静态网站建设平台,福建抖音代运营开户,郑州手机软件开发公司,网站建设基本流程包括ElasticSearch客户端操作
ElasticSearch 版本#xff1a;7.8 学习视频#xff1a;尚硅谷 笔记#xff1a;https://zgtsky.top/
实际开发中#xff0c;主要有三种方式可以作为elasticsearch服务的客户端#xff1a; 第一种#xff0c;使用elasticsearch提供的Restful接口…ElasticSearch客户端操作
ElasticSearch 版本7.8 学习视频尚硅谷 笔记https://zgtsky.top/
实际开发中主要有三种方式可以作为elasticsearch服务的客户端 第一种使用elasticsearch提供的Restful接口直接访问 第二种elasticsearch-head插件 第三种使用elasticsearch提供的API进行访问
ElasticSearch的接口语法 Elasticsearch提供了基于JSON的完整查询DSLDomain Specific Language领域特定语言来定义查询。将查询DSL视为查询的AST抽象语法树它由两种子句组成
叶子查询子句:
叶查询子句中寻找一个特定的值在某一特定领域如 matchterm或 range查询。这些查询可以自己使用。
复合查询子句
复合查询子句包装其他叶查询或复合查询并用于以逻辑方式组合多个查询例如 bool或dis_max查询或更改其行为例如 constant_score查询。 我们在使用ElasticSearch的时候避免不了使用DSL语句去查询就像使用关系型数据库的时候要学会SQL语法一样。如果我们学习好了DSL语法的使用那么在日后使用和使用Java Client调用时候也会变得非常简单。 Postman
操作索引 index 创建索引 请求urlput localhost:9200/blog 发送请求响应数据 elasticsearch-head查看请求localhost:9200 如果重复创建索引会报错 查看索引 get localhost:9200/log 删除索引 delete localhost:9200/blog 关闭索引 post localhost:9200/blog/_close 打开索引 post localhost:9200/blog/_open 创建索引index并且进行映射mapping
请求url PUT localhost:9200/blog1请求体{mappings: {properties: {id: {type: long,store: true,index:true},title: {type: text,store: true,index:true,analyzer:standard},content: {type: text,store: true,index:true,analyzer:standard}}}
}注意 key需要使用双引号不可以省略 mappings、properties等都是关键字区分大小写 mapping中的字段类型一旦设置禁止直接修改因为 lucene实现的倒排索引生成后不允许修改应该重新建立新的索引然后做reindex操作。 如果没有mapping所有text类型属性默认都使用standard分词器。所以如果希望使用IK分词就必须配置自定义mapping。 store含义默认false。当某个数据字段很大我们可以指定其它字段store为true这样就不用从_source中取数据。 store 的意思是是否在 _source 之外在独立存储一份。当你索引数据的时候 elasticsearch 会保存一份源文档到 _source 如果文档的某一字段设置了 store 为 true这时候会在 _source 存储之外再为这个字段独立进行存储这么做的目的主要是针对内容比较多的字段放到 _source 返回的话因为_source 是把所有字段保存为一份文档命中后读取只需要一次IO包含内容特别多的字段会很占带宽影响性能通常我们也不需要完整的内容返回(可能只关心摘要)这时候就没必要放到 _source 里一起返回了(当然也可以在查询时指定返回字段)。 index含义默认值是true。es默认大多数及常用数据字段类型就是索引的这也是es职责之所在但是有时会有部分字段只是做存储不做检索这也会提高es性能。 elasticsearch-head查看 kibana
操作索引和映射
# 创建索引
PUT person
# 查询索引
GET person
# 删除索引
DELETE person# 查询映射
GET person/_mapping# 添加映射
PUT person/_mapping
{properties:{name:{type:keyword},age:{type:integer}}
}
# ------------------------------------------------
# 创建索引并添加映射
PUT person
{mappings: {properties: {name:{type: keyword},age:{type:integer}}}
}
# 索引库中添加字段
PUT person/_mapping
{properties:{address:{type:text}}
}
# 判断索引是否存在
HEAD person打开kibana在此操作。前提是elasticsearch也在开着。 操作文档document
• 添加文档 • 查询文档 • 修改文档 • 删除文档
• 判断文档是否存在
# 查询索引
GET person# 添加文档指定id
PUT person/_doc/1
