本文以 Elasticsearch 6.2.4为例。
经过前面的基础入门，我们对ES的基本操作也会了。现在来学习ES最强大的部分：全文检索。
准备工作
批量导入数据
先需要准备点数据，然后导入：
wget https://raw.githubusercontent.com/elastic/elasticsearch/master/docs/src/test/resources/accounts.json curl -H "Content-Type: application/json" -XPOST "localhost:9200/bank/account/_bulk" --data-binary "@accounts.json"
这样我们就导入了1000条数据到ES。
注意：
accounts.json每行必须以\n换行。如果提示The bulk request must be terminated by a newline [\n]，请检查最后一行是否以\n换行。
index是bank。我们可以查看现在有哪些index：
curl "localhost:9200/_cat/indices?format=json&pretty"
结果：
[
{ "health" : "yellow", "status" : "open", "index" : "bank", "uuid" : "MDxR02uESgKSynX6k8B-og", "pri" : "5", "rep" : "1", "docs.count" : "1000", "docs.deleted" : "0", "store.size" : "474.6kb", "pri.store.size" : "474.6kb"
}
]使用kibana可视化数据
该小节是可选的，如果不感兴趣，可以跳过。
该小节要求你已经搭建好了ElasticSearch + Kibana。
打开kibana web地址：http://127.0.0.1:5601，依次打开：Management
-> Kibana -> Index Patterns ,选择Create Index Pattern：
a. Index pattern 输入：bank ；
b. 点击Create。
然后打开Discover，选择 bank 就能看到刚才导入的数据了。
我们在可视化界面里检索数据：
是不是很酷！
接下来我们使用API来实现检索。
查询
URI检索
uri检索是通过提供请求参数纯粹使用URI来执行搜索请求。
GET /bank/_search?q=Virginia&pretty GET /bank/_search?q=firstname:Virginia
curl:
curl -XGET "localhost:9200/bank/_search?q=Virginia&pretty"curl -XGET "localhost:9200/bank/_search?q=firstname:Virginia&pretty"
解释：检索关键字为"Virginia"的结果。结果示例：
{ "took": 4, "timed_out": false, "_shards": { "total": 5, "successful": 5, "skipped": 0, "failed": 0
}, "hits": { "total": 2, "max_score": 4.631368, "hits": [
{ "_index": "bank", "_type": "account", "_id": "298", "_score": 4.631368, "_source": { "account_number": 298, "balance": 34334, "firstname": "Bullock", "lastname": "Marsh", "age": 20, "gender": "M", "address": "589 Virginia Place", "employer": "Renovize", "email": "bullockmarsh@renovize.com", "city": "Coinjock", "state": "UT"
}
},
{ "_index": "bank", "_type": "account", "_id": "25", "_score": 4.6146765, "_source": { "account_number": 25, "balance": 40540, "firstname": "Virginia", "lastname": "Ayala", "age": 39, "gender": "F", "address": "171 Putnam Avenue", "employer": "Filodyne", "email": "virginiaayala@filodyne.com", "city": "Nicholson", "state": "PA"
}
}
]
}
}返回字段含义：
took – Elasticsearch执行搜索的时间（以毫秒为单位）
timed_out – 搜索是否超时
_shards – 搜索了多少个分片，以及搜索成功/失败分片的计数
hits – 搜索结果，是个对象
hits.total – 符合我们搜索条件的文档总数
hits.hits – 实际的搜索结果数组（默认为前10个文档）
hits.sort - 对结果进行排序（如果按score排序则没有该字段）
hits._score、max_score - 暂时忽略这些字段
参数：
q 查询字符串（映射到query_string查询）
df 在查询中未定义字段前缀时使用的默认字段。
analyzer 分析查询字符串时要使用的分析器名称。
sort 排序。可以是
fieldName或fieldName:asc/的形式fieldName:desc。fieldName可以是文档中的实际字段，也可以是特殊_score名称，表示基于分数的排序。可以有几个sort参数（顺序很重要）。timeout 搜索超时。默认为无超时。
from 从命中的索引开始返回。默认为0。
size 要返回的点击次数。默认为10。
default_operator 要使用的默认运算符可以是AND或 OR。默认为OR。
详见： https://www.elastic.co/guide/en/elasticsearch/reference/6.2/search-uri-request.html
示例：
GET /bank/_search?q=*&sort=account_number:asc&pretty
解释：所有结果通过account_number字段升序排列。默认只返回前10条。
下面的查询与上面的含义一致：
GET /bank/_search
{ "query": { "multi_match" : { "query" : "Virginia", "fields" : ["_all"]
}
}
}
GET /bank/_search
{ "query": { "match_all": {} }, "sort": [
{ "account_number": "asc" }
]
}通常我们会采用传JSON方式查询。Elasticsearch提供了一种JSON样式的特定于域的语言，可用于执行查询。这被称为查询DSL。
注意：上述的查询里面我们仅指定了index，并没有指定type，那么ES将不会区分type。如果想区分，请在URI后面追加type。示例：
