假设你做了一个博客网站里面有十万篇文章。读者输入“Docker 安装”希望找到标题或正文中相关的内容还想按分类筛选、按发布时间排序。这时搜索功能需要做的事情就比“查找某个字段等于某个值”多了理解关键词、找到相关文章、决定谁排在前面再把结果分页返回。Elasticsearch 就是常用于处理这类需求的工具。当然在企业级项目中也会常常将ES作为日志系统搭建的中间件。一、Elasticsearch 到底是什么Elasticsearch通常简称 ES是基于 Apache Lucene 的搜索与分析引擎。Lucene 提供底层检索能力Elasticsearch 将这些能力封装成 HTTP 接口并支持多台机器协同处理数据。常见用途包括文章搜索、商品搜索和日志查询。它也能做统计例如“每个分类有多少篇文章”“某个时间段出现了多少次错误”。它与 MySQL 的侧重点不同。MySQL 常用于保存订单、账户等业务数据处理事务和关系查询Elasticsearch 常用于全文检索、相关性排序和搜索分析。数据库本身也有全文检索能力是否需要引入 ES要看实际需求和维护成本。一般常见的做法业务数据仍存放在 MySQL将需要搜索的字段同步到 ES。搜索请求查询 ES交易操作继续由业务数据库处理。这样会增加数据同步工作还要考虑同步失败和延迟不能期待两边天然一致。先理解几个概念概念含义文档Document一条 JSON 数据索引Index一组文档及其配置Mapping字段类型和索引方式的定义主分片Primary shard索引数据的一部分每个分片是一个 Lucene 索引副本分片Replica shard主分片的副本节点Node一个 Elasticsearch 实例集群Cluster协同工作的多个节点也可以只有一个节点二、它为什么可以快速找到你想要的内容1、倒排索引从“词”找到“文章”假设有三篇文章标题分别是文档 ID标题1Docker 安装教程2Elasticsearch 安装教程3Docker 网络排查按“文章 → 标题”保存内容很容易回答“第 1 篇文章叫什么”。但读者搜索“Docker”时需要反过来回答“哪些文章包含这个词”。为此可以提前整理一份查找表词包含它的文档 IDdocker1、3elasticsearch2安装1、2教程1、2网络3排查3这就是倒排索引的基本思路记录一个词出现在哪些文档中。搜索 Docker 时就能先找到文档 1 和 3不必每次逐篇扫描全文。搜索“Docker 安装”时如果要求两个词都出现就取两个列表的交集得到文档 1如果允许任意一个词出现就会有更多候选结果再根据相关性排序。2、分词先把句子变成可搜索的词建立倒排索引前ES 要先处理文本这个过程叫分析通常包含分词、大小写转换等步骤。负责这些工作的配置叫分析器Analyzer。例如标准分析器会把Docker Install Guide处理成docker、install、guide这样的词。后面安装好环境可以亲自查看POST /_analyze{analyzer: standard,text: Docker Install Guide}//响应结果{tokens: [{token: docker,start_offset: 0,end_offset: 6,type: ALPHANUM,position: 0},{token: install,start_offset: 7,end_offset: 14,type: ALPHANUM,position: 1},{token: guide,start_offset: 15,end_offset: 20,type: ALPHANUM,position: 2}]}3、分片与副本数据多了怎么分给多台机器一个 Elasticsearch 实例叫一个节点Node多个节点可以组成集群Cluster。当索引很大时可以把它分成几份每一份叫分片Shard。例如把文章索引划成 3 个主分片各自存放一部分文档ES 通过路由决定一条文档属于哪个主分片。副本是主分片的复制件。3 个主分片每个配置 1 个副本就一共有 6 个分片副本实例占用的存储和资源也会相应增加。主分片与它自己的副本不能放在同一个节点上。这样一个节点故障时集群可以利用其他节点上的有效副本恢复服务4、一次写入和搜索大致经历什么写入时接收请求的节点找到目标主分片由主分片处理写入再复制到同步副本。正常情况下相关同步副本处理完成后才完成写入确认。搜索时接收请求的节点负责协调将查询交给相关分片的某个可用副本执行再合并结果、获取需要的文档返回给客户端。搜索不需要把同一份数据的主分片和全部副本都查一遍。因此副本既能帮助应对故障也可以分担搜索流量但会增加存储和写入复制成本。其实在一定程度上有点类似于MYSQL主从结构主库写入完成同步到从库后续读取也可以从从库进行数据读取三、用 Docker 启动单节点环境1、准备运行环境先安装适合操作系统的 Docker Engine 或 Docker Desktop确认命令可用docker version2、 创建网络和持久化卷以下命令在 Bash 或 Zsh 中执行。