{name:张三,age:20,address:深圳宝安区
}# 查询文档
GET person/_doc/1# 添加文档,不指定id,自动生成id
POST person/_doc/
{name:李四,age:20,address:深圳南山区
}
# 查询文档
GET person/_doc/u8b2QHUBCR3n8iTZ8-Vk# 添加文档,不指定id,自动生成id
POST person/_doc
{name:李四,age:20,address:深圳南山区
}
# 查询文档
GET person/_doc/u8b2QHUBCR3n8iTZ8-Vk# 查询所有文档
GET person/_search# 删除文档
DELETE person/_doc/1# 修改文档 根据idid存在就是修改id不指定报405请求方式不支持使用POST方式
PUT person/_doc/2
{name:硅谷,age:20,address:深圳福田保税区
}
#如果我们只需要判断文档是否存在而不是查询文档内容那么可以这样
HEAD shangguigu/_doc/1001
#存在返回200 - OK
#不存在返回404 – Not Found注意 putid存在是修改以现在提供字段为全部字段id不存在是添加 postid存在是添加id不存在自动生成id 查询全部
GET person/_search
GET person/_search
{query: {match_all: {}}
}全文查询-match查询
全文查询会分析查询条件先将查询条件进行分词然后查询求并集
# match 先会对查询的字符串进行分词在查询求并集
GET person/_search
{query: {match: {address: 深圳保税区}}
}结果按照得分进行排序 查询文档-term查询
词条查询不会分析查询条件只有当词条和查询字符串完全匹配时才匹配搜索。term主要用于精确匹配哪些值比如数字日期布尔值或 not_analyzed 的字符串(未经分析的文本数据类型)
# 查询所有数据
GET person/_search# 查询 带某词条的数据
GET person/_search
{query: {term: {address: {value: 深圳南山区}}}
}这个结果与使用的分词器有关。根据address字段建立倒排索引时需要对其分词产生多个词条而词条集合中没有深圳南山区的词条故而查询不到数据。 大家可以查询“深”或“南山区”或“深圳”试试。
这里之前没有指定ik分词器所以中文都是一个一个的此处用 深 可以查出。 注意 默认情况下hits.total.value是不确切的命中计数当hits.total.relation的值是eq时hits.total.value的值是准确计数。 当hits.total.relation的值是gte时hits.total.value的值是不准确的。 hits.hits 是存储搜索结果的实际数组默认为前10个文档 terms查询
terms 跟 term 有点类似但 terms 允许指定多个匹配条件。 如果某个字段指定了多个值那么文档需要一起去做匹配
POST person/_search
{query : {terms : { age : [20,21]}}
}exists 查询
exists 查询可以用于查找文档中是否包含指定字段或没有某个字段类似于SQL语句中的 IS_NULL 条件
# exists: 必须包含
POST person/_search
{query: {exists: { field: name}}
}range查询
range 过滤允许我们按照指定范围查找一批数据
范围操作符包含 gt :: 大于 gte :: 大于等于 lt :: 小于 lte :: 小于等于 POST person/_search
{query: {range: {age: {gte: 20,lte: 22}}}
}复合查询bool
复合查询就是多条件查询
GET 索引名/类型名/_search
{query: {bool: {must: [ #数组中的多个条件必须同时满足{range: {字段名: {lt: 条件}}}],must_not:[ #数组中的多个条件必须都不满足{match: {字段名: 条件}},{range: {字段名: {gte: 搜索条件}}}],should: [# 数组中的多个条件有任意一个满足即可。{match: {字段名: 条件}},{range: {字段名: {gte: 搜索条件}}}]}}
}bool 可以用来合并多个过滤条件查询结果的布尔逻辑它包含这如下几个操作符: · must : 多个查询条件的完全匹配,相当于 and有评分。 · filter: 多个查询条件的完全匹配,相当于 and无评分。 · must_not ::多个查询条件的相反匹配相当于 not。 · should : 至少有一个查询条件匹配, 相当于 or。 多添加数据方便展示
PUT person/_doc/1001
{id:1001,name:张三,age:20,sex:男
}
PUT person/_doc/1002
{id:1002,name:李四,age:25,sex:女
}PUT person/_doc/1003
{id:1003,name:王五,age:30,sex:女
}PUT person/_doc/1004
{id:1004,name:赵六,age:30,sex:男
}GET person/_search复合查询示例
GET shangguigu/_search
