這篇介紹稍多，篇幅可能有點多，下面會針對一些重要的點做一些小測試
搜索返回文檔解析
hits
搜索返回的結果中最重要的一部分其中包含了 索引信息（_index，_type，_index，_source，_score）,_source又是其中我們最需要的東西，裏面包含了查詢的整個文檔的內容，默認返回10個文檔，這塊可以結合分頁處理
took
顯示查詢花費的時間
shards
查詢的數據實際都檢索了幾個分區，這塊跟關係型數據庫中的表分區差不多，mysql 中的 partitions 通過執行計劃查看可以看到
"_shards" : {
"failed" : 0,
"successful" : 10,
"total" : 10
}
看下上面的問題，這裏可以會有失敗的檢索分片個數，在時間過程中如果數據分片丟失了，這裏仍然會返回查詢到的數據
timeout
查詢是否超時
"timed_out" : false，我們也可以這樣來寫
GET _index/_type/?timeout=50 （ms）
給出我們的預期檢索時間，當數據體量過大的時候或服務器性能本身的瓶頸，可能一次有效的搜索返回的結果很大（很多滿足條件的搜索），這可能需要很長的時間，這是用戶不能接受的，給出一個預期的需要查詢的失效時間，滿足這個時間就會停止查詢，返回我們的結果，當然 可能搜索 10ms可能也會有很多數據，這塊就需要分頁顯示了，給數據庫分頁一個概念
多索引多類型查詢
滿足如下規則即可
_index1,_index2/_type1,_type2/_search 用逗號分隔開
對應泛指情況可以使用*來處理，這點有點類似 Window系統中常用的搜索 如 *.jpg
a*,b*/_type1,_type2/_search
這裏需要說明的是所有的 索引類型都是組合關係
分頁查詢
分頁查詢結合前面的查詢通過 size 、from 來處理
GET _index/_type/_search?size=10&from=10
size：需要查詢的數據條數 、from：從那一條開始 默認是0，這塊與EF中的 Take(size).Skip(from) 類似，取多少條，跳過多少開始取
這裏如果是單個分片查詢還好，如果數據來之多個分片的情況下，排序就需要處理了，否則查詢出來的數據可能不是最滿足我們條件的數據。
如果我們能在查詢來自3個分片，我們需要在我們實際查詢的邏輯是先查詢出來在組合起來排序取到size，這點類似 你高中時期的成績
如：我們需要取出來 全年級排名前40-50的人員信息，首先我們不能取每個班級第40-50的人員 然後按班級組合在一起 在取第40-50，顯然這樣做是錯誤的，因爲 班級1-50中的一些完全有可能在年紀40-50中，但是這裏有一個臨界點，就是班級中50以後的絕對不會在年級的前50，這是可以肯定的，爲了查詢到最後的結果，必須把每個班級都是取前5-條數據，然後合併後在取第40-50的數據纔是正確的
注：這裏我們實際要檢索的數據 是 【分片數據*from】的數量，當我們的分頁縱深很大的時候 取到第500頁，每頁10條，3個分片，最終檢索出來的數據是 3*5000 條數據的排序 ，如果取到數據縱深越大，搜索效率也是越低的
輕量查詢
輕量級查詢不需要寫表達式，一般通過get請求，通過參數的方式查詢結果，帶有query match 等表達式的查詢不一樣，它是通過地址欄組合參數來處理
結合前面數據例子：
http://192.168.0.212:9200/liyouming/_search?pretty&q=+mytext:黎又銘)
結果：
{ "took" : 7, "timed_out" : false, "_shards" : { "total" : 5, "successful" : 5, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : 3, "max_score" : 3.0561461, "hits" : [ { "_index" : "liyouming", "_type" : "liyoumingtext", "_id" : "c7eQAWoB0Mh7sqcTGY-K", "_score" : 3.0561461, "_source" : { "mytext" : "中午黎又銘在操場上打籃球" } }, { "_index" : "liyouming", "_type" : "liyoumingtext", "_id" : "dLeQAWoB0Mh7sqcTdo9b", "_score" : 2.1251993, "_source" : { "mytext" : "深夜還在寫代碼的人只有黎又銘" } }, { "_index" : "liyouming", "_type" : "liyoumingtext", "_id" : "crePAWoB0Mh7sqcTzY-2", "_score" : 0.8630463, "_source" : { "mytext" : "黎又銘早上吃了一碗麪" } } ] } }
當然：我們要對同一個字段得到 or 這種操作 通過 條件空格 來分割多個選項，參數只能寫q
如：http://192.168.0.212:9200/liyouming/_search?pretty&q=+mytext:(值1 值2)
這裏還有其他的一些符號
+ 表示+後面的字段必須滿足 值條件 類似 sql中的 in 包含
- 表示 - 後面的字段不能滿足 值條件 類似 sql中的 not in 不包含
：表示用來區分字段與字段值
() 表示對於多個值的一種組合
這是對字符串的操作，有時候我們需要對日期 數字 等進行範圍 大小等查詢操作
下面來加幾條數據
{ "url":"datetest/mytest", "param":{ "name":"張三", "date":"2019-04-18 15:15:16" } }