先创建一个工作目录再准备专用网络与数据卷mkdir -p elasticsearch-lab cd elasticsearch-lab export STACK_VERSION8.18.6 docker network create es-lab-net docker volume create es-lab-data docker volume create es-lab-config docker pull docker.elastic.co/elasticsearch/elasticsearch:${STACK_VERSION}两个卷分别保存索引数据以及节点配置与证书。这里的配置卷属于当前节点不要让多个节点共享同一个配置卷。3、启动 Elasticsearchdocker run -dit \ --name es-lab \ --hostname es-lab \ --network es-lab-net \ --restart unless-stopped \ --memory 2g \ --ulimit nofile65535:65535 \ --log-driver json-file \ --log-opt max-size20m \ --log-opt max-file5 \ -p 127.0.0.1:9200:9200 \ -e discovery.typesingle-node \ -v es-lab-data:/usr/share/elasticsearch/data \ -v es-lab-config:/usr/share/elasticsearch/config \ docker.elastic.co/elasticsearch/elasticsearch:${STACK_VERSION}这段配置中有几个地方值得理解discovery.typesingle-node用于单节点实验环境组建多节点集群时需要重新规划发现与安全配置。127.0.0.1:9200:9200只把 REST API 发布到宿主机回环地址。节点间通信使用的9300端口不需要在本示例中发布。数据卷让数据独立于容器生命周期。配置卷保留首次启动生成的证书、密钥库和配置空命名卷首次挂载时会由 Docker 填充镜像中对应目录的内容。4、验证是否启动成功打开浏览器访问9200地址http://127.0.0.1:9200/如果可以正常访问则表示启动成功。四、常用命令模拟一个小例子为了方便ES的可视化管理建议开发测试可以使用轻量级的Elasticvue工具如果是正式环境可以使用功能强大的Kibana工具https://www.elastic.co/cn/kibana/https://www.elastic.co/cn/kibana/1、创建索引控制台请求由“方法、路径、请求体”组成。例如PUT /articles-v1表示向该路径发送 PUT 请求后面的 JSON 描述索引配置。命令中的/是接口路径不是本地文件目录。PUT /articles-v1 //请求参数 { settings: { number_of_shards: 1, number_of_replicas: 0 }, mappings: { properties: { title: { type: text }, category: { type: keyword }, published_at: { type: date }, views: { type: long } } } } //响应参数 { acknowledged: true, shards_acknowledged: true, index: articles-v1 }这个索引用一个主分片、零副本适合单节点学习。生产环境应按可用性要求配置副本并提供能够承载副本的其他节点。提前定义 Mapping可以避免日期、数字被错误识别成字符串。查看配置GET /articles-v1/_mappingGET /articles-v1/_settings2、写入文档给文章一个 IDPUT /articles-v1/_doc/1?refreshwait_for //请求参数 { title: Docker 安装教程, category: 运维, published_at: 2026-10-01T10:00:0008:00, views: 120 } //响应参数 { _index: articles-v1, _id: 1, _version: 1, result: created, _shards: { total: 1, successful: 1, failed: 0 }, _seq_no: 0, _primary_term: 1 }_id文档ID向同一索引、同一 ID 再次执行这个 PUT会替换该文档而不是新增第二条。如果只允许新建、不允许覆盖使用PUT /articles-v1/_create/1ID 已存在时会返回冲突。让 ES 自动生成 ID则使用POST /articles-v1/_doc。refreshwait_for用于方便后续搜索验证3、根据 ID 读取文章GET /articles-v1/_doc/1 //响应参数 { _index: articles-v1, _id: 1, _version: 3, _seq_no: 2, _primary_term: 1, found: true, _source: { title: Docker 安装教程, category: 运维, published_at: 2026-10-01T10:00:0008:00, views: 120 } }响应中的_source包含原始业务字段found表示是否找到文档。