Easticsearch简单的花式查询

最新推荐文章于 2023-10-22 10:21:01 发布
最新推荐文章于 2023-10-22 10:21:01 发布
阅读量313 收藏
点赞数 2
分类专栏： elasticsearch 文章标签： elasticsearch java 搜索引擎
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/SiuMu_/article/details/109551374
版权

如果上天没有给你想要的，不是你值得拥有更好的，而是你不配。

准备工作

  上次说了怎么安装Elasticsearch，这次我们就讲讲怎么用它。也没有什么其他的准备工作就是以下这些

  • Elasticsearch启动成功
  • kibana启动成功

  然后我们打开kibana，再打开Dev Tools界面，这样既能看着官方文档，还能在这里直接练习查询语句。

索引和文档

  首先，我们需要搞明白一些概念。索引和文档。索引就相当于我们的某个数据库，文档就相当于我们数据库中某一条记录。就先这么理解就行。
  接下来我们尝试着建立一个索引，叫xiumu_user，直接在kibana中执行这个命令：

PUT xiumu_user

ES就会返回这样的一个信息：

{
  "acknowledged" : true,
  "shards_acknowledged" : true,
  "index" : "xiumu_user"
}

我们的索引就建立成功了，然后我们用get请求就可以看到这个索引的情况：

GET xiumu_user

{
  "xiumu_user" : {
    "aliases" : { },
    "mappings" : { },
    "settings" : {
      "index" : {
        "creation_date" : "1604752426171",
        "number_of_shards" : "1",
        "number_of_replicas" : "1",
        "uuid" : "wtR8dESSSaGygWfRItccAw",
        "version" : {
          "created" : "7090299"
        },
        "provided_name" : "xiumu_user"
      }
    }
  }
}

  索引简单来说就是这么一回事，那么我们都知道，数据库里的某一条记录都有一个唯一标识，也就是主键，那我们ES里也有一个文档ID作为某个文档的唯一标识。所以我们插入一条数据需要这样写：

PUT xiumu_user/_doc/1
{
  "id": 1,
  "username": "xiumu",
  "age": 22,
  "gender": "男",
  "description": "一个学习Java的菜鸟"
}

  这个请求的意思就是说在xiumu_user这个索引中插入一个文档，这个文档的类型是_doc，文档的ID是1，当然ID是这个_doc后面紧挨着的1，而不是后面大括号里的id。大括号里的数据就是一个文档，全都是JSON格式的数据。
  补充一个知识点，xiumu_user/_doc/1，这三个部分是索引/类型/ID，但是类型要被弃用了好像，所以我们就默认所有的类型都是_doc，只关心索引和ID就行了。ES会返回这样的数据：

{
  "_index" : "xiumu_user",
  "_type" : "_doc",
  "_id" : "1",
  "_version" : 1,
  "result" : "created",
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 0,
  "_primary_term" : 1
}

接下来我们就多放进去一点数据，为我们的花式查询做一些准备。批量插入是这样操作的：

PUT xiumu_user/_bulk
{"index":{"_index":"xiumu_user","_id":2}}
{"id": 2,"username": "亚索","age": 200,"gender": "男","description":"风一样的男人"}
{"index":{"_index":"xiumu_user","_id":3}}
{"id": 3,"username": "伊泽瑞尔","age": 100,"gender": "男","description": "有位移的ADC"}
{"index":{"_index":"xiumu_user","_id":4}}
{"id": 5,"username": "寒冰射手","age": 20,"gender": "女","description": "大招会拐弯"}
{"index":{"_index":"xiumu_user","_id":5}}
{"id": 6,"username": "九尾妖狐","age": 18,"gender": "女","description": "我们心有灵犀"}
{"index":{"_index":"xiumu_user","_id":6}}
{"id": 6,"username": "赵信","age": 28,"gender": "男","description": "一点寒芒先到，随后枪出如龙"}

注意一点就是json数据要在一行，不要换行。一行操作命令，一行数据，一行操作命令，一行数据这样的方式。插入成功就会返回这样的json数据：took这个字段表示执行的时间。

{
  "took" : 25,
  "errors" : false,
  "items" : [
    {
      "index" : {
        "_index" : "xiumu_user",
        "_type" : "_doc",
        "_id" : "2",
        "_version" : 3,
        "result" : "created",
        "_shards" : {
          "total" : 2,
          "successful" : 1,
          "failed" : 0
        },
        "_seq_no" : 12,
        "_primary_term" : 6,
        "status" : 201
      }
    },
    {
      "index" : {
        "_index" : "xiumu_user",
        "_type" : "_doc",
        "_id" : "3",
        "_version" : 3,
        "result" : "created",
        "_shards" : {
          "total" : 2,
          "successful" : 1,
          "failed" : 0
        },
        "_seq_no" : 13,
        "_primary_term" : 6,
        "status" : 201
      }
    },
    ......

