Kibana操作Elasticsearch-检索

1.导入ES官方检索测试数据
本次使用kibana操作ES以这些数据为基础
ES在GitHub的地址

这段数据存在这个目录下

将这2000行json复制出来

2.使用Kibana将2000行数据导入到ES中

POST /bank/account/_bulk

3.根据ES官方文档对数据检索
ES官网

进入文档–>选择其他版本

进入对应版本

进入这个页面有点慢

脚本文件还没加载完，加载完了的界面是这样的

点击+好展开

进入检索文档

这里我的步骤做的这么详细是不是因为CSDN资源服不要我付费，而是防止这些链接改变，而找不到界面

4.开始检索

ES支持两种基本方式检索
1.通过使用REST request URL 发送搜索参数(url+检索参数)
2.使用REST request body来发送他们(url+请求体)

1.使用REST request URL检索

GET bank/_search?q=*&sort=account_number:asc
#查询bank这个索引下的数据，q=*查询所有，sort=account_number:asc 按照account_number进行asc升序排列

检索结果

这些检索结果前面的key代表什么意思官网上也有描述

至于写的什么自己翻译

这里检索到1000条数据，但是只给我们返回10条，这是因为ES默认值返回10条数据，做了分页处理

2.使用REST request body来发送他们(url+请求体)–Query DSL
官方推荐使用Query DSL模式检索数据

GET /bank/_search
{
  "query": { "match_all": {} },
  "sort": [
    { "account_number": "asc" },
    { "balance": "desc" }
  ]
}

#query查询查询条件，match_all这个代表查询所有
#sort排序条件，account_number asc按照账号升序排列,这里演示两个字段排序，先根据account_number升序排列，然后根据balance降序排列

其他一些写法官网上面也有描述
分页查询

Query DSL

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,并且刚开始的时候感觉有点复杂,真正学好它的方法是从一些基础的示例开始的。

1.语法结构
一个典型的检索机构是这样的

GET /索引/类型/_search
{
  #这里是做什么的操作
  "query": { 
    #查询详细操作
  	"match_all": {} 
  },
  xxxxxx
  xxx
  xxx
}

下面就一个一个学咯

查询所有根据balance字段倒叙

GET /bank/_search
{
  "query": { "match_all": {} },
  "sort": [
    { "balance": "desc" }
  ]
}

查询所有并分页按照指定字段排序

这里取下一页和Mysql不一样哦，下一页from不是1，而是5，开始数据位置

GET /bank/_search
{
  "query": { "match_all": {} },
  "sort": [
    { "balance": "desc" }
  ],
  "from": 5,
  "size": 5
}

检索所有数据，返回部分字段

GET /bank/_search
{
  "query": { "match_all": {} },
  "sort": [
    { "balance": "desc" }
  ],
  "from": 5,
  "size": 5,
  "_source": ["gender","age","employer"]
}

全文检索 match
这里不区分大小写，只要address中包含mill数据的，那么都会被查询出来，类似于Mysql中的模糊查询，这也是ES的倒排索引机制

GET /bank/_search
{
  "query": { 
    "match": {
      "address": "mill"
    }
  }
}

GET /bank/_search
{
  "query": { 
    "match": {
      "address": "Mill"
    }
  }
}

这里全文检索出来的数据会按照匹配得分进行排序展示

当查询的数据条件为数据类型，而不是字符串那么就是精确查询

GET /bank/_search
{
  "query": { 
    "match": {
      "account_number": "20"
    }
  }
}

短语匹配 match_phrase
这里使用match_phrase这个将mill lane组成一个短语

GET /bank/_search
{
  "query": { 
    "match_phrase": { 
      "address": "mill lane" 
    } 
  }
}

对比match全文检索

GET /bank/_search
{
  "query": { 
    "match": {
      "address": "mill lane" 
    }
  }
}

这里使用match就会检索address字段中包含mill lane这两项的都能匹配上

多字段匹配 multi_match
这里使用multi_match，条件数据为mill Blackgum，参与匹配的字段为[“city”,“address”]，会进行分词，匹配度度高的分数大

GET /bank/_search
{
  "query": { 
    "multi_match": {
      "query": "mill Blackgum", 
      "fields": ["city","address"]
    }
  }
}

