } } return min;"
      }
    }
  }
}

3.2.5 过滤操作：基于条件筛选数组元素

根据特定条件筛选数组中的元素，这在处理满足特定标准的数据项时特别有用。

POST /vehicles/_search
{
  "script_fields": {
    "filtered_lengths": {
      "script": {
        "lang": "painless",
        "source": "doc['car_length'].stream().filter(length -> length > 15).collect(Collectors.toList())"
      }
    }
  }
}

还有一种简单的写法：

POST /vehicles/_search
{
  "script_fields": {
    "filtered_lengths": {
      "script": {
        "lang": "painless",
        "source": """
          List filtered = new ArrayList();
          for (int length : doc['car_length']) {
            if (length > 17) {
              filtered.add(length);
            }
          }
          return filtered;
        """
      }
    }
  }
}

创建一个新的 ArrayList，名为 filtered，用于存储过滤后的结果。通过 for 循环遍历 car_length 数组中的每个元素。在循环体内部，对每个元素使用 if 条件语句来检查是否大于 15。如果条件为真，就将该元素添加到 filtered 列表中。脚本最终返回 filtered 列表，该列表包含所有大于 15 的 car_length 值。

这个方法对于执行数组的过滤操作是非常有效的，并且在执行上比使用 Stream API 更为简洁和高效，特别是在 Elasticsearch 的 Painless 环境中。

3.2.6 高级统计：计算平均车长

计算数组的平均值是统计数据的一种常见需求，对于理解数据的整体趋势非常重要。

POST /vehicles/_search
{
  "script_fields": {
    "average_car_length": {
      "script": {
        "lang": "painless",
        "source": "double sum = 0; for (int length : doc['car_length']) { sum += length; } return sum / doc['car_length'].size();"
      }
    }
  }
}

3.2.7 复杂业务逻辑：计算条件权重总和

在某些业务场景下，我们可能需要根据数组中的每个元素计算加权总和，其中权重可能由另一个字段或复杂的业务规则确定。

POST /vehicles/_search
{
  "script_fields": {
    "weighted_sum": {
      "script": {
        "lang": "painless",
        "source": "double sum = 0; for (int i = 0; i < doc['car_length'].size(); i++) { sum += doc['car_length'][i] * (i + 1); } return sum;"
      }
    }
  }
}

在这个示例中，我们使用每个元素的索引位置作为权重，这只是一个简单的例子，实际应用中权重可能更复杂。