GET _search
{
"query": {
"match_all": {}
}
}
# 创建索引
PUT person
PUT zqk
# 查询索引
GET person
GET zqk
# 删除索引
DELETe person
DELETE zqk
# 查询映射
GET person/_mapping
GET zqk/_mapping
# 添加映射
PUT person/_mapping
{
"properties":{
"name":{
"type":"keyword"
},
"age":{
"type":"integer"
}
}
}
PUT zqk/_mapping
{
"properties":{
"name" :{
"type" : "keyword"
},
"age": {
"type" : "integer"
}
}
}
# 创建索引并添加映射
PUT person
{
"mappings": {
"properties": {
"name":{
"type": "keyword"
},
"age":{
"type":"integer"
}
}
}
}
PUT zqk
{
"mappings": {
"properties" :{
"name" : {
"type" : "keyword"
},
"age" : {
"type" : "integer"
}
}
}
}
# 索引库中添加字段
PUT person/_mapping
{
"properties":{
"address":{
"type":"text"
}
}
}
PUT zqk/_mapping
{
"properties" :{
"address" : {
"type" : "text"
}
}
}
# 查询索引
GET person
GET zqk
# 添加文档，指定id
POST person/_doc/3
{
"name":"張三",
"age":30,
"address":"华为5G手机"
}
POST zqk/_doc/3
{
"name":"张三",
"age" : 30,
"address" : "华为5G手机"
}
# 查询文档
GET person/_doc/1
GET zqk/_doc/3
# 添加文档,不指定id
POST person/_doc/
{
"name":"李四",
"age":20,
"address":"深圳南山區"
}
POST zqk/_doc/
{
"name":"天津李四",
"age" : 38,
"address": "天津滨海"
}
# 查询文档
GET person/_doc/PC6eIpvAQ_yQua9UW9tlZQ
GET zqk/_doc/iXQYo30BxeVvR4r0hPeu
# 添加文档,不指定id
POST person/_doc/
{
"name":"李四",
"age":20,
"address":"深圳南山区"
}
POST zqk/_doc
{
"name" : "沈阳仙洋",
"age" : 30,
"address": "沈阳市皇姑区"
}
# 查询文档
GET person/_doc/7fWDhnsB3zC415WCdfEQ
GET zqk/_doc/inQao30BxeVvR4r0rvcX
# 查询所有文档
GET person/_search
GET zqk/_search
# 删除文档
DELETE person/_doc/1
DELETE zqk/_doc/iXQYo30BxeVvR4r0hPeu
# 修改文档 根据id，id存在就是修改，id不存在就是添加
PUT person/_doc/1
{
"name":"乾坤傢",
"age":20,
"address":"深圳福田保税区"
}
GET zqk/_search
PUT zqk/_doc/1
{
"name" : "zqk:嗷嗷强",
"age" : 23,
"address" : "沈阳市于洪区"
}
# match 先会对查询的字符串进行分词，在查询，求交集
GET person/_search
{
"query": {
"match": {
"address": "华为手机"
}
}
}
GET zqk/_search
{
"query" : {
"match": {
"address": "华为手机"
}
}
}
#词条查询不会分析查询条件，只有当词条和查询字符串完全匹配时才匹配搜索
#查询文档-term查询
# 查询所有数据
GET person/_search
GET zqk/_search
# 查询 深开头的数据
GET person/_search
{
"query": {
"term": {
"address": {
"value": "深"
}
}
}
}
GET zqk/_search
{
"query" : {
"term": {
"address": {
"value": "沈"
}
}
}
}
POST zqk/_doc/2
{
"name" :"zqk2",
"age" : 24,
"address" : "五里河"
}
#查询名字等于张三的用户
GET person/_search?q=name:張三
GET zqk/_search?q=name:张三
#4.2.13 DSL 查询
#url地址请求体，多添加几条数据，方便做查询
PUT qiankunjia/_doc/1001
{
"id":"1001",
"name":"张三",
"age":20,
"sex":"男"
}