4、批量写入一次添加多篇文章POST /articles-v1/_bulk?refreshwait_for {index:{_id:2}} {title:Elasticsearch 安装教程,category:搜索,published_at:2026-10-02T10:00:0008:00,views:80} {index:{_id:3}} {title:Docker 网络排查,category:运维,published_at:2026-10-03T10:00:0008:00,views:200}Bulk 使用 NDJSON即一行一个 JSON。上例每两行是一组第一行说明操作和 ID第二行提供文档。通过 curl 或程序发送时请求体最后也要以换行符结束内容类型使用application/x-ndjson。5、全文搜索找标题包含 Docker 的文章POST /articles-v1/_search //请求参数 { query: { match: { title: Docker } } } //响应参数 { took: 29, timed_out: false, _shards: { total: 1, successful: 1, skipped: 0, failed: 0 }, hits: { total: { value: 2, relation: eq }, max_score: 0.4700036, hits: [ { _index: articles-v1, _id: 1, _score: 0.4700036, _source: { title: Docker 安装教程, category: 运维, published_at: 2026-10-01T10:00:0008:00, views: 120 } }, { _index: articles-v1, _id: 3, _score: 0.4700036, _source: { title: Docker 网络排查, category: 运维, published_at: 2026-10-03T10:00:0008:00, views: 200 } } ] } }match会分析搜索文本再查找匹配的文档。在当前样例中应匹配文章 1 和 3。返回结果主要看三处字段作用hits.total匹配总数及其计数关系大结果集可能只是下界hits.hits当前返回的文档列表_score相关性分数默认搜索通常按分数从高到低返回6、精确筛选只看运维类文章POST /articles-v1/_search { query: { bool: { filter: [ { term: { category: 运维 } } ] } } }term匹配字段索引中的精确词项适合这里的keyword分类字段。filter用于判断“是否满足条件”不计算相关性得分。7、排序与分页按浏览量取前两篇POST /articles-v1/_search { query: { match_all: {} }, sort: [ { views: desc } ], from: 0, size: 2, _source: [title, views] }from 是跳过多少条size 是本次取多少条_source 限定返回哪些业务字段。第二页可以把 from 改为 2。8、修改文档只更新浏览量POST /articles-v1/_update/1?refreshwait_for { doc: { views: 180 } }这会把浏览量设置为 180其他字段保留。它与前面的PUT /_doc/1全量替换不同。9、 删除数据分清文档和索引删除一条ID为3的文档DELETE /articles-v1/_doc/3?refreshwait_for删除索引索引下的所有文档都会被删除DELETE /articles-v1五、常用命令速查目的命令查看版本与基本信息GET /检查分词结果POST /_analyze附分析器和文本创建索引PUT /articles-v1附 settings 与 mappings查看字段类型GET /articles-v1/_mapping写入或替换文档PUT /articles-v1/_doc/1附完整文档只允许新建PUT /articles-v1/_create/1附文档按 ID 查询GET /articles-v1/_doc/1搜索POST /articles-v1/_search附查询条件统计文档数量GET /articles-v1/_count局部更新POST /articles-v1/_update/1附 doc 或 script批量操作POST /articles-v1/_bulk附 NDJSON删除一条文档DELETE /articles-v1/_doc/1删除整个索引DELETE /articles-v1查看集群健康GET /_cluster/health六、小结以上是本次对于Elasticsearch原理、Docker 安装与常用命令的一个介绍和使用欢迎各位同学交流学习 
