ElasticSearch查詢怎么使用

這篇文章主要講解了“ElasticSearch查詢怎么使用”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“ElasticSearch查詢怎么使用”吧！

新野ssl適用于網(wǎng)站、小程序/APP、API接口等需要進(jìn)行數(shù)據(jù)傳輸應(yīng)用場景，ssl證書未來市場廣闊！成為創(chuàng)新互聯(lián)的ssl證書銷售渠道，可以享受市場價格4-6折優(yōu)惠！如果有意向歡迎電話聯(lián)系或者加微信：18982081108（備注：SSL證書合作）期待與您的合作！

搜索api

有兩種方法執(zhí)行搜索：第一種是通過REST request Uri 發(fā)送搜索參數(shù)，第二種是通過REST request body。第二種方法允許你用json格式定義更豐富的查詢參數(shù)。我們將會用第一種方法做一個例子，但之后都會專一地使用第二種方法做實驗。

_search 返回 bank索引的所有文檔

GET /bank/_search?q=*&sort=account_number:asc

q=* ：查詢所有

返回結(jié)果如下：

{
  "took" : 82,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "failed" : 0
  },
  "hits" : {
    "total" : 1000,
    "max_score" : null,
    "hits" : [ {
      "_index" : "bank",
      "_type" : "account",
      "_id" : "0",
      "sort": [0],
      "_score" : null,
      "_source" : {"account_number":0,"balance":16623,"firstname":"Bradshaw","lastname":"Mckenzie","age":29,"gender":"F","address":"244 Columbus Place","employer":"Euron","email":"bradshawmckenzie@euron.com","city":"Hobucken","state":"CO"}
    }, {
      "_index" : "bank",
      "_type" : "account",
      "_id" : "1",
      "sort": [1],
      "_score" : null,
      "_source" : {"account_number":1,"balance":39225,"firstname":"Amber","lastname":"Duke","age":32,"gender":"M","address":"880 Holmes Lane","employer":"Pyrami","email":"amberduke@pyrami.com","city":"Brogan","state":"IL"}
    }, ...
    ]
  }
}

• took-elasticsearch執(zhí)行搜索花費的毫秒數(shù)

• timed_out-告訴我們這次搜索是否超時

• _shards- 告訴我們搜索了多少個分片，以及搜索成功和失敗的分片數(shù)

• hits-搜索返回的文檔結(jié)果

• hits.total 一共命中了多少結(jié)果

• sort-搜索排序規(guī)則，如果沒有該字段，則按相關(guān)度排序

• _score和max_score 暫時先忽略這個參數(shù)（文檔得分，反映相關(guān)度）

下面用request body方法執(zhí)行和上面一樣的搜索操作:

GET /bank/_search
{
  "query": { "match_all": {} },
  "sort": [
    { "account_number": "asc" }
  ]
}

query 字段說明查詢內(nèi)容

match_all是執(zhí)行查詢操作的匹配類型 ， match_all是匹配所有文檔的意思。

不同點是我們用json格式的請求體代替了_search api uri中的q=*參數(shù)。

必須要知道的是：當(dāng)我們接收到返回結(jié)果的時候，elasticsearch已經(jīng)完全處理了這個請求，不會維護(hù)任何的服務(wù)器資源或游標(biāo)到你的返回結(jié)果中。這與類似sql這樣的平臺形成鮮明的對比，sql允許你先取前面的一部分?jǐn)?shù)據(jù)，然后連續(xù)不斷的通過服務(wù)器端的游標(biāo)再去取剩下的數(shù)據(jù)。

基本語法

除了query參數(shù)，我們也可以傳遞其他參數(shù)去影響查詢結(jié)果。在上一章節(jié)的例子我們傳遞了一個sort參數(shù)，這里我們傳遞一個size

GET /bank/_search
{
  "query": { "match_all": {} },
  "size": 1
}

注意，如果size沒有指定，默認(rèn)值是10.

