Day407&408&409

• 对于大并发更新，不带update

• 对于大并发查询偶尔更新，带update；对比更新，重新计算分配规则

• POST更新文档，带有_update

• 删除文档或索引

DELETE customer/external/1

DELETE customer

#注：elasticsearch并没有提供删除类型的操作，只提供了删除索引和文档的操作。

#实例：删除整个costomer索引数据

#删除前，所有的索引

get /_cat/indices

green open .kibana_task_manager_1 DhtDmKrsRDOUHPJm1EFVqQ 1 0 2 0 31.3kb 31.3kb

green open .apm-agent-configuration vxzRbo9sQ1SvMtGkx6aAHQ 1 0 0 0 283b 283b

green open .kibana_1 rdJ5pejQSKWjKxRtx-EIkQ 1 0 8 3 28.8kb 28.8kb

yellow open customer mG9XiCQISPmfBAmL1BPqIw 1 1 9 1 8.6kb 8.6kb

#删除 “customer”索引

DELTE /customer

#响应

{

“acknowledged”: true

}

#删除后，所有的索引/_cat/indices

green open .kibana_task_manager_1 DhtDmKrsRDOUHPJm1EFVqQ 1 0 2 0 31.3kb 31.3kb

green open .apm-agent-configuration vxzRbo9sQ1SvMtGkx6aAHQ 1 0 0 0 283b 283b

green open .kibana_1 rdJ5pejQSKWjKxRtx-EIkQ 1 0 8 3 28.8kb 28.8kb

• ES的批量操作——bulk

#匹配导入数据

post /customer/external/_bulk

{“index”:{“_id”:“1”}}#两行为一个整体

{“name”:“a”}#真正的数据

{“index”:{“_id”:“2”}}#两行为一个整体

{“name”:“b”}#真正的数据

#语法格式：

post /xxxxx/xxxxx/_bulk

{action:{metadata}}\n

{request body }\n

{action:{metadata}}\n

{request body }\n

这里的批量操作，当发生某一条执行发生失败时，其他的数据仍然能够接着执行，也就是说彼此之间是独立的。

bulk api以此按顺序执行所有的action（动作）。如果一个单个的动作因任何原因失败，它将继续处理它后面剩余的动作。当bulk api返回时，它将提供每个动作的状态（与发送的顺序相同），所以您可以检查是否一个指定的动作是否失败了。

#实例1: 执行多条数据

POST /customer/external/_bulk

{“index”:{“_id”:“1”}}

{“name”:“John Doe”}

{“index”:{“_id”:“2”}}

{“name”:“John Doe”}

#保存操作，指定了索引、id，真正的数据未name：xxx

#执行结果

{

“took” : 318, #花费了多少ms

“errors” : false, #没有发生任何错误

“items” : [ #每个数据的结果

{

“index” : { #保存

“_index” : “customer”, #索引

“_type” : “external”, #类型

“_id” : “1”, #文档

“_version” : 1, #版本

“result” : “created”, #创建

“_shards” : {

“total” : 2,

“successful” : 1,

“failed” : 0

},

“_seq_no” : 0,

“_primary_term” : 1,

“status” : 201 #新建完成

}

},

{

“index” : { #第二条记录

“_index” : “customer”,

“_type” : “external”,

“_id” : “2”,

“_version” : 1,

“result” : “created”,

“_shards” : {

“total” : 2,

“successful” : 1,

“failed” : 0

},

“_seq_no” : 1,

“_primary_term” : 1,

“status” : 201

}

}

]

}

#实例2：对于整个索引执行批量操作

POST /_bulk

{“delete”:{“_index”:“website”,“_type”:“blog”,“_id”:“123”}}#删除操作

{“create”:{“_index”:“website”,“_type”:“blog”,“_id”:“123”}}#保存操作，下面是数据

{“title”:“my first blog post”}

{“index”:{“_index”:“website”,“_type”:“blog”}}#保存操作，下面的是数据

{“title”:“my second blog post”}

{“update”:{“_index”:“website”,“_type”:“blog”,“_id”:“123”}}#更新操作

{“doc”:{“title”:“my updated blog post”}}

#指定操作，索引，类型，id

#运行结果：

{

“took” : 414,

“errors” : false,

“items” : [

{

“delete” : {

“_index” : “website”,

“_type” : “blog”,

“_id” : “123”,

“_version” : 1,

“result” : “not_found”,

“_shards” : {

“total” : 2,

“successful” : 1,

“failed” : 0

},

“_seq_no” : 0,

“_primary_term” : 1,

“status” : 404

}

},

{

“create” : {

“_index” : “website”,

“_type” : “blog”,

“_id” : “123”,

“_version” : 2,

“result” : “created”,

“_shards” : {

“total” : 2,

“successful” : 1,

“failed” : 0

},

“_seq_no” : 1,

“_primary_term” : 1,

“status” : 201

}

},

{

“index” : {

“_index” : “website”,

“_type” : “blog”,

“_id” : “AOpgO3wB3UIR4wi8SrO8”,

“_version” : 1,

“result” : “created”,

“_shards” : {

“total” : 2,

“successful” : 1,

“failed” : 0

},

“_seq_no” : 2,

“_primary_term” : 1,

“status” : 201

}

},

{

“update” : {

“_index” : “website”,

“_type” : “blog”,

“_id” : “123”,

“_version” : 3,

“result” : “updated”,

“_shards” : {

“total” : 2,

“successful” : 1,

“failed” : 0

},

“_seq_no” : 3,

“_primary_term” : 1,

“status” : 200

}

}

]

