Elasticsearch全文检索技术一篇文章即可从入门到精通（Elasticsearch安装，安装kibana，安装ik分词器，数据的增删改查，全文检索查询，聚合aggregations）

最新推荐文章于 2023-11-27 19:30:32 发布

程序员猫爪

最新推荐文章于 2023-11-27 19:30:32 发布

阅读量533

点赞数 2

分类专栏：安装软件文章标签： elasticsearch kibana ik linux centos

本文链接：https://blog.csdn.net/qq_44757034/article/details/119717907

版权

安装软件专栏收录该内容

15 篇文章 1 订阅

订阅专栏

一、Elasticsearch介绍和安装

用户访问我们的首页，一般都会直接搜索来寻找自己想要购买的商品。

而商品的数量非常多，而且分类繁杂。如果能正确的显示出用户想要的商品，并进行合理的过滤，尽快促成交易，是搜索系统要研究的核心。

面对这样复杂的搜索业务和数据量，使用传统数据库搜索就显得力不从心，一般我们都会使用全文检索技术，比如之前大家学习过的Solr。

不过今天，我们要讲的是另一个全文检索技术：Elasticsearch。

1、简介

（1）Elastic

Elastic官网：https://www.elastic.co/cn/
在这里插入图片描述
Elastic有一条完整的产品线：Elasticsearch、Kibana、Logstash等，前面说的三个就是大家常说的ELK技术栈。

（2）Elasticsearch

Elasticsearch官网：https://www.elastic.co/cn/products/elasticsearch

在这里插入图片描述
如上所述，Elasticsearch具备以下特点：

分布式，无需人工搭建集群（solr就需要人为配置，使用Zookeeper作为注册中心）
Restful风格，一切API都遵循Rest原则，容易上手
近实时搜索，数据更新在Elasticsearch中几乎是完全同步的。

（3）下载

在这里插入图片描述

2、Linux下的安装和使用

（1）将下载好的安装包上传到虚拟机当中

将文件上传到/home/leyou/fdfs下
在这里插入图片描述
解压

tar -zxvf elasticsearch-6.2.4.tar.gz

（2）elasticsearch有一个特点就是不能使用root用户运行该软件

1）修改此文件的权限修改为leyou用户可以使用，下面设置其用户以及用户组

在这里插入图片描述

chown leyou:leyou elasticsearch-6.2.4/ -R

修改成功
在这里插入图片描述

2）修改一下文件文件

mv elasticsearch-6.2.4 elasticsearch

修改成功
在这里插入图片描述

3）进入config当中设置其配置

在这里插入图片描述

a、修改虚拟机配置jvm.options

在这里插入图片描述
设置虚拟机占内存小一些

b、修改elasticsearch.yml

在这里插入图片描述

vim elasticsearch.yml

在这里插入图片描述

path.data: /home/leyou/fdfs/elasticsearch/data

path.logs: /home/leyou/fdfs/elasticsearch/logs

在这里插入图片描述

network.host: 0.0.0.0

设置名称

node.name: elasticsearch
cluster.initial_master_nodes: ["elasticsearch"]

保存退出
在这里插入图片描述

c、开启端口号

iptables -A INPUT -ptcp --dport  9200  -j ACCEPT

保存配置

service iptables save

在这里插入图片描述

d、创建data目录

mkdir data

在这里插入图片描述
修改data的用户权限

chown leyou:leyou . -R

e、修改config下的elasticsearch.yml最后添加这个配置

bootstrap.system_call_filter: false

错误1：内核过低

在这里插入图片描述

我们使用的是centos6，其linux内核版本为2.6。而Elasticsearch的插件要求至少3.5以上版本。不过没关系，我们禁用这个插件即可。

修改elasticsearch.yml文件，在最下面添加如下配置：

bootstrap.system_call_filter: false

然后重启

错误2：文件权限不足

再次启动，又出错了：
在这里插入图片描述

[1]: max file descriptors [4096] for elasticsearch process likely too low, increase to at least [65536]

我们用的是leyou用户，而不是root，所以文件权限不足。

首先用root用户登录。

然后修改配置文件:

vim /etc/security/limits.conf

添加下面的内容：

* soft nofile 65536

* hard nofile 131072

* soft nproc 4096

* hard nproc 4096

错误3：线程数不够

刚才报错中，还有一行：

[1]: max number of threads [1024] for user [leyou] is too low, increase to at least [4096]

这是线程数不够。

继续修改配置：

vim /etc/security/limits.d/90-nproc.conf

修改下面的内容：

* soft nproc 1024

改为：

* soft nproc 4096

错误4：进程虚拟内存

[3]: max virtual memory areas vm.max_map_count [65530] likely too low, increase to at least [262144]

vm.max_map_count：限制一个进程可以拥有的VMA(虚拟内存区域)的数量，继续修改配置文件，：

vim /etc/sysctl.conf

添加下面内容：

vm.max_map_count=655360

然后执行命令：

sysctl -p

5重启终端窗口

所有错误修改完毕，一定要重启你的 Xshell终端，否则配置无效。

1.3.6.启动

然后启动es（-d参数意思是后台启动，否则关闭命令行窗口后es进程也关闭了）

./bin/elasticsearch -d

再次启动，终于成功了！
在这里插入图片描述

二、安装kibana

1、什么是Kibana

在这里插入图片描述

2、下载和使用

https://www.elastic.co/cn/downloads/kibana

在这里插入图片描述
因为Kibana依赖于node，我们的虚拟机没有安装node，而window中安装过。所以我们选择在window下使用kibana。

（1）修改其配置的文件：地址为虚拟机的地址

在这里插入图片描述

（2）运行

双击启动即可
在这里插入图片描述
访问：http://127.0.0.1:5601/

三、安装ik分词器

Lucene的IK分词器早在2012年已经没有维护了，现在我们要使用的是在其基础上维护升级的版本，并且开发为ElasticSearch的集成插件了，与Elasticsearch一起维护升级，

1、下载使用

（1）下载

https://github.com/medcl/elasticsearch-analysis-ik/releases

在这里插入图片描述

（2）将其上传到elasticsearch下的/home/leyou/fdfs/elasticsearch/plugins下

因为不大直接在window上解压
在这里插入图片描述

（3）重新在bin目录下运行elasticsearch

ps -ef | grep elastic

在这里插入图片描述

注意：下面的那个进程是当前这条命令的，不是真正的elasticsearch进程

step2 杀掉ES进程
kill -9 3250
在这里插入图片描述
在elasticsearch/bin下的重新运行

./elasticsearch -d

2、在kibana上使用ik分词器

在这里插入图片描述

（1）最细分词法

POST _analyze
{
  "analyzer": "ik_max_word",
  "text":     "我是中国人"
}

运行结果

{
  "tokens" : [
    {
      "token" : "我",
      "start_offset" : 0,
      "end_offset" : 1,
      "type" : "CN_CHAR",
      "position" : 0
    },
    {
      "token" : "是",
      "start_offset" : 1,
      "end_offset" : 2,
      "type" : "CN_CHAR",
      "position" : 1
    },
    {
      "token" : "中国人",
      "start_offset" : 2,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 2
    },
    {
      "token" : "中国",
      "start_offset" : 2,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 3
    },
    {
      "token" : "国人",
      "start_offset" : 3,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 4
    }
  ]
}

