3.快速入门
接下来快速看下elasticsearch的使用
3.1.概念
Elasticsearch虽然是一种NoSql库，但最终的目的是存储数据、检索数据。因此很多概念与MySQL类似的。
| ES中的概念 | 数据库概念 | 说明 |
|---|---|---|
| 索引库（indices) | 数据库（Database） | ES中可以有多个索引库，就像Mysql中有多个Database一样。 |
| 类型 | 表（table） | mysql中database可以有多个table，table用来约束数据结构。而ES中的每个索引库中只有一个类型，类型中用来约束字段属性的叫做映射(mapping) |
| 映射（mappings） | 表的字段约束 | mysql表对字段有约束，ES中叫做映射，用来约束字段属性，包括：字段名称、数据类型等信息 |
| 文档（document） | 行（Row） | 存入索引库原始的数据，比如每一条商品信息，就是一个文档。对应mysql中的每行数据 |
| 字段（field） | 列（Column） | 文档中的属性，一个文档可以有多个属性。就像mysql中一行数据可以有多个列。 |
因此，我们对ES的操作，就是对索引库、类型映射、文档数据的操作：
- 索引库操作：主要包含创建索引库、查询索引库、删除索引库等
- 类型映射操作：主要是创建类型映射、查看类型映射
- 文档操作：文档的新增、修改、删除、查询
Rest的API介绍
操作MySQL，主要是database操作、表操作、数据操作，对应在elasticsearch中，分别是对索引库操作、类型映射操作、文档数据的操作：
- 索引库操作：主要包含创建索引库、查询索引库、删除索引库等
- 类型映射操作：主要是创建类型映射、查看类型映射
- 文档操作：文档的新增、修改、删除、查询
而ES中完成上述操作都可以通过Rest风格的API来完成，符合请求要求的Http请求就可以完成数据的操作，详见官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html
下面我们分别来学习。
4.ES的索引库操作
按照Rest风格，增删改查分别使用：POST、DELETE、PUT、GET等请求方式，路径一般是资源名称。因此索引库操作的语法类似。
4.1.创建索引库
创建索引库的请求格式：
请求方式：PUT
请求路径：/索引库名
请求参数：格式：
{ "settings": { "属性名": "属性值" }}settings：就是索引库设置，其中可以定义索引库的各种属性，目前我们可以不设置，都走默认。
示例：
put /索引库名{ "settings": { "属性名": "属性值" }}在Kibana中测试一下：
这里我们没有写settings属性，索引库配置都走默认。
4.2.查询索引库
Get请求可以帮我们查看索引信息，格式：
GET /索引库名在Kibana中测试一下：
可以看到返回的信息也是JSON格式，其中包含这么几个属性：
- mappings：类型映射，目前我们没有给索引库设置映射
- settings：索引库配置，目前是默认配置
4.3.删除索引库
删除索引使用DELETE请求，格式：
DELETE /索引库名在Kibana中测试一下：
4.4.总结
索引库操作：
- 创建索引库：
PUT /库名称 - 查询索引库：
GET /索引库名称 - 删除索引库：
DELETE /索引库名称
5.类型映射
MySQL中有表，并且表中有对字段的约束，对应到elasticsearch中就是类型映射mapping.
5.1.映射属性
索引库数据类型是松散的，不过也需要我们指定具体的字段及字段约束信息。而约束字段信息的就叫做映射（mapping）。
映射属性包括很多：
参考官网：https://www.elastic.co/guide/en/elasticsearch/reference/7.x/mapping-params.html
elasticsearch字段的映射属性该怎么选，除了字段名称外，我们一般要考虑这样几个问题：
1）数据的类型是什么？
- 这个比较简单，根据字段的含义即可知道，可以通过
type属性来指定
- 这个比较简单，根据字段的含义即可知道，可以通过
2）数据是否参与搜索？
- 参与搜索的字段将来需要创建倒排索引，作为搜索字段。可以通过
index属性来指定是否参与搜索，默认为true，也就是每个字段都参与搜索
- 参与搜索的字段将来需要创建倒排索引，作为搜索字段。可以通过
3）数据存储时是否需要分词？
- 一个字段的内容如果不是一个不可分割的整体，例如国家，一般都需要分词存储。
4）如果分词的话用什么分词器？
- 分词器类型很多，中文一般选择IK分词器
- 指定分词器类型可以通过
analyzer属性指定
5.2.数据类型
elasticsearch提供了非常丰富的数据类型：
比较常见的有：
string类型，又分两种：
- text：可分词，存储到elasticsearch时会根据分词器分成多个词条
- keyword：不可分词，数据会完整的作为一个词条
Numerical：数值类型，分两类
基本数据类型：long、interger、short、byte、double、float、half_float
浮点数的高精度类型：scaled_float
- 需要指定一个精度因子，比如10或100。elasticsearch会把真实值乘以这个因子后存储，取出时再还原。
Date：日期类型
Object：对象，对象不便于搜索。因此ES会把对象数据扁平化处理再存储。
5.3.创建类型映射
我们可以给一个已经存在的索引库添加映射关系，也可以创建索引库的同时直接指定映射关系。
5.3.1.索引库已经存在
我们假设已经存在一个索引库，此时要给索引库添加映射。
语法
请求方式依然是PUT
PUT /索引库名/_mapping{ "properties": { "字段名1": { "type": "类型", "index": true， "analyzer": "分词器" }, "字段名2": { "type": "类型", "index": true， "analyzer": "分词器" }, ... }}类型名称：就是前面将的type的概念，类似于数据库中的表 字段名：任意填写，下面指定许多属性，例如：
- type：类型，可以是text、long、short、date、integer、object等
- index：是否参与搜索，默认为true
- analyzer：分词器
示例
发起请求：
PUT /hello/_mapping{ "properties": { "title": { "type": "text", "analyzer": "ik_max_word" }, "images": { "type": "keyword", "index": "false" }, "price": { "type": "float" } }}响应结果：
{ "acknowledged": true}上述案例中，就给hello这个索引库中设置了3个字段：
title：商品标题
- index：标题一般都参与搜索，所以index没有配置，按照默认为true
- type: 标题是字符串类型，并且参与搜索和分词，所以用text
- analyzer：标题内容一般较多，查询时需要分词，所以指定了IK分词器
images：商品图片
- type：图片是字符串，并且url不需要分词，所以用keyword
- index：图片url不参与搜索，所以给false
price：商品价格
- type：价格，浮点型，这里给了float
- index：这里没有配置，默认是true，代表参与搜索
并且给这些字段设置了一些属性：
5.3.2.索引库不存在
如果一个索引库是不存在的，我们就不能用上面的语法，而是这样：