下面這個例子匹配所有文檔，并返回第11-20的文檔：

GET /bank/_search
{
  "query": { "match_all": {} },
  "from": 10,
  "size": 10
}

from參數(shù)指定從第幾個文檔開始返回，size參數(shù)指定一共返回多少個文檔。這個特性是對分頁功能是十分重要的。如果from沒有指定，默認(rèn)值是0。

下面的例子按賬戶余額倒序查詢前10個結(jié)果（默認(rèn)size大?。?/p>

GET /bank/_search
{
  "query": { "match_all": {} },
  "sort": { "balance": { "order": "desc" } }
}

match查詢

現(xiàn)在我已經(jīng)看見過一些基礎(chǔ)的查詢參數(shù)，讓我們挖掘更多關(guān)于query DSL 的信息。首先看看返回文檔的字段。默認(rèn)所有的字段都會被返回。文檔原始內(nèi)容被稱為源（對應(yīng)hits中的_source 鍵）。如果我們不想返回文檔的所有字段，也可以僅僅要求接口返回部分字段。

下面的例子展示如何返回 account_number 和balance（在_source里面）這個兩個字段：

GET /bank/_search
{
  "query": { "match_all": {} },
  "_source": ["account_number", "balance"]
}

注意上述操作只是減少了返回的字段，但是_source字段還是存在的，只是僅返回account_number和balance字段

如果你曾經(jīng)學(xué)過sql，上述概念就和sql select filed list from 差不多。

現(xiàn)在，讓我們繼續(xù)學(xué)習(xí)查詢語法。之前，我們已經(jīng)看到過match_all查詢類型使用來匹配所有文檔的?，F(xiàn)在，我們介紹一種新的查詢類型match，他是基于字段搜索的（即，通過匹配一個特定的字段或一組字段執(zhí)行搜索）

下面的例子返回賬號number是20的文檔：

GET /bank/_search
{
  "query": { "match": { "account_number": 20 } }
}

下面的例子返回所有地址字段包含mill的賬戶文檔

GET /bank/_search
{
  "query": { "match": { "address": "mill" } }
}

下面的例子返回地址字段包含“mill”或者“l(fā)ane”的賬戶

GET /bank/_search
{
  "query": { "match": { "address": "mill lane" } }
}

match_phrase查詢（短語匹配）

下面的例子是match的變種（match_phrase），它返回所有地址字段包含詞組“mill lane”的賬戶

GET /bank/_search
{
  "query": { "match_phrase": { "address": "mill lane" } }
}

bool查詢

現(xiàn)在，讓我介紹一下布爾查詢。bool查詢允許我們把多個match查詢合并到一個查詢中。

下面的例子合并了兩個match查詢并返回所有地址字段同時包含“mill”和“l(fā)ane”的賬戶

GET /bank/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": { "address": "mill" } },
        { "match": { "address": "lane" } }
      ]
    }
  }
}

上述例子的bool must子句指定：當(dāng)所有的查詢都返回true的時候，才認(rèn)為匹配文檔。

與此相反，下面這個這個例子合并兩個match查詢，并返回所有地址地段包含“mill”或“l(fā)ane”的賬戶

GET /bank/_search
{
  "query": {
    "bool": {
      "should": [
        { "match": { "address": "mill" } },
        { "match": { "address": "lane" } }
      ]
    }
  }
}

上述例子，bool should 子句只要文檔滿足其中一個查詢，就認(rèn)為匹配。

下面的例子合并了兩個match查詢，并返回所有地址字段既不包含“mill”也不包含“l(fā)ane”的賬戶：

GET /bank/_search
{
  "query": {
    "bool": {
      "must_not": [
        { "match": { "address": "mill" } },
        { "match": { "address": "lane" } }
      ]
    }
  }
}

上面的例子中，bool must_not子句指定當(dāng)所有查詢都不滿足的時候，就認(rèn)為匹配文檔。

我們也可以把must，should，must_not同時組合到bool子句。此外，我們也可以組合bool 到任何一個bool子句中，實現(xiàn)復(fù)雜的多層bool子句嵌套邏輯。

下面的例子返回所有年齡是40歲但不是住在ID州的賬戶：

GET /bank/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": { "age": "40" } }
      ],
      "must_not": [
        { "match": { "state": "ID" } }
      ]
    }
  }
}

filter查詢

在之前的章節(jié)，我們跳過了一個小細(xì)節(jié)：文檔得分（搜索結(jié)果的_score字段）.文檔得分是一個數(shù)字值，它代表關(guān)鍵字和文檔內(nèi)容的相關(guān)度估值。 文檔得分越高說明相關(guān)度越高，文檔得分越少，說明相關(guān)度越少。

但查詢不一定都需要產(chǎn)生文檔得分，特別在過濾文檔集合的時候。為了避免不必要的文檔得分計算，Elasticsearch會檢查這種情況并自動的優(yōu)化這種查詢。

