一起学 Elasticsearch 系列 - 脚本查询
本文已收录至 Github,推荐阅读 👉 Java随想录
微信公众号:Java随想录
Elasticsearch 的 Scripting 是一种允许你使用脚本来评估自定义表达式的功能。通过它,你可以实现更复杂的查询、数据处理以及柔性调整索引结构等。
Elasticsearch 支持多种脚本语言。在 ES 中,脚本语言主要是 Painless,这是 Elasticsearch 自家开发的一种安全、高效并且易于学习的语言。除了 Painless,Elasticsearch 也支持其他几种脚本语言,如 Lucene 的表达式语言,但 Painless 是推荐和默认的选项。
以下是一些常见的使用脚本的场景:
计算字段:你可以使用脚本在查询时动态地改变或添加字段的值。
脚本查询:在查询中使用脚本进行复杂的条件判断。
脚本聚合:使用脚本进行更复杂的聚合计算。
使用脚本时需要注意的是,由于涉及到运行时的计算,过度或者不恰当的使用脚本可能会对性能造成影响。另外,由于脚本具有执行任意代码的能力,因此需要确保脚本的使用在一个安全的环境中,并且只运行信任的脚本。
Painless 特点
优点:
语法简单,学习成本低
灵活度高,可编程能力强
性能相较于其他脚本语言更高,安全性好
缺点:
独立语言,虽然易学但仍需单独学习
相较于 DSL 性能低
不适用于复杂的业务场景
以下是一个在 Elasticsearch 查询中使用脚本的简单例子。这个例子将会搜索名为 "my_index" 的索引,寻找字段 "price" 和 "tax" 之和大于 100 的文档。
在上面的查询中:
使用了
script
查询,它允许在执行查询时运行 Painless 脚本。doc['price'].value + doc['tax'].value > params.value
是脚本的主体部分,它计算了每个文档的 "price" 和 "tax" 字段的值之和,然后检查这个和是否大于参数 "value"。"params": { "value": 100 }
定义了传递给脚本的参数,在这个脚本中,参数 "value" 被设置为 100。
这个查询将返回所有 "price" 和 "tax" 之和大于 100 的文档。
CRUD
以下是一些使用 Painless 脚本进行的 Elasticsearch CRUD 操作实例:
insert(新增)
这个 Elasticsearch 请求是在尝试更新 "product" 索引中 ID 为 6 的文档,具体来说,它要将新的标签 '无线充电' 添加到 "tags" 字段。
POST product/_update/6
是 HTTP 请求的一部分,告诉 Elasticsearch 要在 "product" 索引中更新 ID 为 6 的文档。"script"
部分定义了一个 Painless 脚本。脚本内容("source": "ctx._source.tags.add('无线充电')"
)表示对当前文档的 "tags" 字段添加一个新的元素 '无线充电'。
因此,整个请求的意思是,在 "product" 索引中,找到 ID 为 6 的文档,并在其 "tags" 字段中添加一个新的元素 '无线充电'。
update(更新)
这个 Elasticsearch 请求表示在 "product" 索引中对 ID 为 2 的文档进行更新操作,具体来说,是将其 "price" 字段的值减少 1。
POST product/_update/2
是 HTTP 请求的一部分,它告诉 Elasticsearch 在 "product" 索引中更新 ID 为 2 的文档。"script": "ctx._source.price-=1"
是请求体,其中的脚本用于执行实际的更新操作。在这个例子中,脚本将当前文档(由_source
指定)的 "price" 字段减去 1。
delete(删除)
这个 Elasticsearch 请求是用来删除指定的文档。
POST product/_update/10
是 HTTP 请求的一部分,它告诉 Elasticsearch 要在 "product" 索引中更新 ID 为 10 的文档。"script"
部分中的"lang": "painless"
指定了脚本的语言为 Painless。"source": "ctx.op='delete'"
是脚本的主体内容。这里,ctx.op
是一个特殊变量,表示待执行的操作。当它被设置为 'delete' 时,指示 Elasticsearch 删除当前操作中的文档。
upsert(更新插入)
这个 Elasticsearch 请求的含义是在 "product" 索引中更新 ID 为 15 的文档,如果这个文档不存在,则插入一个新的文档。