例子：
日期 http://192.168.0.212:9200/liyouming/_search?pretty&q=+date:>2019-03-01
顯然這樣搜索可能跟我們預期的結果不一樣，一條數據有沒有，其實添加的時候這個格式就錯誤了，可能沒有被es認知並轉換爲時間類型，elasticsearch中會轉換它認爲是時間格式的字符串，詳細可以參考這裏：
https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-date-format.html
我們先不加入時間段部分，查詢搜索就ok了
映射（Mapping）描述數據在每個字段內如何存儲
如同前面對日期的識別，其實es映射支持類型有，當滿足格式es會猜測類型
字符串：string
整數：byte, short, integer, long
浮點數：float, double
布爾型: boolean
日期: date
我們可以通過如下地址查看映射
http://192.168.0.212:9200/datetest/_mapping?pretty
來查看下 datetest 對於字段的映射，可以看到屬性中的字段類型
結果：
{ "datetest" : { "mappings" : { "test" : { "properties" : { "date" : { "type" : "date" }, "name" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } } } } } } }
接下來檢驗下這些類型映射情況並實現搜索下查看下最終的結果 Put創建下
{ "index":"mappingtest/test", "param":{ "booltest1":false, "booltest2":"true", "inttest":123, "inttest1":"456", "floattest":123.45, "floattest1":"456.45", "datetest1":"2019-02-01", "datetest2":"2019-02-01 15:15:15", "datetest3":"2019-02-01T15:15:15", "datetest4":"10:15:30", "datetest5":"Tue, 3 Jun 2008 11:05:30 GMT", "datetest6":"2018-12-03+01:00", "datetest7":"20190103", } }
我們看下這些格式的映射情況 通過結果我們可以看到哪些字段被識別成了相應的類型
這是實際類型的識別情況
{ "mappingtest" : { "mappings" : { "test" : { "properties" : { "booltest1" : { "type" : "boolean" }, "booltest2" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } }, "datetest1" : { "type" : "date" }, "datetest2" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } }, "datetest3" : { "type" : "date" }, "datetest4" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } }, "datetest5" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } }, "datetest6" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } }, "datetest7" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } }, "floattest" : { "type" : "float" }, "floattest1" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } }, "inttest" : { "type" : "long" }, "inttest1" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } } } } } } }
{ "index":"mappingtest/test", "param":{ "booltest1":false, // boolean "booltest2":"true", // text "inttest":123, // long "inttest1":"456", //text "floattest":123.45, //float "floattest1":"456.45", //text "datetest1":"2019-02-01",//date "datetest2":"2019-02-01 15:15:15",//text "datetest3":"2019-02-01T15:15:15", //date "datetest4":"10:15:30", //text "datetest5":"Tue, 3 Jun 2008 11:05:30 GMT", ", //text "datetest6":"2018-12-03+01:00", ", //text "datetest7":"20190103", ", //text } }
當然我們是可以對這塊映射預先設置對於的類型（type）以及 分析器（analyzed）,但是這塊需要預先設置，如果對之前已經有的進行修改不會成功，下面我們添加了一個datetest10,我們在來測試羨慕提娜佳的數據看一下
