关键字 含义 类比SQL
query 查询 select
bool 多个组合条件 selext xxx from xxx where age=20 and gender=male
filter 一个过滤条件 where
term 精确匹配 =
match 全文检索，会分词
must 在过滤条件中使用，代表必须包含
fuzzy 模糊匹配 dick 联想到 nick pick
from 从哪一条开始取
size 取多少条 limit
_source 只选择某些字段 select 字段
match_phrase 短语匹配，将输入的查询内容整个作为整体进行查询，不切词
multi_match 一次到多个子弹中匹配内容 or

检索

全文检索

select * from stu;

  1. # 协议方法 索引/类型/_search
  2. GET stu/_search

字段全值匹配检索

检索前提：如果是语句，那么会将语句分为词，我们的sql过滤条件就只能是切词，而不能是语句，因为索引只存切开的词，不存整条语句

这里的全值就是字面意思，意思是去匹配整个词i love you
而i love you在索引中是不存在的

  1. GET /test02/_search
  2. {
  3.   "query": {
  4.     "bool": {
  5.       "filter": {
  6.         "term": {
  7.           "name": "i love you"
  8.         }
  9.       }
  10.     }
  11.   }
  12. }
  15. 查询结果： 
  16. {
  17.   "took" : 0,
  18.   "timed_out" : false,
  19.   "_shards" : {
  20.     "total" : 1,
  21.     "successful" : 1,
  22.     "skipped" : 0,
  23.     "failed" : 0
  24.   },
  25.   "hits" : {
  26.     "total" : {
  27.       "value" : 0,
  28.       "relation" : "eq"
  29.     },
  30.     "max_score" : null,
  31.     "hits" : [ ]
  32.   }
  33. }
  35. 没有对应的查询条件，因为ik_max_word分词器会把“i love you”分成以下词组
  36. i 、love、you
  37. 我们会发现并没有“i love you”这几个字组合起来的词，因此查不到。
  39. 写条件的时候只能写：
  40. GET /test02/_search
  41. {
  42.   "query": {
  43.     "bool": {
  44.       "filter": {
  45.         "term": {
  46.           "name": "love" （或i或you）
  47.         }
  48.       }
  49.     }
  50.   }
  51. }

第二种：match_phrase 搜索
既可以匹配分词又能匹配整个i love you
https://juejin.cn/post/6992593362675040292

字段分词匹配检索

这里分词也是字面意思，将i love you拆开，i匹配上了， love也匹配上了，you也匹配上了，所以比分相对比较高

  2. GET test02/_search
  3. {
  4.   "query": {
  5.     "match": {
  6.       "name": "i love you"
  7.     }
  8.   }
  9. }
  10. （也会拆词，但是也能匹配整条 i love you）
  13. 结果展示：
  15. {
  16.   "took" : 1,
  17.   "timed_out" : false,
  18.   "_shards" : {
  19.     "total" : 1,
  20.     "successful" : 1,
  21.     "skipped" : 0,
  22.     "failed" : 0
  23.   },
  24.   "hits" : {
  25.     "total" : {
  26.       "value" : 1,
  27.       "relation" : "eq"
  28.     },
  29.     "max_score" : 2.2169428,
  30.     "hits" : [
  31.       {
  32.         "_index" : "test02",
  33.         "_id" : "pAAMiH8BRK4hWm3D8TBD",
  34.         "_score" : 2.2169428,
  35.         "_source" : {
  36.           "id" : "004",
  37.           "name" : "i love you"
  38.         }
  39.       }
  40.     ]
  41.   }
  42. }

两者结合使用
比较特别的地方：must关键字

  1. GET student/_search
  2. {
  3.   "query": {
  4.     "bool": {
  5.       "filter": {
  6.         "term": {
  7.           "sex": "male"
  8.         }
  9.       }
  10.       , "must": [
  11.         {
  12.           "match": {
  13.             "favo": "海狗人参丸"
  14.           }
  15.         }
  16.       ]
  17.     }
  18.   }
  19. }

字段模糊匹配检索

相当智能
查ffmale，可以模糊匹配出female

  1. GET  student/_search
  2. {
  3.   "query": {
  4.     "fuzzy": {
  5.        "sex": "ffmale"  查ffmale，可以模糊匹配出female
  6.     }
  7.   }
  8. }

[

](https://juejin.cn/post/6992593362675040292)

分页检索

  1. GET student/_search
  2. {
  3.   "from": 0, (从第几条开始)
  4.   "size": 1    (显示几条)
  5. }

聚合

1.结构

  1. aggregations|aggs
  2. "aggregations" : 
  3. {
  4.     --aggregation_name：聚合字段名
  5.     "<aggregation_name>" : 
  6.     {
  7.       --聚合运算的类型，类比,sum,avg,count(Term),min,max    sum(）
  8.         "<aggregation_type>" :
  9.         {
  10.              --num 对什么字段进行聚合
  11.             <aggregation_body>
  12.         }
  13.         -- 对哪些表进行聚合，类比tablea，不写，将meta写在url
  14.         [,"meta" : {  [<meta_data_body>] } ]?
  15.         --子聚合，在当前聚合的基础上，继续聚合
  16.         [,"aggregations" : { [<sub_aggregation>]+ } ]?
  17.     }
  18. --
  19.     [,"<aggregation_name_2>" : { ... } ]*
  20. }
  22. count 等价于  term 
  24. count(*)  ========  sum(if(gender = 'male',1,0))
  25. select
  26.  a,max(sum_num) --子聚合
  27. from
  28. (select
  29.  a,b,sum(num) sum_num，max(num) max_num
  30. from tablea
  31. where xxx
  32. group by a,b) tmp
  33. group by a

2.聚合报错

“type”: “illegal_argument_exception”,
“reason”: “Fielddata is disabled on text fields by default. Set fielddata=true on [gender] in order to load fielddata in memory by uninverting the inverted index.