在这里插入图片描述

（2）智能分词法

POST _analyze
{
  "analyzer": "ik_smart",
  "text":     "我是中国人"
}

运行结果

{
  "tokens" : [
    {
      "token" : "我",
      "start_offset" : 0,
      "end_offset" : 1,
      "type" : "CN_CHAR",
      "position" : 0
    },
    {
      "token" : "是",
      "start_offset" : 1,
      "end_offset" : 2,
      "type" : "CN_CHAR",
      "position" : 1
    },
    {
      "token" : "中国人",
      "start_offset" : 2,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 2
    }
  ]
}

在这里插入图片描述

四、API（数据的增删改查）

Elasticsearch提供了Rest风格的API，即http请求接口，而且也提供了各种语言的客户端API

1、Rest风格API

文档地址：https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html

在这里插入图片描述

2、操作索引

（1）基本概念

Elasticsearch也是基于Lucene的全文检索库，本质也是存储数据，很多概念与MySQL类似的。

对比关系：

索引集（indices）--------------------------------Databases 数据库
	类型（type）-----------------------------Table 数据表
		 文档（Document）----------------Row 行
   				字段（Field）-------------------Columns 列

详细说明：

概念	说明
索引库（indices)	indices是index的复数，代表许多的索引，
类型（type）	类型是模拟mysql中的table概念，一个索引库下可以有不同类型的索引，比如商品索引，订单索引，其数据格式不同。不过这会导致索引库混乱，因此未来版本中会移除这个概念
文档（document）	存入索引库原始的数据。比如每一条商品信息，就是一个文档
字段（field）	文档中的属性
映射配置（mappings）	字段的数据类型、属性、是否索引、是否存储等特性

是不是与Lucene和solr中的概念类似。

另外，在SolrCloud中，有一些集群相关的概念，在Elasticsearch也有类似的：

索引集（Indices，index的复数）：逻辑上的完整索引
分片（shard）：数据拆分后的各个部分
副本（replica）：每个分片的复制

在这里插入图片描述

要注意的是：Elasticsearch本身就是分布式的，因此即便你只有一个节点，Elasticsearch默认也会对你的数据进行分片和副本操作，当你向集群添加新数据时，数据也会在新加入的节点中进行平衡。

（2）创建索引

1）语法

Elasticsearch采用Rest风格API，因此其API就是一次http请求，你可以用任何工具发起http请求

创建索引的请求格式：

请求方式：PUT
请求路径：/索引库名

请求参数：json格式：

{
    "settings": {
        "number_of_shards": 3,
        "number_of_replicas": 2
      }
}

settings：索引库的设置
- number_of_shards：分片数量
- number_of_replicas：副本数量

2）测试使用kibana创建

PUT /itzheng2
{
    "settings": {
        "number_of_shards": 3,
        "number_of_replicas": 2
      }
}

返回结果

{
  "acknowledged" : true,
  "shards_acknowledged" : true,
  "index" : "itzheng2"
}

在这里插入图片描述

（3）查看索引设置

Get请求可以帮我们查看索引信息，格式：

GET /索引库名

GET /itzheng2

返回结果

{
  "itzheng2" : {
    "aliases" : { },
    "mappings" : { },
    "settings" : {
      "index" : {
        "routing" : {
          "allocation" : {
            "include" : {
              "_tier_preference" : "data_content"
            }
          }
        },
        "number_of_shards" : "3",
        "provided_name" : "itzheng2",
        "creation_date" : "1629191230476",
        "number_of_replicas" : "2",
        "uuid" : "feNIM-zPRNCshiXSv23jtw",
        "version" : {
          "created" : "7140099"
        }
      }
    }
  }
}

在这里插入图片描述

（4）删除索引

删除索引使用DELETE请求

语法

DELETE /索引库名

DELETE /itzheng2

{
  "acknowledged" : true
}

在这里插入图片描述
再次查看

GET /itzheng2

返回值

{
  "error" : {
    "root_cause" : [
      {
        "type" : "index_not_found_exception",
        "reason" : "no such index [itzheng2]",
        "resource.type" : "index_or_alias",
        "resource.id" : "itzheng2",
        "index_uuid" : "_na_",
        "index" : "itzheng2"
      }
    ],
    "type" : "index_not_found_exception",
    "reason" : "no such index [itzheng2]",
    "resource.type" : "index_or_alias",
    "resource.id" : "itzheng2",
    "index_uuid" : "_na_",
    "index" : "itzheng2"
  },
  "status" : 404
}

在这里插入图片描述

3、映射配置

索引有了，接下来肯定是添加数据。但是，在添加数据之前必须定义映射。

什么是映射？

映射是定义文档的过程，文档包含哪些字段，这些字段是否保存，是否索引，是否分词等

只有配置清楚，Elasticsearch才会帮我们进行索引库的创建（不一定）

（1）创建映射字段

请求方式依然是PUT

PUT /索引库名/_mapping/类型名称
{
  "properties": {
    "字段名": {
      "type": "类型",
      "index": true，
      "store": true，
      "analyzer": "分词器"
    }
  }
}

类型名称：就是前面将的type的概念，类似于数据库中的不同表
字段名：任意填写，可以指定许多属性，例如：
type：类型，可以是text、long、short、date、integer、object等
index：是否索引，默认为true
store：是否存储，默认为false
analyzer：分词器，这里的ik_max_word即使用ik分词器

示例

发起请求：

PUT itzheng/_mapping/goods?include_type_name=true
{
  "properties": {
    "title": {
      "type": "text",
      "analyzer": "ik_max_word"
    },
    "images": {
      "type": "keyword",
      "index": "false"
    },
    "price": {
      "type": "float"
    }
  }
}

响应结果：

{
  "acknowledged": true
}

在这里插入图片描述

（2）查看映射关系

语法：

GET /索引库名/_mapping

示例：

GET itzheng11/_mapping/goods?include_type_name=true

响应：

{
  "itzheng" : {
    "mappings" : {
      "goods" : {
        "properties" : {
          "images" : {
            "type" : "keyword",
            "index" : false
          },
          "price" : {
            "type" : "float"
          },
          "title" : {
            "type" : "text",
            "analyzer" : "ik_max_word"
          }
        }
      }
    }
  }
}

在这里插入图片描述

（3）字段属性详解

1）type

Elasticsearch中支持的数据类型非常丰富：

在这里插入图片描述
我们说几个关键的：

String类型，又分两种：
- text：可分词，不可参与聚合
- keyword：不可分词，数据会作为完整字段进行匹配，可以参与聚合
Numerical：数值类型，分两类
- 基本数据类型：long、interger、short、byte、double、float、half_float
- 浮点数的高精度类型：scaled_float
  - 需要指定一个精度因子，比如10或100。elasticsearch会把真实值乘以这个因子后存储，取出时再还原。
Date：日期类型

elasticsearch可以对日期格式化为字符串存储，但是建议我们存储为毫秒值，存储为long，节省空间。

2）index

index影响字段的索引情况。

true：字段会被索引，则可以用来进行搜索。默认值就是true
false：字段不会被索引，不能用来搜索

index的默认值就是true，也就是说你不进行任何配置，所有字段都会被索引。

但是有些字段是我们不希望被索引的，比如商品的图片信息，就需要手动设置index为false。

3）store

是否将数据进行额外存储。

在学习lucene和solr时，我们知道如果一个字段的store设置为false，那么在文档列表中就不会有这个字段的值，用户的搜索结果中不会显示出来。

但是在Elasticsearch中，即便store设置为false，也可以搜索到结果。

原因是Elasticsearch在创建文档索引时，会将文档中的原始数据备份，保存到一个叫做_source的属性中。而且我们可以通过过滤_source来选择哪些要显示，哪些不显示。