长河君 · 2026/10/11 1:54:28 · 阅读 1.2k Elasticsearch：原理、Docker 安装与常用命令
假设你做了一个博客网站里面有十万篇文章。读者输入“Docker 安装”希望找到标题或正文中相关的内容还想按分类筛选、按发布时间排序。这时搜索功能需要做的事情就比“查找某个字段等于某个值”多了理解关键词、找到相关文章、决定谁排在前面再把结果分页返回。Elasticsearch 就是常用于处理这类需求的工具。当然在企业级项目中也会常常将ES作为日志系统搭建的中间件。一、Elasticsearch 到底是什么Elasticsearch通常简称 ES是基于 Apache Lucene 的搜索与分析引擎。Lucene 提供底层检索能力Elasticsearch 将这些能力封装成 HTTP 接口并支持多台机器协同处理数据。常见用途包括文章搜索、商品搜索和日志查询。它也能做统计例如“每个分类有多少篇文章”“某个时间段出现了多少次错误”。它与 MySQL 的侧重点不同。MySQL 常用于保存订单、账户等业务数据处理事务和关系查询Elasticsearch 常用于全文检索、相关性排序和搜索分析。数据库本身也有全文检索能力是否需要引入 ES要看实际需求和维护成本。一般常见的做法业务数据仍存放在 MySQL将需要搜索的字段同步到 ES。搜索请求查询 ES交易操作继续由业务数据库处理。这样会增加数据同步工作还要考虑同步失败和延迟不能期待两边天然一致。先理解几个概念概念含义文档Document一条 JSON 数据索引Index一组文档及其配置Mapping字段类型和索引方式的定义主分片Primary shard索引数据的一部分每个分片是一个 Lucene 索引副本分片Replica shard主分片的副本节点Node一个 Elasticsearch 实例集群Cluster协同工作的多个节点也可以只有一个节点二、它为什么可以快速找到你想要的内容1、倒排索引从“词”找到“文章”假设有三篇文章标题分别是文档 ID标题1Docker 安装教程2Elasticsearch 安装教程3Docker 网络排查按“文章 → 标题”保存内容很容易回答“第 1 篇文章叫什么”。但读者搜索“Docker”时需要反过来回答“哪些文章包含这个词”。为此可以提前整理一份查找表词包含它的文档 IDdocker1、3elasticsearch2安装1、2教程1、2网络3排查3这就是倒排索引的基本思路记录一个词出现在哪些文档中。搜索 Docker 时就能先找到文档 1 和 3不必每次逐篇扫描全文。搜索“Docker 安装”时如果要求两个词都出现就取两个列表的交集得到文档 1如果允许任意一个词出现就会有更多候选结果再根据相关性排序。2、分词先把句子变成可搜索的词建立倒排索引前ES 要先处理文本这个过程叫分析通常包含分词、大小写转换等步骤。负责这些工作的配置叫分析器Analyzer。例如标准分析器会把Docker Install Guide处理成docker、install、guide这样的词。后面安装好环境可以亲自查看POST /_analyze{analyzer: standard,text: Docker Install Guide}//响应结果{tokens: [{token: docker,start_offset: 0,end_offset: 6,type: ALPHANUM,position: 0},{token: install,start_offset: 7,end_offset: 14,type: ALPHANUM,position: 1},{token: guide,start_offset: 15,end_offset: 20,type: ALPHANUM,position: 2}]}3、分片与副本数据多了怎么分给多台机器一个 Elasticsearch 实例叫一个节点Node多个节点可以组成集群Cluster。当索引很大时可以把它分成几份每一份叫分片Shard。例如把文章索引划成 3 个主分片各自存放一部分文档ES 通过路由决定一条文档属于哪个主分片。副本是主分片的复制件。3 个主分片每个配置 1 个副本就一共有 6 个分片副本实例占用的存储和资源也会相应增加。主分片与它自己的副本不能放在同一个节点上。这样一个节点故障时集群可以利用其他节点上的有效副本恢复服务4、一次写入和搜索大致经历什么写入时接收请求的节点找到目标主分片由主分片处理写入再复制到同步副本。正常情况下相关同步副本处理完成后才完成写入确认。搜索时接收请求的节点负责协调将查询交给相关分片的某个可用副本执行再合并结果、获取需要的文档返回给客户端。搜索不需要把同一份数据的主分片和全部副本都查一遍。因此副本既能帮助应对故障也可以分担搜索流量但会增加存储和写入复制成本。其实在一定程度上有点类似于MYSQL主从结构主库写入完成同步到从库后续读取也可以从从库进行数据读取三、用 Docker 启动单节点环境1、准备运行环境先安装适合操作系统的 Docker Engine 或 Docker Desktop确认命令可用docker version2、 创建网络和持久化卷以下命令在 Bash 或 Zsh 中执行。