局部更新
最后更新于:2022-04-01 00:38:44
# 更新文档中的一部分
在《更新》一章中,我们讲到了要是想更新一个文档,那么就需要去取回数据,更改数据然后将整个文档进行重新索引。当然,你还可以通过使用`更新`API来做部分更新,比如增加一个计数器。
正如我们提到的,文档不能被修改,它们只能被替换掉。`更新`API也**必须**遵循这一法则。从表面看来,貌似是文档被替换了。对内而言,它必须按照_找回-修改-索引_的流程来进行操作与管理。不同之处在于这个流程是在一个片(shard) 中完成的,因此可以节省多个请求所带来的网络开销。除了节省了步骤,同时我们也能减少多个进程造成冲突的可能性。
使用`更新`请求最简单的一种用途就是添加新数据。新的数据会被合并到现有数据中,而如果存在相同的字段,就会被新的数据所替换。例如我们可以为我们的博客添加`tags`和`views`字段:
~~~
POST /website/blog/1/_update
{
"doc" : {
"tags" : [ "testing" ],
"views": 0
}
}
~~~
如果请求成功,我们就会收到一个类似于`索引`时返回的内容:
~~~
{
"_index" : "website",
"_id" : "1",
"_type" : "blog",
"_version" : 3
}
~~~
再次取回数据,你可以在`_source`中看到更新的结果:
~~~
{
"_index": "website",
"_type": "blog",
"_id": "1",
"_version": 3,
"found": true,
"_source": {
"title": "My first blog entry",
"text": "Starting to get the hang of this...",
"tags": [ "testing" ], <1>
"views": 0 <1>
}
}
~~~
1. 新的数据已经添加到了字段`_source`中。
#### 使用脚本进行更新
我们将会在《脚本》一章中学习更详细的内容,我们现在只需要了解一些在Elasticsearch中使用API无法直接完成的自定义行为。默认的脚本语言叫做MVEL,但是Elasticsearch也支持JavaScript, Groovy 以及 Python。
MVEL是一个简单高效的JAVA基础动态脚本语言,它的语法类似于Javascript。你可以在[Elasticsearch scripting docs](http://www.elasticsearch.org/guide/en/elasticsearch/reference/current/modules-scripting.html) 以及 [MVEL website](http://mvel.codehaus.org/Getting+Started+for+2.0)了解更多关于MVEL的信息。
脚本语言可以在`更新`API中被用来修改`_source`中的内容,而它在脚本中被称为`ctx._source`。例如,我们可以使用脚本来增加博文中`views`的数字:
~~~
POST /website/blog/1/_update
{
"script" : "ctx._source.views+=1"
}
~~~
我们同样可以使用脚本在`tags`数组中添加新的tag。在这个例子中,我们把新的tag声明为一个变量,而不是将他写死在脚本中。这样Elasticsearch就可以重新使用这个脚本进行tag的添加,而不用再次重新编写脚本了:
~~~
POST /website/blog/1/_update
{
"script" : "ctx._source.tags+=new_tag",
"params" : {
"new_tag" : "search"
}
}
~~~
获取文档,后两项发生了变化:
~~~
{
"_index": "website",
"_type": "blog",
"_id": "1",
"_version": 5,
"found": true,
"_source": {
"title": "My first blog entry",
"text": "Starting to get the hang of this...",
"tags": ["testing", "search"], <1>
"views": 1 <2>
}
}
~~~
1. `tags`数组中出现了`search`。
1. `views`字段增加了。
我们甚至可以使用`ctx.op`来根据内容选择是否删除一个文档:
~~~
POST /website/blog/1/_update
{
"script" : "ctx.op = ctx._source.views == count ? 'delete' : 'none'",
"params" : {
"count": 1
}
}
~~~
### 更新一篇可能不存在的文档
想象一下,我们可能需要在Elasticsearch中存储一个页面计数器。每次用户访问这个页面,我们就增加一下当前页面的计数器。但是如果这是个新的页面,我们不能确保这个计数器已经存在。如果我们试着去更新一个不存在的文档,更新操作就会失败。
为了防止上述情况的发生,我们可以使用`upsert`参数来设定文档不存在时,它应该被创建:
~~~
POST /website/pageviews/1/_update
{
"script" : "ctx._source.views+=1",
"upsert": {
"views": 1
}
}
~~~
首次运行这个请求时,`upsert`的内容会被索引成新的文档,它将`views`字段初始化为`1`。当之后再请求时,文档已经存在,所以`脚本`更新就会被执行,`views`计数器就会增加。
### 更新和冲突
在本节的开篇我们提到了当_取回_与_重新索引_两个步骤间的时间越少,发生改变冲突的可能性就越小。但它并不能被完全消除,在`更新`的过程中还可能存在另一个进程进行重新索引的可能性。
为了避免丢失数据,`更新`API会在_获取_步骤中获取当前文档中的`_version`,然后将其传递给_重新索引_步骤中的`索引`请求。如果其他的进程在这两部之间修改了这个文档,那么`_version`就会不同,这样更新就会失败。
对于很多的局部更新来说,文档有没有发生变化实际上是不重要的。例如,两个进程都要增加页面浏览的计数器,谁先谁后其实并不重要 —— 发生冲突时只需要重新来过即可。
你可以通过设定`retry_on_conflict`参数来设置自动完成这项请求的次数,它的默认值是`0`。
~~~
POST /website/pageviews/1/_update?retry_on_conflict=5 <1>
{
"script" : "ctx._source.views+=1",
"upsert": {
"views": 0
}
}
~~~
1. 失败前重新尝试5次
这个参数非常适用于类似于增加计数器这种无关顺序的请求,但是还有些情况的顺序就是**很重要**的。例如上一节提到的情况,你可以参考乐观并发控制以及悲观并发控制来设定文档的版本号。