GET /bank/account/_search。
match查询
GET /bank/_search
{ "query" : { "match" : { "address" : "Avenue" }
}
}curl:
curl -XGET -H "Content-Type: application/json" "localhost:9200/bank/_search?pretty" -d '{"query":{"match":{"address":"Avenue"}}}'上述查询返回结果是address含有Avenue的结果。
term查询
GET /bank/_search
{ "query" : { "term" : { "address" : "Avenue" }
}
}curl:
curl -XGET -H "Content-Type: application/json" "localhost:9200/bank/_search?pretty" -d '{"query":{"term":{"address":"Avenue"}}}'上述查询返回结果是address等于Avenue的结果。
注：如果一个字段既需要分词搜索，又需要精准匹配，最好是一开始设置mapping的时候就设置正确。例如：通过增加
.keyword字段来支持精准匹配：
{ "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256
}
}
}这样相当于有
address和address.keyword两个字段。这个后面mapping章节再讲解。
分页(from/size)
分页使用关键字from、size，分别表示偏移量、分页大小。
GET /bank/_search
{ "query": { "match_all": {} }, "from": 0, "size": 2}from默认是0，size默认是10。
注意：ES的from、size分页不是真正的分页，称之为浅分页。from+ size不能超过
index.max_result_window默认为10,000的索引设置。有关 更有效的深度滚动方法，请参阅 Scroll或 Search After API。
排序(sort)
字段排序关键字是sort。支持升序(asc)、降序(desc)。默认是对_score字段进行排序。
GET /bank/_search
{ "query": { "match_all": {} }, "sort": [
{ "account_number": "asc" }
], "from":0, "size":10}按脚本排序
允许基于自定义脚本进行排序，这是一个示例：
GET bank/account/_search
{ "query": { "range": { "age": {"gt": 20} }}, "sort" : { "_script" : { "type" : "number", "script" : { "lang": "painless", "source": "doc['account_number'].value * params.factor", "params" : { "factor" : 1.1
}
}, "order" : "asc"
}
}
}上述查询是使用脚本进行排序：按 account_number*1.1 的结果进行升序。其中lang指的是使用的脚本语言类型为painless。painless支持Math.log函数。
上述例子仅仅是演示使用方法，没有实际含义。
过滤字段
默认情况下，ES返回所有字段。这被称为源（_source搜索命中中的字段）。如果我们不希望返回所有字段，我们可以只请求返回源中的几个字段。
GET /bank/_search
{ "query": { "match_all": {} }, "_source": ["account_number", "balance"]
}通过_source关键字可以实现字段过滤。
返回脚本字段
可以通过脚本动态返回新定义字段。示例：
GET bank/account/_search
{ "query" : { "match_all": {}
}, "size":2, "script_fields" : { "age2" : { "script" : { "lang": "painless", "source": "doc['age'].value * 2"
}
}, "age3" : { "script" : { "lang": "painless", "source": "params['_source']['age'] * params.factor", "params" : { "factor" : 2.0
}
}
}
}
}结果：
{ "took": 2, "timed_out": false, "_shards": { "total": 5, "successful": 5, "skipped": 0, "failed": 0
}, "hits": { "total": 1000, "max_score": 1, "hits": [
{ "_index": "bank", "_type": "account", "_id": "25", "_score": 1, "fields": { "age3": [ 78
], "age2": [ 78
]
}
},
{ "_index": "bank", "_type": "account", "_id": "44", "_score": 1, "fields": { "age3": [ 74
], "age2": [ 74
]
}
}
]
}
}注意：使用
doc['my_field_name'].value比使用params['_source']['my_field_name']更快更效率，推荐使用。
AND查询
如果我们想同时查询符合A和B字段的结果，该怎么查呢？可以使用must关键字组合。
GET /bank/_search
{ "query": { "bool": { "must": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}
GET /bank/_search
{ "query": { "bool": { "must": [
{ "match": { "account_number":136 } },
{ "match": { "address": "lane" } },
{ "match": { "city": "Urie" } }
]
}
}
}must也等价于：
GET /bank/_search
{ "query": { "bool": { "must": [
{ "match": { "address": "mill" } }
], "must": [
{ "match": { "address": "lane" } }
]
}
}
}这种相当于先查询A再查询B，而上面的则是同时查询符合A和B，但结果是一样的，执行效率可能有差异。有知道原因的朋友可以告知。
OR查询
ES使用should关键字来实现OR查询。
GET /bank/_search
{ "query": { "bool": { "should": [
{ "match": { "account_number":136 } },
{ "match": { "address": "lane" } },
{ "match": { "city": "Urie" } }
]
