ElasticSearch语法总结


一、前言

  1. es是面向文档型数据库,一条数据就是一个文档,可以通过下面这张表与关系型数据库进行类比:
ESMysql
Index(索引)Database(数据库)
Type(类型:es7+已删除)Table(表)
Documents(文档)Row(行)
Field(字段)Column(列)
  1. 正排索引:id 建立索引,通过 id 查询数据。
    倒排索引: 用数据中的 关键词 建立索引,通过 关键词 查询id

二、查询语句

1.综合

<1>帮助

GET /_cat/health?help

<2>查询所有

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

<3>查看集群健康信息

GET /_cat/health?v

<4>查看集群中节点信息

GET /_cat/nodes?v

<5>查看集群中的索引信息

# 第一种
GET /_cat/indices?v
# 第二种(简化)
GET /_cat/indices?v&h=health,status,index

2.索引

<1>新增

PUT /book

<2>删除

DELETE /book

<3>查询

列出全部索引信息

GET /_cat/indices?v

3.文档

<1>声明索引下的文档字段类型

先创建索引

PUT /book
{
    "settings": {
        "number_of_shards": 5,
        "number_of_replicas": 1
    },
    "mappings": {
        "dynamic": "strict",           # 插入数据时,如果遇到不存在的字段,不新增字段,直接报错
        "properties": {
            "title": {
                "type": "text",
                "index": true
            },
            "publisher": {
                "type": "keyword",
                "index": true
            },
            "page": {
                "type": "text",
                "index": false
            },
            "my_vector": {
                "type": "dense_vector",
                "dims": 2
            }
        }
    }
}

ps:

  1. “type”: “text”
    文本类型【使用 match 检索时自动进行分词】
  2. “type”: “keyword”
    键值类型【使用 match 检索时不会进行分词】
  3. “index”: true
    建立索引【参与检索】
  4. “index”: false
    不建立索引【不参与检索】

<2>新增

- 新增时指定id
POST /book/_doc/1
{				   
  "title":"历史上的今天",
  "created":"2018-12-25"
}

- 新增时不指定id【随机生成id】
POST /book/_doc
{				   
  "title":"历史上的今天",
  "created":"2018-12-25"
}

<3>删除

根据id删除

DELETE /book/_doc/1	

<4>修改

- 根据id修改【全部字段】
# title 和 created 全部更新
PUT /book/_doc/1
{				   
  "title":"历史上的今天2",
  "created":"2021-01-01"
}
- 根据id修改【单个字段】
# 仅更新 created 
POST /book/_update/1
{				   
  "doc": {
    "created":"2021-01-01"	
  }
}

<5>查询

- 根据id查询

查询 book 索引下 _id 为 1 的文档

# 写法1
GET /book/_doc/1	

# 写法2
GET /book/_search
{
  "query": {
    "match": {
      "_id": 1
    }
  }
}

- 查询全部

查询 book 索引下的全部文档【默认返回前10000条】

# 写法1
GET /book/_search

# 写法2
GET /book/_search
{
  "query": {
    "match_all": {
      
    }
  }
}

# 写法3
GET /book/_doc/_search


- 查询总数

查询 book 索引下的文档总数

GET /book/_count

- 分词查询
GET /book/_search
{
  "query": {
    "match": {
      "title": "历史上的今天"
    }
  }
}

ps:

  1. match
    分词查询【检索 book 索引中 title 包含 历史、历史上、今天、历史上的今天 的数据】
  2. match_phrase
    不分词查询【检索 book 索引中 title 只包含 历史上的今天 的数据】

- 单条件查询

查询 book 索引下满足 title 包含 历史上的今天 的数据

# 推荐写法
GET /book/_search
{
  "query": {
    "match_phrase": {
      "title": "历史上的今天"
    }
  }
}

# 不推荐写法
GET /book/_search?q=title:历史上的今天


- 多条件查询【and】

查询 book 索引下满足 title 包含 历史上的今天 and created=2018-12-20 的数据

GET /book/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match_phrase": {
            "title": "历史上的今天"
          }
        },
        {
          "match_phrase": {
            "created": "2018-12-20"
          }
        }
      ]
    }
  }
}


- 多条件查询【or】

查询 book 索引下满足 title 包含 历史上的今天 or title 包含 历史上的今天2 的数据

GET /book/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "match_phrase": {
            "title": "历史上的今天"
          }
        },
        {
          "match_phrase": {
            "title": "历史上的今天2"
          }
        }
      ]
    }
  }
}


- 查询结果高亮显示

查询 book 索引中满足 title 包含 “历史” 的数据,并将检索结果中的历史俩字用<em>标签包裹

GET /book/_search
{
  "query": {
    "match_phrase": {
      "title": "历史"
    }
  },
  "highlight": {
    "fields": {
      "title": {}
    }
  }
}

ps:


- 范围查询

查询 book 索引下满足 price > 100 的数据

GET /book/_search
{
  "query": {
    "bool": {
      "filter": {
        "range": {
          "price": {
            "gt": 100.00
          }
        }
      }
    }
  }
}

ps:

  1. gt 大于
  2. gte 大于等于
  3. it 小于
  4. ite 小于等于

- 分页查询

分页查询 book 索引下的全部数据,查询第1页,每页2条数据

GET /book/_search
{
  "from": 0,
  "size": 2
}

- 指定查询结果的返回字段

查询 book 索引下的全部数据,仅返回 title 字段

GET /book/_search
{
  "_source": ["title"]		
}

- 对查询结果排序

查询 book 索引下的全部数据,以创建时间降序排序

GET /book/_search
{
  "sort": {
    "created": {
      "order": "desc"
    }
  }
}

ps:

  1. 升序 asc
  2. 降序 desc

- 聚合查询

对 book 索引下的 title 字段进行聚合查询

GET /book/_search
{
  "aggs": {
    "title_group": {
      "terms": {
        "field": "title.keyword",
        "size": 10			
      }
    }
  },
  "size": 0		
}

ps:

  1. “title_group”: {
    操作名称【这名随便起】
  2. “terms”: {
    聚合操作
  3. “field”: “title.keyword”,
    对哪个字段聚合【字符串类型需要加.keyword】
  4. “size”: 10
    最大返回数
  5. “size”: 0
    不返回命中数据

- 查询平均值

对 book 索引下的 price 字段求平均值

GET /book/_search
{
  "aggs": {
    "price_avg": {
      "avg": {
        "field": "price"		
      }
    }
  },
  "size": 0		
}

ps:

  1. “price_avg”: {
    操作名称【这名随便起】
  2. “avg”: {
    求平均操作
  3. “field”: “price”
    对哪个字段求平均值
  4. “size”: 0
    不返回命中数据


  • 3
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
### 回答1: Elasticsearch是一个开源的搜索引擎,它提供了一个分布式、多租户的全文搜索引擎和分析引擎,可以快速、准确地处理海量数据。它可以帮助用户实现数据的快速检索、聚合分析、实时监控、日志处理等功能。同时,Elasticsearch还支持复杂的查询语句和高级聚合操作,能够方便地实现各种数据分析需求。 ### 回答2: Elasticsearch是一个开源的分布式搜索和分析引擎,有很多重要的作用。 首先,Elasticsearch可以作为一个高性能的全文搜索引擎。它可以处理大量的数据,提供快速和准确的搜索结果,支持复杂的查询操作,如模糊搜索、词语关联性分析等。这对于各种Web应用、电子商务平台、新闻网站等需要快速检索和分析大量文本数据的场景非常有用。 其次,Elasticsearch也是一个可扩展的数据分析平台。它可以实时地对大规模数据进行搜索、聚合、过滤、排序等操作,并且能够提供可视化的分析结果。无论是做日志分析、业务监控、数据仪表盘等,Elasticsearch都能够帮助用户从海量数据中快速发现有价值的信息。 此外,Elasticsearch还可以作为一个分布式数据存储系统。它使用倒排索引的方式存储数据,具有高效的读写性能和水平扩展能力。用户可以自定义文档的结构和字段,索引和检索各种类型的数据,包括结构化数据、非结构化数据、地理位置数据等。 最后,Elasticsearch还有很多其他的功能和用途,比如实时日志搜索、推荐系统、自然语言处理等。它具有开放的API接口和丰富的生态系统,可以和其他工具和框架(如Logstash、Kibana等)无缝集成,进一步扩展其功能和应用范围。 总之,Elasticsearch是一个功能强大、易用的分布式搜索和分析引擎,可以帮助用户快速构建高性能、可扩展的数据搜索和分析系统。 ### 回答3: Elasticsearch是一个开源的分布式搜索和分析引擎,功能强大且易于使用,主要用于存储、搜索和分析大规模数据。它具有以下几个作用: 1. 实时数据搜索:Elasticsearch可以快速地对大量数据进行实时搜索。它基于倒排索引的原理,能够在几乎没有延迟的情况下快速返回符合搜索条件的结果。这使得它非常适合用于构建实时搜索引擎、日志分析、商品推荐等应用场景。 2. 高可用性和可扩展性:Elasticsearch采用分布式架构,可以通过横向扩展的方式,在多个节点上存储和处理数据。这种设计使得它具备高度可用性和可扩展性,即使在一个节点故障的情况下,系统依然能够正常工作。 3. 复杂查询和聚合分析:Elasticsearch支持丰富的查询语法,可以进行复杂的条件查询和全文搜索。同时,它还提供了强大的聚合分析功能,能够对数据进行多维度的汇总和统计。 4. 实时数据分析:除了搜索功能,Elasticsearch还可以用于实时数据分析。它可以对存储的原始数据进行聚合分析、数据挖掘和可视化展示,帮助用户从海量的数据中发现有价值的信息。 总之,Elasticsearch在数据存储、数据搜索和数据分析方面都有着重要的作用。它的高性能、强大的查询和分析能力,以及可扩展性,使得它成为了很多大型企业和机构在处理大数据应用中的首选引擎。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

什么都干的派森

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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