PUT qiankunjia/_doc/1002
{
"id":"1002",
"name":"李四",
"age":25,
"sex":"女"
}
PUT qiankunjia/_doc/1003
{
"id":"1003",
"name":"王五",
"age":30,
"sex":"女"
}
PUT qiankunjia/_doc/1004
{
"id":"1004",
"name":"赵六",
"age":30,
"sex":"男"
}
# 查询
GET qiankunjia/_search
GET qiankunjia/_search
#① 根据年龄查询
POST qiankunjia/_doc/_search
{
"query":{
"match":{
"age":20
}
}
}
GET qiankunjia/_doc/_search
{
"query" : {
"match" : {
"age" : 20
}
}
}
# ② 查询年龄大于20岁的女性用户
# 请求URL地址：
GET qiankunjia/_search
{
"query": {
"bool": {
"filter": {
"range": {
"age": {
"gt": 20
}
}
},
"must":{
"match":{
"sex":"女"
}
}
}
}
}
# ③ 全文搜索
# 请求URL地址
GET qiankunjia/_search
{
"query": {
"match": {
"name": "张三 李四"
}
}
}
GET qiankunjia/_search
{
"query": {
"match": {
"name": "张三，李四"
}
}
}
# 高亮查询
GET qiankunjia/_search
{
"query": {
"match": {
"name": "张三 李四"
}
},
"highlight": {
"fields": {
"name": {}
}
}
}
GET qiankunjia/_search
{
"query" : {
"match": {
"name": "张三，李四"
}
},
"highlight": {
"fields": {
"name" : {}
}
}
}
# 聚合查询
GET qiankunjia/_search
{
"aggs": {
"all_interests": {
"terms": {
"field": "age"
}
}
}
}
GET qiankunjia/_search
{
"aggs" :{
"all_interests" : {
"terms": {
"field": "age",
"size": 10
}
}
}
}
# 4.2.16 指定响应字段
# 在响应的数据中，如果我们不需要全部的字段，可以指定
# 些需要的字段进行返回
GET qiankunjia/_doc/1001?_source=id,name
GET qiankunjia/_doc/1001?_source=id,name
# 4.2.17 判断文档是否存在
# 如果我们只需要判断文档是否存在，而不是查询文档内容，那么可以这样：
HEAD qiankunjia/_doc/1001
# 200证明有
HEAD shangguigu/_doc/1001
# 404证明没有
# 4.2.18.1 批量查询
POST qiankunjia/_doc/_mget
{
"ids" : ["1001","1003"]
}
GET qiankunjia/_doc/_mget
{
"ids" : ["1001","1003"]
}
#如果，某一条数据不存在，不影响整体响应，需要通过found的值进行判断是否查询到数据。
POST qiankunjia/_doc/_mget
{
"ids" : ["1001","1006"]
}
# 4.2.18.2 _bulk *** 作
# 在Elasticsearch中，支持批量的插入、修改、删除 *** 作，都是通过_bulk的api完成的。
# 请求格式如下：（请求格式不同寻常）
# 批量插入数据：
POST _bulk
{"create":{"_index":"qkjia","_id":2001}}
{"id":2001,"name":"name1","age":20,"sex":"男"}
{"create":{"_index":"qkjia","_id":2002}}
{"id":2002,"name":"name2","age":20,"sex":"男"}
{"create":{"_index":"qkjia","_id":2003}}
{"id":2003,"name":"name3","age":20,"sex":"男"}
# 批量删除
POST _bulk
{"delete":{"_index":"qkjia","_id":2001}}
{"delete":{"_index":"qkjia","_id":2002}}
{"delete":{"_index":"qkjia","_id":2003}}
# 4.2.19 分页
# 和SQL使用 LIMIT
# 关键字返回只有一页的结果一样，Elasticsearch接受
# from和 size 参数：
# 如果你想每页显示5个结果，页码从1到3，那请求如下：
GET /_search?size=5
GET /_search?size=5&from=5
GET /_search?size=5&from=10