而如果设置store为true，就会在_source以外额外存储一份数据，多余，因此一般我们都会将store设置为false，事实上，store的默认值就是false。

4）boost

激励因子，这个与lucene中一样

其它的不再一一讲解，用的不多，大家参考官方文档：
在这里插入图片描述

4、新增数据

通过POST请求，可以向一个已经存在的索引库中添加数据。

语法：

POST /索引库名/类型名
{
    "key":"value"
}

示例：

POST /itzheng/goods/
{
    "title":"小米手机",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":2699.00
}

响应：

{
  "_index" : "itzheng",
  "_type" : "goods",
  "_id" : "lS3UV3sBtxlKhTl9U4LE",
  "_version" : 1,
  "result" : "created",
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 0,
  "_primary_term" : 1
}

在这里插入图片描述
再次添加一组数据

```json
POST /itzheng/goods/1
{
    "title":"红米手机",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":2699.00
}

通过kibana查看数据：

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

{
  "took" : 981,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "lS3UV3sBtxlKhTl9U4LE",
        "_score" : 1.0,
        "_source" : {
          "title" : "小米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2699.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "title" : "红米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 1699.0
        }
      }
    ]
  }
}

_source：源文档信息，所有的数据都在里面。
_id：这条文档的唯一标示，与文档自己的id字段没有关联

（1）自定义id

如果我们想要自己新增的时候指定id，可以这么做：

POST /索引库名/类型/id值
{
    ...
}

示例：

POST /itzheng/goods/2
{
    "title":"大米手机",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":2899.00
}

得到的数据：

{
  "_index": "heima",
  "_type": "goods",
  "_id": "2",
  "_score": 1,
  "_source": {
    "title": "大米手机",
    "images": "http://image.leyou.com/12479122.jpg",
    "price": 2899
  }
}

通过kibana查看数据：

GET /itzheng/goods/2

返回值

{
  "_index" : "itzheng",
  "_type" : "goods",
  "_id" : "2",
  "_version" : 1,
  "_seq_no" : 2,
  "_primary_term" : 1,
  "found" : true,
  "_source" : {
    "title" : "大米手机",
    "images" : "http://image.leyou.com/12479122.jpg",
    "price" : 2899.0
  }
}

在这里插入图片描述

（2）智能判断

在学习Solr时我们发现，我们在新增数据时，只能使用提前配置好映射属性的字段，否则就会报错。

不过在Elasticsearch中并没有这样的规定。

事实上Elasticsearch非常智能，你不需要给索引库设置任何mapping映射，它也可以根据你输入的数据来判断类型，动态添加数据映射。

测试一下：

POST /itzheng/goods/3
{
    "title":"超米手机",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":2899.00,
    "stock": 200,
    "saleable":true,
    "subTitle": "好好"
}

返回值

{
  "_index" : "itzheng",
  "_type" : "goods",
  "_id" : "3",
  "_version" : 1,
  "result" : "created",
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 3,
  "_primary_term" : 1
}

我们额外添加了stock库存，和saleable是否上架两个字段。
输入

GET /itzheng/goods/3

返回
来看结果：

{
  "_index" : "itzheng",
  "_type" : "goods",
  "_id" : "3",
  "_version" : 1,
  "_seq_no" : 3,
  "_primary_term" : 1,
  "found" : true,
  "_source" : {
    "title" : "超米手机",
    "images" : "http://image.leyou.com/12479122.jpg",
    "price" : 2899.0,
    "stock" : 200,
    "saleable" : true,
    "subTitle" : "好好"
  }
}

在这里插入图片描述

在看下索引库的映射关系:
输入

GET itzheng/_mapping/goods?include_type_name=true

{
  "itzheng" : {
    "mappings" : {
      "goods" : {
        "properties" : {
          "images" : {
            "type" : "keyword",
            "index" : false
          },
          "price" : {
            "type" : "float"
          },
          "saleable" : {
            "type" : "boolean"
          },
          "stock" : {
            "type" : "long"
          },
          "subTitle" : {
            "type" : "text",
            "fields" : {
              "keyword" : {
                "type" : "keyword",
                "ignore_above" : 256
              }
            }
          },
          "title" : {
            "type" : "text",
            "analyzer" : "ik_max_word"
          }
        }
      }
    }
  }
}

stock和saleable以及subTitle都被成功映射了。

在这里插入图片描述

如果存储的是String类型数据，ES无智能判断，它就会存入两个字段。
例如;存入一个name字段，智能形成两个字段∶

name: text类型
name.keyword: keyword类型

5、修改数据

把刚才新增的请求方式改为PUT，就是修改了。不过修改必须指定id，
在这里插入图片描述

id对应文档存在，则修改
id对应文档不存在，则新增

比如，我们把id为3的数据进行修改：

PUT /itzheng/goods/3
{
    "title":"超大米手机",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":3899.00,
    "stock": 100,
    "saleable":true
}

返回结果

{
  "_index" : "itzheng",
  "_type" : "goods",
  "_id" : "3",
  "_version" : 2,
  "result" : "updated",
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 4,
  "_primary_term" : 1
}

查看：
查询一个

GET /itzheng/goods/3

{
  "_index" : "itzheng",
  "_type" : "goods",
  "_id" : "3",
  "_version" : 2,
  "_seq_no" : 4,
  "_primary_term" : 1,
  "found" : true,
  "_source" : {
    "title" : "超大米手机",
    "images" : "http://image.leyou.com/12479122.jpg",
    "price" : 3899.0,
    "stock" : 100,
    "saleable" : true
  }
}

查询所有

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

结果：

{
  "took" : 73,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 4,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "lS3UV3sBtxlKhTl9U4LE",
        "_score" : 1.0,
        "_source" : {
          "title" : "小米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2699.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "title" : "红米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 1699.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "2",
        "_score" : 1.0,
        "_source" : {
          "title" : "大米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2899.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "3",
        "_score" : 1.0,
        "_source" : {
          "title" : "超大米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 3899.0,
          "stock" : 100,
          "saleable" : true
        }
      }
    ]
  }
}

6、删除数据

删除使用DELETE请求，同样，需要根据id进行删除：

语法

DELETE /索引库名/类型名/id值

示例：

DELETE /itzheng/goods/3

{
  "_index" : "itzheng",
  "_type" : "goods",
  "_id" : "3",
  "_version" : 3,
  "result" : "deleted",
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 5,
  "_primary_term" : 1
}

在这里插入图片描述
查询当前
没有查询到

查询所有

少了一个

五、全文检索查询

我们从4块来讲查询：

基本查询
_source过滤
结果过滤
高级查询
排序

1、基本查询

基本语法

GET /索引库名/_search
{
    "query":{
        "查询类型":{
            "查询条件":"查询条件值"
        }
    }
}

这里的query代表一个查询对象，里面可以有不同的查询属性

查询类型：
- 例如：match_all， match，term ， range 等等
查询条件：查询条件会根据类型的不同，写法也有差异，后面详细讲解

1）查询所有（match_all)

示例：

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

query：代表查询对象
match_all：代表查询所有

结果：

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "lS3UV3sBtxlKhTl9U4LE",
        "_score" : 1.0,
        "_source" : {
          "title" : "小米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2699.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "title" : "红米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 1699.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "2",
        "_score" : 1.0,
        "_source" : {
          "title" : "大米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2899.0
        }
      }
    ]
  }
}

took：查询花费时间，单位是毫秒
time_out：是否超时
_shards：分片信息
hits：搜索结果总览对象
- total：搜索到的总条数
- max_score：所有结果中文档得分的最高分
- hits：搜索结果的文档对象数组，每个元素是一条搜索到的文档信息
  - _index：索引库
  - _type：文档类型
  - _id：文档id
  - _score：文档得分
  - _source：文档的源数据

2）匹配查询（match）