}
}
}AND取反查
must_not关键字实现了既不包含A也不包含B的查询。
GET /bank/_search
{ "query": { "bool": { "must_not": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}表示 address 字段需要符合既不包含 mill 也不包含 lane。
布尔组合查询
我们可以组合 must 、should 、must_not 进行复杂的查询。
A AND NOT B
GET /bank/_search
{ "query": { "bool": { "must": [
{ "match": { "age": 40 } }
], "must_not": [
{ "match": { "state": "ID" } }
]
}
}
}相当于SQL：
select * from bank where age=40 and state!= "ID";
A AND (B OR C)
GET /bank/_search
{ "query":{ "bool":{ "must":[
{"match":{"age":39}},
{"bool":{"should":[
{"match":{"city":"Nicholson"}},
{"match":{"city":"Yardville"}}
]}
}
]
}
}
}相当于SQL：
select * from bank where age=39 and (city="Nicholson" or city="Yardville");
范围查询
GET /bank/_search
{ "query": { "bool": { "must": { "match_all": {} }, "filter": { "range": { "balance": { "gte": 20000, "lte": 30000
}
}
}
}
}
}相当于SQL：
select * from bank where balance between 20000 and 30000;
多字段范围查询：
GET /bank/_search
{ "query": { "bool": { "must": { "match_all": {} }, "filter": { "bool":{ "must":[
{"range": {"balance": {"gte": 20000,"lte": 30000}}},
{"range": {"age": {"gte": 30}}}
]
}
}
}
}
}高亮结果
ES可以高亮返回结果里的关键字，使用html标记标出。
GET bank/account/_search
{ "query" : { "match": { "address": "Avenue" }
}, "from": 0, "size": 1, "highlight" : { "require_field_match": false, "fields": { "*" : { }
}
}
}输出：
{ "took": 10, "timed_out": false, "_shards": { "total": 5, "successful": 5, "skipped": 0, "failed": 0
}, "hits": { "total": 214, "max_score": 1.5814995, "hits": [
{ "_index": "bank", "_type": "account", "_id": "102", "_score": 1.5814995, "_source": { "account_number": 102, "balance": 29712, "firstname": "Dena", "lastname": "Olson", "age": 27, "gender": "F", "address": "759 Newkirk Avenue", "employer": "Hinway", "email": "denaolson@hinway.com", "city": "Choctaw", "state": "NJ"
}, "highlight": { "address": [ "759 Newkirk <em>Avenue</em>"
]
}
}
]
}
}返回结果里的highlight部分就是高亮结果，默认使用<em>标出。如果需要修改，可以使用pre_tags设置修改：
"fields": { "*" : { "pre_tags" : ["<strong>"], "post_tags" : ["</strong>"] }
}*代表所有字段都高亮，也可以只高亮具体的字段，直接用具体字段替换*即可。
require_field_match：默认情况下，仅突出显示包含查询匹配的字段。设置require_field_match为false突出显示所有字段。默认为true。详见：https://www.elastic.co/guide/en/elasticsearch/reference/6.2/search-request-highlighting.html
聚合查询
GET /bank/_search
{ "size": 0, "aggs": { "group_by_state": { "terms": { "field": "state.keyword"
}
}
}
}结果：
{ "took": 29, "timed_out": false, "_shards": { "total": 5, "successful": 5, "skipped" : 0, "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
} ]
}
}
}查询结果返回了ID州(Idaho)有27个账户，TX州(Texas)有27个账户。
相当于SQL：
SELECT state, COUNT(*) FROM bank GROUP BY state ORDER BY COUNT(*) DESC
该查询意思是按照字段state分组，返回前10个聚合结果。
其中size设置为0意思是不返回文档内容，仅返回聚合结果。state.keyword表示字段精确匹配，因为使用模糊匹配性能很低，所以不支持。
多重聚合
我们可以在聚合的基础上再进行聚合，例如求和、求平均值等等。
GET /bank/_search
{ "size": 0, "aggs": { "group_by_state": { "terms": { "field": "state.keyword"
}, "aggs": { "average_balance": { "avg": { "field": "balance"
}
}
}
}
}
}上述查询实现了在前一个聚合的基础上，按州计算平均帐户余额（同样仅针对按降序排序的前10个州）。
我们可以在聚合中任意嵌套聚合，以从数据中提取所需的统计数据。
在前一个聚合的基础上，我们现在按降序排列平均余额：
GET /bank/_search
{ "size": 0, "aggs": { "group_by_state": { "terms": { "field": "state.keyword", "order": { "average_balance": "desc"
}
}, "aggs": { "average_balance": { "avg": { "field": "balance"
}
}
}
}