{ "index":"mappingtest/_mapping/test", "param":{ "properties" : { "datetest10" : { "type" : "date", "analyzed":"ik_smart" } } } }
預先設定好類型後對後續的收錄會出現相關的類型校驗，如果沒有被識別到對於類型的格式就會錯誤
分析（Analysis）全文是如何處理使之可以被搜索的
標準分析器：是Elasticsearch默認使用的分析器。它是分析各種語言文本最常用的選擇
空格分析器：在空格的地方劃分文本。它會產生
簡單分析器：在任何不是字母的地方分隔文本，將詞條小寫。它會產生
語言分析器：特定語言分析器可用於 {ref}/analysis-lang-analyzer.html[很多語言]。它們可以考慮指定語言的特點
這裏用中文分詞分析器來舉例，分析器會幫會將文檔內容中一個字段按照分詞的方式拆解開
這塊跟搜索密不可分，這裏就需要分詞插件 分詞庫，這裏測試用的ik
安裝ik在前面的文章中已經介紹過了
如果是在數據中要查找新聞內容的化會出現 like '%搜索詞彙%' 也可以通過全文查找，下面來介紹下es中的怎麼來處理的
打個比方 分析器就是物流運輸過程中的 分揀員，他會根據包裹的 地區 位置 等信息 分揀包裹 以便於用戶能夠準確的收到自己的包裹，分詞如下一樣，每個分詞組都記錄了來源的文檔位置方便索引，同時對匹配會有一個評分，匹配度高的詞彙來源文檔次數越多，這樣文檔的評分就越高
我們來創建一個我們的IK分析器測試 ik_max_word
{ "index":"_analyze?pretty", "param":{ "analyzer":"ik_max_word", "text":"這是一個非常好的分詞庫測試" } } 分詞結果： { "tokens": [ { "token": "這是", "start_offset": 0, "end_offset": 2, "type": "CN_WORD", "position": 0 }, { "token": "一個", "start_offset": 2, "end_offset": 4, "type": "CN_WORD", "position": 1 }, { "token": "一", "start_offset": 2, "end_offset": 3, "type": "TYPE_CNUM", "position": 2 }, { "token": "個", "start_offset": 3, "end_offset": 4, "type": "COUNT", "position": 3 }, { "token": "非常好", "start_offset": 4, "end_offset": 7, "type": "CN_WORD", "position": 4 }, { "token": "非常", "start_offset": 4, "end_offset": 6, "type": "CN_WORD", "position": 5 }, { "token": "好", "start_offset": 6, "end_offset": 7, "type": "CN_CHAR", "position": 6 }, { "token": "的", "start_offset": 7, "end_offset": 8, "type": "CN_CHAR", "position": 7 }, { "token": "分詞", "start_offset": 8, "end_offset": 10, "type": "CN_WORD", "position": 8 }, { "token": "詞庫", "start_offset": 9, "end_offset": 11, "type": "CN_WORD", "position": 9 }, { "token": "測試", "start_offset": 11, "end_offset": 13, "type": "CN_WORD", "position": 10 } ] }
同樣的句子我們再來以另一種規則分詞 ik_smart
{ "index":"_analyze?pretty", "param":{ "analyzer":"ik_smart", "text":"這是一個非常好的分詞庫測試" } } 分詞結果可以看到 { "tokens": [ { "token": "這是", "start_offset": 0, "end_offset": 2, "type": "CN_WORD", "position": 0 }, { "token": "一個", "start_offset": 2, "end_offset": 4, "type": "CN_WORD", "position": 1 }, { "token": "非常好", "start_offset": 4, "end_offset": 7, "type": "CN_WORD", "position": 2 }, { "token": "的", "start_offset": 7, "end_offset": 8, "type": "CN_CHAR", "position": 3 }, { "token": "分", "start_offset": 8, "end_offset": 9, "type": "CN_CHAR", "position": 4 }, { "token": "詞庫", "start_offset": 9, "end_offset": 11, "type": "CN_WORD", "position": 5 }, { "token": "測試", "start_offset": 11, "end_offset": 13, "type": "CN_WORD", "position": 6 } ] }
