Introducción básica a ElasticSearch

El ultimo mes estuve trabajando con elasticsearch, se me ha ocurrido hacer una introducción básica porque he visto a muchos de mis compañeros qué les puede interesar.

¿Qué es y por qué surge?

El surgimiento de Elasticsearch se debió a problemas de escalabilidad, este es un motor de búsqueda diseñado para escalar horizontalmente, de forma que se puedan ir añadiendo más nodos al clúster a medida que aumente el volumen de datos requerido.

Características

Aparte de la característica fundamental de la escalabilidad horizontal, otras características de Elasticsearch son:

• Tiempos próximos al tiempo real: latencias menores que 1 segundo.
• Tolerancia a fallos: hay alta disponibilidad de los datos al replicar los datos en distintos nodos.
• Búsquedas de texto completo: capaz de analizar todo el contenido de documentos y no solo campos concretos.
• Orientado a documentos JSON
• No requiere esquemas, se auto-detectan los tipos de los campos de los documentos
• Desarrollo amigable al disponer de APIs sencillas

Búsquedas

Queries: pensadas para búsquedas sobre frases. Mide cuánto se parece frase buscada a la almacenada.

Filtros: para búsquedas binarias (sí/no). Más rápidas y se cachean en memoria. Utilizamos campos no sean texto.

API unificada: filter se usa dentro de query. Podemos tener query sólo con filter o parte con score y parte con filter

Frases se dividen en tokens, en minúscula: - “Pedro Santos González” [“pedro”,”santos”,”gonzález”]

Al hacer consulta “Pedro García”, token “pedro” coincide: asigna una puntuación aunque no coincida exactamente.

Sintaxis de la query

GET indice/tipo/_search

{
    {
        "query": {
            <tipoClausula>:{<campoConsultado>:<valor>}
        }
    }
}

Sintaxis de filters como único elemento de la query

GET indice/tipo/_search

{
    {
        "query": {
            "bool":{
                "filter"{
                    <tipoClausula>:{<campoConsultado>:<valor>}
                }
            }
        }
    }
}

Cláusulas comunes en queries

• Campo igual a valor: term
• Texto contiene palabra (token): match
• Texto contiene palabras en orden dado: match_phrase
• Campo en un rango: (gt, gte, lt, lte)
• Búsquedas compuestas: bool
• Operador OR <> should (condicion1 || condicion2)
• Operador AND <> must (condicion1 && condicion2)
• También agregaciones (aggs, como media, avg)