目录
两种检索方式
URL+检索参数
GET /bank/_search?q=*&sort=account_number:asc
URL+请求体
GET /bank/_search { "query": { "match_all": {} }, "sort": [ { "account_number": "asc" } ] }
hits:检索结果
hits.hits --搜索结果数组
Query DSL
Domain Specific Language ——是Elasticsearch中用于构建复杂查询的JSON格式语言。
基本结构
{
QUERY_NAME:{
ARGUMENT:VALUE,
ARGUMENT:VALUE,...
}
}
针对某字段时
{
QUERY_NAME:{
FIELD_NAME:{
ARGUMENT:VALUE,
ARGUMENT:VALUE,...
}
}
}
match_all
GET /bank/_search { "query": { "match_all": {} }, "sort": [ { "account_number": { "order": "asc" } } ], "from": 0, "size": 5, "_source": ["account_number","balance"] }
match
仅支持单个字段feild，全文检索，分词匹配，倒排索引
GET /bank/_search
{
"query": {
"match": {
"address": "mill lane"
}
},
"_source": ["account_number","address"]
}
match_phrase
短语匹配，不分词，将检索条件当作一个完整的单词
GET /bank/_search
{
"query": {
"match_phrase": {
"address": "mill lane"
}
},
"_source": ["account_number","address"]
}
multi_match
多字段匹配，分词
GET /bank/_search
{
"query": {
"multi_match": {
"query": "mill Movico",
"fields": ["address","city"]
}
},
"_source": ["account_number","address","city"]
}
bool
复合查询，可以合并其他查询语句
GET /bank/_search
{
"query": {
"bool": {
"must": [
{"match": {
"gender": "M"
}},
{"match": {
"address": "mill"
}}
],
"must_not": [
{"match": {
"age": "28"
}}
],
"should": [
{"match": {
"firstname": "winnie"
}}
]
}
}
}must：必须符合列举的所有条件
must_not:必须不符合
should：可以符合也可以不符合 列举的条件---影响相关性得分
filter
不产生分数的查询条件，相当于 不加分的must
GET /bank/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"gender": "M"
}
},
{
"match": {
"address": "mill"
}
}
],
"must_not": [
{
"match": {
"age": "28"
}
}
],
"should": [
{
"match": {
"firstname": "winnie"
}
}
],
"filter": {
"range": {
"balance": {
"gte": 40000,
"lte": 50000
}
}
}
}
}
}filter引入后，对比引入前，命中结果减少，但相关性得分不变
term & .keyword
精确匹配，直接匹配字段的原始值，不进行任何分词或分析。
适用于非文本字段，比match稍快
“由于ES在保存text字段时，会进行分词，用term去精确匹配一个完整text是非常困难的”
非文本字段用term
GET /bank/_search
{
"query": {
"term": {
"account_number": {
"value": "136"
}
}
}
}文本字段的精确匹配用 .keyword
GET /bank/_search
{
"query": {
"match": {
"address.keyword": "198 Mill Lane"
}
}
}
}aggregations
执行聚合，用于对数据进行统计分析和分组。类似于 SQL 中的 GROUP BY 和聚合函数（如 SUM、AVG、COUNT 等）。
- Bucket Aggregations（桶聚合），将doc分到不同的桶中，每个桶代表一个分组。
- Metric Aggregations（指标聚合），统计，如总和、平均值、最大值、最小值等。
- Pipeline Aggregations（管道聚合），对其他聚合的结果进行二次计算。
GET /bank/_search
{
"query": {
"match_all": {}
},
"size": 0,
"aggs": {
"balanceAvg":{
"avg": {
"field": "balance"
}
},
"ageAgg": {
"terms": {
"field": "age",
"size": 10
},
"aggs": {
"balanceAvg":{
"avg": {
"field": "balance"
}
},
"genderAgg": {
"terms": {
"field": "gender.keyword",
"size": 10
},
"aggs": {
"balanceAvg": {
"avg": {
"field": "balance"
}
}
}
}
}
}
}
}terms：桶聚合，分组
avg：指标聚合，统计平均值
计算所有员工的balance平均值，
先依据年龄分组，按年龄计算balance平均值，
再嵌套性别分组，年龄性别分组后计算balance平均值
