ElasticSearch搜索

ElasticSearch搜索

搜索方式——ES有两种搜索方式:第一种是通过URL参数进行搜索,另一种是通过POST请求参数进行搜索。
URL参数搜索
请求:GET http://127.0.0.1:9200/xy_order/order/_search?参数,多个参数用&分开,参数的解释如下:

参数 解释
q 查询字符串,例如:q=syslog
df 当查询中没有定义前缀的时候默认使用的字段
analyzer 当分析查询字符串的时候使用的分词器
lowercase_expended_terms 搜索的时候忽略大小写标志,默认为true
analyze_wildcard 通配符或者前缀查询是否被分析,默认为false
default_operator 默认多个条件的关系,AND或者OR,默认为OR
lenient 如果设置为true,字段类型转换失败的时候将被忽略,默认为false
explain 在每个返回结果中,将包含评分机制的解释
_source 是否包含元数据,同时支持_source_include和_source_exclude
fields 只返回索引中指定的列,过个列中间用逗号隔开
sort 根据字段 名排序,例如fieldName:asc或者fieldName:desc
track_scores 评分轨迹,当排序的时候,true表示返回评分的信息
timeout 超时的时间设置
terminate_after 在每个分片中查询的最大条数,如果设置,返回结果中会有一个terminated_early字段
from 返回的索引匹配结果的开始值,默认为0
size 搜索结果返回的条数,默认为10
search_type 搜索的类型,可以是dfs_query_then_fetch,query_then_fetch,默认为query_then_fetch

POST请求参数搜索

请求:POST http://127.0.0.1:9200/xy_order/order/_search,参数在请求中
参数是JSON格式的查询领域语法(query dsl),例如:

{
    "query":{"term":{"cbid":"9414722503469204"}}
}

如果需要搜索分页,可以通过from size组合来进行,from表示从第几行开始,size表示查询多少条记录。from默认为0,size默认为10,例如:

{
    "from":0,
    "size":10,
    "query":{
        "term":{"cbid":"9414722503469204"}
    }
}

搜索排序:
当搜索的字段有多个时,可以对指定字段进行排序,例如下面的搜索优先对type字段进行排序,然后对message字段进行排序:

{
    "sort":[
        {"amount":{"order":"asc"}},
        {"ConsumeTime":{"order":"desc"}}
    ]
}

当一个字段的内容有多个值的时候,系统支持一些计算进行排序,包括min、max、sum、avg、median(中间值),例如下面的请求表示order有多个值,取平均值排序的方式如下:

{
    "query":{
        ...
    }
    "sort":[
        {"amount":{"order":"desc", "mode":"avg"}}
    ]
}

数据列过滤
数据列过滤允许在查询的时候不显示原始数据,或者显示部分原始字段,例如不显示原始字段

{
    "_source":false,
    "query":{"term":{"cbid":"9414722503469204"}}
}

显示部分文档列的方式如下:

{
    "_source":"obj.*",
    "query":{"term":{"cbid":"9414722503469204"}}
}

还可以包含或者排除某些列

{
    "_source":{
        "include":["book1.*","book2.*"],
        "exclude":["*.description"]
    },
    "query":{"term":{"cbid":"9414722503469204"}}
}

脚本支持
对搜索是支持脚本的,例如,请求:POST http://127.0.0.1:9200/xy_order/order/_search?pretty
参数如下:

{
    "query":{
        "term":{"cbid":"9414722503469204"}
    },
    "script_fields":{
        "test1":{"script":"doc['cbid'].value *2"}
    }
}
©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 216,142评论 6 498
  • 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 92,298评论 3 392
  • 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 162,068评论 0 351
  • 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 58,081评论 1 291
  • 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 67,099评论 6 388
  • 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 51,071评论 1 295
  • 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 39,990评论 3 417
  • 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 38,832评论 0 273
  • 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 45,274评论 1 310
  • 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 37,488评论 2 331
  • 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 39,649评论 1 347
  • 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 35,378评论 5 343
  • 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 40,979评论 3 325
  • 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 31,625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 32,796评论 1 268
  • 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 47,643评论 2 368
  • 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 44,545评论 2 352

推荐阅读更多精彩内容