領域特定查詢語言（Query DSL）Elasticsearch 中強大靈活的查詢語言
說到這塊的查詢，表達式是以請求體的方式發送的而且是Get請求，一開始我也覺得很奇怪，我在.NetCore環境下模擬這些請求，Get請求帶請求體連我的Api路由都沒辦法匹配到
我又嘗試了用POST請求，但是這是可以查詢到結果的，於是我在Linux上又試了一次
curl -XGET "localhost:9200/test/_search?pretty" -H "Context-Type:application/json" -d "{Query DSL}"
這樣也是沒問題的，這塊是怎麼回事呢？
官方也給出了說明：
某些特定語言（特別是 JavaScript）的 HTTP 庫是不允許 GET 請求帶有請求體的。事實上，一些使用者對於 GET 請求可以帶請求體感到非常的吃驚，而事實是這個RFC文檔 RFC 7231— 一個專門負責處理 HTTP 語義和內容的文檔 — 並沒有規定一個帶有請求體的 GET 請求應該如何處理！結果是，一些 HTTP 服務器允許這樣子，而有一些 — 特別是一些用於緩存和代理的服務器 — 則不允許。
對於一個查詢請求，Elasticsearch 的工程師偏向於使用 GET 方式，因爲他們覺得它比 POST 能更好的描述信息檢索（retrieving information）的行爲。然而，因爲帶請求體的 GET 請求並不被廣泛支持，所以 search API同時支持 POST 請求
這也就是我使用POST請求的方式能夠成功的原因，它是都（GET/POST）支持的
合併查詢語句
葉子語句： 被用於將查詢字符串和一個字段（或者多個字段）對比 , 入宮MSSQL中組成的一個一個的條件，在MSSQL中一個一個的條件之間會存在一定的關係，比如 >、 <、 in、 not in 、= 、還有就是組合（）括號內的條件 等等，那麼在es中是怎麼來處理這樣的查詢關係呢？需要組合條件
如果是單個的查詢 match 匹配 not_match 等，這裏都是match 匹配 類似（like）而非精確查找，如 = 這種精確查找 要結合 _mapping 中的 not_analyzed 設置 和 terms 來處理
複合語句：在EF中用到過Linq lambda表達的都知道Expression，有時候在查詢結果組合後都會返回一個 boolean值，在es中這塊也是異曲同工。
查詢表達式需要在query裏面，當然也可以通過簡單查詢通過url地址處理，這裏的是表達式方式，可以處理複雜的一些查詢條件
{ "query":{ "match":{"filed1":"value1"}, "match":{"filed2":"value2"} } }
這裏的每一個match都是匹配型的類似like,這裏兩個match之間的關係是and並且關係，下面我們來驗證下
{ "index":"liyouming/_search?pretty", "param":{ "query":{ "match": { "mytext": "黎又銘" } } } }
可以看到結果 所有包含【黎又銘】的都檢索出來了
{ "took": 6, "timed_out": false, "_shards": { "total": 5, "successful": 5, "skipped": 0, "failed": 0 }, "hits": { "total": 3, "max_score": 3.0561461, "hits": [ { "_index": "liyouming", "_type": "liyoumingtext", "_id": "c7eQAWoB0Mh7sqcTGY-K", "_score": 3.0561461, "_source": { "mytext": "中午黎又銘在操場上打籃球" } }, { "_index": "liyouming", "_type": "liyoumingtext", "_id": "dLeQAWoB0Mh7sqcTdo9b", "_score": 2.1251993, "_source": { "mytext": "深夜還在寫代碼的人只有黎又銘" } }, { "_index": "liyouming", "_type": "liyoumingtext", "_id": "crePAWoB0Mh7sqcTzY-2", "_score": 0.8630463, "_source": { "mytext": "黎又銘早上吃了一碗麪" } } ] } }
接下來使用2個條件
{ "index":"liyouming/_search?pretty", "param":{ "query":{ "match": { "mytext": "黎又銘" }, "match": { "mytext": "中午" } } } } 查詢結果 同時滿足條件的就只有1條數據了 { "took": 4, "timed_out": false, "_shards": { "total": 5, "successful": 5, "skipped": 0, "failed": 0 }, "hits": { "total": 1, "max_score": 1.0187154, "hits": [ { "_index": "liyouming", "_type": "liyoumingtext", "_id": "c7eQAWoB0Mh7sqcTGY-K", "_score": 1.0187154, "_source": { "mytext": "中午黎又銘在操場上打籃球" } } ] } }
關於這塊查詢還有太多的東西，將會在後面的章節繼續介紹