PUT /索引库名{ "mappings":{ "properties": { "字段名1": { "type": "类型", "index": true， "analyzer": "分词器" }, "字段名2": { "type": "类型", "index": true， "analyzer": "分词器" }, ... } }}示例：
# 创建索引库和映射PUT /hello2{ "mappings": { "properties": { "title": { "type": "text", "analyzer": "ik_max_word" }, "images": { "type": "keyword", "index": "false" }, "price": { "type": "float" } } }}结果：
{ "acknowledged" : true, "shards_acknowledged" : true, "index" : "hello"}5.4.查看映射关系
查看使用Get请求
语法：
GET /索引库名/_mapping示例：
GET /hello/_mapping响应：
{ "hello" : { "aliases" : { }, "mappings" : { "properties" : { "images" : { "type" : "keyword", "index" : false }, "price" : { "type" : "float" }, "title" : { "type" : "text", "analyzer" : "ik_max_word" } } }, "settings" : { "index" : { "creation_date" : "1590744589271", "number_of_shards" : "1", "number_of_replicas" : "1", "uuid" : "v7AHmI9ST76rHiCNHb5KQg", "version" : { "created" : "7040299" }, "provided_name" : "hello" } } }}6.文档的操作
我们把数据库中的每一行数据查询出来，存入索引库，就是文档。文档的主要操作包括新增、查询、修改、删除。
6.1.新增文档
6.1.1.新增并随机生成id
通过POST请求，可以向一个已经存在的索引库中添加文档数据。ES中，文档都是以JSON格式提交的。
语法：
POST /{索引库名}/_doc{ "key":"value"}示例：
# 新增文档数据POST /hello/_doc{ "title":"小米手机", "images":"http://image.leyou.com/12479122.jpg", "price":2699.00}响应：
{ "_index" : "hello", "_type" : "_doc", "_id" : "rGFGbm8BR8Fh6kyTbuq8", "_version" : 1, "result" : "created", "_shards" : { "total" : 2, "successful" : 1, "failed" : 0 }, "_seq_no" : 0, "_primary_term" : 1}结果解释：
_index：新增到了哪一个索引库。_id：这条文档数据的唯一标示，文档的增删改查都依赖这个id作为唯一标示。此处是由ES随即生成的，我们也可以指定使用某个IDresult：执行结果，可以看到结果显示为：created，说明文档创建成功。
6.1.1.新增并指定id
通过POST请求，可以向一个已经存在的索引库中添加文档数据。ES中，文档都是以JSON格式提交的。
语法：
POST /{索引库名}/_doc/{id}{ "key":"value"}示例：
# 新增文档数据并指定idPOST /hello/_doc/1{ "title":"小米手机", "images":"http://image.lello.com/12479122.jpg", "price":2699.00}响应：
{ "_index" : "hello", "_type" : "_doc", "_id" : "1", "_version" : 1, "result" : "created", "_shards" : { "total" : 2, "successful" : 1, "failed" : 0 }, "_seq_no" : 1, "_primary_term" : 1}同样新增成功了！
6.2.查看文档
根据rest风格，新增是post，查询应该是get，不过查询一般都需要条件，这里我们把刚刚生成数据的id带上。
语法：
GET /{索引库名称}/_doc/{id}通过kibana查看数据：
GET /hello/_doc/rGFGbm8BR8Fh6kyTbuq8查看结果：
{ "_index": "hello", "_type": "goods", "_id": "r9c1KGMBIhaxtY5rlRKv", "_version": 1, "found": true, "_source": { "title": "小米手机", "images": "http://image.lello.com/12479122.jpg", "price": 2699 }}_source：源文档信息，所有的数据都在里面。
6.3.修改文档
把刚才新增的请求方式改为PUT，就是修改了。不过修改必须指定id，
- id对应文档存在，则修改
- id对应文档不存在，则新增
比如，我们把使用id为3，不存在，则应该是新增：
# 新增PUT /hello/_doc/2{ "title":"大米手机", "images":"http://image.lello.com/12479122.jpg", "price":2899.00}结果：
{ "_index" : "hello", "_type" : "_doc", "_id" : "2", "_version" : 1, "result" : "created", "_shards" : { "total" : 2, "successful" : 1, "failed" : 0 }, "_seq_no" : 2, "_primary_term" : 1}可以看到是created，是新增。
我们再次执行刚才的请求，不过把数据改一下：
# 修改PUT /hello/_doc/2{ "title":"大米手机Pro", "images":"http://image.lello.com/12479122.jpg", "price":3099.00}查看结果：
{ "_index" : "hello", "_type" : "_doc", "_id" : "2", "_version" : 2, "result" : "updated", "_shards" : { "total" : 2, "successful" : 1, "failed" : 0 }, "_seq_no" : 3, "_primary_term" : 1}可以看到结果是：updated，显然是更新数据
说明:
es对API的要求并没有那么严格
如:
- POST 新增文档时：如果指定了id，并且id在索引库不存在，直接存入索引库；如果id已经存在，则执行修改
- PUT修改文档时：先根据id删除指定文档，然后加入新的文档
- PUT修改文档时: 如果对应的文档不存在时，会添加该文档
6.4.删除文档
删除使用DELETE请求，同样，需要根据id进行删除：
语法
DELETE /索引库名/类型名/id值示例
# 根据id删除数据DELETE /hello/_doc/rGFGbm8BR8Fh6kyTbuq8结果：
{ "_index" : "hello", "_type" : "_doc", "_id" : "rGFGbm8BR8Fh6kyTbuq8", "_version" : 2, "result" : "deleted", "_shards" : { "total" : 2, "successful" : 1, "failed" : 0 }, "_seq_no" : 4, "_primary_term" : 1}可以看到结果result为：deleted，说明删除成功了。