我们先加入一条数据，便于测试：

PUT /itzheng/goods/3
{
    "title":"小米电视4A",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":3899.00
}

现在，索引库中有2部手机，1台电视：

返回结果

{
  "_index" : "itzheng",
  "_type" : "goods",
  "_id" : "3",
  "_version" : 1,
  "result" : "created",
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 6,
  "_primary_term" : 1
}

现在，索引库中有2部手机，1台电视：

or关系

match类型查询，会把查询条件进行分词，然后进行查询,多个词条之间是or的关系

GET /itzheng/_search
{
    "query":{
        "match":{
            "title":"小米电视"
        }
    }
}

结果：

{
  "took" : 286,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 1.5996621,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "3",
        "_score" : 1.5996621,
        "_source" : {
          "title" : "小米电视4A",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 3899.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "lS3UV3sBtxlKhTl9U4LE",
        "_score" : 0.7801935,
        "_source" : {
          "title" : "小米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2699.0
        }
      }
    ]
  }
}

在上面的案例中，不仅会查询到电视，而且与小米相关的都会查询到，多个词之间是or的关系。

and关系

某些情况下，我们需要更精确查找，我们希望这个关系变成and，可以这样做：

GET /itzheng/_search
{
  "query": {
    "match": {
      "title": {
        "query": "小米电视"
        , "operator": "and"
      }
    }
  }
}

结果：

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.5996621,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "3",
        "_score" : 1.5996621,
        "_source" : {
          "title" : "小米电视4A",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 3899.0
        }
      }
    ]
  }
}

本例中，只有同时包含小米和电视的词条才会被搜索到。

“operator”: 的值默认为"or"
下面的例子当中不写和写效果是一样的

GET /itzheng/_search
{
  "query": {
    "match": {
      "title": {
        "query": "小米电视"
        , "operator": "or"
      }
    }
  }
}

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 1.5996621,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "3",
        "_score" : 1.5996621,
        "_source" : {
          "title" : "小米电视4A",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 3899.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "lS3UV3sBtxlKhTl9U4LE",
        "_score" : 0.7801935,
        "_source" : {
          "title" : "小米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2699.0
        }
      }
    ]
  }
}

or和and之间？

在 or 与 and 间二选一有点过于非黑即白。

如果用户给定的条件分词后有 5 个查询词项，想查找只包含其中 4 个词的文档，

该如何处理？将 operator 操作符参数设置成 and 只会将此文档排除。

有时候这正是我们期望的，但在全文搜索的大多数应用场景下，我们既想包含那些可能相关的文档，
同时又排除那些不太相关的。

换句话说，我们想要处于中间某种结果。

match 查询支持 minimum_should_match 最小匹配参数，
这让我们可以指定必须匹配的词项数用来表示一个文档是否相关。

我们可以将其设置为某个具体数字，更常用的做法是将其设置为一个百分数，
因为我们无法控制用户搜索时输入的单词数量：

GET /itzheng/_search
{
    "query":{
        "match":{
            "title":{
            	"query":"小米曲面电视",
            	"minimum_should_match": "75%"
            }
        }
    }
}

本例中，搜索语句可以分为3个词，如果使用and关系，需要同时满足3个词才会被搜索到。

这里我们采用最小品牌数：75%，
那么也就是说只要匹配到总词条数量的75%即可，
这里3*75% 约等于2。

所以只要包含2个词条就算满足条件了。

结果：

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 1.5996621,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "3",
        "_score" : 1.5996621,
        "_source" : {
          "title" : "小米电视4A",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 3899.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "lS3UV3sBtxlKhTl9U4LE",
        "_score" : 0.7801935,
        "_source" : {
          "title" : "小米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2699.0
        }
      }
    ]
  }
}

3）多字段查询（multi_match）

先添加一个字段

PUT /itzheng/goods/3
{
    "title":"小米电视4A",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":3899.00,
    "subTitle":"电视"
}

multi_match与match类似，不同的是它可以在多个字段中查询

GET /itzheng/_search
{
    "query":{
        "multi_match": {
            "query":    "电视",
            "fields":   [ "title", "subTitle" ]
        }
	}
}

返回结果

{
  "took" : 3,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.0151966,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "3",
        "_score" : 1.0151966,
        "_source" : {
          "title" : "小米电视4A",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 3899.0,
          "subTitle" : "电视"
        }
      }
    ]
  }
}

本例中，我们会在title字段和subtitle字段中查询电视这个词

4）词条匹配(term)

term 查询被用于精确值匹配，这些精确值可能是数字、时间、布尔或者那些未分词的字符串

搜索的条件是一整个完整的词条（用于搜索不分词的字段进行词条匹配）

GET /itzheng/_search
{
    "query":{
        "term": {
          "price": {
            "value": 2699.00
          }
        }
	}
}

结果：

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "lS3UV3sBtxlKhTl9U4LE",
        "_score" : 1.0,
        "_source" : {
          "title" : "小米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2699.0
        }
      }
    ]
  }
}

5）多词条精确匹配(terms)

terms 查询和 term 查询一样，但它允许你指定多值进行匹配。如果这个字段包含了指定值中的任何一个值，那么这个文档满足条件：

GET /itzheng/_search
{
    "query":{
        "terms":{
            "price":[2699.00,2899.00,3899.00]
        }
    }
}

结果：

{
  "took" : 2,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "lS3UV3sBtxlKhTl9U4LE",
        "_score" : 1.0,
        "_source" : {
          "title" : "小米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2699.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "2",
        "_score" : 1.0,
        "_source" : {
          "title" : "大米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2899.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "3",
        "_score" : 1.0,
        "_source" : {
          "title" : "小米电视4A",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 3899.0,
          "subTitle" : "电视"
        }
      }
    ]
  }
}

2、结果过滤

默认情况下，elasticsearch在搜索的结果中，会把文档中保存在_source的所有字段都返回。

如下

如果我们只想获取其中的部分字段，我们可以添加_source的过滤

GET /itzheng/_search
{
    "query":{
        "match":{
            "title":"手机"
        }
    }
}

在这里插入图片描述

1）直接指定字段

只返回标题和价格
示例：

GET /itzheng/_search
{
    "_source": ["title","price"], 
    "query":{
        "term":{
            "title":"手机"
        }
    }
}

返回的结果：

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 0.40146667,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "lS3UV3sBtxlKhTl9U4LE",
        "_score" : 0.40146667,
        "_source" : {
          "price" : 2699.0,
          "title" : "小米手机"
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "2",
        "_score" : 0.40146667,
        "_source" : {
          "price" : 2899.0,
          "title" : "大米手机"
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "1",
        "_score" : 0.3438858,
        "_source" : {
          "price" : 1699.0,
          "title" : "红米手机"
        }
      }
    ]
  }
}

2）指定includes和excludes（如果指定的字段太多）

我们也可以通过：

includes：来指定想要显示的字段
excludes：来指定不想要显示的字段

二者都是可选的。

示例：

GET /itzheng/_search
{
  "_source": {
    "includes":["title"]
  },
  "query": {
    "term": {
      "price": 2699
    }
  }
}

返回结果

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "lS3UV3sBtxlKhTl9U4LE",
        "_score" : 1.0,
        "_source" : {
          "title" : "小米手机"
        }
      }
    ]
  }
}

与下面的结果将是一样的：

GET /itzheng/_search