}

• 样本测试数据

准备了一份顾客银行账户信息的虚构的JSON文档样本。每个文档都有下列的schema（模式）。

{

“account_number”: 1,

“balance”: 39225,

“firstname”: “Amber”,

“lastname”: “Duke”,

“age”: 32,

“gender”: “M”,

“address”: “880 Holmes Lane”,

“employer”: “Pyrami”,

“email”: “amberduke@pyrami.com”,

“city”: “Brogan”,

“state”: “IL”

}

https://gitee.com/xlh_blog/common_content/blob/master/es%E6%B5%8B%E8%AF%95%E6%95%B0%E6%8D%AE.json;导入测试数据

POST bank/account/_bulk

#上面的数据

get /_cat/indices #刚导入了1000条

---

• 让Docker每次启动都自动启动ES

sudo docker update 【实例ID】 --restart=always

[root@s1 elasticsearch]# sudo docker ps -a

CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES

5c43fff82773 kibana:7.4.2 “/usr/local/bin/dumb…” 2 hours ago Up 2 hours 0.0.0.0:5601->5601/tcp, :::5601->5601/tcp kibana

4fe4e202abf1 elasticsearch:7.4.2 “/usr/local/bin/dock…” 2 hours ago Up 2 hours 0.0.0.0:9200->9200/tcp, :::9200->9200/tcp, 0.0.0.0:9300->9300/tcp, :::9300->9300/tcp elasticsearch

879b641ebe6c redis “docker-entrypoint.s…” 11 days ago Up 2 hours 0.0.0.0:6379->6379/tcp, :::6379->6379/tcp redis

b2b889f90cd9 mysql:5.7 “docker-entrypoint.s…” 11 days ago Up 2 hours 0.0.0.0:3306->3306/tcp, :::3306->3306/tcp, 33060/tcp mysql

[root@s1 elasticsearch]# sudo docker update 5c4 --restart=always

5c4

[root@s1 elasticsearch]# sudo docker update 4fe --restart=always

4fe

三、进阶检索

---

官方API：

https://www.elastic.co/guide/en/elasticsearch/reference/7.x/search-your-data.html

1、search Api

• 通过REST request uri 发送搜索参数 （uri +检索参数）；

• 通过REST request body 来发送它们（uri+请求体）；

• 请求参数方式检索

检索bank索引中查询全部，并按account_number升序排序;

检索了1000条数据，但是根据相关性算法，只返回10条

GET bank/_search?q=*&sort=account_number:asc

q=* 查询所有

sort 排序字段

asc升序

---

检索bank下所有信息，包括type和docs

GET bank/_search

返回格式

took – 花费多少ms搜索

timed_out – 是否超时

_shards – 多少分片被搜索了，以及多少成功/失败的搜索分片

max_score –文档相关性最高得分

hits.total.value - 多少匹配文档被找到

hits.sort - 结果的排序key，没有的话按照score排序

hits._score - 相关得分 (not applicable when using match_all)

---

• uri+请求体进行检索

GET /bank/_search

{

“query”: { “match_all”: {} },

“sort”: [

{ “account_number”: “asc” },

{“balance”:“desc”}

]

}

---

2、Query DSL

什么get的请求体叫query DSL

• 基本语法格式

Elasticsearch提供了一个可以执行查询的Json风格的DSL(domain-specific language领域特定语言)。这个被称为Query DSL，该查询语言非常全面。

• 典型结构

QUERY_NAME:{

ARGUMENT:VALUE,

ARGUMENT:VALUE,

…

}

如果针对于某个字段，那么它的结构如下：

{

QUERY_NAME:{

FIELD_NAME:{

ARGUMENT:VALUE,

ARGUMENT:VALUE,…

}

}

}

• 示例

GET bank/_search

{

“query”: { #查询形式

“match_all”: {} #查询所有

},

“from”: 0, #开始位置

“size”: 5, #显示数

“_source”:[“balance”],#返回部分字段

“sort”: [ #排序

{

“account_number”: {

“order”: “desc”

}

}

]

}

_source为要返回的字段

---

3、match匹配查询

• 基本类型（非字符串），精确控制

GET bank/_search

{

“query”: {

“match”: {

“account_number”: “999”

