【转】ES的常用查询与聚合

其他 2018-11-29 00:41:17 阅读次数: 0

原文地址：http://blog.51cto.com/xpleaf/2307572

0 说明

基于es 5.4和es 5.6，列举的是个人工作中经常用到的查询（只是工作中使用的是Java API），如果需要看完整的，可以参考官方相关文档
https://www.elastic.co/guide/en/elasticsearch/reference/5.4/search.html。

1 查询

先使用一个快速入门来引入，然后后面列出的各种查询都是用得比较多的（在我的工作环境是这样），其它没怎么用的这里就不列出了。

1.1 快速入门

1.1.1 查询全部

GET index/type/_search
{
    "query":{
        "match_all":{}
    }
}

或

GET index/type/_search

1.1.2 分页（以term为例）

GET index/type/_search
{
    "from":0,
    "size":100,
    "query":{ "term":{ "area":"GuangZhou" } } }

1.1.3 包含指定字段（以term为例）

GET index/type/_search
{
    "_source":["hobby", "name"],
    "query":{
        "term":{ "area":"GuangZhou" } } }

1.1.4 排序（以term为例）

单个字段排序：

GET index/type/_search
{
    "query":{
        "term":{
            "area":"GuangZhou"
        }
    },
    "sort":[ {"user_id":{"order":"asc"}}, {"salary":{"order":"desc"}} ] }

1.2 全文查询

查询字段会被索引和分析，在执行之前将每个字段的分词器（或搜索分词器）应用于查询字符串。

1.2.1 match query

{
  "query": {
    "match": {
      "content": {
        "query": "里皮恒大", "operator": "and" } } } }

operator默认是or，也就是说，“里皮恒大”被分词为“里皮”和“恒大”，只要content中出现两个之一，都会搜索到；设置为and之后，只有同时出现都会被搜索到。

1.2.2 match_phrase query

文档同时满足下面两个条件才会被搜索到：

  • （1）分词后所有词项都要出现在该字段中
  • （2）字段中的词项顺序要一致
{
  "query": {
    "match_phrase": {
      "content": "里皮恒大"
    }
  }
}

1.3 词项查询

词项搜索时对倒排索引中存储的词项进行精确匹配，词项级别的查询通过用于结构化数据，如数字、日期和枚举类型。

1.3.1 term query

{
  "query": {
    "term": {
      "postdate": "2015-12-10 00:41:00"
    }
  }
}

1.3.2 terms query

term的升级版，如上面查询的postdate字段，可以设置多个。

{
  "query": {
    "terms": {
      "postdate": [
        "2015-12-10 00:41:00",
        "2016-02-01 01:39:00" ] } } }

因为term是精确匹配，所以不要问，[]中的关系怎么设置and？这怎么可能，既然是精确匹配，一个字段也不可能有两个不同的值。

1.3.3 range query

匹配某一范围内的数据型、日期类型或者字符串型字段的文档，注意只能查询一个字段，不能作用在多个字段上。

数值：

{
  "query": {
    "range": {
      "reply": {
        "gte": 245, "lte": 250 } } } }

支持的操作符如下：

gt：大于，gte：大于等于，lt：小于，lte：小于等于

日期：

{
  "query": {
    "range": {
      "postdate": {
        "gte": "2016-09-01 00:00:00", "lte": "2016-09-30 23:59:59", "format": "yyyy-MM-dd HH:mm:ss" } } } }

format不加也行，如果写的时间格式正确。

1.3.4 exists query

返回对应字段中至少有一个非空值的文档，也就是说，该字段有值（待会会说明这个概念）。

{
  "query": {
    "exists": {
      "field": "user"
    }
  }
}

参考《从Lucene到Elasticsearch：全文检索实战》中的说明。

以下文档会匹配上面的查询：

文档 说明
{"user":"jane"} 有user字段，且不为空
{"user":""} 有user字段，值为空字符串
{"user":"-"} 有user字段，值不为空
{"user":["jane"]} 有user字段，值不为空
{"user":["jane",null]} 有user字段，至少一个值不为空即可

下面的文档不会被匹配：

文档 说明
{"user":null} 虽然有user字段，但是值为空
{"user":[]} 虽然有user字段，但是值为空
{"user":[null]} 虽然有user字段，但是值为空
{"foo":"bar"} 没有user字段

