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" } } }}