ES查询常用语法

大家好，欢迎来到IT知识分享网。

目录

1. ElasticSearch之查询返回结果各字段含义

2. match 查询

3. term查询

4. terms 查询

5. range 范围

6. 布尔查询

6.1 filter加快查询效率的原因

7. boosting query(提高查询)

8. dis_max(最佳匹配查询）

9. 分页

10. 聚合查询【内含实际的demo】

1. ElasticSearch之查询返回结果各字段含义

执行命令：索引库名称/_search

空搜索的结果为：

{ "took": 2, # 该命令请求花费了多长时间，单位：毫秒。 "timed_out": false, # 搜索是否超时 "_shards": { # 搜索分片信息 "total": 3, # 搜索分片总数 "successful": 3, # 搜索成功的分片数量 "skipped": 0, # 没有搜索的分片，跳过的分片 "failed": 0 # 搜索失败的分片数量 }, "hits": { # 搜索结果集。需要的一切数据都是从hits中获取 "total": 21798, # 返回多少条数据 "max_score": 1, #返回结果中，最大的匹配度分值 "hits": [ # 默认查询前十条数据，根据分值降序排序，这里为了节省地方，把默认查询的前十条数据删了9条，只剩下一条数据 { "_index": "", # 索引库名称 "_type": "", # 类型名称 "_id": "", # 该条数据的id "_score": 1, # 关键字与该条数据的匹配度分值 "_routing": "", # routing参数是一个可选参数，默认使用文档的_id值，用于计算文档所属分片 "_source": { # 索引库中类型，返回结果字段，不指定的话，默认全部显示出来 "id": 1, "orderNo": "", "appId": "", "componentAppId": "", "settleNo": "", "outSettleNo": "", "settleAmount": 5, "orderAmount": 7, "settleStatus": 3, "paymentChannel": 1, "version": 2, "settleTime": , "createTime": , "updateTime": , "promotionAccountId": "", "invoiceStatus": 1, "promotionTypeValue": 0, "commissionRateFeeCentAmount": 0, "commissionChargeFeeCentAmount": 0, "promotionFeeCentAmount": 2, "developerPromotionFeeCentAmount": 0, "promotionType": "" } } ] } }

• 按照从上到下的顺序，一共四个返回值，took，timed_out，_shards，hits。
• took
  • 该命令请求花费了多长时间，单位：毫秒。
• timed_out
  • 搜索是否超时。
• shards
  • 搜索分片信息。
  • total
    • 搜索分片总数。
  • successful
    • 搜索成功的分片数量。
  • skipped
    • 没有搜索的分片，跳过的分片。
  • failed
    • 搜索失败的分片数量。
• hits
  • 搜索结果集，需要的一切数据都是从hits中获取。
  • total
    • 返回多少条数据。
  • max_score
    • 返回结果中，最大的匹配度分值。
  • hits
    • 默认查询前十条数据，根据分值降序排序。
  • _index
    • 索引库名称。
  • _type
    • 类型名称。
  • _id
    • 该条数据的id。
  • _score
    • 关键字与该条数据的匹配度分值。
  • _source
    • 索引库中类型，返回结果字段，不指定的话，默认全部显示出来。

2. match 查询

• 匹配查询 match 是个 核心 查询。无论需要查询什么字段， match 查询都应该会是首选的查询方式。它是一个高级 全文查询 ，这表示它既能处理全文字段(包括支持分词的字段)，又能处理精确字段
• match 查询主要的应用场景就是进行全文搜索

{ "query": { "match": { "appId": "xxxx" } } }

match本质上是对term组合，所以上面的语句换成term依然能够执行

{ "query": { "term": { "appId": "xxxx" } } }

3. term查询

• term 查询， 可以用它处理数字（numbers）、布尔值（Booleans）、日期（dates）以及文本（text）
• 用 trem 搜索字符串时 要将字段设置成 not_analyzed 无需分析的。不然es会将字符串进行分词，分词结果建立索引，在用trem进行精确查找时找不到任何文档
• 对应的 QueryBuilder class 是TermQueryBuilder
• 具体方法是 QueryBuilders.termQuery()

{ "query": { "term": { "appId": "xxxx" } } }

4. terms 查询

• terms 查询允许指定多个值进行匹配。如果这个字段包含了指定值中的任何一个值，就表示该文档满足条件。 比如我们想要查找价格字段值为 $20 或 $30 的文档则可以使用trems；
• 按照读个分词term匹配，它们是or的关系
• 对应的 QueryBuilder class 是 TermsQueryBuilder
• 具体方法是 QueryBuilders.termsQuery()

{ "query": { "terms": { "appId": ["xxxx", "xxxx"] } } }

5. range 范围

• 常常被用在数字或者日期范围的查询

{ "query": { "range": { "createTime": { "gte": 61, "lte": 61 } } } }

6. 布尔查询

• 通过布尔逻辑将较小的查询组合成较大的查询。
• 概念
  • Bool查询语法有以下特点
    • 子查询可以任意顺序出现
    • 可以嵌套多个查询，包括bool查询
    • 如果bool查询中没有must条件，should中必须至少满足一条才会返回结果。
  • bool查询包含四种操作符，分别是must,should,must_not,filter。他们均是一种数组，数组里面是对应的判断条件。
    • must： 必须匹配。贡献算分
    • must_not：过滤子句，必须不能匹配，但不贡献算分
    • should： 选择性匹配，至少满足一条。贡献算分
    • filter： 过滤子句，必须匹配，但不贡献算分，所以比must会更快！