{
    "_source":{
      "excludes": "images"
    },
    "query":{
        "term":{
            "title":"手机"
        }
    }
}

返回结果

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 0.40146667,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "lS3UV3sBtxlKhTl9U4LE",
        "_score" : 0.40146667,
        "_source" : {
          "price" : 2699.0,
          "title" : "小米手机"
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "2",
        "_score" : 0.40146667,
        "_source" : {
          "price" : 2899.0,
          "title" : "大米手机"
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "1",
        "_score" : 0.3438858,
        "_source" : {
          "price" : 1699.0,
          "title" : "红米手机"
        }
      }
    ]
  }
}

3、高级查询

1）布尔组合（bool)

bool把各种其它查询通过must（与）、must_not（非）、should（或）的方式进行组合

（1）同时满足：must

GET /itzheng/_search
{
    "query":{
        "bool": {
          "must": [
            {
              "match": {
                 "title": "apple"
              }
              
            },
            {
              "range": {
                "price": {
                  "gte": 3000
                }
              }
            }
          ]
        }
    	}
}

返回结果

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 2.5308115,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "4",
        "_score" : 2.5308115,
        "_source" : {
          "title" : "apple手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 6899.0
        }
      }
    ]
  }
}

（2）两个满足一个即可：should

GET /itzheng/_search
{
    "query":{
        "bool": {
          "should": [
            {
              "match": {
                 "title": "apple"
              }
              
            },
            {
              "range": {
                "price": {
                  "gte": 3000
                }
              }
            }
          ]
        }
    	}
}

返回结果

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 2.5308115,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "4",
        "_score" : 2.5308115,
        "_source" : {
          "title" : "apple手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 6899.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "3",
        "_score" : 1.0,
        "_source" : {
          "title" : "小米电视4A",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 3899.0,
          "subTitle" : "电视"
        }
      }
    ]
  }
}

（3）不满足当前条件的：must_not

GET /itzheng/_search
{
    "query":{
        "bool": {
          "must_not": [
            {
              "match": {
                 "title": "apple"
              }
              
            },
            {
              "range": {
                "price": {
                  "gte": 3000
                }
              }
            }
          ]
        }
    	}
}

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 0.0,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "lS3UV3sBtxlKhTl9U4LE",
        "_score" : 0.0,
        "_source" : {
          "title" : "小米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2699.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "1",
        "_score" : 0.0,
        "_source" : {
          "title" : "红米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 1699.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "2",
        "_score" : 0.0,
        "_source" : {
          "title" : "大米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2899.0
        }
      }
    ]
  }
}

（4）多个条件

GET /itzheng/_search
{
    "query":{
        "bool":{
        	"must":     { "match": { "title": "大米" }},
        	"must_not": { "match": { "title":  "电视" }},
        	"should":   { "match": { "title": "手机" }}
        }
    }
}

结果：

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.8484837,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "2",
        "_score" : 1.8484837,
        "_source" : {
          "title" : "大米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2899.0
        }
      }
    ]
  }
}

（5）bool的过滤查询"`filter`":过滤条件是在`must_not`的基础上进行过滤，不会影响得分

GET /itzheng/_search
{
  "query":{
    "bool": {
      "must_not": [
        {
          "match": {
            "title": "apple"
          }
              
        }
      ],
      "filter": [
        {
          "range": {
            "price": {
              "gte": 1000
            }
          }
        }
      ]
    }
  }  
}

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 4,
      "relation" : "eq"
    },
    "max_score" : 0.0,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "lS3UV3sBtxlKhTl9U4LE",
        "_score" : 0.0,
        "_source" : {
          "title" : "小米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2699.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "1",
        "_score" : 0.0,
        "_source" : {
          "title" : "红米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 1699.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "2",
        "_score" : 0.0,
        "_source" : {
          "title" : "大米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2899.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "3",
        "_score" : 0.0,
        "_source" : {
          "title" : "小米电视4A",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 3899.0,
          "subTitle" : "电视"
        }
      }
    ]
  }
}

（6）排序：sort

a、降序

GET /itzheng/_search
{
  "query":{
    "bool": {
      "must_not": [
        {
          "match": {
            "title": "apple"
          }
              
        }
      ],
      "filter": [
        {
          "range": {
            "price": {
              "gte": 1000
            }
          }
        }
      ]
    }
  }  
  , 
  "sort": [
    {
      "price": {
        "order": "desc"
      }
    }
  ]
}

{
  "took" : 2,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 4,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "3",
        "_score" : null,
        "_source" : {
          "title" : "小米电视4A",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 3899.0,
          "subTitle" : "电视"
        },
        "sort" : [
          3899.0
        ]
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "2",
        "_score" : null,
        "_source" : {
          "title" : "大米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2899.0
        },
        "sort" : [
          2899.0
        ]
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "lS3UV3sBtxlKhTl9U4LE",
        "_score" : null,
        "_source" : {
          "title" : "小米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2699.0
        },
        "sort" : [
          2699.0
        ]
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "1",
        "_score" : null,
        "_source" : {
          "title" : "红米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 1699.0
        },
        "sort" : [
          1699.0
        ]
      }
    ]
  }
}

b、升序

GET /itzheng/_search