}
}这里基于第二个聚合结果进行倒序排列。其实上一个例子隐藏了默认排序，也就是默认按照_sort(分值)倒序：
GET /bank/_search
{ "size": 0, "aggs": { "group_by_state": { "terms": { "field": "state.keyword", "order": { "_sort": "desc"
}
}, "aggs": { "average_balance": { "avg": { "field": "balance"
}
}
}
}
}
}此示例演示了我们如何按年龄段（20-29岁，30-39岁和40-49岁）进行分组，然后按性别分组，最后得到每个年龄段的平均帐户余额：
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"
}
}
}
}
}
}
}
}这个结果就复杂了，属于嵌套分组，结果也是嵌套的：
{ "took": 5, "timed_out": false, "_shards": { "total": 5, "successful": 5, "skipped": 0, "failed": 0
}, "hits": { "total": 1000, "max_score": 0, "hits": []
}, "aggregations": { "group_by_age": { "buckets": [
{ "key": "20.0-30.0", "from": 20, "to": 30, "doc_count": 451, "group_by_gender": { "doc_count_error_upper_bound": 0, "sum_other_doc_count": 0, "buckets": [
{ "key": "M", "doc_count": 232, "average_balance": { "value": 27374.05172413793
}
},
{ "key": "F", "doc_count": 219, "average_balance": { "value": 25341.260273972603
}
}
]
}
},
{ "key": "30.0-40.0", "from": 30, "to": 40, "doc_count": 504, "group_by_gender": { "doc_count_error_upper_bound": 0, "sum_other_doc_count": 0, "buckets": [
{ "key": "F", "doc_count": 253, "average_balance": { "value": 25670.869565217392
}
},
{ "key": "M", "doc_count": 251, "average_balance": { "value": 24288.239043824702
}
}
]
}
},
{ "key": "40.0-50.0", "from": 40, "to": 50, "doc_count": 45, "group_by_gender": { "doc_count_error_upper_bound": 0, "sum_other_doc_count": 0, "buckets": [
{ "key": "M", "doc_count": 24, "average_balance": { "value": 26474.958333333332
}
},
{ "key": "F", "doc_count": 21, "average_balance": { "value": 27992.571428571428
}
}
]
}
}
]
}
}
}term与match查询
首先大家看下面的例子有什么区别：
已知条件：ES里address为171 Putnam Avenue的数据有1条；address为Putnam的数据有0条。index为bank，type为account，文档ID为25。
GET /bank/_search
{ "query": { "match" : { "address" : "Putnam"
}
}
}
GET /bank/_search
{ "query": { "match" : { "address.keyword" : "Putnam"
}
}
}
GET /bank/_search
{ "query": { "term" : { "address" : "Putnam"
}
}
}结果：
1、第一个能匹配到数据，因为会分词查询。
2、第二个不能匹配到数据，因为不分词的话没有该条数据。
3、结果不确定。需要看实际是怎么分词的。
我们通过下列查询可以知晓该条数据字段address的分词情况:
GET /bank/account/25/_termvectors?fields=address
结果：
{ "_index": "bank", "_type": "account", "_id": "25", "_version": 1, "found": true, "took": 0, "term_vectors": { "address": { "field_statistics": { "sum_doc_freq": 591, "doc_count": 197, "sum_ttf": 591
}, "terms": { "171": { "term_freq": 1, "tokens": [
{ "position": 0, "start_offset": 0, "end_offset": 3
}
]
}, "avenue": { "term_freq": 1, "tokens": [
{ "position": 2, "start_offset": 11, "end_offset": 17
}
]
}, "putnam": { "term_freq": 1, "tokens": [
{ "position": 1, "start_offset": 4, "end_offset": 10
}
]
}
}
}
}
}可以看出该条数据字段address一共分了3个词：
171 avenue putnam
现在可以得出第三个查询的答案：匹配不到！但值改成小写的putnam又能匹配到了！
原因是：
term query 查询的是倒排索引中确切的term
match query 会对filed进行分词操作，然后再查询
由于Putnam不在分词里（大小写敏感），所以匹配不到。match query先对filed进行分词，也就是分成putnam，再去匹配倒排索引中的term,所以能匹配到。
standardanalyzer 分词器分词默认会将大写字母全部转为小写字母。
参考
1、Getting Started | Elasticsearch Reference [6.2] | Elastic
https://www.elastic.co/guide/en/elasticsearch/reference/6.2/getting-started.html
2、Elasticsearch 5.x 关于term query和match query的认识 - wangchuanfu - 博客园
https://www.cnblogs.com/wangchuanfu/p/7444253.html
作者：飞鸿影~
出处：https://www.cnblogs.com/52fhy/p/10014860.html