GET qiankunjia/_search?size=1&from=2
GET zqk/_search?size=1&from=2
# 批量创建
POST zhaoqiankun/_bulk
{"index":{"_index":"zhaoqiankun"}}
{"name":"张三","age":20,"mail":"111@qq.com","hobby":"羽毛球、乒乓球、足球"}
{"index":{"_index":"zhaoqiankun"}}
{"name":"张三","age":21,"mail":"222@qq.com","hobby":"羽毛球、乒乓球、足球、篮球"}
{"index":{"_index":"zhaoqiankun"}}
{"name":"张三","age":23,"mail":"333@qq.com","hobby":"羽毛球、篮球、游泳、听音乐"}
{"index":{"_index":"zhaoqiankun"}}
{"name":"张三","age":24,"mail":"444@qq.com","hobby":"听音乐、看电影"}
GET zhaoqiankun/_search
# 测试搜索
POST zhaoqiankun/_search
{
"query": {
"match": {
"hobby": "音乐，足球"
}
}
}
#terms查询
#terms 跟 term 有点类似，但 terms #允许指定多个匹配条件。 #如果某个字段指定了多个值，那么文档需要一
#起去做匹配：
GET zhaoqiankun/_search
{
"query": {
"terms": {
"age": [
"20",
"21"
]
}
}
}
# range查询
# range 过滤允许我们按照指定范围查找一批数据：
# gt :: 大于
# gte :: 大于等于
# lt :: 小于
# lte :: 小于等于
# 示例
POST zhaoqiankun/_search
{
"query": {
"range": {
"age": {
"gte": 10,
"lte": 20
}
}
}
}
# exists 查询
# exists 查询可以用于查找文档中是否包含指定字段或没有某个字段，类似于SQL语句中的 IS_NULL 条件
# 'exists': 必须包含
POST zhaoqiankun/_search
{
"query": {
"exists": {
"field": "age"
}
}
}
# 例如对 “我是程序员” # 进行分词#标准分词器分词效果测试：
POST _analyze
{
"text": "我是程序员"
}
# Standard 标准分词，按单词切分，并且会转化成小写
POST _analyze
{
"analyzer" : "standard",
"text": ["A man becomes learned by asking questions ."]
}
# IK分词器测试
# 1）最小切分：在浏览器地址栏输入地址
POST _analyze
{
"analyzer": "ik_smart",
"text": ["我是程序员"]
}
# 2）最细切分：在浏览器地址栏输入地址
POST _analyze
{
"analyzer": "ik_max_word",
"text": ["我是程序员"]
}
# 5.4 修改索引映射mapping
# 5.4.1 重建索引
# 创建索引
PUT person
# 删除原有blog1索引
DELETe person
# 创建索引，添加映射，指定使用ik分词器
PUT person
{
"mappings": {
"properties": {
"name":{
"type":"keyword"
},
"address":{
"type": "text",
"analyzer": "ik_max_word"
}
}
}
}
PUT person
{
"mappings": {
"properties": {
"name" : {
"type": "keyword"
},
"address" : {
"type": "text",
"analyzer": "ik_max_word"
}
}
}
}
# 查询索引
GET person
# 创建文档
PUT person/_doc/1
{
"name" : "张三",
"age" : 30,
"address" : "华为5G手机"
}
# 添加文档
POST person/_doc/2
{
"name":"李四",
"age":20,
"address":"深圳南山区"
}
# 添加文档
PUT person/_doc/3
{
"name":"张三",
"age":29,
"address": "深圳南山"
}
# 查询所有数据
GET person/_search
# 5.4.3 再次测试term测试
# 使用term查询 深圳开头的数据
GET person/_search
{
"query": {
"term": {
"address": {
"value": "深圳"
}
}
}
}
# 查询代码创建的 索引
GET abc
# 查询代码创建的 索引和映射
GET aaa
# 查询代码创建的 索引 删除后
GET abc
# 查询代码创建的 文档
GET aaa/_doc/2
# 查询代码创建的 修改后文档
GET aaa/_doc/2
# 查询代码创建的 删除后文档
GET aaa/_doc/1