6.5.默认映射
刚刚我们在新增数据时，添加的字段都是提前在类型中通过mapping定义过的，如果我们添加的字段并没有提前定义过，能够成功吗？
事实上Elasticsearch有一套默认映射规则，如果新增的字段从未定义过，那么就会按照默认映射规则来存储。
测试一下：
# 新增未映射字段POST /hello/_doc/3{ "title":"超大米手机", "images":"http://image.lello.com/12479122.jpg", "price":3299.00, "stock": 200, "saleable":true, "subTitle":"超级双摄,亿级像素"}我们额外添加了stock库存，saleable是否上架，subtitle副标题、3个字段。
来看结果：
{ "_index" : "hello", "_type" : "_doc", "_id" : "3", "_version" : 1, "result" : "created", "_shards" : { "total" : 2, "successful" : 1, "failed" : 0 }, "_seq_no" : 5, "_primary_term" : 1}成功了！在看下索引库的映射关系:
{ "hello" : { "mappings" : { "properties" : { "images" : { "type" : "keyword", "index" : false }, "price" : { "type" : "float" }, "saleable" : { "type" : "boolean" }, "stock" : { "type" : "long" }, "subTitle" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } }, "title" : { "type" : "text", "analyzer" : "ik_max_word" } } } }}stock、saleable、subtitle都被成功映射了:
stock：默认映射为long类型
saleable：映射为布尔类型
subtitle是String类型数据，ES无法确定该用text还是keyword，它就会存入两个字段。例如：
- subtitle：text类型
- subtitle.keyword：keyword类型
如图：
6.6.动态映射模板
6.6.1.基本语法
默认映射规则不一定符合我们的需求，我们可以按照自己的方式来定义默认规则。这就需要用到动态模板了。
动态模板的语法：
模板名称，随便起
匹配条件，凡是符合条件的未定义字段，都会按照这个mapping中的规则来映射，匹配规则包括：
match_mapping_type：按照数据类型匹配，如：string匹配字符串类型，long匹配整型match和unmatch：按照名称通配符匹配，如：t_*匹配名称以t开头的字段
映射规则，匹配成功后的映射规则
凡是映射规则中未定义，而符合2中的匹配条件的字段，就会按照3中定义的映射方式来映射
6.6.2.示例
在kibana中定义一个索引库，并且设置动态模板：
# 动态模板PUT hello3 { "mappings": { "properties": { "title": { "type": "text", "analyzer": "ik_max_word" } }, "dynamic_templates": [ { "strings": { "match_mapping_type": "string", "mapping": { "type": "keyword" } } } ] }}这个动态模板的意思是：凡是string类型的自动，统一按照 keyword来处理。
接下来新增一个数据试试：
POST /hello2/_doc/1{ "title":"超大米手机", "images":"http://image.lello.com/12479122.jpg", "price":3299.00}然后查看映射：
GET /hello2/_mapping结果：
{ "hello2" : { "mappings" : { "dynamic_templates" : [ { "strings" : { "match_mapping_type" : "string", "mapping" : { "type" : "keyword" } } } ], "properties" : { "images" : { "type" : "keyword" }, "price" : { "type" : "float" }, "title" : { "type" : "text", "analyzer" : "ik_max_word" } } } }}可以看到images是一个字符串，被映射成了keyword类型。
7.查询
首先我们批量导入一些数据，方便后面的讲解：
# 删除hello索引库DELETE /hello# 重新创建PUT /hello{ "mappings": { "properties": { "title": { "type": "text", "analyzer": "ik_max_word" }, "images": { "type": "keyword", "index": "false" }, "price": { "type": "float" } } }}# 批量导入POST _bulk{"index":{"_index":"hello","_type":"_doc","_id":"1"}}{"title":"三星 Note II (N7100) 云石白 联通3G手机","images":"http://image.leyou.com/12479122.jpg","price":2599.00}{"index":{"_index":"hello","_type":"_doc","_id":"2"}}{"title":"三星 B9120 钛灰色 联通3G手机 双卡双待双通","images":"http://image.leyou.com/12479122.jpg","price":2899.00}{"index":{"_index":"hello","_type":"_doc","_id":"3"}}{"title":"夏普（SHARP）LCD-46DS40A 46英寸 日本原装液晶面板 智能全高清液晶电视","images":"http://image.leyou.com/12479122.jpg","price":12880.00}{"index":{"_index":"hello","_type":"_doc","_id":"4"}}{"title":"中兴 U288 珠光白 移动3G手机","images":"http://image.leyou.com/12479122.jpg","price":1099.00}{"index":{"_index":"hello","_type":"_doc","_id":"5"}}{"title":"飞利浦 老人手机 (X2560) 喜庆红 移动联通2G手机 双卡双待","images":"http://image.leyou.com/12479122.jpg","price":500.00}{"index":{"_index":"hello","_type":"_doc","_id":"6"}}{"title":"诺基亚(NOKIA) 1050 (RM-908) 黑色 移动联通2G手机","images":"http://image.leyou.com/12479122.jpg","price":998.00}{"index":{"_index":"hello","_type":"_doc","_id":"7"}}{"title":"海信（Hisense）LED42EC260JD 