{query: {bool: {must: [{range: {age: {gte: 25,lte: 33}}},{term: {sex: {value: 女}}}],must_not: [{match: {name: 王五}}],should: [{exists: {field: address}}]}}
}高亮显示
在浏览器搜索时我们搜索的关键词汇在给出的搜索列表里对应的词汇会高亮。
GET person/_search
{query:{match:{name: 张三 李四}},highlight: {fields: {name: {}}}
}扩展可以自定义高亮的样式 “pre_tags”: “”, “post_tags”: “” 自定义样式 指定响应字段
在响应的数据中如果我们不需要全部的字段可以指定某些需要的字段进行返回
GET person/_doc/1001?_sourceid,name等价于GET /person/_search
{query: {match: {id: 1001}},_source: [id,name]
}聚合
在Elasticsearch中支持聚合操作类似SQL中的group by操作。
注意
all_ages名称是任意的。
GET person/_search
{aggs: {all_ages: {terms: {field: age}}}
}如果聚合查询报错在es中text类型的字段使用一种叫做fielddata的查询时内存数据结构。当字段被排序聚合或者通过脚本访问时这种数据结构会被创建。它是通过从磁盘读取每个段的整个反向索引来构建的然后存存储在java的堆内存中。fileddata默认是不开启的。Fielddata可能会消耗大量的堆空间尤其是在加载高基数文本字段时。一旦fielddata已加载到堆中它将在该段的生命周期内保留。此外加载fielddata是一个昂贵的过程可能会导致用户遇到延迟命中。这就是默认情况下禁用fielddata的原因。如果尝试对文本字段进行排序聚合或脚本访问将看到以下异常 修改后的语句 {aggs: {all_ages: {terms: {field: age.keyword}}}
}批量操作
有些情况下可以通过批量操作以减少网络请求。如批量查询、批量插入数据。
批量查询
POST person/_doc/_mget
{ids : [ 1001, 1003 ]
} 如果某一条数据不存在不影响整体响应需要通过found的值进行判断是否查询到数据。
1006 不存在
{ids : [ 1001, 1006 ]
}_bulk操作
在Elasticsearch中支持批量的插入、修改、删除操作都是通过_bulk的api完成的。
请求格式如下请求格式不同寻常
不要有多余的空行
{ action: { metadata }}\n
{ request body }\n
{ action: { metadata }}\n
{ request body }\n
...批量插入
POST _bulk
{create:{_index:person,_id:2001}}
{id:2001,name:name1,age: 20,sex: 男}
{create:{_index:person,_id:2002}}
{id:2002,name:name2,age: 20,sex: 男}
{create:{_index:person,_id:2003}}
{id:2003,name:name3,age: 20,sex: 男}批量删除
由于delete没有请求体所以action的下一行直接就是下一个action。
POST _bulk
{delete:{_index:atguigu,_id:2001}}
{delete:{_index:atguigu,_id:2002}}
{delete:{_index:atguigu,_id:2003}}分页
和SQL使用 LIMIT 关键字返回只有一页的结果一样Elasticsearch接受 from 和 size 参数
插入数据
size: 结果数默认10
from: 跳过开始的结果数默认0
POST person/_bulk
{index:{_index:person}}
{name:张三,age: 20,mail: 111qq.com,hobby:羽毛球、乒乓球、足球}
{index:{_index:person}}
{name:李四,age: 21,mail: 222qq.com,hobby:羽毛球、乒乓球、足球、篮球}
{index:{_index:person}}
{name:王五,age: 22,mail: 333qq.com,hobby:羽毛球、篮球、游泳、听音乐}
{index:{_index:person}}
{name:赵六,age: 23,mail: 444qq.com,hobby:跑步、游泳}
{index:{_index:person}}
{name:孙七,age: 24,mail: 555qq.com,hobby:听音乐、看电影}测试分页
POST person/_search
{query : {match : { hobby : 音乐 羽毛球}},from: 0,size: 2
}注意事项批量操作中index和create区别 index 和 create 都会检查 _version 版本号。index 插入时分两种情况 没有指定 _version那对于已有的doc_version会递增并对文档覆盖。指定_version如果与已有的文档 _version 不相等则插入失败如果相等则覆盖_version递增。 create 插入时对于已有的文档不会创建新文档即插入失败会抛出一个已经存在的异常。 通过查询字符串搜索数据
ElasticSearch除了提供DSL查询语法之外还提供了query string search。