1.3.5 ids query

查询具有指定id的文档。

{
  "query": {
    "ids": {
      "type": "news",
      "values": "2101" } } }

类型是可选的，也可以以数据的方式指定多个id。

{
  "query": {
    "ids": {
      "values": [
        "2101",
        "2301" ] } } }

1.4 复合查询

1.4.1 bool query

因为工作中接触到关于es是做聚合、统计、分类的项目，经常要做各种复杂的多条件查询，所以实际上，bool query用得非常多，因为查询条件个数不定，所以处理的逻辑思路时，外层用一个大的bool query来进行承载。（当然，项目中是使用其Java API）

bool query可以组合任意多个简单查询，各个简单查询之间的逻辑表示如下：

属性 说明
must 文档必须匹配must选项下的查询条件，相当于逻辑运算的AND
should 文档可以匹配should选项下的查询条件，也可以不匹配，相当于逻辑运算的OR
must_not 与must相反，匹配该选项下的查询条件的文档不会被返回
filter 和must一样，匹配filter选项下的查询条件的文档才会被返回，但是filter不评分，只起到过滤功能

一个例子如下：

{
  "query": {
    "bool": {
      "must": {
        "match": {
          "content": "里皮" } }, "must_not": { "match": { "content": "中超" } } } } }

需要注意的是，同一个bool下，只能有一个must、must_not、should和filter。

如果希望有多个must时，比如希望同时匹配"里皮"和"中超"，但是又故意分开这两个关键词（因为事实上，一个must，然后使用match，并且operator为and就可以达到目的），怎么操作？注意must下使用数组，然后里面多个match对象就可以了：

{
  "size": 1,
  "query": {
    "bool": {
      "must": [ { "match": { "content": "里皮" } }, { "match": { "content": "恒大" } } ] } }, "sort": [ { "id": { "order": "desc" } } ] }

当然must下的数组也可以是多个bool查询条件，以进行更加复杂的查询。

上面的查询等价于：

{
  "query": {
    "bool": {
      "must": {
        "match": {
          "content": { "query": "里皮恒大", "operator": "and" } } } } }, "sort": [ { "id": { "order": "desc" } } ] }

1.5 嵌套查询

先添加下面一个索引：

PUT /my_index
{
  "mappings": {
    "my_type": {
      "properties": {
        "user":{
          "type": "nested", "properties": { "first":{"type":"keyword"}, "last":{"type":"keyword"} } }, "group":{ "type": "keyword" } } } } }

添加数据：

PUT my_index/my_type/1
{
  "group":"GuangZhou",
  "user":[
    {
      "first":"John", "last":"Smith" }, { "first":"Alice", "last":"White" } ] } PUT my_index/my_type/2 { "group":"QingYuan", "user":[ { "first":"Li", "last":"Wang" }, { "first":"Yonghao", "last":"Ye" } ] }

查询：

较简单的查询：

{
  "query": {
    "nested": {
      "path": "user",
      "query": { "term": { "user.first": "John" } } } } }

较复杂的查询：

{
  "query": {
    "bool": {
      "must": [
        {"nested": {
          "path": "user", "query": { "term": { "user.first": { "value": "Li" } } } }}, { "nested": { "path": "user", "query": { "term": { "user.last": { "value": "Wang" } } } } } ] } } }

1.6 补充：数组查询与测试

添加一个索引：

PUT my_index2
{
  "mappings": {
    "my_type2":{
      "properties": {
        "message":{ "type": "text" }, "keywords":{ "type": "keyword" } } } } }

添加数据：

PUT /my_index2/my_type/1
{
  "message":"keywords test1",
  "keywords":["美女","动漫","电影"] } PUT /my_index2/my_type/2 { "message":"keywords test2", "keywords":["电影","美妆","广告"] }

搜索：

{
  "query": {
    "term": {
      "keywords": "广告"
    }
  }
}

Note1：注意设置字段类型时，keywords设置为keyword，所以使用term查询可以精确匹配，但设置为text，则不一定——如果有添加分词器，则可以搜索到；如果没有，而是使用默认的分词器，只是将其分为一个一个的字，就不会被搜索到。这点尤其需要注意到。