POST product/_update/15
是 HTTP 请求的主要部分,指明了要在 "product" 索引中更新 ID 为 15 的文档。在
"script"
部分,声明了用 Painless 语言编写的脚本(由"lang": "painless"
指定)。脚本内容(由"source": "ctx._source.price += 100"
定义)表示增加当前文档的 "price" 字段值 100。"upsert"
部分定义了当 ID 为 15 的文档不存在时需要插入的新文档的内容。
整个请求的意思是在 "product" 索引中查找 ID 为 15 的文档并使其 "price" 字段增加 100。如果该文档不存在,则会插入一个新的文档,其 "name"、"desc" 和 "price" 字段的值分别为 "小米手机 10"、"充电贼快掉电更快" 和 1999。
search(查询)
这个 Elasticsearch 请求是在尝试搜索 "product" 索引中的文档,并且它使用脚本字段 ("script_fields") 来返回计算结果而不是原始数据。
GET product/_search
是 HTTP 请求的一部分,告诉 Elasticsearch 在 "product" 索引中进行搜索。"script_fields"
部分定义了一个名为 "my_price" 的脚本字段。这个脚本字段的内容由一个表达式语言脚本 ("lang": "expression"
) 中的"source": "doc['price'].value * 0.9"
进行计算。这个表达式会将每个文档的 "price" 字段乘以 0.9。
整个请求的意思是,在 "product" 索引中搜索全部文档,并计算每个文档的 "price" 字段值的 90%,然后将结果作为 "my_price" 字段返回。
参数化脚本
Elasticsearch 会把编译过的脚本储存在缓存中,以提高重复执行同一脚本的性能。当你再次运行相同的脚本时,Elasticsearch 可以直接从缓存中获取已编译的脚本,而不需要再次编译。但是频繁编译脚本会到来性能问题。可以使用参数化脚本动态传参,解决脚本编译的性能问题。
参数化脚本在 Elasticsearch 中,是指在编写脚本时使用占位符,并在执行脚本时为这些占位符提供实际值。参数化脚本可以增加脚本的灵活性,并能防止脚本注入攻击
在脚本中,你可以通过 params
对象访问到传递的参数。
例子一:
在这个请求中,我们想要更新 "product" 索引中 ID 为 1 的文档,并添加一些新的标签。我们使用了一个 Painless 脚本,该脚本检查文档是否已有 "tags" 字段,如果没有,则创建一个包含参数列表中所有标签的新列表。如果已有 "tags" 字段,则只添加不在现有列表中的新标签。
这里的 params.tag_list
就是一个参数占位符。在执行脚本时,由 "params": {"tag_list": ["无线充电", "大屏幕", "防水"]}
提供其值。这样的话,你就可以通过改变 tag_list
参数来修改你想要添加的标签,而无需每次都修改脚本本身。
例子 2:
GET product/_search
是 HTTP 请求的一部分,告诉 Elasticsearch 在 "product" 索引中进行搜索。"script_fields"
部分定义了两个脚本字段:"price" 和 "discount_price"。"price" 脚本字段返回每个文档的原始 "price" 字段值;
"discount_price" 脚本字段返回一个由四个元素组成的数组。数组中的每个元素都是 "price" 字段值与不同折扣率的乘积。这个脚本字段使用了参数化脚本,参数包括四个不同的折扣率:"discount_8", "discount_7", "discount_6" 和 "discount_5"。
因此,整个请求的意思是,在 "product" 索引中搜索所有的文档,并为每个文档计算原始价格和不同折扣率下的价格,然后将这些计算结果作为 "price" 和 "discount_price" 字段返回。
函数式编程
Elasticsearch 的脚本语言 Painless 支持函数式编程。函数式编程是一种编程范式,它让你能够编写出更加简洁清晰的代码。函数可以作为参数传递给其他函数,也可以从其他函数中返回。
Painless 是 Elasticsearch 的默认脚本语言,它的语法是基于 Java 语言的,但并不是完全等同于 Java。它旨在提供 Java 类似的语法,同时增加安全性和性能。这意味着如果你熟悉 Java,那么你很快就能上手 Painless。总的来说,虽然 Painless 的语法大部分与 Java 相似,但它们还是有一些重要的区别。具体可以查阅 Elasticsearch 官方文档。
以下是一个使用 Painless 进行函数式编程的示例:
在这个示例中,我们首先定义了一个函数 calculateTotal
,它接受一个商品列表和一个价格映射,然后计算并返回所有商品的总价。注意这里使用了 Java 8 的 Stream API 和 Lambda 表达式来进行函数式编程。然后我们调用 calculateTotal
函数,并提供参数 params.items
和 params.prices
。
此外,Painless 还支持许多其他函数式编程特性,如高阶函数、纯函数、不可变数据等。所有这些特性都使得你可以编写出更加简洁、有表现力的脚本。
正则表达式
早先某些版本正则表达式默认情况下处于禁用模式,因为它绕过了 painless 的针对长时间运行和占用内存脚本的保护机制。
如果你需要启用这个功能,可以在 Elasticsearch 的配置文件(elasticsearch.yml
)里加入以下行:
然后重启 Elasticsearch 使得更改生效。但请注意,因为正则表达式操作可能会导致长时间运行和大量占用内存,所以只有在完全了解风险并且确实需要使用正则表达式的情况下,才应该启用这个功能。
以下是一个使用正则表达式的例子,它查询所有字段 "message" 包含至少一个数字的文档:
在这个请求中,我们使用了 Painless 中的正则表达式操作符 =~
来判断 "message" 字段的值是否匹配正则表达式 /\d+/
,该正则表达式表示一或多个数字。
注意正则表达式需要两个反斜杠进行转义,因为 JSON 语法本身也需要对反斜杠进行转义。如果没有 JSON 语法的转义需求,在 Painless 中写正则表达式时只需要一个反斜杠即可。
聚合查询中使用 Script
这个 Elasticsearch 查询的目标是:
通过
constant_score
查询,找到价格('price'字段)小于或等于 1000 的所有产品。对查询结果进行聚合,用名为"tag_agg"的求和操作,计算每个产品的'tags.keyword'字段的长度(即,每个产品有多少个标签)。这个聚合操作使用了 Painless 脚本语言。
这样执行之后,你将得到价格小于或等于 1000 的所有产品,以及每个产品的标签数量。
doc & params
doc 和 params 的用法
使用 doc['field'].value
访问简单字段值:
假设你有一个字段叫做 "age" ,你想通过脚本检查年龄是否大于 30。在 Painless 脚本中,你可以像这样编写:
使用 params['_source']['field']
访问复杂字段值:
假设你有一个名为 "person" 的复杂字段,它内部含有 "name" 子字段。如果你想获取该名字的长度,可以这样编写脚本:
请注意,以上示例都基于特定的数据模型和需求,实际使用可能需要根据你的实际数据结构进行修改。
doc 和 params 的区别
假设我们有如下的 Elasticsearch 文档结构:
这是一个嵌套对象,其中 "product" 是一个对象,而 "details" 是 "product" 的子对象。
如果你想在脚本中获取 "price" 值,你可能会尝试下面的代码:
然而,这将不会成功,因为 doc['field'].value
无法直接访问复杂类型(如 object 或 nested)字段。在这种情况下,你需要使用 params['_source']['field']
:
doc['field'].value
是从 Lucene 索引中读取字段值,这种方式速度快,效率高。然而,它把数据加载到内存中,可能会增加内存使用。此外,它只能用于简单类型字段,无法处理复杂类型(如 object 或 nested)。params['_source']['field']
是从原始的_source
字段获取数据。这种方式可以访问所有类型的字段,包括复杂类型。但是,这要求加载和解析整个原始 JSON 文档,因此执行效率较低。
所以,如果你的字段是简单类型,并且你关心查询的性能,那么优先使用 doc['field'].value
。如果你需要处理复杂类型字段或者未索引的字段,那么可以使用 params['_source']['field']
。
版权声明: 本文为 InfoQ 作者【码农BookSea】的原创文章。
原文链接:【http://xie.infoq.cn/article/0a0841f28e35fede3b545c4a8】。文章转载请联系作者。
评论