42英寸 窄边网络 LED电视（黑色）","images":"http://image.leyou.com/12479122.jpg","price":3255.00}{"index":{"_index":"hello","_type":"_doc","_id":"8"}}{"title":"酷派 8076D 咖啡棕 移动3G手机 双卡双待","images":"http://image.leyou.com/12479122.jpg","price":1499.00}{"index":{"_index":"hello","_type":"_doc","_id":"9"}}{"title":"华为 P6 (P6-C00) 黑 电信3G手机 双卡双待双通", "images":"http://image.leyou.com/12479122.jpg","price":2340.00}{"index":{"_index":"hello","_type":"_doc","_id":"10"}}{"title":"康佳（KONKA） LED42K11A 42英寸 网络安卓智能液晶电视（黑色+银色）","images":"http://image.leyou.com/12479122.jpg","price":3699.00}7.1.基本查询
elasticsearch提供的查询方式有很多，例如：
- 查询所有
- 分词查询
- 词条查询
- 模糊查询
- 范围查询
- 布尔查询
虽然查询的方式有很多，但是基本语法是一样的：
基本语法
GET /索引库名/_search{ "query":{ "查询类型":{ "查询条件":"查询条件值" } }}这里的query代表一个查询对象，里面可以有不同的查询属性
查询类型，有许多固定的值，如：
- match_all：查询所有
- match：分词查询
- term：词条查询
- fuzzy：模糊查询
- range：范围查询
- bool：布尔查询
查询条件：查询条件会根据类型的不同，写法也有差异，后面详细讲解
注意: 只有index为true的字段才可以作为查询条件哦~~
7.1.1 查询所有match_all
示例：
# 查询所有 match_allGET /hello/_search{ "query":{ "match_all": {} }}query：代表查询对象match_all：代表查询所有
结果：
{ "took" : 3, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 10, "relation" : "eq" }, "max_score" : 1.0, "hits" : [ { "_index" : "hello", "_type" : "_doc", "_id" : "2", "_score" : 1.0, "_source" : { "title" : "三星 Note II (N7100) 云石白 联通3G手机", "images" : "http://image.leyou.com/12479122.jpg", "price" : 2599 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "1", "_score" : 1.0, "_source" : { "title" : "三星 B9120 钛灰色 联通3G手机 双卡双待双通", "images" : "http://image.leyou.com/12479122.jpg", "price" : 2899 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "3", "_score" : 1.0, "_source" : { "title" : "夏普（SHARP）LCD-46DS40A 46英寸 日本原装液晶面板 智能全高清液晶电视", "images" : "http://image.leyou.com/12479122.jpg", "price" : 12880 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "4", "_score" : 1.0, "_source" : { "title" : "中兴 U288 珠光白 移动3G手机", "images" : "http://image.leyou.com/12479122.jpg", "price" : 1099 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "5", "_score" : 1.0, "_source" : { "title" : "飞利浦 老人手机 (X2560) 喜庆红 移动联通2G手机 双卡双待", "images" : "http://image.leyou.com/12479122.jpg", "price" : 500 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "6", "_score" : 1.0, "_source" : { "title" : "诺基亚(NOKIA) 1050 (RM-908) 黑色 移动联通2G手机", "images" : "http://image.leyou.com/12479122.jpg", "price" : 998 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "7", "_score" : 1.0, "_source" : { "title" : "海信（Hisense）LED42EC260JD 42英寸 窄边网络 LED电视（黑色）", "images" : "http://image.leyou.com/12479122.jpg", "price" : 3255 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "8", "_score" : 1.0, "_source" : { "title" : "酷派 8076D 咖啡棕 移动3G手机 双卡双待", "images" : "http://image.leyou.com/12479122.jpg", "price" : 1499 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "9", "_score" : 1.0, "_source" : { "title" : "华为 P6 (P6-C00) 黑 电信3G手机 双卡双待双通", "images" : "http://image.leyou.com/12479122.jpg", "price" : 2340 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "10", "_score" : 1.0, "_source" : { "title" : "康佳（KONKA） LED42K11A 42英寸 网络安卓智能液晶电视（黑色+银色）", "images" : "http://image.leyou.com/12479122.jpg", "price" : 3699 } } ] }}took：查询花费时间，单位是毫秒
time_out：是否超时
_shards：分片信息
hits：搜索结果总览对象
total：搜索到的总条数
max_score：所有结果中文档得分的最高分
hits：搜索结果的文档对象数组，每个元素是一条搜索到的文档信息
- _index：索引库
- _type：文档类型
- _id：文档id
- _score：文档得分
Elasticsearch 默认是按照文档与查询的相关度 (匹配度) 的得分倒序返回结果的. 得分 (_score) 就越大, 表示相关性越高.
