elasticsearch条件查询语句与聚合查询语句模板

https://blog.csdn.net/lpp_dd/article/details/73136059

 

字段解释：

 

条件查询：

_source：表示需要展示的字段

聚合查询

field: 表示聚合的字段

size 显示条数

order 排序方法

 

1、条件查询语句

 

1. {

2. "_source": [

3. "UUID",

4. "workOrderData.appNo"

5. ],

6. "query": {

7. "bool": {

8. "must": [

9. {

10. "terms": {

11. "workOrderData.appNo": [

12. "2017060487300285"

13. ]

14. }

15. }

16. ],

17. "must_not": [],

18. "should": []

19. }

20. },

21. "size": 100

22. }

         

 

2、聚合查询语句

例子1

 

1. {

2. "query": {

3. "bool": {

4. "must": [

5. {

6. "terms": {

7. "workOrderData.center": [

8. "7110101",

9. "7110102"

10. ]

11. }

12. }

13. ],

14. "must_not": [],

15. "should": []

16. }

17. },

18. "size": 0,

19. "aggs": {

20. "aggs_block": {

21. "terms": {

22. "field": "workOrderData.busiType"

23. }

24. }

25. }

26. }

例子2

 

1. {

2. "query": {

3. "bool": {

4. "must": [

5. {

6. "range": {

7. "relateData.callTime": {

8. "gte": "2016-07-26 00:00:00"

9. }

10. }

11. },

12. {

13. "range": {

14. "relateData.callTime": {

15. "lte": "2017-08-02 23:59:59"

16. }

17. }

18. }

19. ]

20. }

21. },

22. "size": 0,

23. "aggs": {

24. "1": {

25. "terms": {

26. "field": "analysisData.competitorList",

27. "size": 10,

28. "order": {

29. "_count": "desc"

30. }

31. }

32. }

33. }

34. }

 

 

3、should字段和must字段一起使用

例子1（should和must同级使用）

 

1. {

2. "_source": [

3. "relateData.orderNum",

4. "relateDate.businessType",

5. "relateData.agentGroupName",

6. "relateData.agentDepartmentName",

7. "relateData.acceptTime",

8. "analysisData.is_rule_complain"

9. ],

10. "query": {

11. "bool": {

12. "must": [

13. {

14. "range": {

15. "relateData.callTime": {

16. "gte": "2017-02-22 00:00:00",

17. "lte": "2017-08-16 23:59:59"

18. }

19. }

20. }

21. ],

22. "should": [

23. {

24. "term": {

25. "transData.emotionList.emtionType": {

26. "value": "2"

27. }

28. }

29. },

30. {

31. "term": {

32. "analysisData.is_rule_complain": {

33. "value": "是"

34. }

35. }

36. }

37. ]

38. }

39. },

40. "sort": {

41. "relateData.acceptTime": {

42. "order": "desc"

43. }

44. },

45. "from": 0,

46. "size": 10

47. }

在这里should里面的条件满足一条就可以。相当于or

 

但是当should与must一起使用时候就失去了should的意义 因为只要满足must的条件就可以

 

例子2（should为must的上一级）

当我们有and 和 or 并列的查询要求时，(a==0 && b== 0 && (c==0 || d== 0))

我们可以使用如下的elasticsearch查询语句

在should里面包含bool

 

 

1. {

2. "_source": [

3. "relateData.orderNum",

4. "relateDate.businessType",

5. "relateData.agentGroupName",

6. "relateData.agentDepartmentName",

7. "relateData.acceptTime",

8. "analysisData.is_rule_complain"

9. ],

10. "query": {

11. "bool": {

12. "should": [

13. {

14. "bool": {

15. "must": [

16. {

17. "range": {

18. "relateData.callTime": {

19. "gte": "2017-02-22 00:00:00",

20. "lte": "2017-08-16 23:59:59"

21. }

22. }

23. },

24. {

25. "term": {

26. "transData.emotionList.emtionType": {

27. "value": "2"

28. }

29. }

30. }

31. ]

32. }

33. },

34. {

35. "bool": {

36. "must": [

37. {

38. "range": {

39. "relateData.callTime": {

40. "gte": "2017-02-22 00:00:00",

41. "lte": "2017-08-16 23:59:59"

42. }

43. }

44. },

45. {

46. "term": {

47. "analysisData.is_rule_complain": {

48. "value": "是"

49. }

50. }

51. }

52. ]

53. }

54. }

55. ]

56. }

57. }

58. }

 

4、aggs嵌套聚合语句

 

1. {

2. "query": {

3. "bool": {

4. "must": [

5. {

6. "range": {

7. "relateData.callTime": {

8. "gte": "2017-08-30 00:00:00"

9. }

10. }

11. },

12. {

13. "range": {

14. "relateData.callTime": {

15. "lte": "2017-09-06 23:59:59"

16. }

17. }

18. }

19. ]

20. }

21. },

22. "size": 0,

23. "aggs": {

24. "1": {

25. "terms": {

26. "field": "relateData.businessType",

27. "size": 15,

28. "order": {

29. "_count": "desc"