}

}

}

查询结果

{

“took” : 8,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

“hits” : {

“total” : {

“value” : 1,

“relation” : “eq”

},

“max_score” : 1.0,

“hits” : [

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “999”,

“_score” : 1.0,

“_source” : {

“account_number” : 999,

“balance” : 6087,

“firstname” : “Dorothy”,

“lastname” : “Barron”,

“age” : 22,

“gender” : “F”,

“address” : “499 Laurel Avenue”,

“employer” : “Xurban”,

“email” : “dorothybarron@xurban.com”,

“city” : “Belvoir”,

“state” : “CA”

}

}

]

}

}

• 字符串，全文检索

GET bank/_search

{

“query”: {

“match”: {

“address”: “kings” #字符串

}

}

}

全文检索，最终会按照评分进行排序，会对检索条件进行分词匹配。

{

“took” : 9,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

“hits” : {

“total” : {

“value” : 2,

“relation” : “eq”

},

“max_score” : 5.9908285,

“hits” : [

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “20”,

“_score” : 5.9908285,

“_source” : {

“account_number” : 20,

“balance” : 16418,

“firstname” : “Elinor”,

“lastname” : “Ratliff”,

“age” : 36,

“gender” : “M”,

“address” : “282 Kings Place”, #分词匹配

“employer” : “Scentric”,

“email” : “elinorratliff@scentric.com”,

“city” : “Ribera”,

“state” : “WA”

}

},

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “722”,

“_score” : 5.9908285,

“_source” : {

“account_number” : 722,

“balance” : 27256,

“firstname” : “Roberts”,

“lastname” : “Beasley”,

“age” : 34,

“gender” : “F”,

“address” : “305 Kings Hwy”,#分词匹配

“employer” : “Quintity”,

“email” : “robertsbeasley@quintity.com”,

“city” : “Hayden”,

“state” : “PA”

}

}

]

}

}

---

4、match_phrase 【短句匹配】

• match_phrase

将需要匹配的值当成一整个单词（不分词）进行检索

前面的是包含mill或road就查出来，我们现在要都包含才查出

GET bank/_search

{

“query”: {

“match_phrase”: {

“address”: “mill road”

}

}

}

查处address中包含mill road的所有记录，并给出相关性得分

{

“took” : 50,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

“hits” : {

“total” : {

“value” : 1,

“relation” : “eq”

},

“max_score” : 8.926605,

“hits” : [

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “970”,

“_score” : 8.926605,

“_source” : {

“account_number” : 970,

“balance” : 19648,

“firstname” : “Forbes”,

“lastname” : “Wallace”,

“age” : 28,

“gender” : “M”,

“address” : “990 Mill Road”,

“employer” : “Pheast”,

“email” : “forbeswallace@pheast.com”,

“city” : “Lopezo”,

“state” : “AK”

}

}

]

}

}

• match_phrase和match的区别，观察如下实例

GET bank/_search

{

“query”: {

“match_phrase”: {

“address”: “990 Mill”

}

}

}

结果

{

“took” : 1,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

“hits” : {

“total” : {

“value” : 1,

“relation” : “eq”

},

“max_score” : 10.806405,

“hits” : [

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “970”,

“_score” : 10.806405,

“_source” : {

“account_number” : 970,

“balance” : 19648,

“firstname” : “Forbes”,

“lastname” : “Wallace”,

“age” : 28,

“gender” : “M”,

“address” : “990 Mill Road”, #

“employer” : “Pheast”,

“email” : “forbeswallace@pheast.com”,

“city” : “Lopezo”,

“state” : “AK”

}

}

]

}

}

使用match的keyword

GET bank/_search

{

“query”: {

“match”: {

“address.keyword”: “990 Mill”

}

}

}

查询结果，一条也未匹配到

{

“took” : 0,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

“hits” : {

“total” : {

“value” : 0,

“relation” : “eq”

},

“max_score” : null,

“hits” : [ ] #

}

}

修改匹配条件为“990 Mill Road”

GET bank/_search

{

“query”: {

“match”: {

“address.keyword”: “990 Mill Road”

}

}

}

修改匹配条件为“990 Mill Road”

{

“took” : 0,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

“hits” : {

“total” : {

“value” : 1,

“relation” : “eq”

},

“max_score” : 6.5032897,

“hits” : [

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “970”,

“_score” : 6.5032897,

“_source” : {

“account_number” : 970,

“balance” : 19648,

“firstname” : “Forbes”,

“lastname” : “Wallace”,

“age” : 28,

“gender” : “M”,

“address” : “990 Mill Road”, #

“employer” : “Pheast”,

“email” : “forbeswallace@pheast.com”,

“city” : “Lopezo”,

“state” : “AK”

}

}

]

}

}

查询出一条数据

{

“took” : 0,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

“hits” : {

“total” : {

“value” : 1,

“relation” : “eq”

