上文和大家一起初次了解了很多ES相关的基础知识，本文的内容将会是实际企业中所需要的吗，也是我们需要熟练应用的内容。
面对ES，我们最多使用的就是查询，当我负责这个业务时，现不需要我去考虑如何创建索引，添加文档等，只需要根据复杂业务实现查询即可，本文的重点也会在如何使用ES进行查询，并给出很多实际案例进行补充解释和演示
本次案例演示说明所需要的数据-----------student数据信息：
| 属性 | 数值 |
|---|---|
| id | 001 |
| name | zjh |
| address | 中国陕西省延安市 |
| brief | 喜欢足球的男生 |
| age | 28 |
| 属性 | 数值 |
|---|---|
| id | 002 |
| name | wxx |
| address | 中国陕西省渭南市 |
| brief | 喜欢zjh的女生 |
| age | 18 |
1 DSL查询语法
1.1 什么是DSL
就是在这个环境下查询语句，有自己的语法格式要求，需要我们熟练掌握。
或者你可以想一下，在mysql环境下的sql语法，这就是在ES环境下的DSL语法，都是为了实现查询功能。
一个简化的查询模版
GET /索引库名/_search
{
"query":{
"查询类型"：{
"查询条件"："条件值"
}
}
}
查询类型可以实现不同的查询效果，下面的案例很好的解释给了大家。
1.2 查询所有
match_all：查询全部的数据
GET /student/_search
{
"query":{
"match_all"：{}
}
}
1.3 全文检索
match查询：利用分词器进行查询，比如：传入“男生”，会将其分词取倒排索引库查询，找到含有“男”与“生”数据，即找到zjh和wxx的全部数据
这是一个模板
GET /student/_search
{
"query":{
"match"：{
"field"："text"
}
}
}
实际案例：拆分“男生”去brief字段中查找有无”男“与”生“，最终找到zjh和wxx
GET /student/_search
{
"query":{
"match"：{
"biref"："男生"
}
}
}
升级案例：现在不想指定一个字段去查找，想查询所有的字段中的数据是否有匹配的
GET /student/_search
{
"query":{
"match"：{
"all"："跑步工资"
}
}
}
这个all就表示会在所有字段id，name，address，brief的值中去匹配”跑步工资“
multi_match查询：允许同时查询多个字段
这是一个模板
GET /student/_search
{
"query":{
"multi_match"：{
"query"："text",
"fields"：["field1","field2"]
}
}
}
实际案例：找到address含有“延安”且brief含有”喜欢“的数据，最终找到zjh和wxx
GET /student/_search
{
"query":{
"multi_match"：{
"query"："延安喜欢",
"fields"：["address","brief"]
}
}
}
需要注意的是multi_match设置的字段越多，效率越慢，推荐优先使用match
1.4 精确查询
当查询条件是不可分的：keyword，数值，日期，boolean等，不会对其分词，即为精确查询
- term：根据词条精确值查询
- range：根据值范围查询
案例：
当查询内容传入：上海，就希望匹配到含有“上海”的数据，而不是含有“上”与“海”的这种数据。此乃term
当查询内容传入：100-300元，就希望匹配到在这个范围内的数据。此乃range
这是一个term模板
GET /student/_search
{
"query":{
"term"：{
"field"：{
“value”：“value”
}
}
}
}
实际案例：找到address含有“男生”的数据，找到空数据，因为必须精准为男生，才能找到zjh
GET /student/_search
{
"query":{
"term"：{
"field"：{
“brief”：“男生延安”
}
}
}
}
这是一个range模板
GET /student/_search
{
"query":{
"range"：{
"field"：{
“gte”：“value”，
“lte”：“value”
}
}
}
}
实际案例：找到年龄在10-20之间的人，最终找到wxx
GET /student/_search
{
"query":{
"range"：{
"age"：{
“gte”：10，
“lte”：20
}
}
}
}
注意：gte是大于等于；gt是大于
1.5 复合查询
Boolean Query
布尔查询是一个或者多个查询字句的组合。组合方式有
- must : 必须匹配每个子查询（与）
- should：选择性匹配子查询（或）
- must_not：必须不匹配（非）不参与算分
- filter：必须匹配 不参与算分
GET /student/_search
{
"query"：{
“bool”：{
“must”：[
{"term"：{“address”：“中国”} }
{"term"：{“name”：“zjh”} }
]，
"should"：[
{"term"：{“brief”：“喜欢”} }，
{"term"：{“brief”：“足球”} }
]，
“must_not”：[
{"range"：{“age”：{"gte：20"} } }，
],
“filter”：[
{"term"：{“brief”：“生”}}
]
}
}
}
这串代码表示：
must：（address必须含有中国） 且 （name必须含有zjh）
should：（brief含有喜欢） 或者 （brief含有足球）二选一
mustnot：（年龄大于等于20）相反-----（年龄小于20）
这个案例仅仅告诉你如何理解must等，下面介绍一个贴切的案例
查询名字包含“麦当劳”，地点在北京，人均消费不高于100元，周一到周天营业的快餐店
1.6 搜索结果处理
1.6.1 结果排序+分页查询
这是一个range模板
GET /student/_search
{
"query":{
“查询类型”：{}
}，
"sort"：[{"fileld"：”value“}]
}