- _source：文档的源数据
7.1.2 分词查询match
match类型查询，会把查询条件进行分词，然后进行查询,多个词条之间默认是or的关系
语法：
GET /hello/_search{ "query":{ "match":{ "字段名":"搜索条件" } }}示例：
GET /hello/_search{ "query":{ "match":{ "title":"三星手机" } }}结果：
{ "took" : 5, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 7, "relation" : "eq" }, "max_score" : 5.250329, "hits" : [ { "_index" : "hello", "_type" : "_doc", "_id" : "2", "_score" : 5.250329, "_source" : { "title" : "三星 Note II (N7100) 云石白 联通3G手机", "images" : "http://image.leyou.com/12479122.jpg", "price" : 2599 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "1", "_score" : 5.250329, "_source" : { "title" : "三星 B9120 钛灰色 联通3G手机 双卡双待双通", "images" : "http://image.leyou.com/12479122.jpg", "price" : 2899 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "5", "_score" : 1.0063455, "_source" : { "title" : "飞利浦 老人手机 (X2560) 喜庆红 移动联通2G手机 双卡双待", "images" : "http://image.leyou.com/12479122.jpg", "price" : 500 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "4", "_score" : 0.83515364, "_source" : { "title" : "中兴 U288 珠光白 移动3G手机", "images" : "http://image.leyou.com/12479122.jpg", "price" : 1099 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "6", "_score" : 0.8129092, "_source" : { "title" : "诺基亚(NOKIA) 1050 (RM-908) 黑色 移动联通2G手机", "images" : "http://image.leyou.com/12479122.jpg", "price" : 998 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "8", "_score" : 0.8129092, "_source" : { "title" : "酷派 8076D 咖啡棕 移动3G手机 双卡双待", "images" : "http://image.leyou.com/12479122.jpg", "price" : 1499 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "9", "_score" : 0.73464036, "_source" : { "title" : "华为 P6 (P6-C00) 黑 电信3G手机 双卡双待双通", "images" : "http://image.leyou.com/12479122.jpg", "price" : 2340 } } ] }}查询结果中把title 字段包含了 “三星” 或 “手机” 的数据都查询了处理，说明在默认情况下，
分词查询 将查询条件进行分词，并以 or 的关系，将所有满足条件的数据查了出来。
某些情况下，我们需要更精确查找，我们希望这个关系变成and，可以这样做：
GET /hello/_search{ "query":{ "match":{ "title":{"query":"三星手机","operator":"and"} } }}结果：
{ "took" : 2, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 2, "relation" : "eq" }, "max_score" : 5.250329, "hits" : [ { "_index" : "hello", "_type" : "_doc", "_id" : "2", "_score" : 5.250329, "_source" : { "title" : "三星 Note II (N7100) 云石白 联通3G手机", "images" : "http://image.leyou.com/12479122.jpg", "price" : 2599 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "1", "_score" : 5.250329, "_source" : { "title" : "三星 B9120 钛灰色 联通3G手机 双卡双待双通", "images" : "http://image.leyou.com/12479122.jpg", "price" : 2899 } } ] }}本例中，只有同时包含三星和手机的词条才会被搜索到。
7.1.3 词条匹配term
term 查询，词条查询。查询的条件是一个词条，不会被分词。可以是keyword类型的字符串、数值、或者text类型字段中分词得到的某个词条.
GET /hello/_search{ "query":{ "term": { "price": 2599 } }}结果：
{ "took" : 0, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 1, "relation" : "eq" }, "max_score" : 1.0, "hits" : [ { "_index" : "hello", "_type" : "_doc", "_id" : "2", "_score" : 1.0, "_source" : { "title" : "三星 Note II (N7100) 云石白 联通3G手机", "images" : "http://image.leyou.com/12479122.jpg", "price" : 2599 } } ] }}7.1.4.模糊查询fuzzy
相似度查询
首先看一个概念，叫做编辑距离：一个词条变为另一个词条需要修改的次数，例如：
facebool 要修改成facebook 需要做的是把 l 修改成k ，一次即可，编辑距离就是1
模糊查询允许用户查询内容与实际内容存在偏差，但是编辑距离不能超过2，示例：
# 模糊查询 fuzzyGET /hello/_search{ "query":{ "fuzzy": { "title": { "value": "飞利铺", "fuzziness": 1 } } }}本例中我搜索的是飞利铺，看看结果：
{ "took" : 2, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 1, "relation" : "eq" }, "max_score" : 1.2439895, "hits" : [ { "_index" : "hello", "_type" : "_doc", "_id" : "5", "_score" : 1.2439895, "_source" : { "title" : "飞利浦 老人手机 (X2560) 喜庆红 移动联通2G手机 双卡双待", "images" : "http://image.leyou.com/12479122.jpg", "price" : 500 } } ] }}可以看到结果中飞利浦还是被搜索到了。
7.1.5.范围查询range
range 查询找出那些落在指定区间内的数字或者时间
# 范围查询GET /hello/_search{ "query": { "range": { "price": { "gte": 1000, "lt": 2800 } } }}range查询允许以下字符：
| 操作符 | 说明 |
|---|---|
| gt | 大于 |
| gte | 大于等于 |
| lt | 小于 |
| lte | 小于等于 |
结果：
