Elasticsearch 數據搜索篇

時間 2019-11-13

原文原文鏈接

curl 'localhost:9200/_cat/indices?v'
health index pri rep docs.count docs.deleted store.size pri.store.size
yellow bank    5   1       1000            0    424.4kb        424.4kb

搜索API

ES提供了兩種搜索的方式：請求參數方式 和 請求體方式。數據庫

請求參數方式網絡

curl 'localhost:9200/bank/_search?q=*&pretty'

其中bank是查詢的索引名稱，q後面跟着搜索的條件：q=*表示查詢全部的內容dom

請求體方式（推薦這種方式）curl

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
  "query": { "match_all": {} }
}'

這種方式會把查詢的內容放入body中，會形成必定的開銷，可是易於理解。在平時的練習中，推薦這種方式。函數

返回的內容搜索引擎

{
  "took" : 26,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "failed" : 0
  },
  "hits" : {
    "total" : 1000,
    "max_score" : 1.0,
    "hits" : [ {
      "_index" : "bank",
      "_type" : "account",
      "_id" : "1",
      "_score" : 1.0, "_source" : {"account_number":1,"balance":39225,"firstname":"Amber","lastname":"Duke","age":32,"gender":"M","address":"880 Holmes Lane","employer":"Pyrami","email":"amberduke@pyrami.com","city":"Brogan","state":"IL"}
    }, {
      "_index" : "bank",
      "_type" : "account",
      "_id" : "6",
      "_score" : 1.0, "_source" : {"account_number":6,"balance":5686,"firstname":"Hattie","lastname":"Bond","age":36,"gender":"M","address":"671 Bristol Street","employer":"Netagy","email":"hattiebond@netagy.com","city":"Dante","state":"TN"}
    }, {
      "_index" : "bank",
      "_type" : "account",
      "_id" : "13",

返回的內容大體能夠以下講解：url

took：是查詢花費的時間，毫秒單位spa

time_out：標識查詢是否超時排序

_shards：描述了查詢分片的信息，查詢了多少個分片、成功的分片數量、失敗的分片數量等索引

hits：搜索的結果，total是所有的知足的文檔數目，hits是返回的實際數目（默認是10）

_score是文檔的分數信息，與排名相關度有關，參考各大搜索引擎的搜索結果，就容易理解。

因爲ES是一次性返回全部的數據，所以理解返回的內容是很必要的。它不像傳統的SQL是先返回數據的一個子集，再經過數據庫端的遊標不斷的返回數據（因爲對傳統的數據庫理解的不深，這裏有錯還望指正）。

查詢語言DSL

ES支持一種JSON格式的查詢，叫作DSL，domain specific language。這門語言剛開始比較難理解，所以經過幾個簡單的例子開始：

下面的命令，能夠搜索所有的文檔：

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

query定義了查詢，match_all聲明瞭查詢的類型。還有其餘的參數能夠控制返回的結果：

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
  "query": { "match_all": {} },
  "size": 1
}'

上面的命令返回了全部文檔數據中的第一條文檔。若是size不指定，那麼默認返回10條。

下面的命令請求了第10-20的文檔。

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
  "query": { "match_all": {} },
  "from": 10,
  "size": 10
}'

下面的命令指定了文檔返回的排序方式：

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
  "query": { "match_all": {} },
  "sort": { "balance": { "order": "desc" } }
}'

執行搜索

上面瞭解了基本的搜索語句，下面就開始深刻一些經常使用的DSL了。

以前的返回數據都是返回文檔的全部內容，這種對於網絡的開銷確定是有影響的，下面的例子就指定了返回特定的字段：

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
  "query": { "match_all": {} },
  "_source": ["account_number", "balance"]
}'

再回到query，以前的查詢都是查詢全部的文檔，並不能稱之爲搜索引擎。下面就經過match方式查詢特定字段的特定內容，好比查詢餘額爲20的帳戶信息：

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
  "query": { "match": { "account_number": 20 } }
}'

查詢地址爲mill的信息：

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
  "query": { "match": { "address": "mill" } }
}'

查詢地址爲mill或者lane的信息：

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
  "query": { "match": { "address": "mill lane" } }
}'

若是咱們想要返回同時包含mill和lane的，能夠經過match_phrase查詢：

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
  "query": { "match_phrase": { "address": "mill lane" } }
}'

