网站导航
> 文章列表 > ElasticSearch常用查询操作

ElasticSearch常用查询操作

网友: 文章列表 2024-03-21 22:37:15

ElasticSearch常用查询操作

ES查询

     一般我们使用ES最多的就是查询，今天就讲一下ES的查询。这里我是建了一个person的索引。

"person" : {"aliases" : { },"mappings" : {"properties" : {"address" : {"type" : "text","fields" : {"keyword" : {"type" : "keyword","ignore_above" : 256}}},"age" : {"type" : "long"},"name" : {"type" : "text","fields" : {"keyword" : {"type" : "keyword","ignore_above" : 256}}}}}

基本查询操作

1.查询所有数据并进行排序

GET person/_search
{"query":{"match_all": {}},"sort":{"age":"desc"}
}

说明：这里是一个GET请求，person代表索引，_search表示搜索(固定写法)。

"query"表示查询。“match_all”表示查询所有。后面的sort就表示要对查询结果进行排序。age 表示要排序的字段。而desc表示降序排序。asc升序排序。

 结果说明：took表示查询花费时间(ms)，_shards分片信息。搜索了多少个分片。hits查询结果，tatoal.value搜索到了几个文档。

2.分页查询

主要就是用到一个from(第几页)，size(每页大小)。

GET person/_search
{"query":{"match_all": {}},"sort":{"age":"desc"},"from":1,"size":1
}

3.查询段落匹配

比如我们想查某个字段里面包好了某个字符串的话，就可以使用这种查询。比如我想查地址里面包含疾风的数据。

GET person/_search
{"query":{"match_phrase": {"address": "疾风"}}
}

 

复合查询 

1.多条件bool查询

通过布尔将较小的查询组合成大的查询。

如果存在多个查询条件就需要用到这种查询。比如我要查年龄为23岁，并且地址不在海南的人。这里查询注意格式，方括号大括号不能少，这是我觉得比较难受的一个点。

GET person/_search
{"query":{"bool":{"must":[{"match":{"age":"23"}}],"must_not": [{"match": {"address": "海南"}}]}}
}

bool表示这是一个布尔查询，must和must_not表示必须满足和不满足，而里面的就是条件，必须匹配条件为年龄23，且地址不为海南的人。

特点：

  • 子查询可以任意顺序出现。

  • 可以嵌套多个查询，包括布尔查询

除了上面的must和must_not，还有should(选择性匹配至少满足一条)，filter过滤，必须匹配。

全文搜索

1.Match类型

使用match全文搜索

GET person/_search
{"query": {"match": {"name": "冯"}}
}

这个查询首先回去判断name是text类型，text类型是会被分词的，那么查询字符串本身也会被分词。然后查询字符串会被传入标准分析器中，因为自由一个字所以这个查询的底层是单个的term查询。term查询会计算每个文档的相关度评分_score，如果是多个汉字是怎样？

GET person/_search
{"query": {"match": {"name": "老板"}}
}

 结果：

这里我并没有安装新的分词器，默认是一个汉字分成一个词。他可以等同如下查询：

 

他等同于should的两个term查询，只要满足任意一个就可以。其实match还有一个operator参数，默认是or，所以should也能查询出来，如果改成and就是需要同时满足.

 等同于：

2.quert string类型

首先看例子

GET person/_search
{"query": {"query_string": {"default_field": "address",  "query": " 疾风 OR 达州"}}
}

 

        

GET person/_search
{"query": {"query_string": {"default_field": "address","query": "疾风 AND 归途"}}
}

 

上面两个查询仔细看很容易理解，query_string查询就是 根据运算符(and 或者 or)来解析和拆分字符串。然后查询在返回匹配的文档前独立分析每个拆分的文本。

除了这些查询外还有许多其他查询方式，这里这是讲了一种，以后再使用其他的时候可以对照理解。

term查询

1.基于单词的查询，基于id查询。

GET person/_search
{"query": {"ids":{"values":[1,2,3]}}
}

2.通过前缀查询

GET person/_search
{"query": {"prefix": {"name": {"value": "冯"}}}
}

3.分词匹配查询

GET person/_search
{"query": {"term": {"name": {"value": "老"}}}
}

 

多个分词匹配

这里我之前在项目代码里面遇到过，查询对接人通过职位编码来进行匹配，利用了这种查询。还是比较多用的

GET person/_search
{"query": {"terms": {"name": ["冯","陈"]}}
}

 

4.通配符：wildcard

GET person/_search
{"query": {"wildcard": {"name": {"value": "冯*"}}}
}

 范围查询

GET person/_search
{"query": {"range": {"age": {"gte": 20,"lte": 30}}}
}

5.正则：regexp

get person/_search
{"query":{"regexp": {"name": "冯*"}}
}

6.模糊匹配：fuzzy

get person/_search
{"query":{"fuzzy": {"address": {"value": "疾"}}}
}

聚合查询

聚合查询就是类似我们在SQL中的group by。聚合查询中有两个概念，一个是桶：满足特定条件的文档的集合。还有一个是指标：就是对桶内的文档进行统计计算。所以在ES里面有三种聚合方式：