{ "took" : 0, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 4, "relation" : "eq" }, "max_score" : 1.0, "hits" : [ { "_index" : "hello", "_type" : "_doc", "_id" : "2", "_score" : 1.0, "_source" : { "title" : "三星 Note II (N7100) 云石白 联通3G手机", "images" : "http://image.leyou.com/12479122.jpg", "price" : 2599 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "4", "_score" : 1.0, "_source" : { "title" : "中兴 U288 珠光白 移动3G手机", "images" : "http://image.leyou.com/12479122.jpg", "price" : 1099 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "8", "_score" : 1.0, "_source" : { "title" : "酷派 8076D 咖啡棕 移动3G手机 双卡双待", "images" : "http://image.leyou.com/12479122.jpg", "price" : 1499 } }, { "_index" : "hello", "_type" : "_doc", "_id" : "9", "_score" : 1.0, "_source" : { "title" : "华为 P6 (P6-C00) 黑 电信3G手机 双卡双待双通", "images" : "http://image.leyou.com/12479122.jpg", "price" : 2340 } } ] }}7.1.6.布尔查询
bool把各种其它查询通过must（与）、must_not（非）、should（或）的方式进行组合
# 想查找手机# 想查找价格 2099 ~ 2999# 不想用三星GET /hello/_search{ "query": { "bool": { "must": [ { "match": { "title": "手机" } }, { "range": { "price": { "gte": 2099, "lte": 2999 } } } ], "must_not": [ { "match": { "title": "三星" } } ] } }}结果：
{ "took" : 7, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 1, "relation" : "eq" }, "max_score" : 1.7346404, "hits" : [ { "_index" : "hello", "_type" : "_doc", "_id" : "9", "_score" : 1.7346404, "_source" : { "title" : "华为 P6 (P6-C00) 黑 电信3G手机 双卡双待双通", "images" : "http://image.leyou.com/12479122.jpg", "price" : 2340 } } ] }}三个关系规则：
- MUST：该规则必须有效
- MUST_NOT:该规则必须无效
- SHOULD:该规则可以有效。
常见组合：
- Must+Must：交集：结果准确 ，类似于and
- Should+Should：并集：结果最多，类似于Or
- Must+MustNot：补集：排除某结果
各种组合参考（自己理解）：
1）、MUST和MUST表示“与”的关系，即“交集”。
2）、MUST和MUST_NOT前者包含后者不包含。
3）、MUST_NOT和MUST_NOT没意义
4）、SHOULD与MUST表示MUST，SHOULD失去意义；
5）、SHOUlD与MUST_NOT相当于MUST与MUST_NOT。
6）、SHOULD与SHOULD表示“或”的概念。
7.2. 排序
排序、高亮、分页并不属于查询的条件，因此并不是在query内部，而是与query平级，
基本语法：
GET /{索引库名称}/_search{ "query": { ... }, "sort": [ { "{排序字段}": { "order": "{asc或desc}" } } ]}sort 可以让我们按照不同的字段进行排序，并且通过order指定排序的方式
注意: 分词字段不能参与排序哦~~
# 排序GET /hello/_search{ "query": { "match": { "title": "手机" } }, "sort": [ { "price": { "order": "desc" } } ]}结果：
{ "took" : 5, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 7, "relation" : "eq" }, "max_score" : null, "hits" : [ { "_index" : "hello", "_type" : "_doc", "_id" : "1", "_score" : null, "_source" : { "title" : "三星 B9120 钛灰色 联通3G手机 双卡双待双通", "images" : "http://image.leyou.com/12479122.jpg", "price" : 2899 }, "sort" : [ 2899.0 ] }, { "_index" : "hello", "_type" : "_doc", "_id" : "2", "_score" : null, "_source" : { "title" : "三星 Note II (N7100) 云石白 联通3G手机", "images" : "http://image.leyou.com/12479122.jpg", "price" : 2599 }, "sort" : [ 2599.0 ] }, { "_index" : "hello", "_type" : "_doc", "_id" : "9", "_score" : null, "_source" : { "title" : "华为 P6 (P6-C00) 黑 电信3G手机 双卡双待双通", "images" : "http://image.leyou.com/12479122.jpg", "price" : 2340 }, "sort" : [ 2340.0 ] }, { "_index" : "hello", "_type" : "_doc", "_id" : "8", "_score" : null, "_source" : { "title" : "酷派 8076D 咖啡棕 移动3G手机 双卡双待", "images" : "http://image.leyou.com/12479122.jpg", "price" : 1499 }, "sort" : [ 1499.0 ] }, { "_index" : "hello", "_type" : "_doc", "_id" : "4", "_score" : null, "_source" : { "title" : "中兴 U288 珠光白 移动3G手机", "images" : "http://image.leyou.com/12479122.jpg", "price" : 1099 }, "sort" : [ 1099.0 ] }, { "_index" : "hello", "_type" : "_doc", "_id" : "6", "_score" : null, "_source" : { "title" : "诺基亚(NOKIA) 1050 (RM-908) 黑色 移动联通2G手机", "images" : "http://image.leyou.com/12479122.jpg", "price" : 998 }, "sort" : [ 998.0 ] }, { "_index" : "hello", "_type" : "_doc", "_id" : "5", "_score" : null, "_source" : { "title" : "飞利浦 老人手机 (X2560) 喜庆红 移动联通2G手机 双卡双待", "images" : "http://image.leyou.com/12479122.jpg", "price" : 500 }, "sort" : [ 500.0 ] } ] }}7.3. 高亮
高亮是在搜索结果中把搜索关键字标记出来，因此必须使用match这样的条件搜索。
elasticsearch中实现高亮的语法比较简单：
GET /hello/_search{ "query": { "match": { "title": "联通手机" } }, "highlight": { "pre_tags": "", "post_tags": "", "fields": { "title": {} } }}在使用match查询的同时，加上一个highlight属性：
pre_tags：前置标签，可以省略，默认是em
post_tags：后置标签，可以省略，默认是em
fields：需要高亮的字段
- title：这里声明title字段需要高亮，后面可以为这个字段设置特有配置，也可以空
结果：
