作者：京东科技 纪海雨
前言
随着应用es场景的增多，工作当中防止不了去应用es进行数据的存储，在数据存储到es当中当前就须要应用DSL语句进行数据的查问、聚合等操作，DSL对SE的意义就像SQL对MySQL一样，学会如何编写查问语句决定了前期是否能齐全驾驭ES，所以至关重要，本专题次要是分享罕用的DSL语句，拿来即用。
一、match
如果match 查问数字，日期，布尔值或者not_analyzed 的字符串时，会准确匹配搜寻值，不做分词解析；如果match 查问全文本，会对查问词做分词解析，而后搜寻。
比方对keyword 类型的tag 查问，”京东总部”不会分词，必须齐全相等的词才会被搜寻进去
{a
"query": {
"match": {
"content" : {
"tag" : "京东总部"
}
}
}
}比方”宝马多少马力”会被分词为”宝马 多少 马力”, 所有无关”宝马 多少 马力”, 那么所有蕴含这三个词中的一个或多个的文档就会被搜寻进去。并且依据lucene的评分机制(TF/IDF)来进行评分
{
"query": {
"match": {
"content" : {
"query" : "宝马多少马力"
}
}
}
}二、match_phrase
如果想要准确匹配所有同时蕴含”宝马 多少 马力”的文档，就要应用 match_phrase 了
{
"query": {
"match_phrase": {
"content" : {
"query" : "宝马多少马力"
}
}
}
}三、mult_match
如果咱们心愿两个字段进行匹配，其中一个字段有这个文档就满足的话，应用multi_match
{
"query": {
"multi_match": {
"query" : "我的宝马多少马力",
"fields" : ["title", "content"]
}
}
}四、term
关键字准确匹配，不分词解析。留神 term 蕴含（contains） 操作，而非 等值（equals）判断。如果文档蕴含full_text 及其他词，也会命中返回。
应用term要确定的是这个字段是否“被剖析”(analyzed)，默认的字符串是被剖析的。
比方上面的例子，其中的full_text是被剖析过的，所以full_text的索引中存的就是[quick, foxes]，而extra_value中存的是[Quick Foxes!]
PUT my_index
{
"mappings": {
"my_type": {
"properties": {
"full_text": {
"type": "string"
},
"exact_value": {
"type": "string",
"index": "not_analyzed"
}
}
}
}
}
PUT my_index/my_type/1
{
"full_text": "Quick Foxes!",
"exact_value": "Quick Foxes!"
}申请不出数据的，因为full_text分词后的后果中没有[Quick Foxes!]这个分词
GET my_index/my_type/_search
{
"query": {
"term": {
"full_text": "Quick Foxes!"
}
}
}五、terms
指定多值准确匹配，如果字段蕴含了指定值中的任何一个值，那么文档满足条件。相似sql中的in
{
"terms": {
"tag": [
"search",
"full_text",
"nosql"
]
}
}六、range
数字/工夫的区间查问，操作符：
•gt > greater than
•gte >=
•lt < litter than
•lte <=
{
"query":{
"range": {
"age": {
"gte": 20,
"lt": 30
}
}
}
}七、wildcard
通配符索引。* 示意全匹配，？ 示意繁多匹配。扫描所有倒排索引，性能较差
{
"query": {
"wildcard": {
"companyName": "*京东*"
}
}
}八、regexp
正则索引。扫描所有倒排索引，性能较差
{
"query": {
"regexp": {
"postcode": "W[0-9].+"
}
}
}九、组合多查问（bool查问）
bool 查问前面能够跟这四种匹配模式
•must 必须匹配
•must_not 必须不匹配
•should 匹配任意，等价or
•filter 必须匹配：过滤模式
比方咱们想要申请”content 中带宝马，然而tag 中不带宝马”这样相似的需要，就须要用到bool 联结查问。
{
"query":{
"bool":{
"must":{
"term":{
"content":"宝马"
}
},
"must_not":{
"term":{
"tags":"宝马"
}
}
}
}
}十、聚合
聚合蕴含一下两种：
1、 指标聚合（Metric Aggregation）：一些数学运算，能够对文档字段进行统计分析
•输入一个值
▪min
▪max
▪sum
▪avg
▪ value_count 统计某字段有值的文档数
▪ cardinality 某字段值去重计数
•输入多个值
▪stats
▪percentiles
▪percentile_ranks
2、桶聚合（Bucket Aggregation） ：一些列满足特定条件的文档的汇合，相当于sql 的groupby
•terms 对某个字段统计每个不同的内容，以及呈现文档的个数
•range 某个范畴内文档的个数
默认聚合范畴是全文，然而如果有query查问，那么聚合的范畴就是query查问的后果。
value_count 统计某字段有值的文档数
{
"size": 0,
"aggs": {
"count": {
"value_count": {
"field": "companyName"
}
}
}
}指定查问语句进行统计
{
"query": {
"term": {
"companyName": "安徽科达智慧能源科技有限公司"
}
},
"aggs": {
"count": { //自定义名称
"terms": {
"field": "companyName"
}
}
}
}
发表回复