第一条数据两个字段都命中上了，分数较高

复合查询

GET /bank/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": { 
          "gender": "F"
          } 
        },
         { "match": { 
          "address": "Mill"
          } 
        }
      ]
    }
  }
}
#bool复合多个条件
#must是条件必须满足

必须满足gender=F和address=Mill

还有一种必须不满足
先试用必须满足查出几条数据

然后在使用must_not不满足age=38

GET /bank/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": { 
          "gender": "M"
          } 
        },
         { "match": { 
          "address": "Mill"
          } 
        }
      ],
      "must_not": [
        {"match": {
          "age": "38"
        }}
      ]
    }
  }
}

should应该匹配

GET /bank/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": { 
          "gender": "M"
          } 
        },
         { "match": { 
          "address": "Mill"
          } 
        }
      ],
      "must_not": [
        {"match": {
          "age": "18"
        }}
      ],
      "should": [
        {"match": {
          "lastname":"Wallace"
          }
        }
      ]
    }
  }
}
#bool复合多个条件
#must是条件必须满足
#must_not是条件必须不满足
#should是满足更好+分，不满足也能查，作为加分项

第一条结果和第二条结果gender、address都是一样的，且age不为18，后面的lastname只有第一条数据匹配到了，那么他的命中分数就高一些

结果过滤 filter
filter使用过滤检索不会影响档命中得分/单独使用没有文档命中得分
这个是有文档命中得分的

GET /bank/_search
{
  "query": {
    "bool": {
      "must":[
        {
          "range": {
            "age": {
              "gte": 18,
              "lte": 30
            }
          }
        }      
      ]
    }
  }
}

使用filter是没有的

GET /bank/_search
{
  "query": {
    "bool": {
      "filter": {
        "range": {
          "age": {
            "gte": 18,
            "lte": 30
          }
        }
      }
    }
  }
}

复合检索+filter过滤
这是将复合检索出来的数据在进行filter过滤的
先不过滤检索数据

{
  "query": {
    "bool": {
      "must": [
        { "match": { 
          "gender": "M"
          } 
        },
         { "match": { 
          "address": "Mill"
          } 
        }
      ],
      "must_not": [
        {"match": {
          "age": "18"
        }}
      ],
      "should": [
        {"match": {
          "lastname":"Wallace"
          }
        }
      ]
    }
  }
}

加入filter

GET /bank/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": { 
          "gender": "M"
          } 
        },
         { "match": { 
          "address": "Mill"
          } 
        }
      ],
      "must_not": [
        {"match": {
          "age": "18"
        }}
      ],
      "should": [
        {"match": {
          "lastname":"Wallace"
          }
        }
      ],
      "filter": {
        "range": {
          "age": {
            "gte": 18,
            "lte": 30
          }
        }
      }
    }
  }
}

这里就可以对比没加filter的数据，这里filter确实没有影响文档命中得分

非文本字段使用term更加精确
默认情况下，Elasticsearch在分析时更改文本字段的值。这使得查找文本字段值的精确匹配变得困难。要搜索文本字段值，请使用匹配查询。

GET /bank/_search
{
  "query": {
   "term": {
     "address":"694 Jefferson Street"
   }
  }
}
#查询非字符串类型数据使用term
#文本类型的就用match检索

如果使用term检索字符串

这里是匹配不到的

.keyword精确匹配

GET /bank/_search
{
  "query": {
   "match": {
     "address.keyword":"694 Jefferson Street"
   }
  }
}
#查询任何字段是都可以.keyword，这个的作用就是将这个694 Jefferson Street值精确匹配==，只有当694 Jefferson Street完全等于是才能匹配

这个.keyword和match_phrase有点像，其实有一个很大的区别
match_phrase是包数据即可含即可，而.keyword是必须等于
演示代码
使用.keyword

GET /bank/_search
{
  "query": {
   "match": {
     "address.keyword":"694 Jefferson"
   }
  }
}

无法匹配

使用match_phrase

GET /bank/_search
{
  "query": {
   "match_phrase": {
     "address":"694 Jefferson"
   }
  }
}

包含即可

本篇文章主要演示Elasticsearch的检索操作，下一篇将演示数据分析操作