GET person/_search
# 批量 *** 作
# 1 删除1号记录
# 2 添加8号记录
# 3 修改2号记录 名称为二号
POST _bulk
{"delete":{"_index":"person","_id":"1"}}
{"create":{"_index":"person","_id":"8"}}
{"name":"8号","age":80,"address":"北京"}
{"update":{"_index":"person","_id":"2"}}
{"doc":{"name":"2号"}}
# 将数据库中Goods表的数据导入到ElasticSearch中
# ① 将数据库中Goods表的数据导入到ElasticSearch中
# ② 创建索引
PUT goods
{
"mappings": {
"properties": {
"title": {
"type": "text",
"analyzer": "ik_smart"
},
"price": {
"type": "double"
},
"createTime": {
"type": "date"
},
"categoryName": {
"type": "keyword"
},
"brandName": {
"type": "keyword"
},
"spec": {
"type": "object"
},
"saleNum": {
"type": "integer"
},
"stock": {
"type": "integer"
}
}
}
}
# 查询索引
GET goods
# 添加文档数据
POST goods/_doc/1
{
"title":"小米手机",
"price":1000,
"createTime":"2019-12-01",
"categoryName":"手机",
"brandName":"小米",
"saleNum":3000,
"stock":10000,
"spec":{
"网络制式":"移动4G",
"屏幕尺寸":"4.5"
}
}
# 查询文档数据
GET goods/_search
# 查询是否导入
GET goods/_search
# 查询 matchAll查询：查询所有文档
GET goods/_search
{
"query": {
"match_all": {}
},
"from": 0,
"size": 100
}
# term查询：不会对查询条件进行分词。
GET goods
# term 查询
GET goods/_search
{
"query": {
"term": {
"categoryName": {
"value": "手机"
}
}
}
}
# matchQuery:词条分词查询
# match查询：
# • 会对查询条件进行分词。
# • 然后将分词后的查询条件和词条进行等值匹配
# • 默认取并集（OR）
# match 查询 "title": "手机"
GET goods/_search
{
"query": {
"match": {
"title": "华为"
}
}
}
# match 查询 "operator": "or"
GET goods/_search
{
"query": {
"match": {
"title": {
"query": "华为手机",
"operator": "and"
}
}
}
}
# 模糊查询-脚本
# wildcard查询：会对查询条件进行分词。还可以使用通配符 ?（任意单个字符） 和 * （0个或多个字符）
# prefix查询：前缀查询
# wildcard 查询。查询条件分词，模糊查询 华为，华，*华*
GET goods/_search
{
"query": {
"wildcard": {
"title": {
"value": "华*"
}
}
}
}
# 前缀查询
GET goods/_search
{
"query": {
"prefix": {
"brandName": {
"value": "三"
}
}
}
}
# range 范围查询：查找指定字段在指定范围内包含值
# 范围查询 gte 大于等于 lte小于等于
GET goods/_search
{
"query": {
"range": {
"price": {
"gte": 2000,
"lte": 3000
}
}
}
}
# 范围查询 gte 大于等于 lte小于等于
GET goods/_search
{
"query": {
"range": {
"price": {
"gte": 2000,
"lte": 3000
}
}
},
"sort": [
{
"price": {
"order": "desc"
}
}
]
}
# queryString查询-脚本
# queryString：
# • 会对查询条件进行分词。
# • 然后将分词后的查询条件和词条进行等值匹配
# • 默认取并集（OR）
# • 可以指定多个查询字段
# queryString
GET goods/_search
{
"query": {
"query_string": {
"fields": ["title","categoryName","brandName"],
"query": "华为"
}
}
}