},

“max_score” : 6.5032897,

“hits” : [

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “970”,

“_score” : 6.5032897,

“_source” : {

“account_number” : 970,

“balance” : 19648,

“firstname” : “Forbes”,

“lastname” : “Wallace”,

“age” : 28,

“gender” : “M”,

“address” : “990 Mill Road”,

“employer” : “Pheast”,

“email” : “forbeswallace@pheast.com”,

“city” : “Lopezo”,

“state” : “AK”

}

}

]

}

}

文本字段的匹配，使用keyword，匹配的条件就是要显示字段的全部值，要进行精确匹配的。

match_phrase是做短语匹配，只要文本中包含匹配条件，就能匹配到。

---

5、multi_math【多字段匹配】

字段中或关系，state或者address中包含mill，并且在查询过程中，会对于查询条件进行分词。

GET bank/_search

{

“query”: {

“multi_match”: {

“query”: “mill”,

“fields”: [

“state”,

“address”

]

}

}

}

查询结果：

{

“took” : 28,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

“hits” : {

“total” : {

“value” : 4,

“relation” : “eq”

},

“max_score” : 5.4032025,

“hits” : [

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “970”,

“_score” : 5.4032025,

“_source” : {

“account_number” : 970,

“balance” : 19648,

“firstname” : “Forbes”,

“lastname” : “Wallace”,

“age” : 28,

“gender” : “M”,

“address” : “990 Mill Road”,

“employer” : “Pheast”,

“email” : “forbeswallace@pheast.com”,

“city” : “Lopezo”,

“state” : “AK”

}

},

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “136”,

“_score” : 5.4032025,

“_source” : {

“account_number” : 136,

“balance” : 45801,

“firstname” : “Winnie”,

“lastname” : “Holland”,

“age” : 38,

“gender” : “M”,

“address” : “198 Mill Lane”,

“employer” : “Neteria”,

“email” : “winnieholland@neteria.com”,

“city” : “Urie”,

“state” : “IL”

}

},

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “345”,

“_score” : 5.4032025,

“_source” : {

“account_number” : 345,

“balance” : 9812,

“firstname” : “Parker”,

“lastname” : “Hines”,

“age” : 38,

“gender” : “M”,

“address” : “715 Mill Avenue”,

“employer” : “Baluba”,

“email” : “parkerhines@baluba.com”,

“city” : “Blackgum”,

“state” : “KY”

}

},

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “472”,

“_score” : 5.4032025,

“_source” : {

“account_number” : 472,

“balance” : 25571,

“firstname” : “Lee”,

“lastname” : “Long”,

“age” : 32,

“gender” : “F”,

“address” : “288 Mill Street”,

“employer” : “Comverges”,

“email” : “leelong@comverges.com”,

“city” : “Movico”,

“state” : “MT”

}

}

]

}

}

---

6、bool用来做复合查询

复合语句可以合并，任何其他查询语句，包括符合语句。

这也就意味着，复合语句之间可以互相嵌套，可以表达非常复杂的逻辑。

• must：

• 必须达到must所列举的所有条件

• must_not：

• 必须不匹配must_not所列举的所有条件。

• should：

• 应该满足should所列举的条件。满足条件最好，不满足也可以，满足得分更高

• must 必须是指定的情况

实例：查询gender=m，并且address=mill的数据

GET bank/_search

{

“query”:{

“bool”:{

“must”:[

{“match”:{“address”:“mill”}},

{“match”:{“gender”:“M”}}

]

}

}

}

结果

{

“took” : 83,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

“hits” : {

“total” : {

“value” : 3,

“relation” : “eq”

},

“max_score” : 6.0824604,

“hits” : [

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “970”,

“_score” : 6.0824604,

“_source” : {

“account_number” : 970,

“balance” : 19648,

“firstname” : “Forbes”,

“lastname” : “Wallace”,

“age” : 28,

“gender” : “M”,

“address” : “990 Mill Road”,

“employer” : “Pheast”,

“email” : “forbeswallace@pheast.com”,

“city” : “Lopezo”,

“state” : “AK”

}

},

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “136”,

“_score” : 6.0824604,

“_source” : {

“account_number” : 136,

“balance” : 45801,

“firstname” : “Winnie”,

“lastname” : “Holland”,

“age” : 38,

“gender” : “M”,#

“address” : “198 Mill Lane”,#

“employer” : “Neteria”,

“email” : “winnieholland@neteria.com”,

“city” : “Urie”,

“state” : “IL”

}

},

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “345”,

“_score” : 6.0824604,

“_source” : {

“account_number” : 345,

“balance” : 9812,

“firstname” : “Parker”,

“lastname” : “Hines”,

“age” : 38,

“gender” : “M”,#

“address” : “715 Mill Avenue”,#

“employer” : “Baluba”,

“email” : “parkerhines@baluba.com”,

“city” : “Blackgum”,

“state” : “KY”

}

}

]