Note2：对于数组字段，也是可以做桶聚合的，做桶聚合的时候，其每一个值都会作为一个值去进行分组，而不是整个数组进行分组，可以使用上面的进行测试，不过需要注意的是，其字段类型不能为text，否则聚合会失败。

Note3：所以根据上面的提示，一般纯数组比较适合存放标签类的数据，就像上面的案例一样，同时字段类型设置为keyword，而不是text，搜索时进行精确匹配就好了。

1.7 滚动查询scroll

如果一次性要查出来比如10万条数据，那么性能会很差，此时一般会采取用scoll滚动查询，一批一批的查，直到所有数据都查询完处理完（es返回的scrollId，可以理解为是es进行此次查询的操作句柄标识，每发送一次该scrollId，es都会操作一次，或者说循环一次，直到时间窗口到期）。

使用scoll滚动搜索，可以先搜索一批数据，然后下次再搜索一批数据，以此类推，直到搜索出全部的数据来，scoll搜索会在第一次搜索的时候，保存一个当时的视图快照，之后只会基于该旧的视图快照提供数据搜索，如果这个期间数据变更，是不会让用户看到的，每次发送scroll请求，我们还需要指定一个scoll参数，指定一个时间窗口，每次搜索请求只要在这个时间窗口内能完成就可以了（也就是说，该scrollId只在这个时间窗口内有效，视图快照也是）。

GET spnews/news/_search?scroll=1m
{
  "query": {
    "match_all": {}
  },
  "size": 10,
  "_source": ["id"] } GET _search/scroll { "scroll":"1m", "scroll_id":"DnF1ZXJ5VGhlbkZldGNoAwAAAAAAADShFmpBMjJJY2F2U242RFU5UlAzUzA4MWcAAAAAAAA0oBZqQTIySWNhdlNuNkRVOVJQM1MwODFnAAAAAAAANJ8WakEyMkljYXZTbjZEVTlSUDNTMDgxZw==" }

2 聚合

2.1 指标聚合

相当于MySQL的聚合函数。

max

{
  "size": 0,
  "aggs": {
    "max_id": {
      "max": { "field": "id" } } } }

size不设置为0，除了返回聚合结果外，还会返回其它所有的数据。

min

{
  "size": 0,
  "aggs": {
    "min_id": {
      "min": { "field": "id" } } } }

avg

{
  "size": 0,
  "aggs": {
    "avg_id": {
      "avg": { "field": "id" } } } }

sum

{
  "size": 0,
  "aggs": {
    "sum_id": {
      "sum": { "field": "id" } } } }

stats

{
  "size": 0,
  "aggs": {
    "stats_id": {
      "stats": { "field": "id" } } } }

2.2 桶聚合

相当于MySQL的group by操作，所以不要尝试对es中text的字段进行桶聚合，否则会失败。

Terms

相当于分组查询，根据字段做聚合。

{
  "size": 0,
  "aggs": {
    "per_count": {
      "terms": { "size":100, "field": "vtype", "min_doc_count":1 } } } }

在桶聚合的过程中还可以进行指标聚合，相当于mysql做group by之后，再做各种max、min、avg、sum、stats之类的：

{
  "size": 0,
  "aggs": {
    "per_count": {
      "terms": { "field": "vtype" }, "aggs": { "stats_follower": { "stats": { "field": "realFollowerCount" } } } } } }

Filter

相当于是MySQL根据where条件过滤出结果，然后再做各种max、min、avg、sum、stats操作。

{
  "size": 0,
  "aggs": {
    "gender_1_follower": {
      "filter": { "term": { "gender": 1 } }, "aggs": { "stats_follower": { "stats": { "field": "realFollowerCount" } } } } } }

上面的聚合操作相当于是：查询gender为1的各个指标。

Filters

在Filter的基础上，可以查询多个字段各自独立的各个指标，即对每个查询结果分别做指标聚合。

{
  "size": 0,
  "aggs": {
    "gender_1_2_follower": {
      "filters": { "filters": [ { "term": { "gender": 1 } }, { "term": { "gender": 2 } } ] }, "aggs": { "stats_follower": { "stats": { "field": "realFollowerCount" } } } } } }