{ "query": { "bool": { "must": [ { "term": { "appId": "xxxx" } }, { "term": { "paymentChannel": 1 } }, { "term": { "settleStatus": 3 } }, { "term": { "promotionAccountId": "" } }, { "range": { "createTime": { "from": 80, "to": 80, "include_lower": true, "include_upper": true } } } ] } } }

6.1 filter加快查询效率的原因

• query context
  • query context关注的是，文档到底有多匹配查询的条件，这个匹配的程度是由相关性分数决定的，分数越高自然就越匹配。所以这种查询除了关注文档是否满足查询条件，还需要额外的计算相关性分数.
• filter context
  • filter context关注的是，文档是否匹配查询条件，结果只有两个，是和否。没有其它额外的计算。它常用的一个场景就是过滤时间范围。
  • 并且filter context会自动被ES缓存结果，效率进一步提高。
  • 对于bool查询，must使用的就是query context，而filter使用的就是filter context。
  • 我们可以通过一个示例验证下。继续使用第一节的例子，我们通过kibana自带的search profiler来看看ES的查询的详细过程。
• 那么 filter 的 cache 是怎么做的呢？
  • ES 会构建一个文档匹配过滤器的位集 bitset（用来标识一个文档对一个 filter 条件是否匹配，如果匹配就是 1，不匹配就是 0），下次再有这个 filter 条件过来的时候就不用重新扫描倒排索引，反复生成 bitset，可以大幅度提升性能，另外当添加或更新文档时，这个 filter 的位集 bitset 也会更新。

{ "query": { "bool": { "must": [ { "term": { "appId": "xxxx" } }, { "term": { "paymentChannel": 1 } }, { "term": { "settleStatus": 3 } }, { "term": { "promotionAccountId": "" } } ], "filter": { "range": { "createTime": { "from": 80, "to": 80, "include_lower": true, "include_upper": true } } } } } }

7. boosting query(提高查询)

• 用来控制（提高或降低）复合查询中子查询的权重。

• 不同于bool查询，bool查询中只要一个子查询条件不匹配那么搜索的数据就不会出现。而boosting query则是降低显示的权重/优先级（即score)。
• 比如搜索逻辑是 name = ‘apple’ and type =’fruit’，对于只满足部分条件的数据，不是不显示，而是降低显示的优先级（即score)

• ~positive(积极的，加分)：
  • 只有匹配上positive的查询的内容，才会被放到返回的结果集中。
• ~negative(消极的，减分)：
  • 如果匹配上positive并且也匹配上了negative，就可以降低这样的文档score。
• ~negative_boost：
  • 指定系数，必须小于1.0 ，那么匹配到的内容会将分数乘以当前系数；(这是个系数，因为你要控制分数，那要怎么控制呢？就是乘以系数来控制分数大小)

{ "query": { "boosting": { "positive": { "term": { "appId": "xxxx" } }, "negative": { "term": { "orderNo": "xxxx" } }, "negative_boost": 0.5 } } }

8. dis_max(最佳匹配查询）

• dis_max query
  • 叫做分离最大化查询，它会将任何与查询匹配的文档都作为结果返回，但是只是将其中最佳匹配的评分作为最终的评分返回。

• dis_max 条件的计算分数
  • 分数 = 第一个匹配条件分数 + tie_breaker * 第二个匹配的条件的分数 …

 "query": { "dis_max": { "queries": [ { "term": { "appId": "xxxx" } }, { "term": { "paymentChannel": 1 } }, { "range": { "createTime": { "from": 80, "to": 80, "include_lower": true, "include_upper": true } } } ], "tie_breaker": 0 } }

9. 分页

• 通过 from 和 size 就可以执行分页查询。from 指明了分页查询返回的结果的起始位置，而size参数则指明了分页查询的页容量。

{ "from": 0, "size": 1, "query": { "bool": { "must": [ { "term": { "appId": "xxxx" } }, { "term": { "paymentChannel": 1 } }, { "term": { "settleStatus": 3 } }, { "term": { "promotionAccountId": "" } }, { "range": { "createTime": { "from": 80, "to": 80, "include_lower": true, "include_upper": true } } } ] } } }

10. 聚合查询【内含实际的demo】

根据appId查询昨日结算成功的指定支付渠道的结算总金额

{ "query": { "bool": { "must": [ { "term": { "appId": "xxxx" } }, { "term": { "paymentChannel": 1 } }, { "term": { "settleStatus": 3 } }, { "term": { "promotionAccountId": "" } }, { "range": { "createTime": { "from": 80, "to": 80, "include_lower": true, "include_upper": true } } } ] } }, "aggs": { "total_amount": { "sum": { "field": "settleAmount" } } }, "size": 0 }