ES提供了bool查詢，能夠把不少小的查詢組成一個更爲複雜的查詢，好比查詢同時包含mill和lane的文檔：

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
  "query": {
    "bool": {
      "must": [
        { "match": { "address": "mill" } },
        { "match": { "address": "lane" } }
      ]
    }
  }
}'

修改bool參數，能夠改成查詢包含mill或者lane的文檔：

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
  "query": {
    "bool": {
      "should": [
        { "match": { "address": "mill" } },
        { "match": { "address": "lane" } }
      ]
    }
  }
}'

也能夠改寫爲must_not，排除包含mill和lane的文檔：

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
  "query": {
    "bool": {
      "must_not": [
        { "match": { "address": "mill" } },
        { "match": { "address": "lane" } }
      ]
    }
  }
}'

bool查詢能夠同時使用must, should, must_not組成一個複雜的查詢：

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
  "query": {
    "bool": {
      "must": [
        { "match": { "age": "40" } }
      ],
      "must_not": [
        { "match": { "state": "ID" } }
      ]
    }
  }
}'

過濾查詢

以前說過score字段指定了文檔的分數，使用查詢會計算文檔的分數，最後經過分數肯定哪些文檔更相關，返回哪些文檔。

有的時候咱們可能對分數不感興趣，就可使用filter進行過濾，它不會去計算分值，所以效率也就更高一些。

filter過濾能夠嵌套在bool查詢內部使用，好比想要查詢在2000-3000範圍內的全部文檔，能夠執行下面的命令：

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
  "query": {
    "bool": {
      "must": { "match_all": {} },
      "filter": {
        "range": {
          "balance": {
            "gte": 20000,
            "lte": 30000
          }
        }
      }
    }
  }
}'

ES除了上面介紹過的範圍查詢range、match_all、match、bool、filter還有不少其餘的查詢方式，這裏就先不一一說明了。

聚合

聚合提供了用戶進行分組和數理統計的能力，能夠把聚合理解成SQL中的GROUP BY和分組函數。在ES中，你能夠在一次搜索查詢的時間內，即完成搜索操做也完成聚合操做，這樣就下降了屢次使用REST API形成的網絡開銷。

下面就是經過terms聚合的簡單樣例：

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
  "size": 0,
  "aggs": {
    "group_by_state": {
      "terms": {
        "field": "state"
      }
    }
  }
}'

它相似於SQL中的下面的語句：

SELECT state, COUNT(*) FROM bank GROUP BY state ORDER BY COUNT(*) DESC

返回的數據：

"hits" : {
    "total" : 1000,
    "max_score" : 0.0,
    "hits" : [ ]
  },
  "aggregations" : {
    "group_by_state" : {
      "buckets" : [ {
        "key" : "al",
        "doc_count" : 21
      }, {
        "key" : "tx",
        "doc_count" : 17
      }, {
        "key" : "id",
        "doc_count" : 15
      }, {
        "key" : "ma",
        "doc_count" : 15
      }, {
        "key" : "md",
        "doc_count" : 15
      }, {
        "key" : "pa",
        "doc_count" : 15
      }, {
        "key" : "dc",
        "doc_count" : 14
      }, {
        "key" : "me",
        "doc_count" : 14
      }, {
        "key" : "mo",
        "doc_count" : 14
      }, {
        "key" : "nd",
        "doc_count" : 14
      } ]
    }
  }
}

因爲size設置爲0，它並無返回文檔的信息，只是返回了聚合的結果。

好比統計不一樣帳戶狀態下的平均餘額：

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
  "size": 0,
  "aggs": {
    "group_by_state": {
      "terms": {
        "field": "state"
      },
      "aggs": {
        "average_balance": {
          "avg": {
            "field": "balance"
          }
        }
      }
    }
  }
}'

聚合支持嵌套，舉個例子，先按範圍分組，在統計不一樣性別的帳戶餘額：

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '

{
  "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"
          },
          "aggs": {
            "average_balance": {
              "avg": {
                "field": "balance"
              }
            }
          }
        }
      }
    }
  }
}'

聚合能夠實現不少複雜的功能，並且ES也提供了不少複雜的聚合，這裏做爲引導篇，也不過多介紹了。