{
  "query":{
    "bool": {
      "must_not": [
        {
          "match": {
            "title": "apple"
          }
              
        }
      ],
      "filter": [
        {
          "range": {
            "price": {
              "gte": 1000
            }
          }
        }
      ]
    }
  }  
  , 
  "sort": [
    {
      "price": {
        "order": "asc"
      }
    }
  ]
}

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 4,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "1",
        "_score" : null,
        "_source" : {
          "title" : "红米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 1699.0
        },
        "sort" : [
          1699.0
        ]
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "lS3UV3sBtxlKhTl9U4LE",
        "_score" : null,
        "_source" : {
          "title" : "小米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2699.0
        },
        "sort" : [
          2699.0
        ]
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "2",
        "_score" : null,
        "_source" : {
          "title" : "大米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2899.0
        },
        "sort" : [
          2899.0
        ]
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "3",
        "_score" : null,
        "_source" : {
          "title" : "小米电视4A",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 3899.0,
          "subTitle" : "电视"
        },
        "sort" : [
          3899.0
        ]
      }
    ]
  }
}

（7）分页

GET /itzheng/_search
{
  "query":{
    "bool": {
      "must_not": [
        {
          "match": {
            "title": "apple"
          }
              
        }
      ],
      "filter": [
        {
          "range": {
            "price": {
              "gte": 1000
            }
          }
        }
      ]
    }
  }  
  , 
  "sort": [
    {
      "price": {
        "order": "asc"
      }
    }
  ],
  "from": 0,
  "size": 2
}

在这里插入图片描述
结果

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 4,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "1",
        "_score" : null,
        "_source" : {
          "title" : "红米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 1699.0
        },
        "sort" : [
          1699.0
        ]
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "lS3UV3sBtxlKhTl9U4LE",
        "_score" : null,
        "_source" : {
          "title" : "小米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2699.0
        },
        "sort" : [
          2699.0
        ]
      }
    ]
  }
}

GET /itzheng/_search
{
  "query":{
    "bool": {
      "must_not": [
        {
          "match": {
            "title": "apple"
          }
              
        }
      ],
      "filter": [
        {
          "range": {
            "price": {
              "gte": 1000
            }
          }
        }
      ]
    }
  }  
  , 
  "sort": [
    {
      "price": {
        "order": "asc"
      }
    }
  ],
  "from": 2,
  "size": 2
}

在这里插入图片描述
返回结果

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 4,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "2",
        "_score" : null,
        "_source" : {
          "title" : "大米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2899.0
        },
        "sort" : [
          2899.0
        ]
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "3",
        "_score" : null,
        "_source" : {
          "title" : "小米电视4A",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 3899.0,
          "subTitle" : "电视"
        },
        "sort" : [
          3899.0
        ]
      }
    ]
  }
}

2）范围查询(range)

range 查询找出那些落在指定区间内的数字或者时间

GET /itzheng/_search
{
    "query":{
        "range": {
            "price": {
                "gte":  1000.0,
                "lt":   2800.00
            }
    	}
    }
}

返回结果

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "lS3UV3sBtxlKhTl9U4LE",
        "_score" : 1.0,
        "_source" : {
          "title" : "小米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2699.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "title" : "红米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 1699.0
        }
      }
    ]
  }
}

GET /itzheng/_search
{
    "query":{
        "range": {
            "price": {
                "gte":  1000.0,
                "lt":   9800.00
            }
    	}
    }
}

返回结果

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 5,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "lS3UV3sBtxlKhTl9U4LE",
        "_score" : 1.0,
        "_source" : {
          "title" : "小米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2699.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "title" : "红米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 1699.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "2",
        "_score" : 1.0,
        "_source" : {
          "title" : "大米手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 2899.0
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "3",
        "_score" : 1.0,
        "_source" : {
          "title" : "小米电视4A",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 3899.0,
          "subTitle" : "电视"
        }
      },
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "4",
        "_score" : 1.0,
        "_source" : {
          "title" : "apple手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 6899.0
        }
      }
    ]
  }
}

range查询允许以下字符：

操作符	说明
gt	大于
gte	大于等于
lt	小于
lte	小于等于

3）模糊查询(fuzzy)

我们新增一个商品：

POST /itzheng/goods/4
{
    "title":"apple手机",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":6899.00
}

fuzzy 查询是 term 查询的模糊等价。它允许用户搜索词条与实际词条的拼写出现偏差，但是偏差的编辑距离不得超过2：

GET /itzheng/_search
{
  "query": {
    "fuzzy": {
      "title": "appla"
    }
  }
}

上面的查询，也能查询到apple手机
返回结果

{
  "took" : 176,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.2246493,
    "hits" : [
      {
        "_index" : "itzheng",
        "_type" : "goods",
        "_id" : "4",
        "_score" : 1.2246493,
        "_source" : {
          "title" : "apple手机",
          "images" : "http://image.leyou.com/12479122.jpg",
          "price" : 6899.0
        }
      }
    ]
  }
}

我们可以通过fuzziness来指定允许的编辑距离：

GET /itzheng/_search
{
  "query": {
    "fuzzy": {
        "title": {
            "value":"appla",
            "fuzziness":1
        }
    }
  }
}

4、过滤(filter)

条件查询中进行过滤

所有的查询都会影响到文档的评分及排名。如果我们需要在查询结果中进行过滤，并且不希望过滤条件影响评分，那么就不要把过滤条件作为查询条件来用。而是使用filter方式：

GET /heima/_search
{
    "query":{
        "bool":{
        	"must":{ "match": { "title": "小米手机" }},
        	"filter":{
                "range":{"price":{"gt":2000.00,"lt":3800.00}}
        	}
        }
    }
}

注意：filter中还可以再次进行bool组合条件过滤。

无查询条件，直接过滤

如果一次查询只有过滤，没有查询条件，不希望进行评分，我们可以使用constant_score取代只有 filter 语句的 bool 查询。在性能上是完全相同的，但对于提高查询简洁性和清晰度有很大帮助。

GET /heima/_search
{
    "query":{
        "constant_score":   {
            "filter": {