30. }

31. },

32. "aggs": {

33. "2": {

34. "terms": {

35. "field": "qualityData.ATTENTION_WORD.keyWord.keyword",

36. "order": {

37. "_count": "desc"

38. }

39. },

40. "aggs": {

41. "3": {

42. "terms": {

43. "field": "relateData.customerPhoneNo",

44. "size": 2147483647,

45. "min_doc_count": 2

46. }

47. }

48. }

49. }

50. }

51. }

52. }

53. }

查询部分结果展示：

 

 

1. "hits": {

2. "total": 190,

3. "max_score": 0,

4. "hits": []

5. },

6. "aggregations": {

7. "1": {

8. "doc_count_error_upper_bound": 0,

9. "sum_other_doc_count": 0,

10. "buckets": [

11. {

12. "2": {

13. "doc_count_error_upper_bound": 0,

14. "sum_other_doc_count": 0,

15. "buckets": [

16. {

17. "3": {

18. "doc_count_error_upper_bound": 0,

19. "sum_other_doc_count": 0,

20. "buckets": [

21. {

22. "key": "13554186343",

23. "doc_count": 2

24. },

25. {

26. "key": "13554186390",

27. "doc_count": 2

28. },

29. {

30. "key": "13554186399",

31. "doc_count": 2

32. }

33. ]

34. },

35. "key": "减肥",

36. "doc_count": 8

37. },

38. {

39. "3": {

40. "doc_count_error_upper_bound": 0,

41. "sum_other_doc_count": 0,

42. "buckets": [

43. {

44. "key": "13554186356",

45. "doc_count": 2

46. },

47. {

48. "key": "13554186389",

49. "doc_count": 2

50. }

51. ]

52. },

53. "key": "是个",

54. "doc_count": 7

55. },

56. {

57. "3": {

58. "doc_count_error_upper_bound": 0,

59. "sum_other_doc_count": 0,

60. "buckets": [

61. {

62. "key": "13554186389",

63. "doc_count": 2

64. }

65. ]

66. },

67. "key": "绿瘦",

68. "doc_count": 4

69. }

70. ]

71. },

72. "key": "故障",

73. "doc_count": 187

74. }

查询的结果为：首先聚合业务类型，然后聚合业务关注词，最后聚合电话号，聚合结果的意义为在指定业务类型下的指定的业务关注词下的重复来电电话与个数。

5、interval关键字的使用

 

 

1. {

2. "query": {

3. "bool": {

4. "must": [

5. {

6. "range": {

7. "relateData.callTime": {

8. "gte": "2017-08-30 00:00:00"

9. }

10. }

11. },

12. {

13. "range": {

14. "relateData.callTime": {

15. "lte": "2017-09-06 23:59:59"

16. }

17. }

18. }

19. ]

20. }

21. },

22. "size": 0,

23. "aggs": {

24. "1": {

25. "terms": {

26. "field": "qualityData.ATTENTION_WORD.keyWord.keyword",

27. "size": 10,

28. "order": {

29. "_count": "desc"

30. }

31. },

32. "aggs": {

33. "2": {

34. "date_histogram": {

35. "field": "relateData.callTime",

36. "interval": "1d",

37. "extended_bounds": {

38. "min": "2017-08-30 00:00:00",

39. "max": "2017-09-06 23:59:59"

40. }

41. }

42. }

43. }

44. }

45. }

46. }

结果展示：

 

 

1. "aggregations": {

2. "1": {

3. "doc_count_error_upper_bound": 0,

4. "sum_other_doc_count": 0,

5. "buckets": [

6. {

7. "2": {

8. "buckets": [

9. {

10. "key_as_string": "2017-08-30 00:00:00",

11. "key": 1504051200000,

12. "doc_count": 0

13. },

14. {

15. "key_as_string": "2017-08-31 00:00:00",

16. "key": 1504137600000,

17. "doc_count": 0

18. },

19. {

20. "key_as_string": "2017-09-01 00:00:00",

21. "key": 1504224000000,

22. "doc_count": 0

23. },

24. {

25. "key_as_string": "2017-09-02 00:00:00",

26. "key": 1504310400000,

27. "doc_count": 0

28. },

29. {

30. "key_as_string": "2017-09-03 00:00:00",

31. "key": 1504396800000,

32. "doc_count": 0

33. },

34. {

35. "key_as_string": "2017-09-04 00:00:00",

36. "key": 1504483200000,

37. "doc_count": 0

38. },

39. {

40. "key_as_string": "2017-09-05 00:00:00",

41. "key": 1504569600000,

42. "doc_count": 0

43. },

44. {

45. "key_as_string": "2017-09-06 00:00:00",

46. "key": 1504656000000,

47. "doc_count": 8

48. }

49. ]

50. },

51. "key": "减肥",

52. "doc_count": 8

53. }

interval关键字使得在聚合callTime字段的时候是按照1天的间隔进行聚合，这对于数据统计过长时间范围内能够更加智能的查询，不会导致横坐标过于密。

 

extended_bounds字段表示强制的将数据显示在指定的时间范围，防止查询的结果超出预期范围。

6、正则表达式

 

1. "query": {

2. "regexp":{

3. "name.first": "s.*y"

4. }

5. }