1.桶聚合

2.指标聚合

3.管道聚合

首先准备一批数据：

POST /test-agg-cars/_bulk
{ "index": {}}
{ "price" : 10000, "color" : "red", "make" : "honda", "sold" : "2014-10-28" }
{ "index": {}}
{ "price" : 20000, "color" : "red", "make" : "honda", "sold" : "2014-11-05" }
{ "index": {}}
{ "price" : 30000, "color" : "green", "make" : "ford", "sold" : "2014-05-18" }
{ "index": {}}
{ "price" : 15000, "color" : "blue", "make" : "toyota", "sold" : "2014-07-02" }
{ "index": {}}
{ "price" : 12000, "color" : "green", "make" : "toyota", "sold" : "2014-08-19" }
{ "index": {}}
{ "price" : 20000, "color" : "red", "make" : "honda", "sold" : "2014-11-05" }
{ "index": {}}
{ "price" : 80000, "color" : "red", "make" : "bmw", "sold" : "2014-01-01" }
{ "index": {}}
{ "price" : 25000, "color" : "blue", "make" : "ford", "sold" : "2014-02-12" }

1.标准聚合

比如说我们想得到每个颜色的销量

GET test-agg-cars/_search
{"size":0,    							//siz指定为0，hits不会返回搜索结果"aggs": {     						//聚合查询"pop_colors": {         //为聚合查询的结果指定一个想要的名称"terms": { 						//定义桶的类型为terms（桶：满足特定条件的文档集合）"field": "color.keyword"   //每个桶的key都与color字段里找到的唯一词对应}}}
}

查询结果：

doc_count告诉我们每个包含该词项的文档数量。

2.多个聚合

计算两种桶的结果

GET /test-agg-cars/_search
{"size": 0,"aggs":{"pop_colors":{"terms": {"field": "color.keyword"}},"make_by":{"terms": {"field": "make.keyword"}}}
}

 查询结果

3.聚合嵌套

比如我们要查询每种颜色的平均价格，首先使用聚合查询每种颜色，然后再嵌套一个聚合查询每种颜色的平均价格。

GET test-agg-cars/_search
{"size": 0,"aggs": {"colors": {"terms": {"field": "color.keyword"},"aggs":{"avg_price":{"avg": {"field": "price"}}}}
}
}

查询结果：

 4.前置过滤条件：filter

比如我们只想查某一个类型的平均价格，可以先使用filter过滤出来，然后再使用一个嵌套聚合计算平均价格。

GET test-agg-cars/_search
{"size": 0,"aggs":{"make_by":{"filter": {"term": {"make": "honda"}},"aggs": {"avg_price": {"avg": {"field": "price"}}}}}
}

查询结果：

 5.对number类型聚合：range

查询某一个范围。

{"size":0,"aggs": {"price_ranges": {"range": {"field": "price","ranges": [{"from": 10000,"to": 15000}]}}}
}

结果：

 6.对日期类型聚合

我觉得这种聚合查询应用的场景会比较多。查询某个时间范围内的数据。

GET test-agg-cars/_search
{"size":0,"aggs": {"range": {"date_range": {"field": "sold","ranges": [{"from": "2014-10-28","to": "2014-11-05"}]}}}
}

结果：

 

聚合查询之metric聚合

metric聚合从分类上来看，可以分为单值分析和多值分析。

  • 单值分析就是只输出一个分析结果，标准的stat型。

1.avg 平均值

2.max 最大值

3.min 最小值

4.sum 和

5.value_count 数量

其他类型 cardinality记述(distinct去重)，weighted_avg 带权重的avg。。。

  • 多值分析

    省略，因为我觉得不是很常用，到时候会查文档就行。

单值分析

avg平均值：计算平均值

GET person/_search
{"size": 0, "aggs":{"avg_age":{"avg": {"field": "age"}}}
}
//返回结果"aggregations" : {"avg_age" : {"value" : 30.857142857142858}}

max最大值：

GET person/_search
{"size":0,"aggs": {"max_age": {"max": {"field": "age"}}}
}
//返回结果"aggregations" : {"max_age" : {"value" : 40.0}

min最小值：与最大值类似

sum求和：

GET person/_search
{"size":0,"aggs": {"sum_age": {"sum": {"field": "age"}}}
}
//返回结果"aggregations" : {"sum_age" : {"value" : 216.0}}

Value_count数量

GET person/_search?size=0
{"aggs": {"name_count": {"value_count": {"field": "age"}}}
}
//返回结果"aggregations" : {"sum_age" : {"value" : 216.0}}

 目前就简单介绍了这些查询，其实在es官网可以看到很多不同的查询，包括管道啥之类的，但是我们以后使用的时候要知道大致的查询分为哪几类，然后每种查询得能在官网快速定位，然后通过例子学会使用并理解。

网络标签：

相关问题