ElasticSearch常见操作语法
- Elasticsearch语法大全
- 一、 ElasticSearch 创建index、type、field语法
- 1、Elasticsearch和关系型数据库数据模型对应关系表
- 2、创建索引并查看
- 3、删除索引并查看
- 4、文档操作
- 4.1、查看文档类型
- 4.2、在索引中添加文档
- 4.3、在索引中查看文档
- 4.4、在索引中修改文档
- 4.5、在索引中删除文档
- 4.6、在索引中批量操作文档
- 5、创建一个数据模型样例（包含index、type、field）：
- 6、Elasticsearch给type增加一项field
- 二、Elasticsearch搜索语句
- 1、最简单的搜索，使用match_all来表示，例如搜索全部
- 2、分页搜索，from表示偏移量，从0开始，size表示每页显示的数量
- 3、搜索排序，使用sort表示，例如按createTime字段降序排列
- 4、搜索并返回指定字段内容，使用_source表示，例如只返回id和createTime两个字段内容
- 5、条件搜索，使用match表示匹配条件，例如搜索出id为20的文档：
- 6、文本类型字段的条件搜索，例如搜索address字段中包含mill的文档，对比上一条搜索可以发现，对于数值类型match操作使用的是精确匹配，对于文本类型使用的是模糊匹配；
- 7、短语匹配搜索，使用match_phrase表示，例如搜索address字段中同时包含mill和lane的文档：
- 8、组合搜索，使用bool来进行组合，must表示同时满足，例如搜索address字段中同时包含mill和lane的文档
- 9、组合搜索，should表示满足其中任意一个，搜索address字段中包含mill或者lane的文档
- 10、组合搜索，must_not表示同时不满足，例如搜索address字段中不包含mill且不包含lane的文档
- 11、组合搜索，组合must和must_not，例如搜索age字段等于40且state字段不包含ID的文档
- 12、搜索过滤，使用filter来表示，例如过滤出balance字段在20000~30000的文档
- 13、对搜索结果进行聚合，使用aggs来表示，类似于MySql中的group by，例如对vin字段进行聚合，统计出相同state的文档数量
- 14、嵌套聚合，例如对state字段进行聚合，统计出相同vin的文档数量，再统计出balance的平均值
- 15、对聚合搜索的结果进行排序，例如按balance的平均值降序排列
- 16、按字段值的范围进行分段聚合，例如分段范围为age字段的[20,30] [30,40] [40,50]，之后按gender统计文档个数和balance的平均值
Elasticsearch语法大全
安装教程跳过，此文档是基于kibana操作Elasticsearch
一、 ElasticSearch 创建index、type、field语法
1、Elasticsearch和关系型数据库数据模型对应关系表
2、创建索引并查看
PUT /deocde
GET /_cat/indices?v3、删除索引并查看
DELETE /decode
GET /_cat/indices?v4、文档操作
4.1、查看文档类型
GET /decode/resolve/_mapping4.2、在索引中添加文档
PUT /decode/resolve/1
{
"vin": "B1293049555"
}4.3、在索引中查看文档
GET /decode/resolve/14.4、在索引中修改文档
POST /decode/resolve/1/_update
{
"doc": { "vin": "A1299405555" }
}4.5、在索引中删除文档
DELETE /decode/reslove/14.6、在索引中批量操作文档
POST /decode/resolve/_bulk
{"index":{"_id":"1"}}
{"vin": "D1445266366" }
{"index":{"_id":"2"}}
{"vin": "C4526365588" }5、创建一个数据模型样例（包含index、type、field）：
PUT /decode
{
"settings":{
"index":{
"number_of_shards":3,
"number_of_replicas":0
}
},
"mappings":{
"resolve":{
"properties":{
"id":{
"type":"keyword"
},
"vin":{
"type":"keyword"
},
"gender":{
"type":"keyword"
},
"carBrandId":{
"type":"text"
},
"balance":{
"type":"int"
},
"age":{
"type":"int"
},
"address":{
"type":"keyword"
},
"craeteTime":{
"type":"date"
},
"statusId":{
"type":"keyword"
},
"enable":{
"type":"boolean"
}
}
}
}
}6、Elasticsearch给type增加一项field
PUT es服务ip地址:9200/index_name/_mapping
PUT decode/_mapping
{
"properties": {
"fieldName":{
"type":"boolean"
}
}
}二、Elasticsearch搜索语句
1、最简单的搜索，使用match_all来表示，例如搜索全部
GET /decode/resolve/_search
{
"query": { "match_all": {} }
}2、分页搜索，from表示偏移量，从0开始，size表示每页显示的数量
GET /decode/resolve/_search
{
"query": { "match_all": {} },
"from": 0,
"size": 10
}3、搜索排序，使用sort表示，例如按createTime字段降序排列
GET /decode/resolve/_search
{
