未分类

Elasticsearch 基础使用教程：从 MySQL 视角理解 ES

作者admin，发布于 。

Elasticsearch 基础使用教程：从 MySQL 视角理解 ES

如果你熟悉 MySQL，学习 Elasticsearch 会容易很多——因为两者的很多概念是可以类比的。本文就用 MySQL 的思维方式来理解 Elasticsearch，帮你快速上手。

一、核心概念对照表

先看一张核心概念对照表，建立整体认知：

MySQL Elasticsearch 说明
Database（数据库） Index（索引） 数据的逻辑容器
Table（表） Index（索引） ES 中 Index 既相当于数据库，也相当于表
Row（行） Document（文档） 一条具体的数据记录
Column（列） Field（字段） 数据的一个属性
Schema（表结构） Mapping（映射） 定义字段类型和存储方式
INSERT POST / PUT 插入数据
SELECT GET / POST _search 查询数据
UPDATE POST _update 更新数据
DELETE DELETE 删除数据
Index（索引） 分片 + 副本 MySQL 的索引是加速查询；ES 的分片是数据分片存储

💡 关键区别：MySQL 是关系型数据库，强调事务和关联；Elasticsearch 是搜索引擎，强调全文检索和实时分析。

二、创建”表”（创建索引）

MySQL 方式

CREATE TABLE users (
    id INT PRIMARY KEY AUTO_INCREMENT,
    name VARCHAR(100),
    email VARCHAR(100),
    age INT,
    created_at DATETIME,
    INDEX idx_name (name),
    INDEX idx_email (email)
);

Elasticsearch 方式

在 ES 中，创建索引可以显式定义 Mapping，也可以让 ES 自动推断：

# 创建索引并定义 Mapping（推荐）
PUT /users
{
  "mappings": {
    "properties": {
      "name": { "type": "text" },
      "email": { "type": "keyword" },
      "age": { "type": "integer" },
      "created_at": { "type": "date" }
    }
  }
}

类型说明：

  • text：全文搜索类型，会被分词（类似 MySQL 的 FULLTEXT 索引）
  • keyword：精确匹配类型，不分词（类似 MySQL 的普通索引）
  • integer、long、float：数值类型
  • date：日期类型
  • boolean：布尔类型

三、插入数据（INSERT → POST）

MySQL 方式

INSERT INTO users (name, email, age, created_at) 
VALUES ('张三', '[email protected]', 28, '2024-01-15 10:30:00');

INSERT INTO users (name, email, age, created_at) 
VALUES ('李四', '[email protected]', 32, '2024-01-16 14:20:00');

INSERT INTO users (name, email, age, created_at) 
VALUES ('王五', '[email protected]', 25, '2024-01-17 09:00:00');

Elasticsearch 方式

# 插入单条文档（ES 自动生成 ID）
POST /users/_doc
{
  "name": "张三",
  "email": "[email protected]",
  "age": 28,
  "created_at": "2024-01-15T10:30:00"
}

# 插入单条文档（指定 ID）
PUT /users/_doc/1
{
  "name": "张三",
  "email": "[email protected]",
  "age": 28,
  "created_at": "2024-01-15T10:30:00"
}

# 批量插入
POST /_bulk
{"index": {"_index": "users"}}
{"name": "张三", "email": "[email protected]", "age": 28, "created_at": "2024-01-15T10:30:00"}
{"index": {"_index": "users"}}
{"name": "李四", "email": "[email protected]", "age": 32, "created_at": "2024-01-16T14:20:00"}
{"index": {"_index": "users"}}
{"name": "王五", "email": "[email protected]", "age": 25, "created_at": "2024-01-17T09:00:00"}

四、查询数据（SELECT → _search）

4.1 查询所有数据

MySQL：

SELECT * FROM users;

Elasticsearch：

GET /users/_search
{
  "query": {
    "match_all": {}
  }
}

4.2 条件查询

MySQL：

SELECT * FROM users WHERE name = '张三';

Elasticsearch：

# 精确匹配（keyword 类型）
GET /users/_search
{
  "query": {
    "term": {
      "email": "[email protected]"
    }
  }
}

# 全文搜索（text 类型，会被分词）
GET /users/_search
{
  "query": {
    "match": {
      "name": "张三"
    }
  }
}

4.3 范围查询

MySQL：

SELECT * FROM users WHERE age >= 25 AND age < 30;

Elasticsearch：

GET /users/_search
{
  "query": {
    "range": {
      "age": {
        "gte": 25,
        "lt": 30
      }
    }
  }
}

4.4 多条件组合

MySQL：

SELECT * FROM users 
WHERE age >= 25 
AND (name LIKE '%张%' OR email LIKE '%example%')
ORDER BY created_at DESC
LIMIT 10;

Elasticsearch：

GET /users/_search
{
  "query": {
    "bool": {
      "must": [
        { "range": { "age": { "gte": 25 } } }
      ],
      "should": [
        { "match": { "name": "张" } },
        { "wildcard": { "email": "*example*" } }
      ],
      "minimum_should_match": 1
    }
  },
  "sort": [
    { "created_at": { "order": "desc" } }
  ],
  "size": 10
}

bool 查询说明：

  • must：必须满足（类似 AND）
  • should：满足任意一个即可（类似 OR）
  • must_not：必须不满足（类似 NOT）
  • filter：过滤条件，不参与评分（性能更好）