            	 "range":{"price":{"gt":2000.00,"lt":3000.00}}
            }
        }
}

5、排序

1）单字段排序

sort 可以让我们按照不同的字段进行排序，并且通过order指定排序的方式

GET /heima/_search
{
  "query": {
    "match": {
      "title": "小米手机"
    }
  },
  "sort": [
    {
      "price": {
        "order": "desc"
      }
    }
  ]
}

2）多字段排序

假定我们想要结合使用 price和 _score（得分）进行查询，并且匹配的结果首先按照价格排序，然后按照相关性得分排序：

GET /goods/_search
{
    "query":{
        "bool":{
        	"must":{ "match": { "title": "小米手机" }},
        	"filter":{
                "range":{"price":{"gt":200000,"lt":300000}}
        	}
        }
    },
    "sort": [
      { "price": { "order": "desc" }},
      { "_score": { "order": "desc" }}
    ]
}

六. 聚合aggregations

聚合可以让我们极其方便的实现对数据的统计、分析。例如：

什么品牌的手机最受欢迎？
这些手机的平均价格、最高价格、最低价格？
这些手机每月的销售情况如何？

实现这些统计功能的比数据库的sql要方便的多，而且查询速度非常快，可以实现实时搜索效果。

1、基本概念

Elasticsearch中的聚合，包含多种类型，最常用的两种，一个叫桶，一个叫度量：

桶（bucket）

桶的作用，是按照某种方式对数据进行分组，每一组数据在ES中称为一个桶，例如我们根据国籍对人划分，可以得到中国桶、英国桶，日本桶……或者我们按照年龄段对人进行划分：0_10,1020,20_30,3040等。

Elasticsearch中提供的划分桶的方式有很多：

Date Histogram Aggregation：根据日期阶梯分组，例如给定阶梯为周，会自动每周分为一组
Histogram Aggregation：根据数值阶梯（interval）分组，与日期类似
Terms Aggregation：根据词条内容分组，词条内容完全匹配的为一组
Range Aggregation：数值和日期的范围分组，指定开始和结束，然后按段分组
……

bucket aggregations 只负责对数据进行分组，并不进行计算，因此往往bucket中往往会嵌套另一种聚合：metrics aggregations即度量

度量（metrics）

分组完成以后，我们一般会对组中的数据进行聚合运算，例如求平均值、最大、最小、求和等，这些在ES中称为度量

比较常用的一些度量聚合方式：

Avg Aggregation：求平均值
Max Aggregation：求最大值
Min Aggregation：求最小值
Percentiles Aggregation：求百分比
Stats Aggregation：同时返回avg、max、min、sum、count等
Sum Aggregation：求和
Top hits Aggregation：求前几
Value Count Aggregation：求总数
……

为了测试聚合，我们先批量导入一些数据

创建索引：

PUT /cars?include_type_name=true
{
  "settings": {
    "number_of_shards": 1,
    "number_of_replicas": 0
  },
  "mappings": {
    "transactions": {
      "properties": {
        "color": {
          "type": "keyword"
        },
        "make": {
          "type": "keyword"
        }
      }
    }
  }
}

返回结果

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

注意：在ES中，需要进行聚合、排序、过滤的字段其处理方式比较特殊，因此不能被分词。这里我们将color和make这两个文字类型的字段设置为keyword类型，这个类型不会被分词，将来就可以参与聚合

导入数据

PUT /cars/transactions/_bulk
{ "index": {}}
{ "price" : 10000, "color" : "red", "make" : "honda", "sold" : "2021-10-28" }
{ "index": {}}
{ "price" : 20000, "color" : "red", "make" : "honda", "sold" : "2021-11-05" }
{ "index": {}}
{ "price" : 30000, "color" : "green", "make" : "ford", "sold" : "2021-05-18" }
{ "index": {}}
{ "price" : 15000, "color" : "blue", "make" : "toyota", "sold" : "2021-07-02" }
{ "index": {}}
{ "price" : 12000, "color" : "green", "make" : "toyota", "sold" : "2021-08-19" }
{ "index": {}}
{ "price" : 20000, "color" : "red", "make" : "honda", "sold" : "2021-11-05" }
{ "index": {}}
{ "price" : 80000, "color" : "red", "make" : "bmw", "sold" : "2021-01-01" }
{ "index": {}}
{ "price" : 25000, "color" : "blue", "make" : "ford", "sold" : "2021-02-12" }

查看数据

GET cars/_search

返回数据

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 24,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "cars",
        "_type" : "transactions",
        "_id" : "li1iWHsBtxlKhTl9jYLm",
        "_score" : 1.0,
        "_source" : {
          "price" : 10000,
          "color" : "red",
          "make" : "honda",
          "sold" : "2021-10-28"
        }
      },
      {
        "_index" : "cars",
        "_type" : "transactions",
        "_id" : "ly1iWHsBtxlKhTl9jYLm",
        "_score" : 1.0,
        "_source" : {
          "price" : 20000,
          "color" : "red",
          "make" : "honda",
          "sold" : "2021-11-05"
        }
      },
      {
        "_index" : "cars",
        "_type" : "transactions",
        "_id" : "mC1iWHsBtxlKhTl9jYLm",
        "_score" : 1.0,
        "_source" : {
          "price" : 30000,
          "color" : "green",
          "make" : "ford",
          "sold" : "2021-05-18"
        }
      },
      {
        "_index" : "cars",
        "_type" : "transactions",
        "_id" : "mS1iWHsBtxlKhTl9jYLm",
        "_score" : 1.0,
        "_source" : {
          "price" : 15000,
          "color" : "blue",
          "make" : "toyota",
          "sold" : "2021-07-02"
        }
      },
      {
        "_index" : "cars",
        "_type" : "transactions",
        "_id" : "mi1iWHsBtxlKhTl9jYLm",
        "_score" : 1.0,
        "_source" : {
          "price" : 12000,
          "color" : "green",
          "make" : "toyota",
          "sold" : "2021-08-19"
        }
      },
      {
        "_index" : "cars",
        "_type" : "transactions",
        "_id" : "my1iWHsBtxlKhTl9jYLm",
        "_score" : 1.0,
        "_source" : {
          "price" : 20000,
          "color" : "red",
          "make" : "honda",
          "sold" : "2021-11-05"
        }
      },
      {
        "_index" : "cars",
        "_type" : "transactions",
        "_id" : "nC1iWHsBtxlKhTl9jYLm",
        "_score" : 1.0,
        "_source" : {
          "price" : 80000,
          "color" : "red",
          "make" : "bmw",
          "sold" : "2021-01-01"
        }
      },
      {
        "_index" : "cars",
        "_type" : "transactions",
        "_id" : "nS1iWHsBtxlKhTl9jYLm",
        "_score" : 1.0,
        "_source" : {
          "price" : 25000,
          "color" : "blue",
          "make" : "ford",
          "sold" : "2021-02-12"
        }
      },
      {
        "_index" : "cars",
        "_type" : "transactions",
        "_id" : "ni1sWHsBtxlKhTl9R4LI",
        "_score" : 1.0,
        "_source" : {
          "price" : 10000,
          "color" : "red",
          "make" : "honda",
          "sold" : "2021-10-28"
        }
      },
      {
        "_index" : "cars",
        "_type" : "transactions",
        "_id" : "ny1sWHsBtxlKhTl9R4LI",
        "_score" : 1.0,
        "_source" : {
          "price" : 20000,
          "color" : "red",
          "make" : "honda",
          "sold" : "2021-11-05"
        }
      }
    ]
  }
}

2、聚合为桶

首先，我们按照汽车的颜色color来划分桶

GET /cars/_search
{
    "size": 0, 
    "aggs": {
      "popular_brand":{
        "terms": {
          "field": "make"
        }
      }
    }
}

size：查询条数，这里设置为0，因为我们不关心搜索到的数据，只关心聚合结果，提高效率
aggs：声明这是一个聚合查询，是aggregations的缩写
- popular_brand：给这次聚合起一个名字，任意。
  - terms：划分桶的方式，这里是根据词条划分
    - field：划分桶的字段

结果：

{
  "took" : 3,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 24,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [ ]
  },
  "aggregations" : {
    "popular_brand" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
        {
          "key" : "honda",
          "doc_count" : 9
        },
        {
          "key" : "ford",
          "doc_count" : 6
        },
        {
          "key" : "toyota",
          "doc_count" : 6
        },
        {
          "key" : "bmw",
          "doc_count" : 3
        }
      ]
    }
  }
}

hits：查询结果为空，因为我们设置了size为0
aggregations：聚合的结果
popular_brand：我们定义的聚合名称
buckets：查找到的桶，每个不同的color字段值都会形成一个桶
- key：这个桶对应的color字段的值
- doc_count：这个桶中的文档数量

通过聚合的结果我们发现，目前honda的小车比较畅销！