由于返回的全文有点长，我就用省略号表示吧。

开始查询

&emasp;&emasp;如何将添加的数据查询出来呢？这个操作非常简单：

GET xiumu_user/_search
{
  "query": {
    "match_all": {}
  }
}

看这单词的意思就是查询全部，返回值如下：

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 6,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "xiumu_user",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "id" : 1,
          "username" : "xiumu",
          "age" : 22,
          "gender" : "男",
          "description" : "一个学习Java的菜鸟"
        }
      },
      {
        "_index" : "xiumu_user",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 1.0,
        "_source" : {
          "id" : 2,
          "username" : "亚索",
          "age" : 200,
          "gender" : "男",
          "description" : "风一样的男人"
        }
      },
      ......

我还是用省略号省略一下返回的内容。
一、根据某个字段查询文档
这个查询方式呢也有很多种，我们一一来试验，例如我们需要根据性别查询，也就是根据gender这个字段

（1）match查询

GET xiumu_user/_search
{
  "query": {
    "match": {
      "gender": "女"
    }
  }
}

（2）query_string查询

GET xiumu_user/_search
{
  "query": {
    "query_string": {
      "default_field": "gender",
      "query": "女"
    }
  }
}

（3）term查询

GET xiumu_user/_search
{
  "query": {
    "term": {
      "gender": {
        "value": "女"
      }
    }
  }
}

理论上我们会查询出来九尾妖狐和寒冰射手，事实上也正是如此，这三种查询方式都会返回这样的结果

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 1.1631508,
    "hits" : [
      {
        "_index" : "xiumu_user",
        "_type" : "_doc",
        "_id" : "5",
        "_score" : 1.1631508,
        "_source" : {
          "id" : 5,
          "username" : "寒冰射手",
          "age" : 20,
          "gender" : "女",
          "description" : "大招会拐弯"
        }
      },
      {
        "_index" : "xiumu_user",
        "_type" : "_doc",
        "_id" : "6",
        "_score" : 1.1631508,
        "_source" : {
          "id" : 6,
          "username" : "九尾妖狐",
          "age" : 18,
          "gender" : "女",
          "description" : "我们心有灵犀"
        }
      }
    ]
  }
}

二、模糊查询
Elasticsearch能够将中文分词，然后匹配你想要搜索的关键字，接下来我们就试一试模糊搜索，比如我们根据description这个字段来进行模糊搜索。
（1）match查询

GET xiumu_user/_search
{
  "query": {
    "match": {
      "description": "有位移"
    }
  }
}

（1）query_string查询

GET xiumu_user/_search
{
  "query": {
    "query_string": {
      "default_field": "description",
      "query": "有位移"
    }
  }
}

我们搜索这个关键字 “ 有位移 ” 这三个字，理论上来说应该是把伊泽瑞尔搜索出来。事实上它也确实出来了，但是顺便也把九尾妖狐也搜索出来了。

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 5.242115,
    "hits" : [
      {
        "_index" : "xiumu_user",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 5.242115,
        "_source" : {
          "id" : 3,
          "username" : "伊泽瑞尔",
          "age" : 100,
          "gender" : "男",
          "description" : "有位移的ADC"
        }
      },
      {
        "_index" : "xiumu_user",
        "_type" : "_doc",
        "_id" : "5",
        "_score" : 1.2199264,
        "_source" : {
          "id" : 6,
          "username" : "九尾妖狐",
          "age" : 18,
          "gender" : "女",
          "description" : "我们心有灵犀"
        }
      }
    ]
  }
}

那么这里就涉及了一个小知识，Elasticsearch的分词与匹配度：它会把文档进行分词，然后我们搜索的关键字与文档相匹配，匹配到的字越多说明文档的相关度越高，这在Elasticsearch中叫做倒排索引(当然倒排索引没有我说的这么草率，大家可以去详细的了解)。我们看到伊泽瑞尔三个字都匹配到了，所以他的相关度比较高，“_score”这个字段有5点多这么高，但是九尾妖狐只能匹配到“有”这一个字，所以它的“_score”只有1点多。
3）term查询
这个查询结果就不太一样了，需要单独的说明一下，

GET xiumu_user/_search
{
  "query": {
    "term": {
      "description": {
        "value": "有位移"
      }
    }
  }
}

