准备
导入测试用数据集
# 批量插入测试数据
POST /test_index/_bulk
{"index":{"_id":1}}
{"name":"zs","realname":"张三","age":22,"birthday":"2018-12-27","salary":1000.0,"address":"北京市昌平区沙阳路55号"}
{"index":{"_id":2}}
{"name":"ls","realname":"李四","age":24,"birthday":"2017-10-20","salary":5000.0,"address":"北京市朝阳区三里屯街道21号"}
{"index":{"_id":3}}
{"name":"ww","realname":"王五","age":28,"birthday":"2016-03-15","salary":4300.0,"address":"北京市海淀区中关村大街新中关商城2楼511室"}
{"index":{"_id":4}}
{"name":"zl","realname":"赵六","age":30,"birthday":"2003-04-19","salary":12300.0,"address":"北京市海淀区中关村软件园9号楼211室"}
{"index":{"_id":5}}
{"name":"tq","realname":"田七","age":35,"birthday":"2001-08-11","salary":1403.0,"address":"北京市海淀区西二旗地铁辉煌国际大厦负一楼"}
查询(Query)
1. 查看所有并按照年龄降序排列
DSL实现：
GET /test_index/_search
{
"query":{
"match_all":{} # 查询所有
},
"sort":{
"age":"desc" # 按年龄倒序排列
}
}
2. 查询第2页的用户（每页显示2条）
DSL实现：
GET /test_index/_search
{
"query":{
"match_all":{} # 查询所有
},
"sort":{
"age":"asc" # 按年龄倒序排列
},
"from":2, # 从（nowPage-1）*pageSize检索
"size":2 # 查 pageSize条
}
3. 查询address在海淀区的所有用户，并高亮
基于全文检索的查询（分析检索关键词 匹配索引库 返回结果）
DSL实现：
GET /test_index/_search
{
"query": {
"match": { # match查询会分词 如：海淀区 会分词为 海 | 淀 | 区
"address":"海淀区"
}
},
"highlight": {
"fields": { # 需要高亮的字段列表
"address": {}
}
}
}
4. 查询name是zs关键字的用户
基于Term词元查询
DSL实现：
GET /test_index/_search
{
"query":{
"term": {
"name": {
"value": "zs"
}
}
}
}
5. 查询年龄在20~30岁之间的用户
基于范围查询
DSL实现：
GET /test_index/_search
{
"query": {
"range": {
"age": {
"gte": 20, # 大于等于 大于用 gt
"lte": 30 # 小于等于 小于用 lt
}
}
}
}
6. 查询真实姓名以张开头的用户
基于前缀（
prefix）查询
DSL实现：
GET /test_index/_search
{
"query": {
"prefix": {
"realname": {
"value": "李"
}
}
}
}
7. 查询名字以s结尾的用户
基于通配符（
wildcard）的查询
?匹配一个字符*匹配0~n个字符
DSL实现：
GET /test_index/_search
{
"query": {
"wildcard": {
"name": {
"value": "*s"
}
}
}
}
8. 查询id为1，2，3的用户
基于Ids的查询
DSL实现：
GET /test_index/_search
{
"query": {
"ids": {
"values": [1,2,3]
}
}
}
9. 模糊查询realname中包含张关键字的用户
基于Fuzzy的查询
DSL实现：
GET /test_index/_search
{
"query": {
"fuzzy": {
"realname": {"value": "张"}
}
}
}
10. 查询age在15-30岁之间并且name必须通配z*
基于Boolean的查询（多条件查询）
- must：查询结果必须符合该查询条件（列表）。
- should：类似于or的查询条件。
- must_not：查询结果必须不符合查询条件（列表）。
DSL实现：
GET /test_index/_search
{
"query": {
"bool": {
"must": [ #年龄在15~30岁之间并且必须名字通配z*
{
"range": {
"age": {
"gte": 15,
"lte": 30
}
}
},
{
"wildcard": {
"name": {
"value": "z*"
}
}
}
]，
"must_not": [ # 正则查询 name必须不能以s结尾
{
"regexp": {
"name": ".*s"
}
}
]
}
}
}
过滤器（Filter）
准确来说，ES中的查询操作分为两种：查询（query）和过滤（filter）。
查询即是之前提到的query查询，查询默认会计算每个返回文档的得分，然后根据得分排序。
而过滤（filter）只会筛选出符合的文档，并不计算得分，且它可以缓存文档。
所以，单从性能考虑，过滤比查询更快。
换句话说，过滤适合在大范围筛选数据，而查询则适合精确匹配数据。
一般应用时，应先使用过滤操作过滤数据，然后使用查询匹配数据。
过滤器使用
GET /test_index/_search
{
"query":{
"bool": {
"must": [
{"match_all": {}}
],
"filter": { # 过滤年龄大于等于25岁的用户
"range": {
"age": {
"gte": 25
}
}
}
}
}
}
注意： 过滤查询运行时先执行过滤语句，后执行普通查询
过滤器的类型
1. term、terms Filter
term、terms的含义与查询时一致。term用于精确匹配，terms用于多词条匹配
GET /test_index/_search
{
"query":{
"bool": {
"must": [
{"match_all": {}}
],
"filter": {
"terms": {
"name": [
"zs",
"ls"
]
}
}
}
}
}
2. range filter
3. exists filter
exists过滤指定字段没有值的文档
GET /test_index/_search
{
"query": {
"bool": {
"must": [
{
"match_all": {}
}
],
"filter": { # 排除salary为null的结果
"exists": {
"field": "salary"
}
}
}
},
"sort": [
{
"_id": {
"order": "asc"
}
}
]
}
相反操作(查询出salary为null的结果)
GET /test_index/_search
{
"query": {
"bool": {
"must_not": [
{
"exists": {
"field": "salary"
}
}
]
}
}
}
4. ids filter
需要过滤出若干指定
_id的文档，可使用标识符过滤器(ids)
GET /test_index/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"address": "昌平区"
}
}
],
"filter": {
"ids": { # id 过滤器
"values": [
1,
2,
3
]
}
}
}
}
}
5. 其余使用方式可查阅官网
聚合（Aggregations）
聚合提供了功能可以分组并统计你的数据。
理解聚合最简单的方式就是可以把它粗略的看做SQL的GROUP BY操作和SQL的聚合函数。
ES中常用的聚合：
-
metric（度量）聚合：度量类型聚合主要针对的number类型的数据，需要ES做比较多的计算工作，类似于关系型数据库的组函数操作 -
bucketing（桶）聚合：划分不同的“桶”，将数据分配到不同的“桶”里。非常类似sql中的group语句的含义，类似于关系型数据库的分组操作