Note that this can however use significant memory. Alternatively use a keyword field instead.”

TEXT类型，因为涉及到分词，无法被聚合！

解决： 使用KEYWORD类型


a_column(text)
中国人 ———> 中国，国人，中国人

3.聚合练习

  1. #13.聚合之单聚合，统计男女员工各多少人
  2. GET /test/emps/_search
  3. {
  4.   "query": {
  5.     "match_all": {}
  6.   },
  7.   "aggs": {
  8.     "gendercount": {
  9.       "terms": {
  10.         "field": "gender.keyword",
  11.         "size": 10
  12.       }
  13.     }
  14.   }
  15. }
  16. #14.聚合之先查询再聚合，统计喜欢购物的男女员工各多少人
  17. GET /test/emps/_search
  18. {
  19.   "query": {
  20.     "match": {
  21.       "hobby": "购物"
  22.     }
  23.   },
  24.   "aggs": {
  25.     "gendercount": {
  26.       "terms": {
  27.         "field": "gender.keyword",
  28.         "size": 10
  29.       }
  30.     }
  31.   }
  32. }
  33. #15.聚合之多聚合，统计喜欢购物的男女员工各多少人，及这些人总体的平均年龄
  34. GET /test/emps/_search
  35. {
  36.   "query": {
  37.     "match": {
  38.       "hobby": "购物"
  39.     }
  40.   },
  41.   "aggs": {
  42.     "gendercount": {
  43.       "terms": {
  44.         "field": "gender.keyword",
  45.         "size": 10
  46.       }
  47.     },
  48.     "avgage":{
  49.       "avg": {
  50.         "field": "age"
  51.       }
  52.     }
  53.   }
  54. }
  55. #16.聚合之多聚合和嵌套聚合，统计喜欢购物的男女员工各多少人，及这些人不同性别的平均年龄
  56. GET /test/emps/_search
  57. {
  58.   "query": {
  59.     "match": {
  60.       "hobby": "购物"
  61.     }
  62.   },
  63.   "aggs": {
  64.     "gendercount": {
  65.       "terms": {
  66.         "field": "gender.keyword",
  67.         "size": 10
  68.       },
  69.       "aggs": {
  70.         "avgage": {
  71.           "avg": {
  72.             "field": "age"
  73.           }
  74.         }
  75.       }
  76.     }
  77.   }
  78. }

