kibana 使用

Discover

在查询框里,KQL您可以输入 Elasticsearch 查询语句 来搜索您的数据

搜索关键字key
key:*
搜索关键字key,值value
key:value
搜索关键字key,值value1 或 value2
key:(value1 OR value2)

如果value中是一个很长的字符串,并且中间有短语 类似"my name is xxxx"
可以使用key:"my name"

对于数字字段您可以使用比较运算符,例如大于(>)、小于(<)或等于(=)
status>200
status>200 AND url_parameter_count>2
NOT status:200

Visualize 可视化视图

buckets:把符合您搜索条件的文档分成不同类别
Aggregation:聚合类型
Field:字段
Metrics:度量(常用count、Unique Count(选择设备唯一标识))

饼图Pie

画一个版本分布的饼图

  1. 点击 Split Slices 桶类别
  2. 从 Aggregation 列表中选择 Terms 。
  3. 从 Field 列表中选择 version 字段。
    得到


我们在此饼图内,再加一个捅,比如查询每个版本年龄段的分布

  1. 点击 Split Slices 桶类别。
  2. 从 Aggregation 列表中选择 Range 。
  3. 从 Field 列表中选择 age 字段。
  4. 点击 Add Range 增加区间总数
  5. 定义以下区间:
    0 18
    18 30
    30 50
折线图 Line
  1. 选择Y轴的Aggregation
  2. 给Y轴起个名字Custom label
    3.创建一个bucket,指定Aggregation
    4.创建x轴

Dev Tools (ES语法)

常用关键字
_search:按条件搜索
_count:查询符合条件的数量
query:搜索参数
match:模糊搜索,分词
term:精准搜索,erm结合bool使用,不进行分词
should是或,must是与,must_not是

  1. match_all: 匹配所有
GET /索引/_search
{
  "query":{
    "match_all": {}
  }
}
  1. match:name中包含“nfc”
GET /索引/_search
{
  "query": {
    "match": {
      "name": "nfc"
    }
  }
}

3、 sort:按照价格倒序排序

GET /索引/_search
{
  "query": {
    "multi_match": {
      "query": "nfc",
      "fields": ["name","desc"]
    }
  },
  "sort": [
    {
      "price": "desc"
    }
  ]
}

4、 multi_match:根据多个字段查询一个关键词,name和desc中包含“nfc”的doc

GET /索引/_search
{
  "query": {
    "multi_match": {
      "query": "nfc",
      "fields": ["name","desc"]
    }
  },
  "sort": [
    {
      "price": "desc"
    }
  ]
}

5、_source 元数据:想要查询多个字段,例子中为只查询“name”和“price”字段。

GET /索引/_search
{
  "query":{
    "match": {
      "name": "nfc"
    }
  },
  "_source": ["name","price"]
}

6、分页(deep-paging):查询第一页(每页两条数据)

GET /product/_search
{
  "query":{
    "match_all": {}
  },
  "sort": [
    {
      "price": "asc"
    }
  ],
  "from": 0,
  "size": 2
}

1、bool

可以组合多个查询条件,bool查询也是采用more_matches_is_better的机制,因此满足must和should子句的文档将会合并起来计算分值。

①must:必须满足

子句(查询)必须出现在匹配的文档中,并将有助于得分。

②filter:过滤器,不计算相关度分数

子句(查询)必须出现在匹配的文档中。但是不像 must查询的分数将被忽略。

Filter子句在filter上下文中执行,这意味着计分被忽略,并且子句被考虑用于缓存。

③should:可能满足 or

子句(查询)应出现在匹配的文档中。

④must_not:必须不满足 不计算相关度分数

子句(查询)不得出现在匹配的文档中。子句在过滤器上下文中执行,这意味着计分被忽略

并且子句被视为用于缓存。由于忽略计分,0因此将返回所有文档的分数。

⑤minimum_should_match:should配合使用,满足几个should条件

⑥range:lt大于,gt小于

bool多条件 name包含xiaomi 不包含erji 描述里包不包含nfc都可以,价钱要大于等于4999

GET /product/_search
{
  "query": {
  "bool":{
    #name中必须不能包含“erji”
      "must": [
        {"match": { "name": "xiaomi"}}
      ],
    #name中必须包含“xiaomi”
      "must_not": [
        {"match": { "name": "erji"}}
      ],
    #should中至少满足0个条件,参见下面的minimum_should_match的解释
      "should": [
        {"match": {
          "desc": "nfc"
        }}
      ], 
    #筛选价格大于4999的doc
      "filter": [        
        {"range": {
          "price": {
            "gt": 4999   
          }
        }}
      ]
    }
  }
}

组合查询
搜索一台xiaomi nfc phone或者一台满足 是一台手机 并且 价格小于等于2999

GET /product/_search
{
  "query": {
    "constant_score": {
      "filter": { 
        "bool":{
          "should":[
            {"match_phrase":{"name":"xiaomi nfc phone"}},
            {
              "bool":{
                "must":[
                  {"term":{"name":"phone"}},
                  {"range":{"price":{"lte":"2999"}}}
                  ]
              }
            }
          ]
        }
      }
    }
  }
}

高亮

GET /product/_search
{
    "query" : {
        "match_phrase" : {
            "name" : "nfc phone"
        }
    },
    "highlight":{
      "fields":{
         "name":{}
      }
    }
}
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 216,039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 92,223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 161,916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 58,009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 67,030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 51,011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 39,934评论 3 416
  • 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 38,754评论 0 271
  • 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 45,202评论 1 309
  • 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 37,433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 39,590评论 1 346
  • 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 35,321评论 5 342
  • 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 40,917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 31,568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 32,738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 47,583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 44,482评论 2 352

推荐阅读更多精彩内容