Range

{
  "size": 0,
  "aggs": {
    "follower_ranges": {
      "range": { "field": "realFollowerCount", "ranges": [ { "to": 500 }, { "from": 500, "to": 1000 }, { "from": 1000, "to": 1500 }, { "from": "1500", "to": 2000 }, { "from": 2000 } ] } } } }

to：小于，from：大于等于

Date Range

跟上面一个类似的，其实只是字段为日期类型的，然后范围值也是日期。

Date Histogram Aggregation

这个功能十分有用，可以根据年月日来对数据进行分类。
索引下面的文档：

DELETE my_blog

PUT my_blog
{
  "mappings": {
    "article":{
      "properties": {
        "title":{"type": "text"}, "postdate":{ "type": "date" , "format": "yyyy-MM-dd HH:mm:ss" } } } } } PUT my_blog/article/1 { "title":"Elasticsearch in Action", "postdate":"2014-09-23 23:34:12" } PUT my_blog/article/2 { "title":"Spark in Action", "postdate":"2015-09-13 14:12:22" } PUT my_blog/article/3 { "title":"Hadoop in Action", "postdate":"2016-08-23 23:12:22" }

按年对数据进行聚合：

GET my_blog/article/_search
{
  "size": 0, 
  "aggs": {
    "agg_year": {
      "date_histogram": {
        "field": "postdate", "interval": "year", "order": { "_key": "asc" } } } } } { "took": 18, "timed_out": false, "_shards": { "total": 5, "successful": 5, "failed": 0 }, "hits": { "total": 3, "max_score": 0, "hits": [] }, "aggregations": { "agg_year": { "buckets": [ { "key_as_string": "2014-01-01 00:00:00", "key": 1388534400000, "doc_count": 1 }, { "key_as_string": "2015-01-01 00:00:00", "key": 1420070400000, "doc_count": 1 }, { "key_as_string": "2016-01-01 00:00:00", "key": 1451606400000, "doc_count": 1 } ] } } }

按月对数据进行聚合：

GET my_blog/article/_search
{
  "size": 0, 
  "aggs": {
    "agg_year": {
      "date_histogram": {
        "field": "postdate", "interval": "month", "order": { "_key": "asc" } } } } }

这样聚合的话，包含的年份的每一个月的数据都会被分类，不管其是否包含文档。

按日对数据进行聚合：

GET my_blog/article/_search
{
  "size": 0, 
  "aggs": {
    "agg_year": {
      "date_histogram": {
        "field": "postdate", "interval": "day", "order": { "_key": "asc" } } } } }

这样聚合的话，包含的年份的每一个月的每一天的数据都会被分类，不管其是否包含文档。

猜你喜欢

转载自www.cnblogs.com/hirampeng/p/10035858.html
今日推荐
美国拟限制 AI 大模型出口中国和俄罗斯
苹果将与 OpenAI 达成协议，将 ChatGPT 应用于 iPhone
openKylin 社区生态委员会第六次会议圆满召开
阿里云正式发布通义千问 2.5
Python 3.13 发布首个 Beta：实验性自由线程模式和 JIT、改进交互式解释器
Stack Overflow 拿我的代码去训练 AI 大模型，还封了我的账号
Pop!_OS 的 COSMIC 桌面完成 App Store 上架工作
报告：Django 仍然是 74% 开发者的首选
《2024 年一季度互联网投融资运行情况》研究报告
15 年前上了“FFmpeg 耻辱柱”，今天他还得谢谢咱——腾讯QQPlayer一雪前耻？
TIOBE 5 月榜单：Fortran “复活”进入 Top 10
GCC 14.1 发布
周排行
curl的POST请求，封装方法
8.1.1. Integer Types
Java基础 Day05(个人复习整理)
Python - Django - 中间件 process_exception
小L的试卷
【Shell编程】 （函数）判断用户是否存在
python(css样式)
spring ant path 匹配原则 - 【笔记】
《JavaScript与JScript从入门到精通》(美)James.Jaworski.中译本.扫描版.pdf
Eclipse运行带参数的java程序
每日归档
更多
2024-05-12(0)
2024-05-11(38)
2024-05-10(38)
2024-05-09(35)
2024-05-08(42)
2024-05-07(14)
2024-05-06(40)
2024-05-05(0)
2024-05-04(7)
2024-05-03(19)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022