}

}

• must_not 必须不是指定的情况

实例：查询gender=m，并且address=mill的数据，但是age不等于38的

GET bank/_search

{

“query”: {

“bool”: {

“must”: [

{ “match”: { “gender”: “M” }},

{ “match”: {“address”: “mill”}}

],

“must_not”: [

{ “match”: { “age”: “38” }}

]

}

}

}

结果

{

“took” : 8,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

“hits” : {

“total” : {

“value” : 1,

“relation” : “eq”

},

“max_score” : 6.0824604,

“hits” : [

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “970”,

“_score” : 6.0824604,

“_source” : {

“account_number” : 970,

“balance” : 19648,

“firstname” : “Forbes”,

“lastname” : “Wallace”,

“age” : 28,#

“gender” : “M”, #

“address” : “990 Mill Road”, #

“employer” : “Pheast”,

“email” : “forbeswallace@pheast.com”,

“city” : “Lopezo”,

“state” : “AK”

}

}

]

}

}

• should

应该达到should列举的条件，如果到达会增加相关文档的评分，并不会改变查询的结果。

如果query中只有should且只有一种匹配规则，那么should的条件就会被作为默认匹配条件二区改变查询结果。

实例：匹配lastName应该等于Wallace的数据

GET bank/_search

{

“query”: {

“bool”: {

“must”: [

{

“match”: {

“gender”: “M”

}

},

{

“match”: {

“address”: “mill”

}

}

],

“must_not”: [

{

“match”: {

“age”: “18”

}

}

],

“should”: [

{

“match”: {

“lastname”: “Wallace”

}

}

]

}

}

}

查询结果：能够看到相关度越高，得分也越高。

{

“took” : 7,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

“hits” : {

“total” : {

“value” : 3,

“relation” : “eq”

},

“max_score” : 12.585751,

“hits” : [

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “970”,

“_score” : 12.585751,

“_source” : {

“account_number” : 970,

“balance” : 19648,

“firstname” : “Forbes”,

“lastname” : “Wallace”,#

“age” : 28,#

“gender” : “M”,#

“address” : “990 Mill Road”,#

“employer” : “Pheast”,

“email” : “forbeswallace@pheast.com”,

“city” : “Lopezo”,

“state” : “AK”

}

},

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “136”,

“_score” : 6.0824604,

“_source” : {

“account_number” : 136,

“balance” : 45801,

“firstname” : “Winnie”,

“lastname” : “Holland”,#

“age” : 38,#

“gender” : “M”,#

“address” : “198 Mill Lane”,#

“employer” : “Neteria”,

“email” : “winnieholland@neteria.com”,

“city” : “Urie”,

“state” : “IL”

}

},

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “345”,

“_score” : 6.0824604,

“_source” : {

“account_number” : 345,

“balance” : 9812,

“firstname” : “Parker”,

“lastname” : “Hines”,#

“age” : 38,#

“gender” : “M”,#

“address” : “715 Mill Avenue”,#

“employer” : “Baluba”,

“email” : “parkerhines@baluba.com”,

“city” : “Blackgum”,

“state” : “KY”

}

}

]

}

}

---

7、Filter【结果过滤】

上面的must和should影响相关性得分，而must_not仅仅是一个filter ，不贡献得分 must改为filter就使must不贡献得分。

如果只有filter条件的话，我们会发现得分都是0。

一个key多个值可以用terms并不是所有的查询都需要产生分数，特别是哪些仅用于filtering过滤的文档。

为了不计算分数，elasticsearch会自动检查场景并且优化查询的执行。 不参与评分更快

GET bank/_search

{

“query”: {

“bool”: {

“must”: [

{ “match”: {“address”: “mill” } }

],

“filter”: { #query.bool.filter

“range”: {

“balance”: {

“gte”: “10000”,

“lte”: “20000”

}

}

}

}

}

}

这里先是查询所有匹配address=mill的文档，然后再根据10000<=balance<=20000进行过滤查询结果

{

“took” : 37,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

“hits” : {

“total” : {

“value” : 1,

“relation” : “eq”

},

“max_score” : 5.4032025, #

“hits” : [

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “970”,

“_score” : 5.4032025,

“_source” : {

“account_number” : 970,

“balance” : 19648, #

“firstname” : “Forbes”,

“lastname” : “Wallace”,

“age” : 28,

“gender” : “M”,

“address” : “990 Mill Road”, #

“employer” : “Pheast”,

“email” : “forbeswallace@pheast.com”,

“city” : “Lopezo”,

“state” : “AK”

}

}

]

}

}

在boolean查询中，must, should 和must_not 元素都被称为查询子句 。

文档是否符合每个“must”或“should”子句中的标准，决定了文档的“相关性得分”。

得分越高，文档越符合您的搜索条件。

默认情况下，Elasticsearch返回根据这些相关性得分排序的文档。

“must_not”子句中的条件被视为“过滤器”。 它影响文档是否包含在结果中， 但不影响文档的评分方式。 还可以显式地指定任意过滤器来包含或排除基于结构化数据的文档。

filter在使用过程中，并不会计算相关性得分：

GET bank/_search

{

“query”: {

“bool”: {

“must”: [

{

“match”: {

“address”: “mill”

