Elasticsearch批量更新文档：不存在则创建，存在则追加数组元素

要实现你需求的批量操作，用Elasticsearch的_bulk API结合update动作就能搞定，核心是利用update的script和upsert参数分别处理「文档存在」和「文档不存在」的场景。

核心逻辑 #

• 对每个目标primaryKey，使用update操作
• 若文档已存在：通过Painless脚本将新数据追加到DataList数组中
• 若文档不存在：通过upsert参数插入包含初始DataList的新文档

批量请求示例 #

假设你的索引名为your_index，primaryKey直接作为文档的_id（效率最高，若primaryKey是文档内字段，后面会说明调整方式），批量请求格式如下：

POST /your_index/_bulk
{"update":{"_id":"primaryKey1"}}
{"script":{"source":"ctx._source.DataList.add(params.newData)","params":{"newData":{"DataField1":"fieldValue3","DataField2":"fieldValue4"}},"upsert":{"PrimaryKey":"primaryKey1","DataList":[{"DataField1":"fieldValue3","DataField2":"fieldValue4"}]}}}
{"update":{"_id":"primaryKey2"}}
{"script":{"source":"ctx._source.DataList.add(params.newData)","params":{"newData":{"DataField1":"fieldValue5","DataField2":"fieldValue6"}},"upsert":{"PrimaryKey":"primaryKey2","DataList":[{"DataField1":"fieldValue5","DataField2":"fieldValue6"}]}}}

关键部分说明 #

1. 操作结构：_bulk要求每行是操作元数据（比如{"update":{"_id":"xxx"}}），下一行是操作内容，严格按此格式换行。
2. 存在时的处理：script中的Painless脚本ctx._source.DataList.add(params.newData)会直接把传入的新数据追加到已有数组末尾。
3. 不存在时的处理：upsert字段定义了文档不存在时要插入的完整结构，DataList初始就包含当前的新数据。
4. 非_id作为primaryKey的情况：如果primaryKey是文档内的字段而非_id，需要用query定位文档，比如：

   {"update":{"query":{"term":{"PrimaryKey":"primaryKey1"}}}}
   

   注意要确保PrimaryKey字段是唯一的，否则会匹配多个文档导致更新失败。

注意事项 #

• 索引映射配置：建议显式定义DataList的类型，若需要对数组内的对象做独立查询，用nested类型；仅存储的话用object类型即可：

  PUT /your_index
  {
    "mappings": {
      "properties": {
        "PrimaryKey": {"type": "keyword"},
        "DataList": {
          "type": "nested",
          "properties": {
            "DataField1": {"type": "keyword"},
            "DataField2": {"type": "keyword"}
          }
        }
      }
    }
  }
  

• 批量大小控制：单次批量请求的操作数量建议控制在1000-5000条以内，避免请求过大导致超时或性能下降。
• 脚本权限：确保Elasticsearch启用了Painless脚本（默认是启用状态）。

内容的提问来源于stack exchange，提问作者TheDominus