ES 查询

查询API

GET /_search 空搜索
GET /broker/_search 指定索引
GET /broker,customer/_search 指定多索引
GET /b,c/_search 匹配索引

大纲

  • 轻量搜索 URI Search
  • 请求体搜索 Request Body Search
    • 一个条件的搜索
    • 合并查询语句
      • 结构体搜索

轻量搜索(查询字符串) 不安全 弃用

GET /broker/_search?q=name:三
GET /broker/_search?q=interests:书+name:三
GET /_search?size=5&from=5
-- size 显示应该返回的结果数量,默认是 10 (所以在不指定分页数据的情况下 ,只返回10条数据
-- from 显示应该跳过的初始结果数量,默认是 0
PS:都是精确分词模式,实现不了精确搜索

请求体搜索

基于 查询表达式(Query DSL) 进行查询

GET /broker/_search
{
    "query": {
        "match": {
            "name": "三"
        }
    }
}

**查询表达式(Query DSL) **

查询语句(Query clauses) 就像一些简单的组合块 ,这些组合块可以彼此之间合并组成更复杂的查询。这些语句可以是如下形式:

  • 叶子查询语句 (Leaf query clauses) (就像 match 语句) 被用于将查询字符串和一个字段(或者多个字段)对比。
    叶查询子句中寻找一个特定的值在某一特定领域,如 match,term或 range查询。这些查询可以单独使用

  • 复合查询语句 (Compound query clauses) 语句 主要用于 合并其它查询语句。 比如,一个 bool 语句 允许在你需要的时候组合其它语句,无论是 must 匹配、 must_not 匹配还是 should 匹配,同时它可以包含不评分的过滤器(filters):

{
    "bool": {
        "must":     { "match": { "tweet": "elasticsearch" }},
        "must_not": { "match": { "name":  "mary" }},
        "should":   { "match": { "tweet": "full text" }},
        "filter":   { "range": { "age" : { "gt" : 30 }} }
    }
}
{
    "bool": {
        "must": { "match":   { "email": "business opportunity" }},
        "should": [
            { "match":       { "starred": true }},
            { "bool": {
                "must":      { "match": { "folder": "inbox" }},
                "must_not":  { "match": { "spam": true }}
            }}
        ],
        "minimum_should_match": 1
    }
}
match 分词匹配
match_all 匹配所有文档。在没有指定查询方式时,它是默认的查询
multi_match 在多个字段上执行相同的 match 查询
range 范围查询 (gt:大于、gte:大于等于、lt:小于、lte:小于等于)
term 精确匹配
missing IS_NULL
exists NOT IS_NULL

组合多查询编辑

bool 过滤器
constant_score 过滤器

must 匹配
must_not 不 匹配
should 满足任意一条即可
filter 必须 匹配,不评分过滤器

结构化搜索

不分词的搜索,精确搜索,直接跳过了整个评分阶段

精确值搜索

{
    "query" : {
        "constant_score" : { 
            "filter" : {
                "term" : { 
                    "companyId" : "35f142de-2931-431d-b939-111111111111"
                }
            }
        }
    }
}

组合过滤器

{    
    "query": {****
        "bool": {
            "filter": [{
                "term": {
                    "companyId": "35f142de-2931-431d-b939-111111111111"
                }
            },
            {
                "term": {
                    "name": "三"
               }
            }]
        }
    }
}
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,128评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,316评论 3 388
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,737评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,283评论 1 287
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,384评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,458评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,467评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,251评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,688评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,980评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,155评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,818评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,492评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,142评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,382评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,020评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,044评论 2 352

推荐阅读更多精彩内容