}

}

],

“filter”: {

“range”: {

“balance”: {

“gte”: “10000”,

“lte”: “20000”

}

}

}

}

}

}

#查询结果：

{

“took” : 1,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

“hits” : {

“total” : {

“value” : 213,

“relation” : “eq”

},

“max_score” : 0.0,

“hits” : [

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “20”,

“_score” : 0.0,

“_source” : {

“account_number” : 20,

“balance” : 16418,

“firstname” : “Elinor”,

“lastname” : “Ratliff”,

“age” : 36,

“gender” : “M”,

“address” : “282 Kings Place”,

“employer” : “Scentric”,

“email” : “elinorratliff@scentric.com”,

“city” : “Ribera”,

“state” : “WA”

}

},

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “37”,

“_score” : 0.0,

“_source” : {

“account_number” : 37,

“balance” : 18612,

“firstname” : “Mcgee”,

“lastname” : “Mooney”,

“age” : 39,

“gender” : “M”,

“address” : “826 Fillmore Place”,

“employer” : “Reversus”,

“email” : “mcgeemooney@reversus.com”,

“city” : “Tooleville”,

“state” : “OK”

}

},

#省略。。。

能看到所有文档的“_score” : 0.0

---

8、term

和match一样。匹配某个属性的值。

全文检索字段（text字符串等）用match， 其他 非text字段匹配用term。

不要使用term来进行文本字段查询 es默认存储text值时用分词分析，所以要搜索text值，使用match

https://www.elastic.co/guide/en/elasticsearch/reference/7.6/query-dsl-term-query.html

• 字段.keyword：要一一匹配到 精确匹配

• match_phrase：子串包含即可 使用term匹配查询 短语匹配

GET bank/_search

{

“query”: {

“term”: {

“address”: “mill Road”

}

}

}

查询结果：

一条也没有匹配到

{

“took” : 6,.

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

“hits” : {

“total” : {

“value” : 0,

“relation” : “eq”

},

“max_score” : null,

“hits” : [ ]

}

}

而更换为match匹配时，能够匹配到32个文档

GET bank/_search

{

“query”: {

“match”: {

“address”: “mill Road”

}

}

}

结果:

{

“took” : 17,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

“hits” : {

“total” : {

“value” : 32,

“relation” : “eq”

},

“max_score” : 8.926605,

“hits” : [

{

“_index” : “bank”,

“_type” : “account”,

“_id” : “970”,

“_score” : 8.926605,

“_source” : {

“account_number” : 970,

“balance” : 19648,

“firstname” : “Forbes”,

“lastname” : “Wallace”,

“age” : 28,

“gender” : “M”,

“address” : “990 Mill Road”,

“employer” : “Pheast”,

“email” : “forbeswallace@pheast.com”,

“city” : “Lopezo”,

“state” : “AK”

}

},

#省略…

}

]

}

}

---

9、Aggregation（聚合）

聚合提供了从数据中分组和提取数据的能力。最简单的聚合方法大致等于SQL Group by和SQL聚合函数。

在elasticsearch中，执行搜索返回this（命中结果），并且同时返回聚合结果，把以响应中的所有hits（命中结果）分隔开的能力。

这是非常强大且有效的，你可以执行查询和多个聚合，并且在一次使用中得到各自的（任何一个的）返回结果，使用一次简洁和简化的API啦避免网络往返。

aggs：执行聚合。聚合语法如下：

“aggs”:{ # 聚合

“aggs_name这次聚合的名字，方便展示在结果集中”:{

“AGG_TYPE聚合的类型(avg,term,terms)”:{}

}

}

terms：看值的可能性分布

avg：看值的分布平均

• 例：搜索address中包含mill的所有人的年龄分布以及平均年龄，但不显示这些人的详情

分别为包含mill、，平均年龄、

GET bank/_search

{

“query”: { # 查询出包含mill的

“match”: {

“address”: “Mill”

}

},

“aggs”: { #基于查询聚合

“ageAgg”: { # 聚合的名字，随便起

“terms”: { # 看值的可能性分布

“field”: “age”,

“size”: 10

}

},

“ageAvg”: {

“avg”: { # 看age值的平均

“field”: “age”

}

},

“balanceAvg”: {

“avg”: { # 看balance的平均

“field”: “balance”

}

}

},

“size”: 0 # 不看详情，只看聚合结果

}

查询结果：

{

“took” : 2,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

“hits” : {

“total” : {

“value” : 4, // 命中4条

“relation” : “eq”

},

“max_score” : null,

“hits” : [ ]