"query": { "match_all": {} },
"sort": { "createTime": { "order": "desc" } }
}4、搜索并返回指定字段内容，使用_source表示，例如只返回id和createTime两个字段内容
GET /decode/resolve/_search
{
"query": { "match_all": {} },
"_source": ["id", "createTime"]
}5、条件搜索，使用match表示匹配条件，例如搜索出id为20的文档：
GET /decode/resolve/_search
{
"query": {
"match": {
"id": 20
}
}
}6、文本类型字段的条件搜索，例如搜索address字段中包含mill的文档，对比上一条搜索可以发现，对于数值类型match操作使用的是精确匹配，对于文本类型使用的是模糊匹配；
GET /decode/resolve/_search
{
"query": {
"match": {
"address": "mill"
}
},
"_source": [
"address",
"id"
]
}7、短语匹配搜索，使用match_phrase表示，例如搜索address字段中同时包含mill和lane的文档：
GET /decode/resolve/_search
{
"query": {
"match_phrase": {
"address": "mill lane"
}
}
}8、组合搜索，使用bool来进行组合，must表示同时满足，例如搜索address字段中同时包含mill和lane的文档
GET /decode/resolve/_search
{
"query": {
"bool": {
"must": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}9、组合搜索，should表示满足其中任意一个，搜索address字段中包含mill或者lane的文档
GET /decode/resolve/_search
{
"query": {
"bool": {
"should": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}10、组合搜索，must_not表示同时不满足，例如搜索address字段中不包含mill且不包含lane的文档
GET /decode/resolve/_search
{
"query": {
"bool": {
"must_not": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}11、组合搜索，组合must和must_not，例如搜索age字段等于40且state字段不包含ID的文档
GET /decode/resolve/_search
{
"query": {
"bool": {
"must": [
{ "match": { "age": "40" } }
],
"must_not": [
{ "match": { "state": "ID" } }
]
}
}
}12、搜索过滤，使用filter来表示，例如过滤出balance字段在20000~30000的文档
GET /decode/resolve/_search
{
"query": {
"bool": {
"must": { "match_all": {} },
"filter": {
"range": {
"balance": {
"gte": 20000,
"lte": 30000
}
}
}
}
}
}13、对搜索结果进行聚合，使用aggs来表示，类似于MySql中的group by，例如对vin字段进行聚合，统计出相同state的文档数量
GET /decode/resolve/_search
{
"size": 0,
"aggs": {
"group_by_vin": {
"terms": {
"field": "vin.keyword"
}
}
}
}14、嵌套聚合，例如对state字段进行聚合，统计出相同vin的文档数量，再统计出balance的平均值
GET /decode/resolve/_search
{
"size": 0,
"aggs": {
"group_by_vin": {
"terms": {
"field": "vin.keyword"
},
"aggs": {
"average_balance": {
"avg": {
"field": "balance"
}
}
}
}
}
}15、对聚合搜索的结果进行排序，例如按balance的平均值降序排列
GET /decode/resolve/_search
{
"size": 0,
"aggs": {
"group_by_vin": {
"terms": {
"field": "vin.keyword",
"order": {
"average_balance": "desc"
}
},
"aggs": {
"average_balance": {
"avg": {
"field": "balance"
}
}
}
}
}
}16、按字段值的范围进行分段聚合，例如分段范围为age字段的[20,30] [30,40] [40,50]，之后按gender统计文档个数和balance的平均值
GET /decode/resolve/_search
{
"size": 0,
"aggs": {
"group_by_age": {
"range": {
"field": "age",
"ranges": [
{
"from": 20,
"to": 30
},
{
"from": 30,
"to": 40
},
{
"from": 40,
"to": 50
}
]
},
"aggs": {
"group_by_gender": {
"terms": {
"field": "gender.keyword"
},
"aggs": {
"average_balance": {
"avg": {
"field": "balance"
}
}
}
}
}
}
}
}
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