query string searchsearch的参数都是类似http请求头中的字符串参数提供搜索条件的。GET [/index_name/]_search[?parameter_nameparameter_value…]
query DSL请求参数以JSON形式提供是在请求体传递的。在Elasticsearch中请求体的字符集默认为UTF-8。
# 查询名字等于张三的用户
GET person/_search?qname:张三
# 查询所有字段中带张三的用户
GET person/_search?q张三如果你想每页显示5个结果页码从1到3那请求如下
GET person/_search?size5
GET person/_search?size5from5
GET person/_search?size5from10排序
GET person/_search?size1from2
GET person/_search?sortage:desc
GET person/_search?size5sortage:desc重建索引
随着业务需求的变更索引的结构可能发生改变。
ElasticSearch的索引一旦创建只允许添加字段不允许改变字段。因为改变字段需要重建倒排索引影响内部缓存结构性能太低。
那么此时就需要重建一个新的索引并将原有索引的数据导入到新索引中。
原索引库 student_index_v1
新索引库 student_index_v2
# 新建student_index_v1索引索引名称必须全部小写
PUT student_index_v1
{mappings: {properties: {birthday:{type: date}}}
}
# 查询索引
GET student_index_v1
# 添加数据
PUT student_index_v1/_doc/1
{birthday:2020-11-11
}
# 查询数据
GET student_index_v1/_search
# 随着业务的变更换种数据类型进行添加数据程序会直接报错
PUT student_index_v1/_doc/1
{birthday:2020年11月11号
}
# 业务变更需要改变birthday数据类型为text
# 1创建新的索引 student_index_v2
# 2将student_index_v1 数据拷贝到 student_index_v2# 创建新的索引
PUT student_index_v2
{mappings: {properties: {birthday:{type: text}}}
}DELETE student_index_v2
# 2将student_index_v1 数据拷贝到 student_index_v2
POST _reindex
{source: {index: student_index_v1},dest: {index: student_index_v2}
}
# 查询新索引库数据
GET student_index_v2/_search
# 在新的索引库里面添加数据
PUT student_index_v2/_doc/2
{birthday:2020年11月13号
}ElasticSearch集群搭建
相关概念
单节点故障问题 单台服务器往往都有最大的负载能力超过这个阈值服务器性能就会大大降低甚至不可用。单点的elasticsearch也是一样那单点的es服务器存在哪些可能出现的问题呢 单台机器存储容量有限 单服务器容易出现单点故障无法实现高可用 单服务的并发处理能力有限
所以为了应对这些问题我们需要对elasticsearch搭建集群
集群中节点数量没有限制大于等于2个节点就可以看做是集群了。一般出于高性能及高可用方面来考虑集群中节点数量都是3个以上。
集群的相关概念
**1)**集群 cluster
一个集群就是由一个或多个节点组织在一起它们共同持有整个的数据并一起提供索引和搜索功能。一个集群由一个唯一的名字标识这个名字默认就是“elasticsearch”。这个名字是重要的因为一个节点只能通过指定某个集群的名字来
加入这个集群。
2) 节点 node
一个节点是集群中的一个服务器作为集群的一部分它存储数据参与集群的索引和搜索功能。
一个节点也是由一个名字来标识的默认情况下这个名字是一个随机的漫威漫画角色的名字这个名字会在启动的时候赋予节点。这个名字对于管理工作来说挺重要的因为在这个管理过程中你会去确定网络中的哪些服务器对应于
ElasticSearch集群中的哪些节点。
一个节点可以通过配置集群名称的方式来加入一个指定的集群。默认情况下每个节点都会被安排加入到一个叫做“elasticsearch”的集群中这意味着如果你在你的网络中启动了若干个节点并假定它们能够相互发现彼此它们将会自动地
形成并加入到一个叫做“elasticsearch”的集群中。
在一个集群里只要你想可以拥有任意多个节点。而且如果当前你的网络中没有运行任何Elasticsearch节点这时启动一个节点会默认创建并加入一个叫做“elasticsearch”的集群。
分片和复制 shardsreplicas
一个索引可以存储超出单个节点硬件限制的大量数据。比如一个具有10亿文档的索引占据1TB的磁盘空间而任一节点都没有这样大的磁盘空间或者单个节点处理搜索请求响应太慢。为了解决这个问题ElasticSearch提供了将索引划分
成多份的能力这些份就叫做分片。当你创建一个索引的时候你可以指定你想要的分片的数量。每个分片本身也是一个功能完善并且独立的“索引”这个“索引”可以被放置到集群中的任何节点上。
分片很重要主要有两方面的原因
1允许你水平分割/扩展你的内容容量。