通过品牌对其进行分桶（分组）进行数据统计

3、桶内度量

前面的例子告诉我们每个桶里面的文档数量，这很有用。但通常，我们的应用需要提供更复杂的文档度量。例如，每种颜色汽车的平均价格是多少？

因此，我们需要告诉Elasticsearch使用哪个字段，使用何种度量方式进行运算，这些信息要嵌套在桶内，度量的运算会基于桶内的文档进行

现在，我们为刚刚的聚合结果添加求价格平均值的度量：

GET /cars/_search
{
  "size": 0, 
  "aggs": {
    "popular_brand":{
      "terms": {
        "field": "make"
      }
      ,
      "aggs": {
        "price_avg": {
          "avg": {
            "field": "price"
          }
        }
      }
    }
  }
}

aggs：我们在上一个aggs(popular_colors)中添加新的aggs。可见度量也是一个聚合
price_avg：聚合的名称
avg：度量的类型，这里是求平均值
field：度量运算的字段

结果：

{
  "took" : 2,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 24,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [ ]
  },
  "aggregations" : {
    "popular_brand" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
        {
          "key" : "honda",
          "doc_count" : 9,
          "price_avg" : {
            "value" : 16666.666666666668
          }
        },
        {
          "key" : "ford",
          "doc_count" : 6,
          "price_avg" : {
            "value" : 27500.0
          }
        },
        {
          "key" : "toyota",
          "doc_count" : 6,
          "price_avg" : {
            "value" : 13500.0
          }
        },
        {
          "key" : "bmw",
          "doc_count" : 3,
          "price_avg" : {
            "value" : 80000.0
          }
        }
      ]
    }
  }
}

...

可以看到每个桶中都有自己的price_avg字段，这是度量聚合的结果

在这里插入图片描述

在这里插入图片描述

再次点击

在这里插入图片描述

在这里插入图片描述

向右边拖拽

在这里插入图片描述
切换

在这里插入图片描述

4、桶内嵌套桶

刚刚的案例中，我们在桶内嵌套度量运算。事实上桶不仅可以嵌套运算，还可以再嵌套其它桶。也就是说在每
个分组中，再分更多组。

比如：我们想统计每种颜色的汽车中，分别属于哪个制造商，按照make字段再进行分桶

GET /cars/_search
{
    "size" : 0,
    "aggs" : { 
        "popular_colors" : { 
            "terms" : { 
              "field" : "color"
            },
            "aggs":{
                "avg_price": { 
                   "avg": {
                      "field": "price" 
                   }
                },
                "maker":{
                    "terms":{
                        "field":"make"
                    }
                }
            }
        }
    }
}

原来的color桶和avg计算我们不变
maker：在嵌套的aggs下新添一个桶，叫做maker
terms：桶的划分类型依然是词条
filed：这里根据make字段进行划分

部分结果：

...
{"aggregations": {
    "popular_colors": {
      "doc_count_error_upper_bound": 0,
      "sum_other_doc_count": 0,
      "buckets": [
        {
          "key": "red",
          "doc_count": 4,
          "maker": {
            "doc_count_error_upper_bound": 0,
            "sum_other_doc_count": 0,
            "buckets": [
              {
                "key": "honda",
                "doc_count": 3
              },
              {
                "key": "bmw",
                "doc_count": 1
              }
            ]
          },
          "avg_price": {
            "value": 32500
          }
        },
        {
          "key": "blue",
          "doc_count": 2,
          "maker": {
            "doc_count_error_upper_bound": 0,
            "sum_other_doc_count": 0,
            "buckets": [
              {
                "key": "ford",
                "doc_count": 1
              },
              {
                "key": "toyota",
                "doc_count": 1
              }
            ]
          },
          "avg_price": {
            "value": 20000
          }
        },
        {
          "key": "green",
          "doc_count": 2,
          "maker": {
            "doc_count_error_upper_bound": 0,
            "sum_other_doc_count": 0,
            "buckets": [
              {
                "key": "ford",
                "doc_count": 1
              },
              {
                "key": "toyota",
                "doc_count": 1
              }
            ]
          },
          "avg_price": {
            "value": 21000
          }
        }
      ]
    }
  }
}
...

我们可以看到，新的聚合maker被嵌套在原来每一个color的桶中。
每个颜色下面都根据 make字段进行了分组
我们能读取到的信息：
- 红色车共有4辆
- 红色车的平均售价是 $32，500 美元。
- 其中3辆是 Honda 本田制造，1辆是 BMW 宝马制造。

5、划分桶的其它方式

前面讲了，划分桶的方式有很多，例如：

Date Histogram Aggregation：根据日期阶梯分组，例如给定阶梯为周，会自动每周分为一组
Histogram Aggregation：根据数值阶梯分组，与日期类似
Terms Aggregation：根据词条内容分组，词条内容完全匹配的为一组
Range Aggregation：数值和日期的范围分组，指定开始和结束，然后按段分组

刚刚的案例中，我们采用的是Terms Aggregation，即根据词条划分桶。

接下来，我们再学习几个比较实用的：

（1）阶梯分桶Histogram

原理：

histogram是把数值类型的字段，按照一定的阶梯大小进行分组。你需要指定一个阶梯值（interval）来划分阶梯大小。

举例：

比如你有价格字段，如果你设定interval的值为200，那么阶梯就会是这样的：

0，200，400，600，…

上面列出的是每个阶梯的key，也是区间的启点。

如果一件商品的价格是450，会落入哪个阶梯区间呢？计算公式如下：

bucket_key = Math.floor((value - offset) / interval) * interval + offset

value：就是当前数据的值，本例中是450

offset：起始偏移量，默认为0

interval：阶梯间隔，比如200

因此你得到的key = Math.floor((450 - 0) / 200) * 200 + 0 = 400

操作一下：

比如，我们对汽车的价格进行分组，指定间隔interval为5000：

GET /cars/_search
{
  "size":0,
  "aggs":{
    "price":{
      "histogram": {
        "field": "price",
        "interval": 5000
      }
    }
  }
}

结果：

{
  "took": 21,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 8,
    "max_score": 0,
    "hits": []
  },
  "aggregations": {
    "price": {
      "buckets": [
        {
          "key": 10000,
          "doc_count": 2
        },
        {
          "key": 15000,
          "doc_count": 1
        },
        {
          "key": 20000,
          "doc_count": 2
        },
        {
          "key": 25000,
          "doc_count": 1
        },
        {
          "key": 30000,
          "doc_count": 1
        },
        {
          "key": 35000,
          "doc_count": 0
        },
        {
          "key": 40000,
          "doc_count": 0
        },
        {
          "key": 45000,
          "doc_count": 0
        },
        {
          "key": 50000,
          "doc_count": 0
        },
        {
          "key": 55000,
          "doc_count": 0
        },
        {
          "key": 60000,
          "doc_count": 0
        },
        {
          "key": 65000,
          "doc_count": 0
        },
        {
          "key": 70000,
          "doc_count": 0
        },
        {
          "key": 75000,
          "doc_count": 0
        },
        {
          "key": 80000,
          "doc_count": 1
        }
      ]
    }
  }
}

你会发现，中间有大量的文档数量为0 的桶，看起来很丑。

我们可以增加一个参数min_doc_count为1，来约束最少文档数量为1，这样文档数量为0的桶会被过滤

示例：

GET /cars/_search
{
  "size":0,
  "aggs":{
    "price":{
      "histogram": {
        "field": "price",
        "interval": 5000,
        "min_doc_count": 1
      }
    }
  }
}

结果：

{
  "took": 15,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 8,
    "max_score": 0,
    "hits": []
  },
  "aggregations": {
    "price": {
      "buckets": [
        {
          "key": 10000,
          "doc_count": 2
        },
        {
          "key": 15000,
          "doc_count": 1
        },
        {
          "key": 20000,
          "doc_count": 2
        },
        {
          "key": 25000,
          "doc_count": 1
        },
        {
          "key": 30000,
          "doc_count": 1
        },
        {
          "key": 80000,
          "doc_count": 1
        }
      ]
    }
  }
}