返回是这样的结果：

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 0,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [ ]
  }
}

竟然什么也没查到，这是不是很神奇，根据我的理解，这其实是涉及了上面我们所说的倒排索引，我们来看看“有位移的男人”这6个字被分词之后会分成什么？

GET _analyze
{
  "text": ["有位移的男人"]
}

返回结果如下：

{
  "tokens" : [
    {
      "token" : "有",
      "start_offset" : 0,
      "end_offset" : 1,
      "type" : "<IDEOGRAPHIC>",
      "position" : 0
    },
    {
      "token" : "位",
      "start_offset" : 1,
      "end_offset" : 2,
      "type" : "<IDEOGRAPHIC>",
      "position" : 1
    },
    {
      "token" : "移",
      "start_offset" : 2,
      "end_offset" : 3,
      "type" : "<IDEOGRAPHIC>",
      "position" : 2
    },
    {
      "token" : "的",
      "start_offset" : 3,
      "end_offset" : 4,
      "type" : "<IDEOGRAPHIC>",
      "position" : 3
    },
    {
      "token" : "男",
      "start_offset" : 4,
      "end_offset" : 5,
      "type" : "<IDEOGRAPHIC>",
      "position" : 4
    },
    {
      "token" : "人",
      "start_offset" : 5,
      "end_offset" : 6,
      "type" : "<IDEOGRAPHIC>",
      "position" : 5
    }
  ]
}

我们看到它被分成了一个个的汉字。match和query_string查询肯定也是将关键字分成了这样的一个个的汉字与文档进行匹配。但是term就不是这样了，term查询又叫精准查询，但是也不是说字段的值要完全精准，而是关键字要精准，它不会对关键字分词，而是将关键字作为一个词，只要索引中存在这个词就算，但是我们搜索的是“有位移”，倒排索引中只有单个的字，并没有三个字的。所以它才会找不到，假如我们用term只搜索一个字，那就能搜索出来。
三、多字段查询
有时候我们会有这样的需求，比如我们想要搜索某些关键字，希望“username”这个字段里有关键字要搜索出来，“description”这个字段里有这个关键字也要搜索出来，一个关键字要匹配多个字段。
（1）multi_match查询

GET xiumu_user/_search
{
  "query": {
    "multi_match": {
      "query": "伊泽 风 寒芒",
      "fields": ["username","description"]
    }
  }
}

我们看这个查询，理论上会把username和description这两字段中包含关键字的文档查询出来。

{
  "took" : 2,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 4,
      "relation" : "eq"
    },
    "max_score" : 2.955389,
    "hits" : [
      {
        "_index" : "xiumu_user",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 2.955389,
        "_source" : {
          "id" : 3,
          "username" : "伊泽瑞尔",
          "age" : 100,
          "gender" : "男",
          "description" : "有位移的ADC"
        }
      },
      {
        "_index" : "xiumu_user",
        "_type" : "_doc",
        "_id" : "6",
        "_score" : 2.1834397,
        "_source" : {
          "id" : 6,
          "username" : "赵信",
          "age" : 28,
          "gender" : "男",
          "description" : "一点寒芒先到，随后枪出如龙"
        }
      },
      {
        "_index" : "xiumu_user",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 1.4900502,
        "_source" : {
          "id" : 2,
          "username" : "亚索",
          "age" : 200,
          "gender" : "男",
          "description" : "风一样的男人"
        }
      },
      {
        "_index" : "xiumu_user",
        "_type" : "_doc",
        "_id" : "4",
        "_score" : 1.4776945,
        "_source" : {
          "id" : 5,
          "username" : "寒冰射手",
          "age" : 20,
          "gender" : "女",
          "description" : "大招会拐弯"
        }
      }
    ]
  }
}

我们确实得到了想要的结果。

其他的查询

  Elasticsearch有很多查询方式。比如Bool查询，must，must_not，should这些一看就大概明白什么意思。练一练就知道了。

GET xiumu_user/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "username": "寒冰"
          }
        }
      ]
    }
  }
}
GET xiumu_user/_search
{
  "query": {
    "bool": {
      "must_not": [
        {
          "match": {
            "username": "寒冰"
          }
        }
      ]
    }
  }
}
GET xiumu_user/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "username": "寒冰"
          }
        },
        {
          "query_string": {
            "default_field": "description",
            "query": "寒芒"
          }
        }
      ]
    }
  }
}

当然假如Elasticsearch中有很多索引想一起查询怎么办？那就多写几个索引，并用逗号分开就可以了，多索引查询：

GET xiumu_user,xiumu_user0,xiumu_user1/_search
{
  "query": {
    "match_all": {}
  }
}