2允许你在分片潜在地位于多个节点上之上进行分布式的、并行的操作进而提高性能/吞吐量。
至于一个分片怎样分布它的文档怎样聚合回搜索请求是完全由ElasticSearch管理的对于作为用户的你来说这些都是透明的。
在一个网络/云的环境里失败随时都可能发生在某个分片/节点不知怎么的就处于离线状态或者由于任何原因消失了这种情况下有一个故障转移机制是非常有用并且是强烈推荐的。为此目的ElasticSearch允许你创建分片的一份或多
份拷贝这些拷贝叫做复制分片( 副本)。
复制之所以重要有两个主要原因 在分片/节点失败的情况下提供了高可用性。因为这个原因注意到复制分片从不与原/主要original/primary分片置于同一节点上是非常重要的。扩展你的搜索量/吞吐量因为搜索可以在所有的复制上
并行运行。
总之每个索引可以被分成多个分片。一个索引也可以被复制0次意思是没有复制或多次。一旦复制了每个索引就有了主分片作为复制源的原来的分片和复制分片主分片的拷贝之别。分片和复制的数量可以在索引创建的时候指
定。在索引创建之后你可以在任何时候动态地改变复制的数量但是存储数据后不能改变分片的数量。
默认情况下:
Elasticsearch6.x中的每个索引被分片5个主分片和1个复制这意味着如果你的集群中至少有两个节点你的索引将会有5个主分片和另外5个复制分片1个完全拷贝这样的话每个索引总共就有10个分片。
Elasticsearch7.x中的每个索引被分片1个主分片和1个复制这意味着如果你的集群中至少有两个节点你的索引将会有1个主分片和另外1个复制分片1个完全拷贝这样的话每个索引总共就有2个分片。 集群搭建 准备三台elasticsearch服务器
创建elasticsearch-cluster文件夹在内部复制三个elasticsearch服务 修改每台服务器配置 修改elasticsearch-cluster\node*\config\elasticsearch.yml配置文件 node1节点按照(新)的来,discovery.zen.ping.unicast.hosts这个参数用discovery.seed_hosts替换 #节点1的配置信息 #集群名称保证唯一 cluster.name: my-elasticsearch #默认为true。设置为false禁用磁盘分配决定器。 cluster.routing.allocation.disk.threshold_enabled: false #节点名称必须不一样 node.name: node-1 #必须为本机的ip地址 network.host: 127.0.0.1 #服务端口号在同一机器下必须不一样 http.port: 9201 #集群间通信端口号在同一机器下必须不一样 transport.tcp.port: 9301 #设置集群自动发现机器ip集合 #discovery.zen.ping.unicast.hosts: [“127.0.0.1:9301”,“127.0.0.1:9302”,“127.0.0.1:9303”] #新 # es7.x 之后新增的配置写入候选主节点的设备地址在开启服务后可以被选为主节点 # es7之后不需要上面discovery.zen.ping.unicast.hosts这个参数用discovery.seed_hosts替换 # discovery.zen.ping.unicast.hosts: [“10.19.1.9:9200”,“10.19.1.10:9200”,“10.19.1.11:9200”] discovery.seed_hosts: [“127.0.0.1:9301”,“127.0.0.1:9302”,“127.0.0.1:9303”] # es7.x 之后新增的配置初始化一个新的集群时需要此配置来选举master cluster.initial_master_nodes: [“node-1”] node2节点 #节点2的配置信息 #集群名称保证唯一 cluster.name: my-elasticsearch #默认为true。设置为false禁用磁盘分配决定器。 cluster.routing.allocation.disk.threshold_enabled: false #节点名称必须不一样 node.name: node-2 #必须为本机的ip地址 network.host: 127.0.0.1 #服务端口号在同一机器下必须不一样 http.port: 9202 #集群间通信端口号在同一机器下必须不一样 transport.tcp.port: 9302 #设置集群自动发现机器ip集合 #discovery.zen.ping.unicast.hosts: [“127.0.0.1:9301”,“127.0.0.1:9302”,“127.0.0.1:9303”] #新 # es7.x 之后新增的配置写入候选主节点的设备地址在开启服务后可以被选为主节点 # es7之后不需要上面discovery.zen.ping.unicast.hosts这个参数用discovery.seed_hosts替换 # discovery.zen.ping.unicast.hosts: [“10.19.1.9:9200”,“10.19.1.10:9200”,“10.19.1.11:9200”] discovery.seed_hosts: [“127.0.0.1:9301”,“127.0.0.1:9302”,“127.0.0.1:9303”] # es7.x 之后新增的配置初始化一个新的集群时需要此配置来选举master cluster.initial_master_nodes: [“node-1”] node3节点 #节点3的配置信息 #集群名称保证唯一 cluster.name: my-elasticsearch #默认为true。