Elasticsearch 是一個開源的搜索引擎，建立在一個全文搜索引擎庫 Apache Lucene™ 基礎之上。 Lucene 可能是目前存在的，不論開源還是私有的，擁有最先進，高性能和全功能搜索引擎功能的庫。但是 Lucene 僅僅只是一個庫。為了利用它，你需要編寫 Java 程序，并在你的 java 程序里面直接集成 Lucene 包。 更壞的情況是，你需要對信息檢索有一定程度的理解才能明白 Lucene 是怎么工作的。Lucene 是 很 復雜的。
在上一篇文章中介紹了ElasticSearch的簡單使用，接下來記錄一下ElasticSearch的查詢：
查詢所有數據
|
1
2
3
4
5
6
7
8
9
|
# 搜索所有數據es.search(index="my_index",doc_type="test_type")# 或者body = { "query":{ "match_all":{} }}es.search(index="my_index",doc_type="test_type",body=body) |
term與terms
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
# termbody = { "query":{ "term":{ "name":"python" } }}# 查詢name="python"的所有數據es.search(index="my_index",doc_type="test_type",body=body)# termsbody = { "query":{ "terms":{ "name":[ "python","android" ] } }}# 搜索出name="python"或name="android"的所有數據es.search(index="my_index",doc_type="test_type",body=body) |
match與multi_match
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
# match:匹配name包含python關鍵字的數據body = { "query":{ "match":{ "name":"python" } }}# 查詢name包含python關鍵字的數據es.search(index="my_index",doc_type="test_type",body=body)# multi_match:在name和addr里匹配包含深圳關鍵字的數據body = { "query":{ "multi_match":{ "query":"深圳", "fields":["name","addr"] } }}# 查詢name和addr包含"深圳"關鍵字的數據es.search(index="my_index",doc_type="test_type",body=body) |
ids
|
1
2
3
4
5
6
7
8
9
10
11
12
|
body = { "query":{ "ids":{ "type":"test_type", "values":[ "1","2" ] } }}# 搜索出id為1或2d的所有數據es.search(index="my_index",doc_type="test_type",body=body) |
復合查詢bool
bool有3類查詢關系，must(都滿足),should(其中一個滿足),must_not(都不滿足)
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
body = { "query":{ "bool":{ "must":[ { "term":{ "name":"python" } }, { "term":{ "age":18 } } ] } }}# 獲取name="python"并且age=18的所有數據es.search(index="my_index",doc_type="test_type",body=body) |
切片式查詢
|
1
2
3
4
5
6
7
8
9
|
body = { "query":{ "match_all":{} } "from":2 # 從第二條數據開始 "size":4 # 獲取4條數據}# 從第2條數據開始，獲取4條數據es.search(index="my_index",doc_type="test_type",body=body) |
范圍查詢
|
1
2
3
4
5
6
7
8
9
10
11
12
|
body = { "query":{ "range":{ "age":{ "gte":18, # >=18 "lte":30 # <=30 } } }}# 查詢18<=age<=30的所有數據es.search(index="my_index",doc_type="test_type",body=body) |
前綴查詢
|
1
2
3
4
5
6
7
8
9
|
body = { "query":{ "prefix":{ "name":"p" } }}# 查詢前綴為"趙"的所有數據es.search(index="my_index",doc_type="test_type",body=body) |
通配符查詢
|
1
2
3
4
5
6
7
8
9
|
body = { "query":{ "wildcard":{ "name":"*id" } }}# 查詢name以id為后綴的所有數據es.search(index="my_index",doc_type="test_type",body=body) |
排序
|
1
2
3
4
5
6
7
8
9
10
|
body = { "query":{ "match_all":{} } "sort":{ "age":{ # 根據age字段升序排序 "order":"asc" # asc升序，desc降序 } }} |
filter_path
響應過濾
|
1
2
3
4
|
# 只需要獲取_id數據,多個條件用逗號隔開es.search(index="my_index",doc_type="test_type",filter_path=["hits.hits._id"])# 獲取所有數據es.search(index="my_index",doc_type="test_type",filter_path=["hits.hits._*"]) |
count
執行查詢并獲取該查詢的匹配數
|
1
2
|
# 獲取數據量es.count(index="my_index",doc_type="test_type") |
度量類聚合
- 獲取最小值
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
body = { "query":{ "match_all":{} }, "aggs":{ # 聚合查詢 "min_age":{ # 最小值的key "min":{ # 最小 "field":"age" # 查詢"age"的最小值 } } }}# 搜索所有數據，并獲取age最小的值es.search(index="my_index",doc_type="test_type",body=body) |
- 獲取最大值
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
body = { "query":{ "match_all":{} }, "aggs":{ # 聚合查詢 "max_age":{ # 最大值的key "max":{ # 最大 "field":"age" # 查詢"age"的最大值 } } }}# 搜索所有數據，并獲取age最大的值es.search(index="my_index",doc_type="test_type",body=body) |
- 獲取和
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
body = { "query":{ "match_all":{} }, "aggs":{ # 聚合查詢 "sum_age":{ # 和的key "sum":{ # 和 "field":"age" # 獲取所有age的和 } } }}# 搜索所有數據，并獲取所有age的和es.search(index="my_index",doc_type="test_type",body=body) |
- 獲取平均值
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
body = { "query":{ "match_all":{} }, "aggs":{ # 聚合查詢 "avg_age":{ # 平均值的key "sum":{ # 平均值 "field":"age" # 獲取所有age的平均值 } } }}# 搜索所有數據，獲取所有age的平均值es.search(index="my_index",doc_type="test_type",body=body) |
更多的搜索用法：
https://elasticsearch-py.readthedocs.io/en/master/api.html
總結
以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對服務器之家的支持。如果你想了解更多相關內容請查看下面相關鏈接
原文鏈接：https://blog.csdn.net/y472360651/article/details/76652021
