在本文中，我将分享如何在 Node.js 中如何使用 Elasticsearch 来开发的经验。 顺便说一句，以防万一你从未听说过 Elasticsearch：
Elasticsearch 是一个高度可扩展的开源全文本搜索和分析引擎。 它使你可以快速，近乎实时地存储，搜索和分析大量数据。 它通常用作支持具有复杂搜索功能和要求的应用程序的基础引擎/技术。
如果你想了解更多关于 Elasticsearch 的介绍，你可以参阅我之前的文章 “Elasticsearch 简介”。
前提条件
- 你需要在你的电脑上安装 nodjs 8.9.4 或以上的版本
- 你需要安装 docker 18.03.0-ce 或以上的版本
创建 nodejs 项目
首先我们来创建一个叫做 node-elasticsearch 的目录，并进入该目录：
-
make
node-elasticsearch
-
cd
node-elasticsearch
执行 npm init 生成 package.json 文件。 我为强制创建模式添加了 -f 标志:
我们把生成的 package.json 的 scripts 部分修改为启动 index.js：
package.json
-
{
-
"name":
"node-elasticsearch",
-
"version":
"1.0.0",
-
"description":
"",
-
"main":
"index.js",
-
"scripts": {
-
"start":
"node index.js"
-
},
-
"keywords": [],
-
"author":
"",
-
"license":
"ISC",
-
"dependencies": {
-
"elasticsearch":
"^16.7.2"
-
}
-
}
然后从 npm 安装 Elasticsearch 软件包。 很高兴看到我们有 Node.js 的官方软件包。
npm install elasticsearch我们的 node.js 设置已准备就绪。
这样我们就安装好了 elasticsearch 包。接下来，我们将安装 Elasticsearch。
安装 Elasticsearch 及 Kibana
如果你之前从来没有安装过 Elasticsearch 或 Kibana。你可以阅读我之前的文章 “Elastic：菜鸟上手指南” 来进行安装。在本练习中，我们将使用 docker 来安装 Elasticsearch 及 Kibana。我们首先来创建一个叫做 docker-compose.yml 的文件：
docker-compose.yml
-
---
-
version:
"3"
-
services:
-
elasticsearch:
-
image:
docker.elastic.co/elasticsearch/elasticsearch:7.10.0
-
container_name:
es01
-
environment:
-
-
node.name=es01
-
-
cluster.name=docker-cluster
-
-
bootstrap.memory_lock=true
-
-
"ES_JAVA_OPTS=-Xms512m -Xmx512m"
-
-
discovery.type=single-node
-
ulimits:
-
memlock:
-
soft:
-1
-
hard:
-1
-
volumes:
-
-
esdata:/usr/share/elasticsearch/data
-
ports:
-
-
9200
:9200
-
-
kibana:
-
image:
docker.elastic.co/kibana/kibana:7.10.0
-
ports:
-
-
5601
:5601
-
depends_on:
-
-
elasticsearch
-
-
volumes:
-
esdata:
-
driver:
local
在上面，我们使用了 Elastic Stack 7.10.0 发行版作为实验的版本。在你实际的使用中，你可以根据自己的版本需求而进行修改。
我们必须先启动 docker，然后在命令行中执行：
docker-compose up上面命令必须执行于 docker-compose.yml 文件所在的目录中。
它将启动 http://localhost:9200 中的 Elasticsearch 和 http://localhost:5601 中的 Kibana。 你可以通过在浏览器中打开链接来进行验证。
连接到 Elasticsearch
我们接下来创建一个叫做 index.js 的文件，并输入一下的内容：
index.js
-
const es =
require(
'elasticsearch');
-
const client = es.Client({
host:
'http://localhost:9200' });
-
-
client.ping()
-
.then(
res =>
console.log(
'connection success', res))
-
.catch(
err =>
console.error(
'wrong connection', err));
代码真的很简单。 我们导入我们的 Elasticsearch 模块并创建一个针对 Elasticsearch 主机的客户端对象。 最后，我们使用 ping 方法验证我们的 Elasticsearch 连接是否成功。 如果成功，它将返回 true。
-
$ npm
start
-
-
> node-elasticsearch@
1.0
.0
start /
Users/liuxg/nodejs/node-elasticsearch
-
> node index.js
-
-
connection
success
true
创建索引
Elasticsearch 中的索引是文档的集合。 术语文档广泛用于表示 Elasticsearch 中的数据。 我们将创建一个名为 student 的索引来存储学生列表。 一个重要的规则，索引名称必须小写。在 http://localhost:5601 中打开 Kibana，然后单击开发工具菜单。 然后，在 “Console” 选项中，使用下面的命令，然后单击绿色的播放按钮创建索引。
插入文档
现在，从我们的项目中，让我们尝试插入一些学生文档。
index.js
-
const es =
require(
'elasticsearch');
-
const client = es.Client({ host:
'http://localhost:9200' });
-
-
client.ping()
-
.then(
res =>
console.log(
'connection success', res))
-
.catch(
err =>
console.error(
'wrong connection', err));
-
-
-
client.index({
-
index:
'students',
-
type:
'_doc',
-
body: {
-
name:
'John Doe',
-
age:
17,
-
hobby:
'basketball'
-
}
-
})
-
.catch(
err =>
console.error(err));
我们接着执行：
npm start我们使用 index 方法，并指定索引名称，类型（您无需过多考虑是什么 type，因为在将来的 Elasticsearch 版本中不再使用该类型）和学生信息。
通过输入以下命令，验证在 Kibana 中的创建。
GET students/_search
学生信息存储在 hits 中。 我们还会在 _id 字段中获得自动生成的 ID。 这是因为我们不为学生提供 ID，因此 Elasticsearch 会慷慨地为我们生成 ID。
这是有关在创建文档时如何提供 ID 的示例。 看一下 id 字段。
index.js
-
const es =
require(
'elasticsearch');
-
const client = es.Client({ host:
'http://localhost:9200' });
-
-
client.ping()
-
.then(
res =>
console.log(
'connection success', res))
-
.catch(
err =>
console.error(
'wrong connection', err));
-
-
-
client.index({
-
index:
'students',
-
type:
'_doc',
-
id:
1,
-
body: {
-
name:
'C. Ronaldo',
-
age:
33,
-
hobby:
'football'
-
}
-
})
-
.catch(
err =>
console.error(err));
重新执行:
npm start我们将发行有多一个 _id 为 1 的文档。到目前为止，我们有两个文档了。
你可能还会注意到每个文档的响应中的 _score 字段。 这是出于搜索目的。 分数越高意味着文档越相关
获取文档
要从我们的项目中获取学生文档，我们可以使用搜索方法。
index.js
-
const es =
require(
'elasticsearch');
-
const client = es.Client({ host:
'http://localhost:9200' });
-
-
client.ping()
-
.then(
res =>
console.log(
'connection success', res))
-
.catch(
err =>
console.error(
'wrong connection', err));
-
-
-
client.search({
-
index:
'students',
-
type:
'_doc',
-
})
-
.then(
res =>
console.log(
JSON.stringify(res)))
-
.catch(
err =>
console.error(err));
重新运行上面的 index.js 文件：
-
$ npm
start
-
-
> node-elasticsearch@
1.0
.0
start /
Users/liuxg/nodejs/node-elasticsearch
-
> node index.js
-
-
connection
success
true
-
{
"took":
1,
"timed_out":
false,
"_shards":{
"total":
1,
"successful":
1,
"skipped":
0,
"failed":
0},
"hits":{
"total":{
"value":
2,
"relation":
"eq"},
"max_score":
1,
"hits":[{
"_index":
"students",
"_type":
"_doc",
"_id":
"Fzr0hHYBUxQeTRscd3yG",
"_score":
1,
"_source":{
"name":
"John Doe",
"age":
17,
"hobby":
"basketball"}},{
"_index":
"students",
"_type":
"_doc",
"_id":
"1",
"_score":
1,
"_source":{
"name":
"C. Ronaldo",
"age":
33,
"hobby":
"football"}}]}}
我们的回应与我们在 Kibana 中的响应相同。
搜索文档
这是 Elasticsearch中 最重要的功能。 由于我们已经有两个文档，因此我们可以尝试搜索。 我们仍然使用 search 方法来获取文档，但是现在我们定义了一个查询。 该查询将确定每个文档的分数。
index.js
-
const es =
require(
'elasticsearch');
-
const client = es.Client({ host:
'http://localhost:9200' });
-
-
client.ping()
-
.then(
res =>
console.log(
'connection success', res))
-
.catch(
err =>
console.error(
'wrong connection', err));
-
-
-
client.search({
-
index:
'students',
-
type:
'_doc',
-
body: {
-
query: {
-
match: { name:
'John' }
-
}
-
}
-
})
-
.then(
res =>
console.log(
JSON.stringify(res)))
-
.catch(
err =>
console.error(err));
-
$ npm
start
-
-
> node-elasticsearch@
1.0
.0
start /
Users/liuxg/nodejs/node-elasticsearch
-
> node index.js
-
-
connection
success
true
-
{
"took":
1,
"timed_out":
false,
"_shards":{
"total":
1,
"successful":
1,
"skipped":
0,
"failed":
0},
"hits":{
"total":{
"value":
1,
"relation":
"eq"},
"max_score":
0.6931471,
"hits":[{
"_index":
"students",
"_type":
"_doc",
"_id":
"Fzr0hHYBUxQeTRscd3yG",
"_score":
0.6931471,
"_source":{
"name":
"John Doe",
"age":
17,
"hobby":
"basketball"}}]}}
由于 name 与查询匹配，因此我们将会获得如上所示的名字叫做 John 的文档。
在 Kibana 中的等效 Elasticsearch 命令：
Elasticsearch 有很多搜索配置，你可以稍后进行调整。如果你对这个感兴趣的话，请阅读我之前的文章 “开始使用Elasticsearch （2）”。
更新文档
假设我们要更新 ID 为 1 的学生的爱好。
index.js
-
const es =
require(
'elasticsearch');
-
const client = es.Client({ host:
'http://localhost:9200' });
-
-
client.ping()
-
.then(
res =>
console.log(
'connection success', res))
-
.catch(
err =>
console.error(
'wrong connection', err));
-
-
-
client.update({
-
index:
'students',
-
type:
'_doc',
-
id:
'1',
-
body: {
-
doc: {
-
hobby:
'swimming'
-
}
-
}
-
})
-
.then(
res =>
console.log(
JSON.stringify(res)))
-
.catch(
err =>
console.error(err));
运行上面的代码。
-
$ npm
start
-
-
> node-elasticsearch@
1.0
.0
start /
Users/liuxg/nodejs/node-elasticsearch
-
> node index.js
-
-
connection
success
true
-
{
"_index":
"students",
"_type":
"_doc",
"_id":
"1",
"_version":
2,
"result":
"updated",
"_shards":{
"total":
2,
"successful":
1,
"failed":
0},
"_seq_no":
2,
"_primary_term":
1}
这是我们更改爱好后的更新文档：
-
{
-
"_index" :
"students",
-
"_type" :
"_doc",
-
"_id" :
"1",
-
"_version" :
2,
-
"_seq_no" :
2,
-
"_primary_term" :
1,
-
"found" :
true,
-
"_source" : {
-
"name" :
"C. Ronaldo",
-
"age" :
33,
-
"hobby" :
"swimming"
-
}
-
}
删除一个文档
delete 命令非常简单：
index.js
-
const es =
require(
'elasticsearch');
-
const client = es.Client({ host:
'http://localhost:9200' });
-
-
client.ping()
-
.then(
res =>
console.log(
'connection success', res))
-
.catch(
err =>
console.error(
'wrong connection', err));
-
-
-
client.delete({
-
index:
'students',
-
type:
'_doc',
-
id:
'1'
-
})
-
.then(
res =>
console.log(
JSON.stringify(res)))
-
.catch(
err =>
console.error(err));
运行上面的代码：
-
$ npm
start
-
-
> node-elasticsearch@
1.0
.0
start /
Users/liuxg/nodejs/node-elasticsearch
-
> node index.js
-
-
connection
success
true
-
{
"_index":
"students",
"_type":
"_doc",
"_id":
"1",
"_version":
3,
"result":
"deleted",
"_shards":{
"total":
2,
"successful":
1,
"failed":
0},
"_seq_no":
3,
"_primary_term":
1}
如果我们现在到 Kibana 中重新进行查看的话，那么我们会发现只剩下一个文档了。
结论
Elasticsearch 是用于搜索和分析数据的强大强大引擎。如果你想了解更多，请阅读我的文章 “Elastic：菜鸟上手指南”。
转载：https://blog.csdn.net/UbuntuTouch/article/details/111479983