还有高亮查询，我们用百度搜索的时候会发现，查询结果有关键词的都会变成红色：

GET xiumu_user/_search
{
  "query": {
    "multi_match": {
      "query": "伊泽 风 寒芒",
      "fields": ["username","description"]
    }
  },
  "highlight": {
    "pre_tags": "<span>",
    "post_tags": "</span>",
    "fields": {
      "username": {},
      "description": {}
    }
  }
}

最后

  我说的这些都是皮毛，关于Elasticsearch还有很多知识和概念，我们还需要看看官方文档多多学习。下一篇我们讲讲怎么用springboot对Elasticsearch进行CRUD。

SiuMu_
关注
专栏目录
Spring Boot集成Elasticsearch 8.12.2客户端
iOS逆向与安全
03-29 578
Java REST 客户端已被弃用，取而代之的是 Java API client 客户端，ES 8.x 新版本中，Type 概念被弃用，所以新版 JavaAPI 也相应做出了改变，支持lambda，使用更加简便。ElasticSearch 5.0以后，string类型有重大变更，移除了string类型，string字段被拆分成两种新的数据类型: text用于全文搜索的，而keyword用于关键词搜索。如果按照年进行索引存储，判断查询年份，如果没有对应的索引，则提示查询年份超出范围。
ElaticSearch 学习二（文档基本操作）
weixin_44593504的博客
02-10 1226
准备数据 先创建一个索引并且添加三个数据 一、基本操作 1.创建索引以及数据 PUT /excel3/user/1 { "name":"谢月", "age":12, "desc":"她是一位小菜鸟", "tags":["开朗","热情","技术宅"] } PUT /excel3/user/2 { "name":"张三", "age":18, "desc":"法外狂徒", "tags":["活跃","渣男","旅游","爱交友"] } PUT /excel...
Elasticsearch - 尚硅谷（6. Elasticsearch 进阶-上）学习笔记
圆的博客
05-07 1105
上一篇：（5. Elasticsearch 环境）学习笔记 文章目录1. 核心概念1.1 索引（Index）1.2 类型（Type）1.3 文档（Document）1.4 字段（Field）1.5 映射（Mapping）1.6 分片（Shards）1.7 副本（Replicas）1.8 分配（Allocation）2 系统架构3 分布式集群3.1 单节点集群3.2 故障转移3.3 水平扩容3.4 应对故障4 路由计算 1. 核心概念 1.1 索引（Index） 一个索引就是一个拥有几分相似特征的文档的集合
esticSearch 入门使用——es 搜索问题排查
tianshideemo的博客
09-15 877
es入门使用，搜索问题排查
esticsearch 相关操作语句
zhang804633234的专栏
09-28 156
查询 GET news/_search { "track_total_hits": true, "size":300, "from" : 0, "query" : { "bool" : { "must" : [ ...
elasticsearch基础入门
新之助的学习之路
08-16 9492
ElasticSearch是一个高可用的、开源的、全文检索引擎。它可以存储，搜索和实时快速的分析大量数据。 应用场景： 电商网站中的商品搜索； 结合Logstash收集日志和业务数据，注入到ElasticSearch中，再进行搜索； 安装报错： $./bin/elasticsearch Java HotSpot(TM) 64-Bit Server VM warning: INFO: ...
EasticSearch
布谷鸟
04-26 369
(一)什么是ElasticSearch ES和Lucene一样是用来实现全文检索（创建索引和搜索索引） lucene是全文检索工具包，而ES是全文搜索服务器 (二)为什么要使用ElasticSearch lucene不足: lucene只能在java中以java引入项目,其他语言就不行了. lucene使用非常复杂,写一大堆代码来实现创建索引和搜索索引. lucene不能集群(多个服务器部署同一...
Easticsearch(Linux集群)+Kibana客户端环境搭建记录
qzcsu的博客
02-26 480
资源准备 一台物理机，内存4G以上。（若要搭建Easticsearch集群，则至少8G） 软件准备，VMware Workstation 环境准备 jdk(Easticsearch 启动以来java环境)，并且配置好JAVA_HOME jdk下载地址 准备好Easticsearch与Kibana 下载链接 环境描述 本文搭建环境是 win10系统 + vm14.1 + centos7 +...
ElasticSearch花式查询
m0_46684016的博客
12-11 514