综合练习

  1. #0.查询的两种方式
  2. # 查询方式一发送REST请求的方式  将请求参数附加在url的后面
  3. GET /test/emps/_search
  4. GET /test/emps/_search?q=*
  5. GET /test/emps/_search?q=age:22
  6. #查询22岁的员工，且按照balance降序排序
  7. GET /test/emps/_search?q=age:22&sort=balance:desc
  8. # 查询方式二，使用ES 的DSL(特定领域语言)语法 ，将请求参数附加在请求体中
  9. GET /test/emps/_search
  10. {
  11.   "query": {
  12.     "match_all": {}
  13.   }
  15. }
  16. #1.全表查询
  17. #2.全表查询，按照年龄降序排序，再按照工资降序排序，只取前5条记录的示empid，age，balance
  18. GET /test/emps/_search
  19. {
  20.   "sort": [
  21.     {
  22.       "age": {
  23.         "order": "desc"
  24.       }
  25.     },
  26.     {
  27.       "balance": {
  28.         "order": "desc"
  29.       }
  30.     }
  31.   ],
  32.   "from": 0,
  33.   "size": 5,
  34.   "_source": [
  35.     "empid",
  36.     "age",
  37.     "balance"
  38.   ]
  39. }
  40. #3.匹配之match（全文检索）分词匹配： 搜索hobby含有吃饭睡觉的员工
  41. #原理：先将查询条件切词,切为 吃饭、睡觉，分别从hobby的倒排索引上
  42. #检索吃饭、睡觉
  43. #where hobby like %吃饭% or hobby like %睡觉%
  44. GET /_analyze
  45. {
  46.   "analyzer": "ik_max_word", 
  47.   "text":"吃饭睡觉"
  48. }
  49. GET /test/emps/_search
  50. {
  51.    "query": {
  53.      "match": {
  54.        "hobby": "吃饭睡觉"
  55.      }
  57.    }
  59. }
  60. #4.匹配之match/term不分词匹配： 搜索工资是2000的员工  
  61. # 2000会不会被切词？  不会！只有text类型能被切词，精确匹配
  62. #  balance = 2000 而不是 balance like %2000%
  63. # 在ES中官方建议，在对 text类型进行全文检索时，才用match
  64. # 如果搜索的不是text类型，建议使用term
  65. GET /test/emps/_search
  66. {
  67.    "query": {
  69.      "match": {
  70.        "balance": 2000
  71.      }
  73.    }
  75. }
  76. #  匹配之term不分词匹配： 搜索工资是2000的员工 
  77. GET /test/emps/_search
  78. {
  79.    "query": {
  81.      "term": {
  82.        "balance": 2000
  83.      }
  85.    }
  87. }
  88. #5.匹配之match不分词匹配： 搜索hobby是吃饭睡觉的员工
  89. # where hobby like %吃饭睡觉% 
  90. #keyword类型不切词
  91. GET /test/emps/_search
  92. {
  93.    "query": {
  95.      "match": {
  96.        "hobby.keyword": "吃饭睡觉"
  97.      }
  99.    }
  101. }
  102. #6.匹配之短语匹配： 搜索hobby是吃饭的员工
  103. GET /test/emps/_search
  104. {
  105.    "query": {
  106.      "match_phrase": {
  107.        "hobby": "吃饭睡觉"
  108.      }
  109.    }
  110. }
  111. #7.匹配之多字段匹配： 搜索name或hobby中带球的员工
  112. GET /test/emps/_search
  113. {
  114.   "query": {
  116.     "multi_match": {
  117.       "query": "球",
  118.       "fields": ["name","hobby"]
  119.     }
  121.   }
  123. }
  124. #8.匹配之多条件匹配，搜索男性中喜欢购物的员工
  125. GET /test/emps/_search
  126. {
  127.   "query": {
  128.     "bool": {
  129.       "must": [
  130.         {
  131.           "match": {
  132.             "hobby": "购物"
  133.           }
  134.         },
  135.         {
  136.           "term": {
  137.             "gender": {
  138.               "value": "男"
  139.             }
  140.           }
  141.         }
  142.       ]
  143.     }
  144.   }
  145. }
  146. #9.匹配之多条件匹配，搜索男性中喜欢购物，还不能爱去酒吧的员工
  147. GET /test/emps/_search
  148. {
  149.   "query": {
  150.     "bool": {
  151.       "must": [
  152.         {
  153.           "match": {
  154.             "hobby": "购物"
  155.           }
  156.         },
  157.         {
  158.           "term": {
  159.             "gender": {
  160.               "value": "男"
  161.             }
  162.           }
  163.         }
  164.       ],
  165.       "must_not": [
  166.         {
  167.           "match": {
  168.             "hobby": "去酒吧"
  169.           }
  170.         }
  171.       ]
  172.     }
  173.   }
  174. }
  175. #10.匹配之多条件匹配，搜索男性中喜欢购物，还不能爱去酒吧的员工，最好在20-30之间
  176. #最好在20-30之间： 如果这个人年龄在20-30之间，优先选择!加分！
  177. #should： 符合条件就加分
  178. GET /test/emps/_search
  179. {
  180.   "query": {
  181.     "bool": {
  182.       "must": [
  183.         {
  184.           "match": {
  185.             "hobby": "购物"
  186.           }
  187.         },
  188.         {
  189.           "term": {
  190.             "gender": {
  191.               "value": "男"
  192.             }
  193.           }
  194.         }
  195.       ],
  196.       "must_not": [
  197.         {
  198.           "match": {
  199.             "hobby": "去酒吧"
  200.           }
  201.         }
  202.       ],
  203.       "should": [
  204.         {
  205.           "range": {
  206.             "age": {
  207.               "gte": 20,
  208.               "lte": 30
  209.             }
  210.           }
  211.         }
  212.       ]
  213.     }
  214.   }
  215. }
  216. #11.匹配之多条件匹配，搜索男性中喜欢购物，还不能爱去酒吧的员工，最好在20-30之间，不要40岁以上的
  217. GET /test/emps/_search
  218. {
  219.   "query": {
  220.     "bool": {
  221.       "must": [
  222.         {
  223.           "match": {
  224.             "hobby": "购物"
  225.           }
  226.         },
  227.         {
  228.           "term": {
  229.             "gender": {
  230.               "value": "男"
  231.             }
  232.           }
  233.         }
  234.       ],
  235.       "must_not": [
  236.         {
  237.           "match": {
  238.             "hobby": "去酒吧"
  239.           }
  240.         }
  241.       ],
  242.       "should": [
  243.         {
  244.           "range": {
  245.             "age": {
  246.               "gte": 20,
  247.               "lte": 30
  248.             }
  249.           }
  250.         }
  251.       ],
  252.       "filter": {
  253.         "range": {
  254.           "age": {
  255.             "lt": 40
  256.           }
  257.         }
  258.       }
  259.     }
  260.   }
  261. }
  262. #12.匹配之字段模糊联想匹配，搜索Nick
  263. GET /test/emps/_search
  264. {
  265.   "query": {
  266.     "fuzzy": {
  267.       "name": "Dick"
  268.     }
  269.   }
  270. }