ES—查询语法架构详解

ElasticSearch查询语句归类

背景：初学者面对ES的DSL(domain specific language)查询显得一脸懵逼，看着各种嵌套的语句不知道有什么规律，下面就给大家总结一下，方便学习理解记忆。官方的文档版本好像是2.X，ES更新很快现在都7.X，现在的很多语法和关键字都和2.x的版本不同了，甚至删除了不少关键字，随着版本越高，相应的查询语法和关键字等方方面面也逐渐稳定起来了。这里我是按照7.X版本总结的。

根下面的关键字

• query：代表查询，搜索 类似于SQL的select关键字
• aggs：代表聚合，类似于SQL的group by 关键字，对查询出来的数据进行聚合 求平均值最大值等
• highlight：对搜索出来的结果中的指定字段进行高亮显示，搜索“中华人民共和国万岁”，结果里面符合搜索关键字 全部是红色的高亮显示。
  
• sort： 指定字段对查询结果进行排序显示，类比SQL的order by关键字
• from和*size： 对查询结果分页，类似于SQL的limit关键字
• post_filter：后置过滤器，在聚合查询结果之后，再对查询结果进行过滤。

query：叶子查询

ES是的核心是根据字段进行倒排索引，在进行倒排索引的时候和该字段的type有关系，如下：

        "mappings": {
            "properties": {
                "age": {
                    "type": "long"
                },
                "country": {
                    "type": "keyword",
                    "fields": {
                        "keyword": {
                            "type": "keyword",
                            "ignore_above": 256
                        }
                    }
                },
                "name": {
                    "type": "text",
                    "fields": {
                        "keyword": {
                            "type": "keyword",
                            "ignore_above": 256
                        }
                    }
                }
            }
        }

上面的map字段定义中country的type是keyword(大小限制是32K)，

那么根据这个字段进行倒排索引的时候，你存储的值是什么就是什么，

比如存储的数据的country字段是America,那么默认创建倒排索引的时候就会是America。

而字段name的type是text， 进行倒排索引的时候，你存储的值都会被转换成全小写进行

存储，对这个字段的内容进行分词， 比如存储的数据的name字段是Rain，

那么在该字段的倒排索引的内容就会是rain，默认转换成小写。

ES的查询原则：拿我们查询的字段去倒排索引上查询匹配

• match：全局查询，如果是多个词语，会进行分词查询。字母字母默认转换成全小写，进行匹配。

{
    "query":{
        "match":{
            "name":"比尔盖茨"
        }
    }
}

• match_phrase：查询短语，会对短语进行分词，match_phrase的分词结果必须在text字段分词中都包含，而且顺序必须相同，而且必须都是连续的

{
    "query":{
        "match_phrase":{
            "country":"中 国"
        }
    }
}

• term： 单个词语查询，会精确匹配词语，会根据输入字段精确匹配。

{
    "query":{
        "term":{
            "country":"America"
        }
    }
}

• terms：多个词语查询，精确匹配，满足多个词语中的任何一个都会返回。

{
    "query":{
        "terms":{
            "country":["America","america"]
        }
    }
}

• exists：类似于SQL的ISNULL，字段不为空的会返回出来。

{
    "query":{
        "exists":{
            "field":"country"
        }
    }
}

• range： 类似于SQL的between and关键字，返回查询

{
    "query":{
        "range":{
            "age":{
                "lte":50,
                "gte":20
            }
        }
    }
}

• ids：一次查询多个id，批量返回。

{
    "query":{
        "ids":{
            "values":["JJpNJHgBLLjdyTtc34ag","JZp5JHgBLLjdyTtcEobD"]
        }
    }
}

• fuzzy：模糊查询
  编辑距离：就是一个词语变成另外一个词语要编辑的次数,也叫莱文斯坦距离(Levenshtein distance)，指两个字符串之间，由一个转成另一个所需的最少编辑操作次数，包括

将一个字符替换成另一个字符

插入一个字符

删除一个字符

Damerau–Levenshtein distance是莱温斯坦距离的拓展版本，将相邻位置的两个字符的互换当做一次编辑，而在经典的莱文斯坦距离计算中位置互换是2次编辑。

{
    "query":{
        "fuzzy":{
            "name":{
                "value":"fain",
                "fuzziness": 1, // 允许的编辑距离 (match也能配合这个设置)
                "prefix_length": 0, // 前多少个字符要保持一致 (match也能配合这个设置)
                "max_expansions": 50, // (match也能配合这个设置)
                "transpositions": true // true:莱温斯坦距离拓展版，false:经典莱温斯坦距离(match也能配合这个设置)
            }
        }
    }
}

query：复合查询

为什么是复合查询，因为可以嵌套查询，不像叶子查询那样，是最底层的查询。

复合查询其他的关键字就不多解释了，着重介绍一下bool查询，bool查询下面四个查询语句

都是内嵌叶子查询的，且他们有个共同特性，就是查询条件只有是否。

• must：返回的文档必须满足must子句的条件，并且参与计算分值.
• must_ not：返回的文档必须不满足must_not定义的条件
• should：返回的文档可能满足should子句的条件。在一个Bool查询中，如果没有must或者filter，有一个或者多个should子句，那么只要满足一个就可以返回。minimum_should_match参数定义了至少满足几个子句
• filter：返回的文档必须满足filter子句的条件。不会参与计算分值，如果一个查询既有filter又有should，那么至少包含一个should子句，Filter过滤的结果会进行缓存，查询效率更高，建议使用filter。