五、更新数据（UPDATE → _update）

MySQL 方式

UPDATE users SET age = 29 WHERE id = 1;

Elasticsearch 方式

# 部分更新
POST /users/_update/1
{
  "doc": {
    "age": 29
  }
}

# 脚本更新（更灵活）
POST /users/_update/1
{
  "script": {
    "source": "ctx._source.age += params.increment",
    "params": {
      "increment": 1
    }
  }
}

⚠️ 注意：ES 的更新操作实际上是”标记删除 + 重新写入”，频繁更新会影响性能。

六、删除数据（DELETE → DELETE）

MySQL 方式

DELETE FROM users WHERE id = 1;

DELETE FROM users WHERE age < 20;

-- 删除整个表数据（保留表结构）
TRUNCATE TABLE users;

Elasticsearch 方式

# 删除单条文档
DELETE /users/_doc/1

# 按条件删除
POST /users/_delete_by_query
{
  "query": {
    "range": {
      "age": { "lt": 20 }
    }
  }
}

# 删除整个索引（类似 DROP TABLE）
DELETE /users

七、聚合分析（GROUP BY → Aggregations）

MySQL 方式

-- 统计各年龄段的人数
SELECT 
    CASE 
        WHEN age < 20 THEN 'under_20'
        WHEN age >= 20 AND age < 30 THEN '20_29'
        WHEN age >= 30 AND age < 40 THEN '30_39'
        ELSE '40_plus'
    END AS age_group,
    COUNT(*) as count,
    AVG(age) as avg_age
FROM users
GROUP BY age_group;

Elasticsearch 方式

GET /users/_search
{
  "size": 0,
  "aggs": {
    "age_groups": {
      "range": {
        "field": "age",
        "ranges": [
          { "to": 20, "key": "under_20" },
          { "from": 20, "to": 30, "key": "20_29" },
          { "from": 30, "to": 40, "key": "30_39" },
          { "from": 40, "key": "40_plus" }
        ]
      },
      "aggs": {
        "avg_age": {
          "avg": { "field": "age" }
        }
      }
    }
  }
}

常用聚合类型：

MySQL Elasticsearch
COUNT(*) value_count
SUM(field) sum
AVG(field) avg
MAX(field) / MIN(field) max / min
GROUP BY terms（分组）、range（范围分组）

八、分页查询

MySQL 方式

-- 第 1 页，每页 10 条
SELECT * FROM users LIMIT 0, 10;

-- 第 2 页
SELECT * FROM users LIMIT 10, 10;

-- 第 3 页
SELECT * FROM users LIMIT 20, 10;

Elasticsearch 方式

# 使用 from + size（类似 MySQL LIMIT）
GET /users/_search
{
  "from": 0,
  "size": 10,
  "query": { "match_all": {} }
}

# 第 2 页
GET /users/_search
{
  "from": 10,
  "size": 10,
  "query": { "match_all": {} }
}

# 深分页（数据量大时推荐使用 search_after）
GET /users/_search
{
  "size": 10,
  "query": { "match_all": {} },
  "sort": [
    { "created_at": "desc" },
    { "_id": "asc" }
  ],
  "search_after": [1704067200000, "abc123"]
}

⚠️ 注意：ES 的 from + size 默认限制最大 10000 条，深分页建议使用 search_after 或 scroll API。

九、MySQL vs ES：什么时候用哪个？

场景 推荐 原因
事务处理（订单、支付） MySQL ES 不支持事务
复杂关联查询 MySQL ES 关联能力有限
全文搜索 Elasticsearch ES 天生为搜索而生
日志分析 Elasticsearch ES 写入和聚合性能强
实时监控大屏 Elasticsearch ES 聚合查询速度快
主数据存储 MySQL ES 数据可能丢失（近实时）

常见架构：MySQL 作为主存储，数据同步到 ES 做搜索和分析。

┌──────────┐     同步      ┌──────────────┐
│  MySQL   │  ──────────►  │ Elasticsearch │
│ (主存储)  │               │  (搜索/分析)  │
└──────────┘               └──────────────┘
     │                            │
     │                            │
     ▼                            ▼
  业务写入                    搜索/分析查询

十、快速参考：常用 API

# 查看所有索引
GET /_cat/indices?v

# 查看索引 mapping
GET /users/_mapping

# 查看索引设置
GET /users/_settings

# 查看集群健康状态
GET /_cluster/health

# 查看节点信息
GET /_cat/nodes?v

# 查看索引统计
GET /users/_stats

总结

从 MySQL 视角理解 Elasticsearch：

  1. Index ≈ Database + Table：一个索引就是一个数据容器
  2. Document ≈ Row：JSON 格式的一行数据
  3. Mapping ≈ Schema：定义字段类型
  4. Query DSL ≈ SQL：用 JSON 格式表达查询条件
  5. Aggregation ≈ GROUP BY：强大的聚合分析能力

掌握这些对应关系，你就能快速上手 Elasticsearch 了！

下一篇预告：Elasticsearch 进阶使用 —— 复合查询、脚本、分析器详解