},

“aggregations” : {

“ageAgg” : { // 第一个聚合的结果

“doc_count_error_upper_bound” : 0,

“sum_other_doc_count” : 0,

“buckets” : [

{

“key” : 38,

“doc_count” : 2

},

{

“key” : 28,

“doc_count” : 1

},

{

“key” : 32,

“doc_count” : 1

}

]

},

“ageAvg” : { // 第二个聚合的结果

“value” : 34.0

},

“balanceAvg” : { // 第三个聚合的结果

“value” : 25208.0

}

}

}

• 子聚合

按照年龄聚合，并且求这些年龄段的这些人的平均薪资

写到一个聚合里是基于上个聚合进行子聚合。

下面求每个age分布的平均balance

GET bank/_search

{

“query”: {

“match_all”: {} #查询所有

},

“aggs”: {

“ageAgg”: {

“terms”: { # 看分布

“field”: “age”, #字段

“size”: 100 #数量

},

“aggs”: { # 与terms并列 【子聚合】

“ageAvg”: { #平均

“avg”: {

“field”: “balance”

}

}

}

}

},

“size”: 0

}

输出结果

{

“took” : 49,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

“hits” : {

“total” : {

“value” : 1000,

“relation” : “eq”

},

“max_score” : null,

“hits” : [ ]

},

“aggregations” : {

“ageAgg” : {

“doc_count_error_upper_bound” : 0,

“sum_other_doc_count” : 0,

“buckets” : [

{

“key” : 31,

“doc_count” : 61,

“ageAvg” : {

“value” : 28312.918032786885

}

},

{

“key” : 39,

“doc_count” : 60,

“ageAvg” : {

“value” : 25269.583333333332

}

},

{

“key” : 26,

“doc_count” : 59,

“ageAvg” : {

“value” : 23194.813559322032

}

},

{

“key” : 32,

“doc_count” : 52,

“ageAvg” : {

“value” : 23951.346153846152

}

},

{

“key” : 35,

“doc_count” : 52,

“ageAvg” : {

“value” : 22136.69230769231

}

},

{

“key” : 36,

“doc_count” : 52,

“ageAvg” : {

“value” : 22174.71153846154

}

},

{

“key” : 22,

“doc_count” : 51,

“ageAvg” : {

“value” : 24731.07843137255

}

},

{

“key” : 28,

“doc_count” : 51,

“ageAvg” : {

“value” : 28273.882352941175

}

},

{

“key” : 33,

“doc_count” : 50,

“ageAvg” : {

“value” : 25093.94

}

},

{

“key” : 34,

“doc_count” : 49,

“ageAvg” : {

“value” : 26809.95918367347

}

},

{

“key” : 30,

“doc_count” : 47,

“ageAvg” : {

“value” : 22841.106382978724

}

},

{

“key” : 21,

“doc_count” : 46,

“ageAvg” : {

“value” : 26981.434782608696

}

},

{

“key” : 40,

“doc_count” : 45,

“ageAvg” : {

“value” : 27183.17777777778

}

},

{

“key” : 20,

“doc_count” : 44,

“ageAvg” : {

“value” : 27741.227272727272

}

},

{

“key” : 23,

“doc_count” : 42,

“ageAvg” : {

“value” : 27314.214285714286

}

},

{

“key” : 24,

“doc_count” : 42,

“ageAvg” : {

“value” : 28519.04761904762

}

},

{

“key” : 25,

“doc_count” : 42,

“ageAvg” : {

“value” : 27445.214285714286

}

},

{

“key” : 37,

“doc_count” : 42,

“ageAvg” : {

“value” : 27022.261904761905

}

},

{

“key” : 27,

“doc_count” : 39,

“ageAvg” : {

“value” : 21471.871794871793

}

},

{

“key” : 38,

“doc_count” : 39,

“ageAvg” : {

“value” : 26187.17948717949

}

},

{

“key” : 29,

“doc_count” : 35,

“ageAvg” : {

“value” : 29483.14285714286

}

}

]

}

}

}

复杂子聚合：

查出所有年龄分布，并且这些年龄段中M的平均薪资和F的平均薪资以及这个年龄段的总体平均薪资

GET bank/_search

{

“query”: {

“match_all”: {}

},

“aggs”: {

“ageAgg”: {

“terms”: { # 看age分布

“field”: “age”,

“size”: 100

},

“aggs”: { # 子聚合

“genderAgg”: {

“terms”: { # 看gender分布

“field”: “gender.keyword” # 注意这里，文本字段应该用.keyword

},

“aggs”: { # 子聚合

“balanceAvg”: {

“avg”: { # 性别的平均薪资

“field”: “balance”

}

}

}

},

“ageBalanceAvg”: {

“avg”: { #age分布的平均（男女）

“field”: “balance”

}

}

}

}

},

“size”: 0

}

输出结果：

{

“took” : 119,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

最后

总而言之，面试官问来问去，问的那些Redis知识点也就这么多吧，复习的不够到位，知识点掌握不够熟练，所以面试才会卡壳。将这些Redis面试知识解析以及我整理的一些学习笔记分享出来给大家参考学习