0.创建实体类与准备查询所用的索引 结构： 1）索引 sms-logs-index 2）类型 sms-logs-type 字段名称 备注 createDate 创建时间 sendDate 发送时间 longCode 发送的长号码 mobile 手机号 corpName 发送公司名称（需要分词检索） smsContent 下发短信内容（需要分词检索） state 下发短信状态（0为成功，1为失败） operatorId 运营商编号（1为移动，2位联通，3为电信）
ElasticSearch - 玩转搜索之花式查询
了无牵挂者忘生，心有所爱者忘死
01-25 362
文章目录ElasticSearch - 玩转搜索之花式查询1.term的多种查询1.1 索引以及数据准备1.2 term精准匹配查询1.3 Exist非空值文档查询1.4 Prefix前缀查询1.5 Wildcard通配符查询1.6 Regexp通配符查询1.7 Ids批量ID查询2.Range范围查询3.Bool布尔查询3.1 must3.2 filter3.3 must_not3.4 should3.5 must和filter的区别 ElasticSearch - 玩转搜索之花式查询 1.term的多种
【了解一下，Elastic Search的检索】
最新发布
独上高楼，望尽天涯路。
10-22 459
了解ES(Elastic Search)搜索引擎的一些基础概念（索引库、文档）、命令（DSL语法）、查询分类、搜索结果的处理（排序、分页、高亮），数据聚合处理等
Easticsearch入门学习之部署kibana
qq_53222216的博客
10-13 721
部署kibana，并查看
分布式搜索引擎Elasticsearch安装配置
weixin_34362790的博客
04-01 135
2019独角兽企业重金招聘Python工程师标准>>> ...
17个有用的elasticsearch查询
weixin_43632687的博客
07-07 5922
dsl
10 分钟玩转Elastcisearch——数据可视化分析
铭毅天下Elasticsearch
06-20 1302
在当今这个快速发展的科技时代，Elasticsearch 已经成为企业和开发者的重要技术工具。随着数据的爆发式增长，Elasticsearch 可以帮助个人和企业更好的理解数据、发现数据中的规律趋势和模式、并从海量数据中洞察业务价值。为了帮助开发者能够快速上手，阿里云MVP铭毅天下博主携手阿里云检索分析服务Elasticsearch版、阿里云开发者社区和 Elastic 公司，共同推出《10分钟玩...
java-study:java-study 是本人学习Java过程中记录的一些代码！从Java基础的数据类型、jdk1.8的Lambda、Stream和日期的使用、 IO流、数据集合、多线程使用、并发编程、23种设计模式示例代码、常用的工具类， 以及一些常用框架，netty、mina、springboot、kafka、storm、zookeeper、redis、elasticsearch、hbase、hive等等
05-02
java-study 介绍 是本人学习Java过程中记录的一些代码！从Java基础的数据类型、jdk1.8的使用、IO、集合、线程等等技术以及一些常用框架，netty、mina、springboot、kafka、storm、zookeeper、es、redis、hbase、...
【EslaticSearch】ES 搜索引擎详解
上官玺的博客
09-11 1675
Es搜索引擎使用
ElasticSearch（三）
m0_37683758的博客
02-09 1879
底层索引控制 底层存储目录（store directory） 该模块主要用来控制索引数据的读写方式，Lucene所有在磁盘上的操作都是通过store模块来处理的。 simplefs：最简单的一种实现（基于Java中的RandomAccessFile），对于简单的应用，该store类型足够了，但是该种类型的瓶颈主要在多线程读写.对于负责的应用，性能会很糟糕。 在Elasticsearch中，通...
linux下elasticsearch 安装、配置及示例
热门推荐
最熟悉的陌生人
04-12 12万+
简介 开始学es，我习惯边学边记，总结出现的问题和解决方法。本文是在两台linux虚拟机下，安装了三个节点。本次搭建es同时实践了两种模式——单机模式和分布式模式。条件允许的话，可以在多台机器上配置es节点，如果你机器性能有限，那么可以在一台虚拟机上完成多节点的配置。 如图，是本次3个节点的分布。 hostname IP es节点 master 192.168.137.100
ElasticSearch学习29_基于Elasticsearch实现搜索推荐
wang_zhenwei的博客
03-23 3807
在基于Elasticsearch实现搜索建议一文中我们曾经介绍过如何基于Elasticsearch来实现搜索建议，而本文是在此基于上进一步优化搜索体验，在当搜索无结果或结果过少时提供推荐搜索词给用户。 背景介绍 在根据用户输入和筛选条件进行搜索后，有时返回的是无结果或者结果很少的情况，为了提升用户搜索体验，需要能够给用户推荐一些相关的搜索词，比如用户搜索【迪奥】时没有找到相关的商品，可
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值