先创建一个工作目录再准备专用网络与数据卷mkdir -p elasticsearch-lab cd elasticsearch-lab export STACK_VERSION8.18.6 docker network create es-lab-net docker volume create es-lab-data docker volume create es-lab-config docker pull docker.elastic.co/elasticsearch/elasticsearch:${STACK_VERSION}两个卷分别保存索引数据以及节点配置与证书。这里的配置卷属于当前节点不要让多个节点共享同一个配置卷。3、启动 Elasticsearchdocker run -dit \ --name es-lab \ --hostname es-lab \ --network es-lab-net \ --restart unless-stopped \ --memory 2g \ --ulimit nofile65535:65535 \ --log-driver json-file \ --log-opt max-size20m \ --log-opt max-file5 \ -p 127.0.0.1:9200:9200 \ -e discovery.typesingle-node \ -v es-lab-data:/usr/share/elasticsearch/data \ -v es-lab-config:/usr/share/elasticsearch/config \ docker.elastic.co/elasticsearch/elasticsearch:${STACK_VERSION}这段配置中有几个地方值得理解discovery.typesingle-node用于单节点实验环境组建多节点集群时需要重新规划发现与安全配置。127.0.0.1:9200:9200只把 REST API 发布到宿主机回环地址。节点间通信使用的9300端口不需要在本示例中发布。数据卷让数据独立于容器生命周期。配置卷保留首次启动生成的证书、密钥库和配置空命名卷首次挂载时会由 Docker 填充镜像中对应目录的内容。4、验证是否启动成功打开浏览器访问9200地址http://127.0.0.1:9200/如果可以正常访问则表示启动成功。四、常用命令模拟一个小例子为了方便ES的可视化管理建议开发测试可以使用轻量级的Elasticvue工具如果是正式环境可以使用功能强大的Kibana工具https://www.elastic.co/cn/kibana/https://www.elastic.co/cn/kibana/1、创建索引控制台请求由“方法、路径、请求体”组成。例如PUT /articles-v1表示向该路径发送 PUT 请求后面的 JSON 描述索引配置。命令中的/是接口路径不是本地文件目录。PUT /articles-v1 //请求参数 { settings: { number_of_shards: 1, number_of_replicas: 0 }, mappings: { properties: { title: { type: text }, category: { type: keyword }, published_at: { type: date }, views: { type: long } } } } //响应参数 { acknowledged: true, shards_acknowledged: true, index: articles-v1 }这个索引用一个主分片、零副本适合单节点学习。生产环境应按可用性要求配置副本并提供能够承载副本的其他节点。提前定义 Mapping可以避免日期、数字被错误识别成字符串。查看配置GET /articles-v1/_mappingGET /articles-v1/_settings2、写入文档给文章一个 IDPUT /articles-v1/_doc/1?refreshwait_for //请求参数 { title: Docker 安装教程, category: 运维, published_at: 2026-10-01T10:00:0008:00, views: 120 } //响应参数 { _index: articles-v1, _id: 1, _version: 1, result: created, _shards: { total: 1, successful: 1, failed: 0 }, _seq_no: 0, _primary_term: 1 }_id文档ID向同一索引、同一 ID 再次执行这个 PUT会替换该文档而不是新增第二条。如果只允许新建、不允许覆盖使用PUT /articles-v1/_create/1ID 已存在时会返回冲突。让 ES 自动生成 ID则使用POST /articles-v1/_doc。refreshwait_for用于方便后续搜索验证3、根据 ID 读取文章GET /articles-v1/_doc/1 //响应参数 { _index: articles-v1, _id: 1, _version: 3, _seq_no: 2, _primary_term: 1, found: true, _source: { title: Docker 安装教程, category: 运维, published_at: 2026-10-01T10:00:0008:00, views: 120 } }响应中的_source包含原始业务字段found表示是否找到文档。