设置为false禁用磁盘分配决定器。 cluster.routing.allocation.disk.threshold_enabled: false #节点名称必须不一样 node.name: node-3 #必须为本机的ip地址 network.host: 127.0.0.1 #服务端口号在同一机器下必须不一样 http.port: 9203 #集群间通信端口号在同一机器下必须不一样 transport.tcp.port: 9303 #设置集群自动发现机器ip集合 #discovery.zen.ping.unicast.hosts: [“127.0.0.1:9301”,“127.0.0.1:9302”,“127.0.0.1:9303”] #新 # es7.x 之后新增的配置写入候选主节点的设备地址在开启服务后可以被选为主节点 # es7之后不需要上面discovery.zen.ping.unicast.hosts这个参数用discovery.seed_hosts替换 # discovery.zen.ping.unicast.hosts: [“10.19.1.9:9200”,“10.19.1.10:9200”,“10.19.1.11:9200”] discovery.seed_hosts: [“127.0.0.1:9301”,“127.0.0.1:9302”,“127.0.0.1:9303”] # es7.x 之后新增的配置初始化一个新的集群时需要此配置来选举master cluster.initial_master_nodes: [“node-1”] 启动各个节点服务器
先清理掉之前数据删除elasticsearch-cluster\node*\data目录下的nodes目录 这个目录很有必要删除没删除时集群不成功elasticsearch head插口看不到集群
在各个节点安装ik分词器
双击elasticsearch-cluster\node*\bin\elasticsearch.bat
启动节点1
启动节点2
启动节点3 集群测试
使用elasticsearch-head查看集群情况
地址栏通过http://localhost:9201/http://localhost:9202/http://localhost:9203分别查看集群中节点情况。 浏览器elasticsearch head插件中通过http://localhost:9201/http://localhost:9202/http://localhost:9203分别访问集群。可以看到3个节点一切正常绿色。没有任何索引。 安装kibana连接集群
修改kibana的conf/kibana.yml中配置 #elasticsearch.hosts: [“http://localhost:9200”] elasticsearch.hosts: [“http://localhost:9201”,“http://localhost:9202”,“http://localhost:9203”] 双击bin/kibana.bat确定kibana。
再次通过浏览器elasticsearch head插件访问集群 集群测试
创建索引及映射
# 请求方法PUT
PUT /shopping
{settings: {},mappings: {properties: {title:{type: text,analyzer: ik_max_word},subtitle:{type: text,analyzer: ik_max_word},images:{type: keyword,index: false},price:{type: float,index: true}}}
}添加文档
POST /shopping/_doc/1
{title:小米手机,images:http://www.gulixueyuan.com/xm.jpg,price:3999.00
}再次使用elasticsearch-head查看集群情况 GET _cluster/health { “cluster_name” : “my-jio”, “status” : “green”, “timed_out” : false, “number_of_nodes” : 3, “number_of_data_nodes” : 3, “active_primary_shards” : 7, “active_shards” : 14, “relocating_shards” : 0, “initializing_shards” : 0, “unassigned_shards” : 0, “delayed_unassigned_shards” : 0, “number_of_pending_tasks” : 0, “number_of_in_flight_fetch” : 0, “task_max_waiting_in_queue_millis” : 0, “active_shards_percent_as_number” : 100.0 } Elasticsearch-head查看 服务器运行状态 Green 所有的主分片和副本分片都已分配。你的集群是 100% 可用的。 yellow 所有的主分片已经分片了但至少还有一个副本是缺失的。不会有数据丢失所以搜索结果依然是完整的。不过你的高可用性在某种程度上被弱化。如果 更多的 分片消失你就会丢数据了。把 yellow 想象成一个需要及时调查的警告。 red 至少一个主分片以及它的全部副本都在缺失中。这意味着你在缺少数据搜索只能返回部分数据而分配到这个分片上的写入请求会返回一个异常。
