通过Elasticsearch使用的你的数据
Elasticsearch 系列导航
elasticsearch 与 elasticsearch-head 的安装
ElasticSearch Index API && Mapping
持续更新中
正文
假设你已经有一份数据保存在Elasticsearch里,类似于下面这种schema,如果没有参考导入测试数据
1
2
3
4
5
6
7
8
9
10
11
12
13
|
{ "account_number" : 0, "balance" : 16623, "firstname" : "Bradshaw" , "lastname" : "Mckenzie" , "age" : 29, "gender" : "F" , "address" : "244 Columbus Place" , "employer" : "Euron" , "email" : "bradshawmckenzie@euron.com" , "city" : "Hobucken" , "state" : "CO" } |
那么我们接下来就可以 过滤,搜索,聚合来获取到我们想要的数据。
Elasticsearch提供了一套Json风格的领域特定语言来帮助查询,被称为Query DSL.
搜索通过在URL结尾加_search
来指定,具体查询提交通过Request Body来指定,
比如下面的Request Body:
query: 用来指定查询条件
from:从第几个开始取
size:取多少条记录,默认10条,比如这个例子有13条记录满足条件,但是只返回1条记录
sort:用来指定排序规则
OK,通过刚才的实验,我们对查询有了一个基本的认识,下面让我们来继续认识更加有趣的查询:
- 减少返回字段的个数(默认情况下是返回一个文档的所有字段信息)
1234
{
"query"
: {
"match_all"
: {} },
"_source"
: [
"account_number"
,
"balance"
]
}
- 返回account_number等于20的account
123
{
"query"
: {
"match"
: {
"account_number"
: 20 } }
}
match是一个模糊匹配,但是由于account_number是long类型,所以这里当做精确匹配来过滤
- 返回address字段中包含mill的account
123
{
"query"
: {
"match"
: {
"address"
:
"mill"
} }
}
由于address是text类型,所以这里说的是包含mill而不是等于mill.
- 返回address字段中包含"mill" 或 "lane"的account
123
{
"query"
: {
"match"
: {
"address"
:
"mill lane"
} }
}
由于address是text类型,而且"mill lane"这里在查询的时候被当作两个词来分别进行查询
- 返回address字段中包含"mill lane"的account
这里使用match_phrase查询类型,把"mill lane"当作一个整体来查询
123{
"query"
: {
"match_phrase"
: {
"address"
:
"mill lane"
} }
}
- 返回address字段中同时包含"mill" 和 "lane"的account
12345678910
{
"query"
: {
"bool"
: {
"must"
: [
{
"match"
: {
"address"
:
"mill"
} },
{
"match"
: {
"address"
:
"lane"
} }
]
}
}
}
这里使用了bool查询语句,它允许我们组合多个小的查询一起来完成稍微复杂的查询,
bool must
要求所有子查询返回true,所有子查询之间可以理解为一个and的操作。 - 返回address字段中包含"mill" 或 "lane"的account
bool should 要求子查询中的任一个满足条件,可以理解为或的关系
12345678910{
"query"
: {
"bool"
: {
"should"
: [
{
"match"
: {
"address"
:
"mill"
} },
{
"match"
: {
"address"
:
"lane"
} }
]
}
}
}
- 返回address字段中既不包含"mill" 也不包含 "lane"的account
bool must_not
子句之间是或的关系12345678910{
"query"
: {
"bool"
: {
"must_not"
: [
{
"match"
: {
"address"
:
"mill"
} },
{
"match"
: {
"address"
:
"lane"
} }
]
}
}
}
- 返回年龄等于40 且不住在ID地区的account
1234567891011
{
"query"
: {
"bool"
: {
"must"
: [
{
"match"
: {
"age"
:
"40"
} }
],
"must_not"
: [
{
"match"
: {
"state"
:
"ID"
} }
]
}
}
}
我们可以同时联合must
, should
, and must_not子句在一个bool语句内,
也可以继续在bool子句下面继续嵌套使用bool子句来完成更加复杂的查询需求。
Filter 过滤
在返回的结果中有一个_score字段,score是一个数值,表示查询条件和这个文档的相关度,分数越高,说明某个文档的相关度越高,
反之,相关度越低,但是查询 并不总是产生分数,尤其当你使用过滤子句来过滤文档的时候,Elasticsearch会自动检测这些场景,
自动优化查询,让他不要去计算无用的分数,之前我们使用的bool查询也支持filter子句,
例如我们想获取账户余额大于等于20000 小于等于30000的账户信息
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
{ "query" : { "bool" : { "must" : { "match_all" : {} }, "filter" : { "range" : { "balance" : { "gte" : 20000, "lte" : 30000 } } } } } } |
上面的这个例子其实挺好理解的,所有在这个range范围内的文档都具有相等的匹配度,
没有哪一个文档比其他的文档匹配度更高,要么在这个范围内,要么不在,所以相关度是相等的,
就没有必要再去计算这个score.
Aggregations聚合
聚合允许你给你的数据分组并获取他们的统计信息,你可以把它和SQL里面的goup by 以及SQL的聚合函数联系起来,
在Elasticsearch,你可以在一个响应里同时返回聚合信息和结果明细,
比如我们使用state来给所有的accounts分组,默认返回前10条聚合记录,顺序按照组内文档数量的倒序排列
1
2
3
4
5
6
7
8
9
10
|
{ "size" : 0, "aggs" : { "group_by_state" : { "terms" : { "field" : "state.keyword" } } } } |
你可以结合下面的SQL语句更好理解上面的语句
SELECT state, COUNT(*) FROM bank GROUP BY state ORDER BY COUNT(*) DESC
部分返回结果 如下显示:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
|
{ "took" : 29, "timed_out" : false , "_shards" : { "total" : 5, "successful" : 5, "failed" : 0 }, "hits" : { "total" : 1000, "max_score" : 0.0, "hits" : [ ] }, "aggregations" : { "group_by_state" : { "doc_count_error_upper_bound" : 20, "sum_other_doc_count" : 770, "buckets" : [ { "key" : "ID" , "doc_count" : 27 }, { "key" : "TX" , "doc_count" : 27 }, { "key" : "AL" , "doc_count" : 25 }, { "key" : "MD" , "doc_count" : 25 }, { "key" : "TN" , "doc_count" : 23 }, { "key" : "MA" , "doc_count" : 21 }, { "key" : "NC" , "doc_count" : 21 }, { "key" : "ND" , "doc_count" : 21 }, { "key" : "ME" , "doc_count" : 20 }, { "key" : "MO" , "doc_count" : 20 } ] } } } |
你可以观察到,上面的聚合我们设置size=0,不去显示符合条件的原始记录,
因为我们这次仅仅需要聚合的结果信息,如果你也需要原始记录信息,那么你可以重新指定size的大小
下面这个例子我们来求余额的平均值
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
{ "size" : 0, "aggs" : { "group_by_state" : { "terms" : { "field" : "state.keyword" }, "aggs" : { "average_balance" : { "avg" : { "field" : "balance" } } } } } } |
返回如下的结果,可以看到这里我们在group_by_state
里面嵌套使用了average_balance
,这是一种比较通用的做法,
你可以在任意聚合内嵌套任意聚合来获取需要的统计信息。
下面这个例子演示根据年龄组来分组,然后根据性别来分组最后求账户余额的平均值
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
|
{ "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.keyword" }, "aggs" : { "average_balance" : { "avg" : { "field" : "balance" } } } } } } } } |
下面是年龄组分组 计算聚合的部分返回结果: