POST /student/_doc
{
"std_id": 2,
"std_name": "guan yu",
"std_sex": "man",
"std_age": 20,
"create_time": "2021/05/27 11:37:00",
"update_time": "2021/05/27 11:37:00"
}
PUT /student/_doc/1
{
"std_id": 1,
"std_name": "zhao zi long",
"std_sex": "man",
"std_age": 18,
"create_time": "2021/05/27 11:37:00",
"update_time": "2021/05/27 11:37:00"
}
GET student/_doc/_search
{
"query":{
"match_all":{}}
}
ES基础语法
默认不同分词之间连接为or 就是只要包含就行
GET student/_search
{
"query":{
"match": {
"std_name": {
"query": "guan zhao"
}
}}
}
指定为and 都要包含才会被查询出
GET student/_doc/_search
{
"query":{
"match":{
"std_name":{
"query":"guan yu",
"operator":"and"
}
}}
}
短语匹配 都要包含且顺序要一致
GET student/_doc/_search
{
"query":{
"match_phrase":{
"std_name":"zhao zi"
}}
}
短语匹配 只是这个支持最后一个词项的前缀匹配
GET student/_doc/_search
{
"query":{
"match_phrase_prefix":{
"std_name":"zhao zi lo"
}}
}
在多个字段搜素关键字且支持通配符和权重指定（例如关键字在std_name^3出现的权重是std_age的三倍）
GET student/_search
{
"query": {
"multi_match":{
"query":"zhao",
"fields":["std_name","std_sex"]
}}
}
common_terms query common_terms query提供了一种解决方案，它把 query 分词后的词项分成重要词项（低频词项）和不重要的词项（高频词，也就是之前的停用词）。
GET books/_search
{
"query": {
"common": {
"body": {
"query": "nelly the elephant as a cartoon",
"cutoff_frequency": 0.001,
"low_freq_operator": "and"
}
}
}}
term query 精确查询（不会被分词）通常用来查询某个标识字段例如，name userid。。。 而不是来查询会被分分词的text类型字段
GET student/_search
{
"query":{
"term":{
"std_age":"18"
}}
}
原理见上 不同点为可以指定多个搜索的关键词
GET student/_search
{
"query":{
"terms":{
"std_age":[18,20]
}}
}
range query 范围查询,只能使用一个字段过滤 18< age <=20
GET student/_search
{
"query":{
"range":{
"std_age":{
"gt":18,
"lte":20
}
}}
}
exists query exists 查询会返回字段中至少有一个非空值的文档
GET student/_search
{
"query": {
"exists": {
"field": "std_sex"
}}
}
prefix query 前缀匹配查询 std-name以zh开头的doc
GET student/_search
{
"query": {
"prefix": {
"std_name": "zh"
}}
}
wildcard query 通配符查询
GET student/_search
{
"query": {
"wildcard": {
"std_name":"zhao*"
}}
}
regexp query 正则表达式
type query 根据类型查询文档
ids query 根据id查询文档
GET student/_search
{
"query": {
"ids": {
"values": ["1","I1oSIoEB40FFYrLjwuXn"]
}}
}
复合查询
bool 查询可以把任意多个简单查询组合在一起，使用 must、should、must_not、filter 选项来表示简单查询之间的逻辑，每个选项都可以出现 0 次到多次，它们的含义如下：
must 文档必须匹配 must 选项下的查询条件，相当于逻辑运算的 AND，且参与文档相关度的评分。
should 文档可以匹配 should 选项下的查询条件也可以不匹配，相当于逻辑运算的 OR，且参与文档相关度的评分。
must_not 与 must 相反，匹配该选项下的查询条件的文档不会被返回；需要注意的是，must_not 语句不会影响评分，它的作用只是将不相关的文档排除。
filter 和 must 一样，匹配 filter 选项下的查询条件的文档才会被返回，但是 filter 不评分，只起到过滤功能，与 must_not 相反。
GET student/_search
{
"query":{
"bool": {
"filter": [
{"range": {
"std_age": {
"gte": 18
}
}}
],
"must": [
{
"match": {
"std_name": "zhao"
}
}
]
}
}
}
boosting query 调整查询结果的权重评分
boosting 查询包括 positive、negative 和 negative_boost 三个部分，positive 中的查询评分保持不变，negative 中的查询会降低文档评分
GET student/_search
{
"query": {
"boosting": {
"positive": {
"match": {
"std_sex": "man"
}
},
"negative": {
"range":{
"std_age": {
"lte": 19
}
}
},
"negative_boost": 0.2
}}
}
constant_score query 包装一个 filter query，并返回匹配过滤器查询条件的文档，且它们的相关性评分都等于 boost 参数值
function_score 修改评分的方式
下面这条查询语句会返回 books 索引中的所有文档，文档的最大得分为 5，每个文档的得分随机生成，权重的计算模式为相乘模式。
GET student/_search
{
"query": {
"function_score": {
"query": {
"match_all": {}
},
"boost": "5",
"random_score": {},
"boost_mode": "multiply"
}}
}
通过脚本 这里把 std_age 值的十分之一开方作为每个文档的得分
GET student/_search
{
"query": {
"function_score": {
"query": {
"match": {
"std_name": "zhao"
}
},
"script_score": {
"inline": "Math.sqrt(doc['std_age'].value/10)"
}
}}
}
嵌套查询
nested query（嵌套查询）
文档中可能包含嵌套类型的字段，这些字段用来索引一些数组对象，每个对象都可以作为一条独立的文档被查询出来。
has_child query（有子查询）和 has_parent query（有父查询）
父子关系可以存在单个的索引的两个类型的文档之间。has_child 查询将返回其子文档能满足特定查询的父文档，而 has_parent 则返回其父文档能满足特定查询的子文档。
nested query 嵌套查询，每个字段也是一个对象
PUT /drivers
{
"mappings" : {
"properties" : {
"driver" : {
"type" : "nested",
"properties" : {
"last_name" : {
"type" : "text"
},
"vehicle" : {
"type" : "nested",
"properties" : {
"make" : {
"type" : "text"
},
"model" : {
"type" : "text"
}
}
}
}
}
}
}}
PUT /drivers/_doc/1
{
"driver" : {
"last_name" : "McQueen",
"vehicle" : [
{
"make" : "Powell Motors",
"model" : "Canyonero"
},
{
"make" : "Miller-Meteor",
"model" : "Ecto-1"
}
]
}}
GET /drivers/_doc/1
has_child query
PUT /company
{
"mappings": {
"branch": {},
"employee": {
"parent": { "type": "branch" }
}
}}
has_parent query
通过父文档查询子文档使用 has_parent 查询。比如，搜索哪些 employee 工作在 UK，查询命令如下：
这里employee 是 child type，branch 是 parent type，
GET company/employee/_search
{
"query": {
"has_parent": {
"parent_type": "branch",
"query": {
"match": { "country": "UK }
}
}
}}
位置查询
PUT my_location
{
"mappings": {
"properties": {
"location":{
"type": "geo_point"
}
}}
}
POST my_location/_bulk
{"index":{"_id":2}}
{"text":"上海站","location":{"lat":31.256224,"lon":121.462311}}
{"index":{"_id":3}}
{"text":"五一广场","location":"POINT (121.460186 31.251281)"}
{"index":{"_id":4}}
{"text":"交通公园","location":"31.253531,121.473939"}
{"index":{"_id":5}}
{"text":"万业远景大厦","location":[121.448215,31.26229]}
geo_bounding_box query 两点确定一个矩形（连线为对角线）来查询
GET /my_location/_search
{
"query": {
"bool": {
"must": {
"match_all": {}
},
"filter": {
"geo_bounding_box": {
"location": {
"top_left": {
"lat": 31.265395,
"lon": 121.444075
},
"bottom_right": {
"lat": 31.253845,
"lon": 121.468417
}
}
}
}
}}
}
geo_distance 根据距离distance搜索 ,查询并排序
GET my_location/_search
{
"query": {
"bool": {
"must": {
"match_all": {}
},
"filter": {
"geo_distance": {
"distance": "600m",
"distance_type": "arc",
"_name": "optional_name",
"location": {
"lat": 31.256224,
"lon": 121.462311
}
}
}
}},
"sort": [
{
"_geo_distance": {
"location": {
"lat": 31.256224,
"lon": 121.462311
},
"order": "desc",
"unit": "m",
"distance_type": "arc"
}
}]
}