# 布尔查询
# boolQuery：对多个查询条件连接。连接方式：
# • must（and）：条件必须成立
# • must_not（not）：条件必须不成立
# • should（or）：条件可以成立
# • filter：条件必须成立，性能比must高。不会计算得分
# term ：不会对查询条件进行分词。
# match查询：
# • 会对查询条件进行分词。
# • 然后将分词后的查询条件和词条进行等值匹配
# • 默认取并集（OR）
GET goods/_search
{
"query": {
"match": {
"title": "华为手机"
}
},
"size": 500
}
# 计算得分
GET goods/_search
{
"query": {
"bool": {
"must": [
{
"term": {
"brandName": {
"value": "华为"
}
}
}
]
}
}
}
# 不计算得分
GET goods/_search
{
"query": {
"bool": {
"filter": [
{
"term": {
"brandName": {
"value": "华为"
}
}
}
]
}
}
}
# 计算得分 品牌是三星，标题还得电视
GET goods/_search
{
"query": {
"bool": {
"must": [
{
"term": {
"brandName": {
"value": "三星"
}
}
}
],
"filter": {
"term": {
"title": "电视"
}
}
}
}
}
# 聚合查询
# • 指标聚合：相当于MySQL的聚合函数。max、min、avg、sum等
# • 桶聚合：相当于MySQL的 group by *** 作。不要对text类型的数据进行分组，会失败。
# 查询最贵的华为手机，max_price命名随便取，取一个有意义的名字
GET goods/_search
{
"query": {
"match": {
"title": "华为手机"
}
},
"aggs": {
"max_price":{
"max": {
"field": "price"
}
}
}
}
# 桶聚合 分组
GET goods/_search
{
"query": {
"match": {
"title": "电视"
}
},
"aggs": {
"goods_brands": {
"terms": {
"field": "brandName",
"size": 100
}
}
}
}
# 高亮查询
# 高亮三要素：
# • 高亮字段
# • 前缀
# • 后缀
GET goods/_search
{
"query": {
"match": {
"title": "电视"
}
},
"highlight": {
"fields": {
"title": {
"pre_tags": "",
"post_tags": ""
}
}
}
}
# 重建索引
# 随着业务需求的变更，索引的结构可能发生改变。
# ElasticSearch的索引一旦创建，只允许添加字段，不允许改变字段。因为改变字段，需要重建倒排索引，影响内部缓
# 存结构，性能太低。
# 那么此时，就需要重建一个新的索引，并将原有索引的数据导入到新索引中。
# 原索引库 ：student_index_v1
# 新索引库 ：student_index_v2
# 新建student_index_v1索引，索引名称必须全部小写
PUT student_index_v1
{
"mappings": {
"properties": {
"birthday" : {
"type": "date"
}
}
}
}
# 查询索引
GET student_index_v1
# 添加数据
PUT student_index_v1/_doc/1
{
"birthday":"2020-11-11"
}
# 查询数据
GET student_index_v1/_search
# 随着业务的变更，换种数据类型进行添加数据，程序会直接报错
PUT student_index_v1/_doc/1
{
"birthday":"2020年11月11号"
}
# 业务变更，需要改变birthday数据类型为text
# 1：创建新的索引 student_index_v2
# 2：将student_index_v1 数据拷贝到 student_index_v2
# 创建新的索引
PUT student_index_v2
{
"mappings": {
"properties": {
"birthday":{
"type": "text"
}
}
}
}
# 删除索引2
DELETE student_index_v2
# 2：将student_index_v1 数据拷贝到 student_index_v2
POST _reindex
{
"source": {
"index": "student_index_v1"
},
"dest": {
"index": "student_index_v2"
}
}
# 查询新索引库数据
GET student_index_v2/_search
# 在新的索引库里面添加数据
PUT student_index_v2/_doc/2
{
"birthday":"2020年11月13号"
}
# 查询数据
GET student_index_v2/_search
# 使用 kibana 查询
GET item
GET item/_search
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）