我们知道丰富数据对于很多的应用来说非常重要。这涉及到访问不同的表格，并进行搜索匹配。找到最为相近的结果并进行丰富数据。针对 Elasticsearh 来说，我们可以通过 enrich processor来进行丰富。你可以阅读我之前的文章来了解更多：
事实上，我们甚至可以在 Logstash 的 pipeline 中采用 Elasticsearch filter 来丰富数据。你可以参考我之前的文章 “Logstash：运用 Elasticsearch 过滤器来丰富数据”。
在今天的文章中，我来采用一个简单的例子来展示如何使用 Elasticsearch filter 来丰富地理数据。这个在实际的使用中非常有用。比如你采集的数据含有传感器 id，但是在采集的数据里可能并不包含地理位置信息。我们可以通过 Elasticsearch filter 来丰富数据的地理位置信息，这样可以在地图上进行展示。
安装
如果你还没有安装好自己的 Elasticsearch 及 Kibana，请参考文章：
- 如何在 Linux，MacOS 及 Windows 上进行安装 Elasticsearch
- Kibana：如何在 Linux，MacOS 及 Windows 上安装 Elastic 栈中的 Kibana
在安装的时候，请参考 Elastic Stack 8.x 的安装指南进行安装。
在 Elasticsearch 中创建 enrich 索引
我们在 Elasticsearch 中创建一个可以在 Logstash 中被引用的索引。它的 mapping 是这样的：
`
1. PUT myindex
2. {
3. "mappings": {
4. "properties": {
5. "address": {
6. "properties": {
7. "city": {
8. "type": "text"
9. },
10. "number": {
11. "type": "keyword"
12. },
13. "street_name": {
14. "type": "text"
15. },
16. "zipcode": {
17. "type": "keyword"
18. }
19. }
20. },
21. "location": {
22. "type": "geo_point"
23. }
24. }
25. }
26. }
`
我们接下来写入如下的一个文档：
1. POST myindex/_doc/1
2. {
3. "address": {
4. "zipcode": "17000",
5. "number": "23",
6. "city": "Beijing",
7. "street_name": "wang jing road"
8. },
9. "location": {
10. "lon": 116.478598,
11. "lat": 39.995007
12. }
13. }
从上面的数据中，我们可以看到除了含有 address 信息之前，它还含有一个地理位置的信息 location。在实际的使用中，那个 address 甚至可以是传感器的 id 信息。
如果我们知道 address 信息，那么我们可以通过如下的查询来获得该位置的地理信息：
`
1. GET myindex/_search?search_type=dfs_query_then_fetch&filter_path=**.hits
2. {
3. "size": 1,
4. "query": {
5. "bool": {
6. "should": [
7. {
8. "match": {
9. "address.number": "23"
10. }
11. },
12. {
13. "match": {
14. "address.street_name": "wang jing road"
15. }
16. },
17. {
18. "match": {
19. "address.city": "Beijing"
20. }
21. }
22. ]
23. }
24. }
25. }
`
上面的搜索返回如下的信息：
`
1. {
2. "hits": {
3. "hits": [
4. {
5. "_index": "myindex",
6. "_id": "1",
7. "_score": 1.4384104,
8. "_source": {
9. "address": {
10. "zipcode": "17000",
11. "number": "23",
12. "city": "Beijing",
13. "street_name": "wang jing road"
14. },
15. "location": {
16. "lon": 116.478598,
17. "lat": 39.995007
18. }
19. }
20. }
21. ]
22. }
23. }
`
很显然，它含有 location 的地理位置信息。
在 Logstash 中使用 Elasticsearch filter 来丰富数据
接下来，我们创建如下的一个 Logstash 配置文件：
logstash.conf
`
1. input {
2. http { }
3. }
5. filter {
6. elasticsearch {
7. query_template => "search-by-name.json"
8. index => "myindex"
9. fields => {
10. "location" => "[location]"
11. "address" => "[address]"
12. }
13. remove_field => ["headers", "host", "@version", "@timestamp"]
14. ca_file => "/Users/liuxg/elastic/elasticsearch-8.5.2/config/certs/http_ca.crt"
15. ssl => true
16. api_key => "Rf-_4IQB-Ec0fhu3PjhI:JlZ0cA8lRQGRDxhWwdDJVg"
17. }
18. }
20. output {
21. stdout { codec => rubydebug }
22. }
`
如上所示，我们使用 http input 来做测试。在上面，我们使用 elasticsearch filter 来丰富数据。我们希望得到的是 location 及 address。在上面，我们定义 search-by-name.json 如下：
search-by-name.json
`
1. {
2. "size": 1,
3. "query":{
4. "bool": {
5. "should": [
6. {
7. "match": {
8. "address.number": "%{[address][number]}"
9. }
10. },
11. {
12. "match": {
13. "address.street_name": "%{[address][street_name]}"
14. }
15. },
16. {
17. "match": {
18. "address.city": "%{[address][city]}"
19. }
20. }
21. ]
22. }
23. }
24. }
`
在上面，我们设置 size 为 1，也即采用最为匹配的那个结果。上面其实就是一个搜索。我们把上述文件置于 Logstash 的安装目录下。另外，我们需要定义证书及 API key。你需要根据自己的配置来对上面的配置进行修改。如果你还不值得如何得到 API key，请阅读我之前的文章 “Logstash：如何连接到带有 HTTPS 访问的集群”。当然如果你的 Elasticsearch 不具有安全配置，那么你就不需要进行任何的配置了。
我们使用如下的命令来进行运行：
./bin/logstash -f logstash.conf
我们接下来在另外一个 terminal 中打入如下的命令：
1. curl -XPOST "localhost:8080" -H "Content-Type: application/json" -d '{
2. "test_case": "Address with text",
3. "name": "Joe Smith",
4. "address": {
5. "number": "23",
6. "street_name": "wang jing road",
7. "city": "Beijing",
8. "country": "China"
9. }
10. }'
请注意在上面的命令中，它并没有 location 的任何信息。等执行完后，我们可以在 Logstash 的 terminal 中看到如下的输出：
如上所示，我们可以看到被丰富的 location 信息。这个信息来源于 Elasticsearch 中的 myindex 索引。
现在你只需要改变输入部分来读取你的数据源，例如从数据库：
1. jdbc {
2. jdbc_driver_library => "mysql-connector-java-6.0.6.jar"
3. jdbc_driver_class => "com.mysql.cj.jdbc.Driver"
4. jdbc_connection_string => "jdbc:mysql://127.0.0.1:3306/person?useSSL=false"
5. jdbc_user => "root"
6. jdbc_password => ""
7. schedule => "* * * * *"
8. parameters => { "country" => "France" }
9. statement => "SELECT p.id, p.name, p.dateOfBirth, p.gender, p.children, a.city, a.country, a.countrycode, a.lat, a.lon, a.zipcode FROM Person p, Address a WHERE a.id = p.address_id AND a.country = :country AND p.id > :sql_last_value"
10. use_column_value => true
11. tracking_column => "id"
12. }
关于这个部分的详细操作请参考文章 “Elasticsearch：将关系数据库中的数据提取到 Elasticsearch 集群中”。