{ "took" : 6, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 7, "relation" : "eq" }, "max_score" : 1.8434389, "hits" : [ { "_index" : "hello", "_type" : "_doc", "_id" : "5", "_score" : 1.8434389, "_source" : { "title" : "飞利浦 老人手机 (X2560) 喜庆红 移动联通2G手机 双卡双待", "images" : "http://image.leyou.com/12479122.jpg", "price" : 500 }, "highlight" : { "title" : [ "飞利浦 老人手机 (X2560) 喜庆红 移动联通2G手机 双卡双待" ] } }, { "_index" : "hello", "_type" : "_doc", "_id" : "6", "_score" : 1.761483, "_source" : { "title" : "诺基亚(NOKIA) 1050 (RM-908) 黑色 移动联通2G手机", "images" : "http://image.leyou.com/12479122.jpg", "price" : 998 }, "highlight" : { "title" : [ "诺基亚(NOKIA) 1050 (RM-908) 黑色 移动联通2G手机" ] } }, { "_index" : "hello", "_type" : "_doc", "_id" : "2", "_score" : 1.6723943, "_source" : { "title" : "三星 Note II (N7100) 云石白 联通3G手机", "images" : "http://image.leyou.com/12479122.jpg", "price" : 2599 }, "highlight" : { "title" : [ "三星 Note II (N7100) 云石白 联通3G手机" ] } }, { "_index" : "hello", "_type" : "_doc", "_id" : "1", "_score" : 1.6723943, "_source" : { "title" : "三星 B9120 钛灰色 联通3G手机 双卡双待双通", "images" : "http://image.leyou.com/12479122.jpg", "price" : 2899 }, "highlight" : { "title" : [ "三星 B9120 钛灰色 联通3G手机 双卡双待双通" ] } }, { "_index" : "hello", "_type" : "_doc", "_id" : "4", "_score" : 0.83515364, "_source" : { "title" : "中兴 U288 珠光白 移动3G手机", "images" : "http://image.leyou.com/12479122.jpg", "price" : 1099 }, "highlight" : { "title" : [ "中兴 U288 珠光白 移动3G手机" ] } }, { "_index" : "hello", "_type" : "_doc", "_id" : "8", "_score" : 0.8129092, "_source" : { "title" : "酷派 8076D 咖啡棕 移动3G手机 双卡双待", "images" : "http://image.leyou.com/12479122.jpg", "price" : 1499 }, "highlight" : { "title" : [ "酷派 8076D 咖啡棕 移动3G手机 双卡双待" ] } }, { "_index" : "hello", "_type" : "_doc", "_id" : "9", "_score" : 0.73464036, "_source" : { "title" : "华为 P6 (P6-C00) 黑 电信3G手机 双卡双待双通", "images" : "http://image.leyou.com/12479122.jpg", "price" : 2340 }, "highlight" : { "title" : [ "华为 P6 (P6-C00) 黑 电信3G手机 双卡双待双通" ] } } ] }}7.4. 分页
通过from和size来指定分页的开始位置及每页大小。
如果size不指定, 默认为10
语法：
GET /hello/_search{ "query": { "match_all": {} }, "sort": [ { "price": { "order": "asc" } } ], "from": 0, "size": 2}结果：
{ "took" : 0, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 10, "relation" : "eq" }, "max_score" : null, "hits" : [ { "_index" : "hello", "_type" : "_doc", "_id" : "5", "_score" : null, "_source" : { "title" : "飞利浦 老人手机 (X2560) 喜庆红 移动联通2G手机 双卡双待", "images" : "http://image.leyou.com/12479122.jpg", "price" : 500 }, "sort" : [ 500.0 ] }, { "_index" : "hello", "_type" : "_doc", "_id" : "6", "_score" : null, "_source" : { "title" : "诺基亚(NOKIA) 1050 (RM-908) 黑色 移动联通2G手机", "images" : "http://image.leyou.com/12479122.jpg", "price" : 998 }, "sort" : [ 998.0 ] } ] }}但是，其本质是逻辑分页，因此为了避免深度分页的问题，ES限制最多查到第10000条。
如果需要查询到10000以后的数据，你可以采用两种方式：
- scroll滚动查询
- search after
详见文档：https://www.elastic.co/guide/en/elasticsearch/reference/7.5/search-request-body.html#request-body-search-search-after
7.5. Filter过滤
当我们在京东这样的电商网站购物，往往查询条件不止一个，还会有很多过滤条件：
而在默认情况下，所有的查询条件、过滤条件都会影响打分和排名。而对搜索结果打分是比较影响性能的，因此我们一般只对用户输入的搜索条件对应的字段打分，其它过滤项不打分。此时就不能简单实用布尔查询的must来组合条件了，而是实用filter方式。
示例，比如我们要查询手机，同时对价格过滤，原本的写法是这样的：
GET /hello/_search{ "query": { "bool": { "must": [ { "match": { "title": "手机" } }, { "range": { "price": { "gte": 2099, "lte": 2999 } } } ] } }}现在要修改成这样：
GET /hello/_search{ "query": { "bool": { "must": { "match": { "title": "手机" } }, "filter": [ { "range": { "price": { "gte": 2099, "lte": 2999 } } } ] } }}7.6._source筛选
默认情况下，elasticsearch在搜索的结果中，会把文档中保存在_source的所有字段都返回。
如果我们只想获取其中的部分字段，我们可以添加_source的过滤
7.6.1.直接指定字段
示例：
GET /hello/_search{ "_source": ["title","price"], "query": { "term": { "price": 2699 } }}返回的结果：
{ "took" : 1, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 1, "relation" : "eq" }, "max_score" : 1.0, "hits" : [ { "_index" : "hello", "_type" : "_doc", "_id" : "5", "_score" : 1.0, "_source" : { "price" : 500, "title" : "飞利浦 老人手机 (X2560) 喜庆红 移动联通2G手机 双卡双待" } } ] }}7.6.2.指定includes和excludes
我们也可以通过：
- includes：来指定想要显示的字段
- excludes：来指定不想要显示的字段
二者都是可选的。
示例：
GET /hello/_search{ "_source": { "includes":["title","price"] }, "query": { "term": { "price": 500 } }}与下面的结果将是一样的：
GET /hello/_search{ "_source": { "excludes": ["images"] }, "query": { "term": { "price": 500 } }}8.aggs聚合
聚合（aggregations）可以让我们极其方便的实现对数据的统计、分析。例如：
- 什么品牌的手机最受欢迎？
- 这些手机的平均价格、最高价格、最低价格？
- 这些手机每月的销售情况如何？
实现这些统计功能的比数据库的sql要方便的多，而且查询速度非常快，可以实现近实时搜索效果。
要注意：参与聚合的字段，必须是keyword类型 和 数值类型 。
8.1 基本概念
Elasticsearch中的聚合，包含多种类型，最常用的两种，一个叫桶，一个叫度量：