在前面章節(jié)介紹的bool查詢也支持filter子句，它允許你使用一個查詢語句去過濾其它子句的匹配結(jié)果，同時不會改變文檔的得分。我們介紹一下range查詢，并把它作為例子，它允許我們通過一個范圍值去過濾文檔。通常用于數(shù)字或日期過濾。

這個例子使用bool查詢返回所有賬戶余額在20000-30000之間的文檔。換句話說，我們需要查找余額大于20000小于30000的賬戶：

GET /bank/_search
{
  "query": {
    "bool": {
      "must": { "match_all": {} },
      "filter": {
        "range": {
          "balance": {
            "gte": 20000,
            "lte": 30000
          }
        }
      }
    }
  }
}
{
  "query": {
    "bool": {
      "must": { "match_all": {} },
      "filter": {
        "range": {
          "balance": {
            "gte": 20000,
            "lte": 30000
          }
        }
      }
    }
  }
}

仔細(xì)分析上面的例子，bool查詢包含了一個match_all查詢（查詢部分）和一個range查詢（過濾部分）。我們也可以用任何其它的查詢語句代替查詢和過濾部分的語句。對于上面的例子，因為所有文檔都是指定范圍之內(nèi)的，他們從某種意義上來說是等價的（equally），即他們的相關(guān)度都是一樣的（filter子句查詢，不會改變得分）。

除了 match_all,match,bool,range查詢，還有很多種類的查詢，但我們不在這里一一介紹。從現(xiàn)在開始，我們對查詢已經(jīng)有一個基礎(chǔ)的了解，把學(xué)到的知識應(yīng)用到其他查詢類型應(yīng)該也沒什么難度。

term查詢

GET /bank/_search
{
  "query": {
    "term": {
      "address": "789 Madison"
    }
  }
}

match精確匹配

GET /bank/_search
{
  "query": {
    "match": {
      "address.keyword": "789 Madison"
    }
  }
}

term,match,match_phase,query_string，keyword精確匹配的區(qū)別

1. match

match：模糊匹配，需要指定字段名，但是輸入會進(jìn)行分詞，比如"hello world"會進(jìn)行拆分為hello和world，然后匹配，如果字段中包含hello或者world，或者都包含的結(jié)果都會被查詢出來，也就是說match是一個部分匹配的模糊查詢。查詢條件相對來說比較寬松。

2. term

term: 這種查詢和match在有些時候是等價的，比如我們查詢單個的詞hello，那么會和match查詢結(jié)果一樣，但是如果查詢"hello world"，結(jié)果就相差很大，因為這個輸入不會進(jìn)行分詞，就是說查詢的時候，是查詢字段分詞結(jié)果中是否有"hello world"的字樣，而不是查詢字段中包含"hello world"的字樣，elasticsearch會對字段內(nèi)容進(jìn)行分詞，"hello world"會被分成hello和world，不存在"hello world"，因此這里的查詢結(jié)果會為空。這也是term查詢和match的區(qū)別。

3. match_phase

match_phase：會對輸入做分詞，但是需要結(jié)果中也包含所有的分詞，而且順序要求一樣。以"hello world"為例，要求結(jié)果中必須包含hello和world，而且還要求他們是連著的，順序也是固定的，hello that word不滿足，world hello也不滿足條件。

4. query_string

query_string：和match類似，但是match需要指定字段名，query_string是在所有字段中搜索，范圍更廣泛。

5. keyword精確匹配

不同于term，keyword精確匹配要求查詢的字段必須等于

一般我們?nèi)臋z索字段用match，其他非text字段匹配用term

執(zhí)行聚合（Executing Aggregations）

聚合功能能夠分組并統(tǒng)計你的數(shù)據(jù)。最簡單的說法就是等價于sql group by 語句和sql的聚合函數(shù)。使用elasticsearch，你可以同時在一個請求中返回需要查詢的數(shù)據(jù)以及這些數(shù)據(jù)的多種聚合運算結(jié)果。在單個請求中就可以同時查詢數(shù)據(jù)和進(jìn)行多次聚合運算是非常有意義的，他可以降低網(wǎng)絡(luò)請求的次數(shù)。

下面的例子把state字段的內(nèi)容分組，并按照每一組的文檔數(shù)量倒序排序，返回數(shù)量最多的前10（默認(rèn)值）組數(shù)據(jù)：

