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”。本文针对 Elastic Stack 7.x 有效,如果你想了解关于 Elastic Stack 8.x 的 nodejs 开发,请参阅我的另外一篇文章 “Elasticsearch:使用最新的 Nodejs client 8.x 来创建索引并搜索”。

前提条件

  1. 你需要在你的电脑上安装 nodjs 8.9.4 或以上的版本
  2. 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:

mkdir 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:

查看es节点是否正常_查看es节点是否正常

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。

查看es节点是否正常_node.js_02

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。

查看es节点是否正常_查看es节点是否正常_03

查看es节点是否正常_数据库_04

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。

查看es节点是否正常_查看es节点是否正常_05

查看es节点是否正常_node.js_06

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

查看es节点是否正常_数据库_07

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。

查看es节点是否正常_查看es节点是否正常_08

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:

查看es节点是否正常_elasticsearch_09

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。