实际案例：全部查询，将结果按照年龄倒序，若相等按照id升序排
GET /student/_search
{
"query":{
"match_all"：{}
},
"sort"：[{”age“：”desc“}，{”id“：”asc“}]，
“from”：0，
“size”：10
}
}
}
es查询结果默认只显示10条数据。from：0--------size:10，表示从0开始，显示10条数据
实际上，如我们会将一批数据分成10批，存在10台服务器的ES上。如果我们需要查询价格由低到高排序前100条，底层执行的逻辑是：每一台ES由低到高排序，查出前100，然后聚合10台机器的数据（10*100），从聚合结果1000中再找到前100的数据。
不过呢，当我们执行数据读取时候，一定是会扫描所有的ES节点，不需要担心查询的时候会不会只查询当前服务器上es的数据，是不会的。
1.6.2 结果高亮
浏览器搜索java，可以看到查询结果中含有java部分高亮显示，这是如何实现的？
是ES帮忙做的，我们只需要告诉ES需要高亮显示的字段和内容即可
GET /student/_search
{
"query":{
“match”：{
“all”：“中国”
}，
“highlight”：｛
“fields”：｛ //高亮字段
“address”：｛
"requeire.field_match"：“false”，//是否需要与查询字段匹配
“pre_tags”："<em>"， //用来标记高亮字段的前置标签，
“post_tags”：“</em>” //用来标记高亮字段的后置标签
｝
｝
｝
}
2 DSL语法对应Java代码的实现
2.1 match_all
RestHighLevelClient client 注意前面我已经获取了client
关于代码实现，可以理解为四个部分，不同业务需要变动代码的部分只有2,4处
@Test
void testMatchAll() throws IOException {
//1.准备request
SearchRequest request = new SearchRequest("student");
//2.准备DSL
request.source().query(QueryBuilders.matchAllQuery());
//3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
//4.解析响应中的hits
SearchHits searchHits = response.getHits();
long value = searchHits.getTotalHits().value; //获取value值（参考ES）
System.out.println(value);
SearchHit[] hits = searchHits.getHits(); //获取文档数据
for (SearchHit hit : hits) {
String json = hit.getSourceAsString();
System.out.println(json);
}
}
为什么解析response呢，因为其全部内容如下图，我们需要选出需要的即可
2.1’ 核心代码梳理
这里梳理一下上述java代码的对应关系，帮助理解
source()方法中存在操作类型，有查询query，有结果排序sort，有分页form，size等
QueryBuilders()里面有查询类型，包括前面科普的精确查询term，全部查询match_all，复合查询bool等
2.2 match与multi_match
2.3 term和range
2.4 boolean
2.5 排序和分页
2.6 filter过滤查询
Query查询器的底层原理：首先需要深入理解query查询
这里我们的目的是，查询出来符合条件 taskTypeName= 文件服务器扫描 的数据。实际上对于query查询器来说，它会计算相关性得分，看存储的数据是否与taskTypeName= 文件服务器扫描相似
Filter查询的使用
constant_score：固定相似度得分，默认是1.0
boost：修改默认的相似度得分
可以看到，这里的数据相似度得分是我们指定的1.2。可以理解为我们使用filter过滤时，未对数据进行相似度计算，所以使用filter比query的性能高。
3 聚合索引
理解什么是聚合索引：类似于group by的概念，下图前两个常用。先看看聚合怎么用，文末会有个案例更清楚的解释聚合的概念
3.1 初体验聚合效果（buckets聚合案例）
比如我现在需要统计酒店的品牌数量有几种，则可以根据品牌数量进行聚合，就会得到名为“七天酒店” 34家 ；“如家” 30家 ；“速8” 20家的返回结果
3.2 优化聚合效果
对价格在200元以内的酒店进行聚合，这个案例表示query和aggs是平级。
3.3 Metrics聚合案例
也就是在Buckets聚合上再加了一层，很好记住，（sorce字段是酒店评分）注意观察下图，发现多了count、min、max、avg，sum。什么意思呢，就是说我们对酒店评分进行聚合，得到了最大值，最小值，平均值等等。
3.4 DSL语法对应Java代码的实现
3.5 多条件的聚合
就是同时聚合多个字段：城市、星级、品牌
如何理解这个业务
前面提到的精确查询，根据上海就可以查出city字段中含有”上海“的所有文档，但是我们仅仅停留在粗暴的找出信息的阶段，若我需要对上海这一类文档求平均价格，计数等，term的功能就显得捉襟见肘了。所以这里需要聚合处理。理解了业务需求在看看如何实现
1.准备request
2.准备DSL
2.1 多个聚合字段
3.发出请求
4.解析结果
4.1 分别处理聚合名称的数据
2.1内容
4.1内容，有几个集合字段就实现几次
实际上，你只需要清楚一个字段的聚合实现流程，那么当你写多个字段的聚合时，仅仅需要重复2和4的代码，那这些代码你可以封装成函数更优雅。
3.6 理解聚合
现在我们需要搜索城市是上海的数据
直接使用精确查询：找到city字段含有”上海“的文档；（注意理解ES中文档的概念）
聚合city字段：对city字段进行聚合，得到“上海”“北京”“深圳”的聚合结果，注意，只是聚合结果，不是具体的文档数据。此外我可以对聚合结果进行求和，求平均值等操作。
1155
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