桶（bucket）
桶的作用，是按照某种方式对数据进行分组，每一组数据在ES中称为一个桶，例如我们根据国籍对人划分，可以得到中国桶、英国桶，日本桶……或者我们按照年龄段对人进行划分：010,1020,2030,3040等。
Elasticsearch中提供的划分桶的方式有很多：
- Date Histogram Aggregation：根据日期阶梯分组，例如给定阶梯为周，会自动每周分为一组
- Histogram Aggregation：根据数值阶梯分组，与日期类似，需要知道分组的间隔（interval）
- Terms Aggregation：根据词条内容分组，词条内容完全匹配的为一组，类似数据库group by
- Range Aggregation：数值和日期的范围分组，指定开始和结束，然后按段分组
- ……
综上所述，我们发现bucket aggregations 只负责对数据进行分组，并不进行计算，因此往往bucket中往往会嵌套另一种聚合：metrics aggregations即度量
度量（metrics）
分组完成以后，我们一般会对组中的数据进行聚合运算，例如求平均值、最大、最小、求和等，这些在ES中称为度量
比较常用的一些度量聚合方式：
- Avg Aggregation：求平均值
- Max Aggregation：求最大值
- Min Aggregation：求最小值
- Percentiles Aggregation：求百分比
- Stats Aggregation：同时返回avg、max、min、sum、count等
- Sum Aggregation：求和
- Top hits Aggregation：求前几
- Value Count Aggregation：求总数
- ……
为了测试聚合，我们先批量导入一些数据
创建索引：
PUT /car{ "mappings": { "properties": { "color": { "type": "keyword" }, "make": { "type": "keyword" } } }}注意：在ES中，需要进行聚合、排序的字段其处理方式比较特殊，因此不能被分词，必须使用keyword或数值类型。这里我们将color和make这两个文字类型的字段设置为keyword类型，这个类型不会被分词，将来就可以参与聚合
导入数据，这里是采用批处理的API，大家直接复制到kibana运行即可：
POST /car/_bulk{ "index": {}}{ "price" : 10000, "color" : "红", "make" : "本田", "sold" : "2014-10-28" }{ "index": {}}{ "price" : 20000, "color" : "红", "make" : "本田", "sold" : "2014-11-05" }{ "index": {}}{ "price" : 30000, "color" : "绿", "make" : "福特", "sold" : "2014-05-18" }{ "index": {}}{ "price" : 15000, "color" : "蓝", "make" : "丰田", "sold" : "2014-07-02" }{ "index": {}}{ "price" : 12000, "color" : "绿", "make" : "丰田", "sold" : "2014-08-19" }{ "index": {}}{ "price" : 20000, "color" : "红", "make" : "本田", "sold" : "2014-11-05" }{ "index": {}}{ "price" : 80000, "color" : "红", "make" : "宝马", "sold" : "2014-01-01" }{ "index": {}}{ "price" : 25000, "color" : "蓝", "make" : "福特", "sold" : "2014-02-12" }度量计算
类似数据库中聚合运算，es提供了更为丰富的各种运算分析方法
语法:{ "query":{}, ... "aggs":{ "自定义的聚合处理名称": { "聚合类型":{ "field":"域字段" } } } }常用度量类型:count 数量min 最小值max 最大值avg 平均值sum 求和stats 显示上面5种信息get /car/_search{ "query":{ "match_all": {} }, "aggs":{ "avg_price":{ "stats": { "field": "price" } } }}// 对价格进行分析 的结果"aggregations" : { "avg_price" : { "count" : 8, //8条记录 "min" : 10000.0, // 最小值 "max" : 80000.0, // 最大值 "avg" : 26500.0, // 平均值 "sum" : 212000.0 // 所有价格之和 } }8.2 聚合为桶
类似于数据库中的分组，
首先，我们按照 汽车的颜色color来划分桶，按照颜色分桶，最好是使用TermAggregation类型，按照颜色的名称来分桶。
GET /car/_search{ "size" : 0, "aggs" : { "my_popular_colors" : { "terms" : { "field" : "color" } } }}size： 查询条数，这里设置为0，因为我们不关心搜索到的数据，只关心聚合结果，提高效率
aggs：声明这是一个聚合查询，是aggregations的缩写
popular_colors：给这次聚合起一个名字，可任意指定。
terms：聚合的类型，这里选择terms，是根据词条内容（这里是颜色）划分
- field：划分桶时依赖的字段
结果：
{ "took": 33, "timed_out": false, "_shards": { "total": 5, "successful": 5, "skipped": 0, "failed": 0 }, "hits": { "total": 8, "max_score": 0, "hits": [] }, "aggregations": { "my_popular_colors": { "doc_count_error_upper_bound": 0, "sum_other_doc_count": 0, "buckets": [ { "key": "红", "doc_count": 4 }, { "key": "绿", "doc_count": 2 }, { "key": "蓝", "doc_count": 2 } ] } }}hits：查询结果为空，因为我们设置了size为0
aggregations：聚合的结果
my_popular_colors：我们定义的聚合名称
buckets：查找到的桶，每个不同的color字段值都会形成一个桶
- key：这个桶对应的color字段的值
- doc_count：这个桶中的文档数量
通过聚合的结果我们发现，目前红色的小车比较畅销！
8.3 桶内度量
前面的例子告诉我们每个桶里面的文档数量，这很有用。 但通常，我们的应用需要提供更复杂的文档度量。 例如，每种颜色汽车的平均价格是多少？
因此，我们需要告诉Elasticsearch使用哪个字段，使用何种度量方式进行运算，这些信息要嵌套在桶内，度量的运算会基于桶内的文档进行
现在，我们为刚刚的聚合结果添加 求价格平均值的度量：
GET /car/_search{ "size" : 0, "aggs" : { "my_popular_colors" : { "terms" : { "field" : "color" }, "aggs":{ "my_avg_price": { "avg": { "field": "price" } } } } }}- aggs：我们在上一个aggs(my_popular_colors)中添加新的aggs。可见度量也是一个聚合
- my_avg_price：聚合的名称
- avg：度量的类型，这里是求平均值
- field：度量运算的字段
结果：
{ "took" : 8, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 8, "relation" : "eq" }, "max_score" : null, "hits" : [ ] }, "aggregations" : { "my_popular_colors" : { "doc_count_error_upper_bound" : 0, "sum_other_doc_count" : 0, "buckets" : [ { "key" : "红", "doc_count" : 4, "my_avg_price" : { "value" : 32500.0 } }, { "key" : "绿", "doc_count" : 2, "my_avg_price" : { "value" : 21000.0 } }, { "key" : "蓝", "doc_count" : 2, "my_avg_price" : { "value" : 20000.0 } } ] } }}可以看到每个桶中都有自己的avg_price字段，这是度量聚合的结果
8.4 桶内嵌套桶
刚刚的案例中，我们在桶内嵌套度量运算。事实上桶不仅可以嵌套运算， 还可以再嵌套其它桶。也就是说在每个分组中，再分更多组。
比如：我们想统计每种颜色的汽车中，分别属于哪个制造商，按照make字段再进行分桶