ElasticSearch基础入门四
查询与聚合API
|
query DSL |
filter DSL |
|
full-text查询或查询,结果依赖于相关度分值 |
精确值(extac-value)查询或查询结果仅有“yes”或“no”两种结果 |
|
重量级的查询、不会被缓存 |
计算及过滤速度较快，且适于缓存 |
|
match_all、match 、match_phrase及bool Query |
term Filter、terms Filter、range Filter、exists and missing Filters和bool Filter。 |
1、增删改
1.1、添加
①添加或更新 ：指定ID
JSON文档插入ID为1的“index”索引
PUT index/_doc/1
{
"user" : "kimchy",
"post_date" : "2009-11-15T14:12:12",
"message" : "trying out Elasticsearch"
}
②添加文档： 索引id自动生成
POST index/_doc/
{
"user" : "kimchy",
"post_date" : "2009-11-15T14:12:12",
"message" : "trying out Elasticsearch"
}
③添加文档 直接指定分片：“kimchy”
POST index/_doc?routing=kimchy
{
"user" : "kimchy",
"post_date" : "2009-11-15T14:12:12",
"message" : "trying out Elasticsearch"
}
1.2、更新
指定更新的文档索引，类型及文档ID即可，更新成功Version增加
PUT index/_doc/1
{
"user" : "kimchy",
"post_date" : "2019-11-15 14:12:12",
"message" : "trying out Elasticsearch"
}
1.3、删除
1、删除数据
①、根据主键删除数据：【DELETE /索引名称/类型名称/主键编号】
Delete /索引名称/类型名称/主键编号
②、根据匹配条件删除数据：（注意请求方式是Post）
POST /索引名称/类型名称/_delete_by_query
{"query":{"term":{"_id":100000100}}}
③、删除所有数据：（PSOT请求，只删除数据，不删除表结构）
POST /index/type/_delete_by_query?pretty
{ "query": {"match_all": {}}}
④、指定分片删除
POST index/type/_delete_by_query?routing=1
{"query":{"range":{"age":{"gte":10}}}}
⑤、批量删除数据大小
POST twitter/_delete_by_query?scroll_size=5000
{ "query": {"term": {"user": "kimchy"}}}
2、删除索引
①、删除单个索引可以使用命令 【DELETE /索引名称】
Delete 索引名称
②、删除多个索引可以使用命令 【DELETE /索引1，索引2】
Delete 索引名称1，索引名称2
③、删除指定索引开头的所有索引文件【DELETE /testindex*】 [可在配置中禁止]；
Delete 索引名称*
④、删除全部索引命令 【DELETE /_all 或者 DELETE /*】[可在配置中禁止]
Delete _all
注意：单个命令来删除所有的数据不安全，所以，可在elasticsearch.yml 配置文件中修改 action.destructive_requires_name: true
2、URL搜索
例：查name=lisi
GET /index/type/_search?q=name:lisi
查询interests=changge 对age进行降序排列
GET /index/type/_search?q=interests:changge&sort=age:desc
3、多索引，多类型
例：GET /Index1,index2/type1,type2/_search?q=tag:wow
/_search
在所有的索引中搜索所有的类型
/index/_search
在 index 索引中搜索所有的类型
/index,index2/_search
在 index和index2 索引中搜索所有的文档
通配符 *
/g*,u*/_search
在任何以 g 或者 u 开头的索引中搜索所有的类型
//*号为通配符，查询结尾是3和4的索引下的所有文档
GET /*3,*4/_search
/index/type1/_search
在 index 索引中搜索 type1 类型
/index,index2/type1,type2/_search
在 index 和 index2 索引中搜索 type1 和 type2 类型
/_all/type1,type2/_search
在所有的索引中搜索 type1 和 type2 类型
3、term 和terms精确查询
{"query": {"term": {"user": {"value": "Kimchy",}}}}
{"query": {"terms": {"user" : ["kimchy", "elasticsearch"],}}}}
4、布尔查询Bool Query
一个 bool 过滤器由三部分组成：
{"bool":{"must":[],"should":[],"must_not":[],}}
Must：所有的语句都 必须（must） 匹配，与 AND 等价。
must_not：所有的语句都 不能（must not） 匹配，与 NOT 等价。
should：至少有一个语句要匹配，与 OR 等价。
5、Range查询
{"query": {"range" : {"age" : {"gte" : 10,"lte" : 20,}}}}
gt: > 大于（greater than）
lt: < 小于（less than）
gte: >= 大于或等于（greater than or equal to）
lte: <= 小于或等于（less than or equal to）
6、Exists 存在查询
{ "query" ：{ "exists" ：{ "field" ：“user" } } }
7、Missing 查询
{ "query" ：{ "missing" ：{ "field" ：“user" } } }
8、 前缀查询
