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

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：

        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：

        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 version

2、 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_VERSION=8.18.6

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 Elasticsearch

docker run -dit \\
–name es-lab \\
–hostname es-lab \\
–network es-lab-net \\
–restart unless-stopped \\
–memory 2g \\
–ulimit nofile=65535:65535 \\
–log-driver json-file \\
–log-opt max-size=20m \\
–log-opt max-file=5 \\
-p 127.0.0.1:9200:9200 \\
-e discovery.type=single-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.type=single-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/_mapping

GET /articles-v1/_settings

2、写入文档：给文章一个 ID

PUT /articles-v1/_doc/1?refresh=wait_for
//请求参数
{
"title": "Docker 安装教程",
"category": "运维",
"published_at": "2026-10-01T10:00:00+08:00",
"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/1；ID 已存在时会返回冲突。让 ES 自动生成 ID，则使用 POST /articles-v1/_doc。
• refresh=wait_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": "2026-10-01T10:00:00+08:00",
"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?refresh=wait_for
{"index":{"_id":"2"}}
{"title":"Elasticsearch 安装教程","category":"搜索","published_at":"2026-10-02T10:00:00+08:00","views":80}
{"index":{"_id":"3"}}
{"title":"Docker 网络排查","category":"运维","published_at":"2026-10-03T10:00:00+08:00","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": "2026-10-01T10:00:00+08:00",
"views": 120
}
},
{
"_index": "articles-v1",
"_id": "3",
"_score": 0.4700036,
"_source": {
"title": "Docker 网络排查",
"category": "运维",
"published_at": "2026-10-03T10:00:00+08:00",
"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：

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?refresh=wait_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?refresh=wait_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

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！