elastic探索数据

加载样本数据

curl -u elastic:changeme -XPOST 'localhost:9200/bank/account/_bulk?pretty&refresh' --data-binary "@accounts.json"

使用Search API

两种基本方式使用搜索:

  • REST request URI

GET /bank/_search?q=*&sort=account_number:asc&pretty

  • REST request body

GET /bank/_search

{

"query":{"match_all":{}},

"sort":[{

{"account_number":"asc"}

}]

}

返回值的含义:

  • took - elastic执行搜索的时间(以毫秒为单位)

  • timed_out - 搜索是否超时

  • _shards - 搜索的分片数量,以及搜索成功/失败的分片数量

  • hits - 搜索返回的结果

  • hits.total - 符合搜索条件的Document数量

  • hits.hits - 实施搜索结果的数组(默认为前10个文档)

  • hits.sort - 排序结果关键字(如果按照分数排序,则不显示)

查询语言

elastic提供了一种用于执行查询的Json风格的特定域的语言

GET /bank/_search

{

"query":{"match_all": {}}

}

query部分代表查询定义,match_all部分代表要查询的类型

可以使用其他参数影响查询结果,例如只返回一条记录

GET /bank/_search

{

"query":{"match_all": {}},

"size":1

}

返回11到20行的记录

GET /bank/_search

{

"query":{"match_all": {}},

"from":10,

"size":10

}

from参数用于指定要从哪个document索引下表开始,size参数指定from参数开始返回多少个document

GET /bank/_search

{

"query": { "match_all": {} },

"sort": { "balance": { "order": "desc" } }

}

执行搜索

返回document的字段

GET /bank/_search

{

"query": { "match_all": {} },

"_source": ["account_number", "balance"]

}

返回account_number为20的记录

GET /bank/_search

{

"query": { "match": { "account_number": 20 } }

}

查询返回地址是mill的记录

GET /bank/_search

{

"query": { "match": { "address": "mill" } }

}

查询返回地址是mill或lane的记录

GET /bank/_search

{

"query": { "match": { "address": "mill lane" } }

}

查询返回地址中包含mill lane的记录

GET /bank/_search

{

"query": { "match_phrase": { "address": "mill lane" } }

}

bool查询允许使用bool逻辑将更下的查询组合成较大的查询(组合条件查询)

GET /bank/_search

{

"query": {

"bool": {

  "must": [

    { "match": { "address": "mill" } },

    { "match": { "address": "lane" } }

  ]

}

}

}

GET /bank/_search

{

"query": {

"bool": {

  "should": [

    { "match": { "address": "mill" } },

    { "match": { "address": "lane" } }

  ]

}

}

}

GET /bank/_search

{

"query": {

"bool": {

  "must_not": [

    { "match": { "address": "mill" } },

    { "match": { "address": "lane" } }

  ]

}

}

}

GET /bank/_search

{

"query": {

"bool": {

  "must": [

    { "match": { "age": "40" } }

  ],

  "must_not": [

    { "match": { "state": "ID" } }

  ]

}

}

}

执行过滤

score是数值类型,代表文档与搜索查询匹配的相对度量。分数越高,文档越相关,分数越低,文档的相关性就越低。

查询并不是总产生分数,特别是当它们仅用于“过滤”文档集合时。

GET /bank/_search

{

"query": {

"bool": {

  "must": { "match_all": {} },

  "filter": {

    "range": {

      "balance": {

        "gte": 20000,

        "lte": 30000

      }

    }

  }

}

}

}

执行聚合

聚合提供从数据中分组和提取统计信息的功能

GET /bank/_search

{

"size": 0,

"aggs": {

"group_by_state": {

  "terms": {

    "field": "state.keyword"

  }

}

}

}

相当于SQL语句为:SELECT state, COUNT() FROM bank GROUP BY state ORDER BY COUNT() DESC。

设置size参数为0是因为要查看显示聚合的结果。

按照state字段分组,并计算balance的平均值

GET /bank/_search

{

"size": 0,

"aggs": {

"group_by_state": {

  "terms": {

    "field": "state.keyword"

  },

  "aggs": {

    "average_balance": {

      "avg": {

        "field": "balance"

      }

    }

  }

}

}

}

按照平均balacne进行排序

GET /bank/_search

{

"size": 0,

"aggs": {

"group_by_state": {

  "terms": {

    "field": "state.keyword",

    "order": {

      "average_balance": "desc"

    }

  },

  "aggs": {

    "average_balance": {

      "avg": {

        "field": "balance"

      }

    }

  }

}

}

}

按照年龄区间和性别分组,并计算balance

GET /bank/_search

{

"size": 0,

"aggs": {

"group_by_age": {

  "range": {

    "field": "age",

    "ranges": [

      {

        "from": 20,

        "to": 30

      },

      {

        "from": 30,

        "to": 40

      },

      {

        "from": 40,

        "to": 50

      }

    ]

  },

  "aggs": {

    "group_by_gender": {

      "terms": {

        "field": "gender.keyword"

      },

      "aggs": {

        "average_balance": {

          "avg": {

            "field": "balance"

          }

        }

      }

    }

  }

}

}

}

最后编辑于
©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 214,029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 91,238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 159,576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 57,214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 66,324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 50,392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 39,416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 38,196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 44,631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 36,919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 39,090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 34,767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 40,410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 31,090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 32,328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 46,952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 43,979评论 2 351

推荐阅读更多精彩内容