{ "query": {"prefix" : { "user" : "ki" }}}
9、 Wildcard Query通配符检索
通配符查询允许您指定匹配的模式，而不是整个词组（term）检索
？匹配任何字符
*匹配零个或多个字符
{"query": {"wildcard": {"user": {"value": "ki*y"}}}}
10、正则表达式检索( Regexp Query)
{"query": {"regexp":{"user": " t[a-z]*y "}}}
11、Fuzzy 模糊检索( Fuzzy Queries)
{ "query" ：{ "fuzzy" ：{ "user" ："ki" } } }
12、match 模糊查询
1、match查询
match查询 全文查询 模糊查询，先分词再查询text / numerics / dates
{"query":{"match":{"key":"A,B"}}}
match_all 匹配所有文档
match_none match_all的反面，不匹配任何文档
match_phrase短语匹配
{
"query": {
"match_phrase" : {
"message" : "this is a test"
}
}
}
2、match前缀查询
match_phrase_prefix
match_bool_prefix
GET /_search
{
"query": {
"match_bool_prefix" : {
"message" : "quick brown f"
}
}
}
类似
GET /_search
{
"query": {
"bool" : {
"should": [
{ "term": { "message": "quick" }},
{ "term": { "message": "brown" }},
{ "prefix": { "message": "f"}}
]
}
}
}
multi_match 在指定字段查询指定的值 的查询
查询title，first_name和last_name 字段
{
"query": {
"multi_match" : {
"query": "Will Smith",
"fields": [ "title", "*_name" ]
}
}
}
13、全字段模糊查询（query_string）
query_string查询解析输入并在运算符周围分割文本。每个文本部分彼此独立地分析。
例如:
GET /_search
{
"query": {
"query_string" : {
"default_field" : "content",
"query" : "(new york city) OR (big apple)"
}
}
}
将分成new york city 或 big apple，然后通过为该字段配置的分析器独立地分析每个部分。
如果要分别查询每个术语，则需要在术语周围添加显式运算符（如new AND york AND city）
14、聚合
1、指标聚合
对一个数据集求最大、最小、和、平均值等指标的聚合，在ES中称为指标聚合metric
max min sum avg
文档计数 count
POST /bank/_doc/_count
{ "query": {"match": {"age" : 24}}}
value_count Value count 统计某字段有值的文档数
POST /bank/_search?size=0
{
"aggs": {
"age_count": {
"value_count": {
"field": "age"
}
}
}
}
cardinality 值去重计数
POST /bank/_search?size=0
{
"aggs": {
"age_count": {
"cardinality": {
"field": "age"
}
},
"state_count": {
"cardinality": {
"field": "state.keyword"
}
}
}
}
2、桶聚合
对查询出的数据进行分组group by，再在组上进行指标聚合,分组在ES中称为分桶、 桶聚合 bucketing
Terms 根据字段值项分组聚合
Filter 对满足过滤查询的文档进行聚合计算
Filters 多个过滤组聚合计算
Range 范围分组聚合
Date Range 时间范围分组聚合
Histogram 年、季、月、 周、 日、 时 、分 、秒等进行聚合统计
Missing 缺失聚合
GEO Distance 地理位置聚合
15、根据条件更新历史数据
POST my_index/_update_by_query
{
"query": {"term": {"user": {"value": "Kimchy",}}},
"script": {
"inline": "if (ctx._source.code == null) {ctx._source.code= '02'}"
}
}
16、分页查询
1、深度分页（from-size）
{
"from" : 0, "size" : 10,
"query" : {
"term" : { "user" : "kimchy" }
}
}
其中：from定义了目标数据的偏移值，size定义当前返回的事件数目。
默认：from为0，size为10
注意：ES使用index.max_result_window:10000作为保护措施 ，即默认 from + size 不能超过10000
2、 快照分页(scroll)
POST /index/_search?scroll=1m
{
"size": 100,
"query": {
"match" : {
"title" : "elasticsearch"
}
}
}
返回包含 _scroll_id
根据scroll_id 查询数据
POST /_search/scroll
{
"scroll" : "1m",
"scroll_id" : "DXF1ZXJ5QW5kRmV0….."
}
scroll:指分页保持活动多久
优化：
①初始化，使用_doc去sort，适用只取数据不排序，
GET /_search?scroll=1m {"sort": ["_doc"]}
②清除scroll，查询完成后关闭，释放资源
DELETE /_search/scroll { "scroll_id":"12121212"}
DELETE /_search/scroll/_all
DELETE /_search/scroll/{scroll_id}
3、分页展示最大条数设置
put /index/_settings
{ "index" : { "max_result_window" : 10000000}}