4、批量写入一次添加多篇文章POST /articles-v1/_bulk?refreshwait_for {index:{_id:2}} {title:Elasticsearch 安装教程,category:搜索,published_at:2026-10-02T10:00:0008:00,views:80} {index:{_id:3}} {title:Docker 网络排查,category:运维,published_at:2026-10-03T10:00:0008:00,views:200}Bulk 使用 NDJSON即一行一个 JSON。上例每两行是一组第一行说明操作和 ID第二行提供文档。通过 curl 或程序发送时请求体最后也要以换行符结束内容类型使用application/x-ndjson。5、全文搜索找标题包含 Docker 的文章POST /articles-v1/_search //请求参数 { query: { match: { title: Docker } } } //响应参数 { took: 29, timed_out: false, _shards: { total: 1, successful: 1, skipped: 0, failed: 0 }, hits: { total: { value: 2, relation: eq }, max_score: 0.4700036, hits: [ { _index: articles-v1, _id: 1, _score: 0.4700036, _source: { title: Docker 安装教程, category: 运维, published_at: 2026-10-01T10:00:0008:00, views: 120 } }, { _index: articles-v1, _id: 3, _score: 0.4700036, _source: { title: Docker 网络排查, category: 运维, published_at: 2026-10-03T10:00:0008:00, views: 200 } } ] } }match会分析搜索文本再查找匹配的文档。在当前样例中应匹配文章 1 和 3。返回结果主要看三处字段作用hits.total匹配总数及其计数关系大结果集可能只是下界hits.hits当前返回的文档列表_score相关性分数默认搜索通常按分数从高到低返回6、精确筛选只看运维类文章POST /articles-v1/_search { query: { bool: { filter: [ { term: { category: 运维 } } ] } } }term匹配字段索引中的精确词项适合这里的keyword分类字段。filter用于判断“是否满足条件”不计算相关性得分。7、排序与分页按浏览量取前两篇POST /articles-v1/_search { query: { match_all: {} }, sort: [ { views: desc } ], from: 0, size: 2, _source: [title, views] }from 是跳过多少条size 是本次取多少条_source 限定返回哪些业务字段。第二页可以把 from 改为 2。8、修改文档只更新浏览量POST /articles-v1/_update/1?refreshwait_for { doc: { views: 180 } }这会把浏览量设置为 180其他字段保留。它与前面的PUT /_doc/1全量替换不同。9、 删除数据分清文档和索引删除一条ID为3的文档DELETE /articles-v1/_doc/3?refreshwait_for删除索引索引下的所有文档都会被删除DELETE /articles-v1五、常用命令速查目的命令查看版本与基本信息GET /检查分词结果POST /_analyze附分析器和文本创建索引PUT /articles-v1附 settings 与 mappings查看字段类型GET /articles-v1/_mapping写入或替换文档PUT /articles-v1/_doc/1附完整文档只允许新建PUT /articles-v1/_create/1附文档按 ID 查询GET /articles-v1/_doc/1搜索POST /articles-v1/_search附查询条件统计文档数量GET /articles-v1/_count局部更新POST /articles-v1/_update/1附 doc 或 script批量操作POST /articles-v1/_bulk附 NDJSON删除一条文档DELETE /articles-v1/_doc/1删除整个索引DELETE /articles-v1查看集群健康GET /_cluster/health六、小结以上是本次对于Elasticsearch原理、Docker 安装与常用命令的一个介绍和使用欢迎各位同学交流学习