GET /bank/_search
{
  "size": 0,
  "aggs": {
    "group_by_state": {
      "terms": {
        "field": "state.keyword"
      }
    }
  }
}

上面的聚合運算等價于執(zhí)行下面的sql：

SELECT state, COUNT(*) FROM bank GROUP BY state ORDER BY COUNT(*) DESC

返回結(jié)果（僅展示一部分）：

{
  "took": 29,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits" : {
    "total" : 1000,
    "max_score" : 0.0,
    "hits" : [ ]
  },
  "aggregations" : {
    "group_by_state" : {
      "doc_count_error_upper_bound": 20,
      "sum_other_doc_count": 770,
      "buckets" : [ {
        "key" : "ID",
        "doc_count" : 27
      }, {
        "key" : "TX",
        "doc_count" : 27
      }, {
        "key" : "AL",
        "doc_count" : 25
      }, {
        "key" : "MD",
        "doc_count" : 25
      }, {
        "key" : "TN",
        "doc_count" : 23
      }, {
        "key" : "MA",
        "doc_count" : 21
      }, {
        "key" : "NC",
        "doc_count" : 21
      }, {
        "key" : "ND",
        "doc_count" : 21
      }, {
        "key" : "ME",
        "doc_count" : 20
      }, {
        "key" : "MO",
        "doc_count" : 20
      } ]
    }
  }
}

我們可以看到，ID州有27個賬戶，隨后的TX州有27個賬戶，AL州有25個賬戶。

注意我們設(shè)置size=0是因為我不需要查詢文檔，只需要查詢聚合結(jié)果。

基于上述例子，下面的例子除了分組還會計算每個州的賬戶的平均余額：

GET /bank/_search
{
  "size": 0,
  "aggs": {
    "group_by_state": {
      "terms": {
        "field": "state.keyword"
      },
      "aggs": {
        "average_balance": {
          "avg": {
            "field": "balance"
          }
        }
      }
    }
  }
}

注意我們是如何把average_balance聚合嵌入到group_by_state聚合中。這種模式適合于所有的聚合。你可以按你的需求重復(fù)嵌套聚合子句，匯總你的數(shù)據(jù)。

基于上面的例子，我們加入了按每個州的賬戶平均余額倒序排序的限制（說明了上一層聚合可以使用下一層聚合的運算結(jié)果）：

GET /bank/_search
{
  "size": 0,
  "aggs": {
    "group_by_state": {
      "terms": {
        "field": "state.keyword",
        "order": {
          "average_balance": "desc"
        }
      },
      "aggs": {
        "average_balance": {
          "avg": {
            "field": "balance"
          }
        }
      }
    }
  }
}

下面例子講述了我們?nèi)绾伟茨挲g組分組(20-29,30-39,40-49),然后按性別分組，最后獲取每個組中每個性別的賬戶平均余額。（例如：年齡段在20-29的女性用戶的賬戶平均余額）

GET /bank/_search
{
  "size": 0,
  "aggs": {
    "group_by_age": {
      "range": {
        "field": "age",
        "ranges": [
          {
            "from": 20,
            "to": 30
          },
          {
            "from": 30,
            "to": 40
          },
          {
            "from": 40,
            "to": 50
          }
        ]
      },
      "aggs": {
        "group_by_gender": {
          "terms": {
            "field": "gender.keyword"
          },
          "aggs": {
            "average_balance": {
              "avg": {
                "field": "balance"
              }
            }
          }
        }
      }
    }
  }
}

最后一個例子，查出所有年齡分布，并且這些年齡段中性別M的平均薪資和F的平均薪資以及這個年齡段的總體平均薪資

GET /bank/_search
{
  "size": 0, 
  "aggs":{
    "aggAgg": {
      "terms": {
        "field": "age"
      },
      "aggs": {
        "ageBalanceAvg":{
          "avg": {
            "field": "balance"
          }
        },
        "genderAgg":{
          "terms":{
            "field": "gender.keyword"
          },
          "aggs": {
            "avgAvg":{
              "avg": {
                "field": "balance"
              }
            }
          }
        }
      }
    }
  }
}

感謝各位的閱讀，以上就是“ElasticSearch查詢怎么使用”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對ElasticSearch查詢怎么使用這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！

網(wǎng)站標(biāo)題：ElasticSearch查詢怎么使用
文章URL：http://m.jiaotiyi.com/article/ijpheo.html