还有更多学习笔记面试资料也分享如下：

聚合**

按照年龄聚合，并且求这些年龄段的这些人的平均薪资

写到一个聚合里是基于上个聚合进行子聚合。

下面求每个age分布的平均balance

GET bank/_search

{

“query”: {

“match_all”: {} #查询所有

},

“aggs”: {

“ageAgg”: {

“terms”: { # 看分布

“field”: “age”, #字段

“size”: 100 #数量

},

“aggs”: { # 与terms并列 【子聚合】

“ageAvg”: { #平均

“avg”: {

“field”: “balance”

}

}

}

}

},

“size”: 0

}

输出结果

{

“took” : 49,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

“hits” : {

“total” : {

“value” : 1000,

“relation” : “eq”

},

“max_score” : null,

“hits” : [ ]

},

“aggregations” : {

“ageAgg” : {

“doc_count_error_upper_bound” : 0,

“sum_other_doc_count” : 0,

“buckets” : [

{

“key” : 31,

“doc_count” : 61,

“ageAvg” : {

“value” : 28312.918032786885

}

},

{

“key” : 39,

“doc_count” : 60,

“ageAvg” : {

“value” : 25269.583333333332

}

},

{

“key” : 26,

“doc_count” : 59,

“ageAvg” : {

“value” : 23194.813559322032

}

},

{

“key” : 32,

“doc_count” : 52,

“ageAvg” : {

“value” : 23951.346153846152

}

},

{

“key” : 35,

“doc_count” : 52,

“ageAvg” : {

“value” : 22136.69230769231

}

},

{

“key” : 36,

“doc_count” : 52,

“ageAvg” : {

“value” : 22174.71153846154

}

},

{

“key” : 22,

“doc_count” : 51,

“ageAvg” : {

“value” : 24731.07843137255

}

},

{

“key” : 28,

“doc_count” : 51,

“ageAvg” : {

“value” : 28273.882352941175

}

},

{

“key” : 33,

“doc_count” : 50,

“ageAvg” : {

“value” : 25093.94

}

},

{

“key” : 34,

“doc_count” : 49,

“ageAvg” : {

“value” : 26809.95918367347

}

},

{

“key” : 30,

“doc_count” : 47,

“ageAvg” : {

“value” : 22841.106382978724

}

},

{

“key” : 21,

“doc_count” : 46,

“ageAvg” : {

“value” : 26981.434782608696

}

},

{

“key” : 40,

“doc_count” : 45,

“ageAvg” : {

“value” : 27183.17777777778

}

},

{

“key” : 20,

“doc_count” : 44,

“ageAvg” : {

“value” : 27741.227272727272

}

},

{

“key” : 23,

“doc_count” : 42,

“ageAvg” : {

“value” : 27314.214285714286

}

},

{

“key” : 24,

“doc_count” : 42,

“ageAvg” : {

“value” : 28519.04761904762

}

},

{

“key” : 25,

“doc_count” : 42,

“ageAvg” : {

“value” : 27445.214285714286

}

},

{

“key” : 37,

“doc_count” : 42,

“ageAvg” : {

“value” : 27022.261904761905

}

},

{

“key” : 27,

“doc_count” : 39,

“ageAvg” : {

“value” : 21471.871794871793

}

},

{

“key” : 38,

“doc_count” : 39,

“ageAvg” : {

“value” : 26187.17948717949

}

},

{

“key” : 29,

“doc_count” : 35,

“ageAvg” : {

“value” : 29483.14285714286

}

}

]

}

}

}

复杂子聚合：

查出所有年龄分布，并且这些年龄段中M的平均薪资和F的平均薪资以及这个年龄段的总体平均薪资

GET bank/_search

{

“query”: {

“match_all”: {}

},

“aggs”: {

“ageAgg”: {

“terms”: { # 看age分布

“field”: “age”,

“size”: 100

},

“aggs”: { # 子聚合

“genderAgg”: {

“terms”: { # 看gender分布

“field”: “gender.keyword” # 注意这里，文本字段应该用.keyword

},

“aggs”: { # 子聚合

“balanceAvg”: {

“avg”: { # 性别的平均薪资

“field”: “balance”

}

}

}

},

“ageBalanceAvg”: {

“avg”: { #age分布的平均（男女）

“field”: “balance”

}

}

}

}

},

“size”: 0

}

输出结果：

{

“took” : 119,

“timed_out” : false,

“_shards” : {

“total” : 1,

“successful” : 1,

“skipped” : 0,

“failed” : 0

},

最后

总而言之，面试官问来问去，问的那些Redis知识点也就这么多吧，复习的不够到位，知识点掌握不够熟练，所以面试才会卡壳。将这些Redis面试知识解析以及我整理的一些学习笔记分享出来给大家参考学习

还有更多学习笔记面试资料也分享如下：

[外链图片转存中…(img-lucZd52Z-1719253093656)]