es简易指南

head
sense

1.查看所有index:

GET _cat/indices

2.查看索引的type、mapping:

GET  [indexName]/_mapping
GET  [indexName]/_mappings
GET  [indexName]/_mapping/[type]

3.查看某索引的某类型的数据:

GET [indexName]/[type]/_search

GET browser_device_idx/tbl_device/_search
{
  "query":
  {
    "match": {
      "groupid":1174
    }
  }
}

GET browser_device_idx/tbl_device/_search
{
  "query":
  {
    "match": {
      "groupid":1174
    }
  }
}

4.过滤:

DELETE [indexName]/[type]/_query
{
    "query": {
        "filtered": {
            "query":  { "match": { "email": "business opportunity" }},
            "filter": { "term": { "folder": "inbox" }}
        }
    }
}

5.查看分词器分词:

常用分词器:standard whitespace simple english pinyin ik
GET /_analyze?analyzer=ik
{
  "text":"ahaha傻笑high"
}
GET /_analyze
{
  "analyzer":"ik",
  "text":"ahaha傻笑high"
}

6.查询指定的部分字段:

通过限定 _source 字段来请求指定字段
GET [indexName]/[type]/_search
{
    "query":   { "match_all": {}},
    "_source": [ "title", "created" ]
}

7.范围查询:

GET [indexName]/[type]/_search
{
  "query":{
   "range":{
   "字段名":{//范围[148,200)
      "gte":148,
      "lt":200
     }
   }
  }
}

8.重建索引:

使用【scan-scoll】来批量读取旧索引的文档,然后将通过【bulk API】来将它们推送给新的索引。
GET /old_index/_search?search_type=scan&scroll=1m
{
  //获取数据应该通过范围查询进行
  //scan-scoll性能比通过范围在各个分片排序再获取好
    "query": {
        "range": {
            "date": {
                "gte":  "2014-01-01",
                "lt":   "2014-02-01"
            }
        }
    },
    "size":  1000
}
POST _bulk//批量操作
{ "index" : { "_index" : "test", "_type" : "type1", "_id" : "1" } }
{ "field1" : "value1" }
{ "delete" : { "_index" : "test", "_type" : "type1", "_id" : "2" } }
{ "create" : { "_index" : "test", "_type" : "type1", "_id" : "3" } }
{ "field1" : "value3" }
{ "update" : {"_id" : "1", "_type" : "type1", "_index" : "test"} }
{ "doc" : {"field2" : "value2"} }

9.索引别名alias aliases:

检测这个别名指向哪个索引:
GET /*/_alias/my_index
检测哪些别名指向这个索引:
GET /my_index_v1/_alias/*
新索引中添加别名的同时从旧索引中删除它。这个操作需要原子化,所以我们需要用 _aliases :
POST /_aliases
{
    "actions": [
        { "remove": { "index": "my_index_v1", "alias": "my_index" }},
        { "add":    { "index": "my_index_v2", "alias": "my_index" }}
    ]
}

10.范围查询并排序:

GET [indexName]/[type]/_search
{
     "query": {
        "range": {
            "date": {
                "gte":  "2014-01-01",
                "lt":   "2014-02-01"
            }
        }
    },
    "sort":  [
        {
          "createTime":"desc"
        }
      ]
}

11.排序

GET mcms_iflow/tbl_news_iflow/_search
{
    "_source": ["abstract_desc","title","channel_id"],
  "query":{
    "match_phrase": {
      "abstract_desc":"可爱"
    }
  },
  "sort": [
    {
      "channel_id": {//一级
        "order": "asc",
        "missing":"_last"//该字段缺省的文档排到最后
      }
    },
        {
      "add_time": {//二级
        "order": "desc"
      }
    }
  ]
}

12.验证查询语句:

GET [indexName]/[type]/_validate/query?explain
{//能够查看es对查询语句的解释
     "query": {
         ...
    }
}

13.查询结果数量、分页:

//如果无from、size设置,from默认为0,size默认为10,默认查询出前10个
GET mcms_iflow/tbl_news_iflow/_search
{
  "query":{
    "match_all": {}
  },
    "size":20//查前20条
}
//查询出从第10条开始,取20条
GET mcms_iflow/tbl_news_iflow/_search
{
  "query":{
    "match_all": {}
  },
    "from":10,
    "size":20
}
//如果搜索size大于10000,需要设置index.max_result_window参数 
//注意:size的大小不能超过index.max_result_window这个参数的设置,默认为10,000。 
PUT _settings
{
    "index": {
        "max_result_window": "10000000"
    }
}

进阶:Elasticsearch——分页查询From&Size VS scrollElasticsearch from+size 超过10000结果解决方法


14.搜索 实例:

//(标题含k或摘要含k)&&(范围[a,b])&&(品类为x&&文本类型为y)
//bool可以嵌套,match_phrase精确匹配,范围可lt lte gt gte,
GET mcms_iflow/tbl_news_iflow/_search
{
  "query":{
    "bool":{
      "must":[{
        "bool":{
          "should":[{
            "match":{
              "title":{
                "query":"樱子",
                "type":"phrase"
              }
            }
          },{
            "match_phrase":{
              "abstract_desc":"樱子"
            }
          }]
        }
      },{
        "range":{
          "add_time": {
            "from": "1487927871500",
            "to": "1492185599999",
            "include_lower":true,
            "include_upper":true
          }
        }
      },{
        "bool":{
          "must":[{
            "term":{
              "variety_type": "1"
            }
          },{
            "term":{
              "articletype": "1"
            }
          }]
        }
      }  ]
    }
  }
}

15.聚合-高级统计

POST mcms_iflow/tbl_news_iflow/_search
{
  "size":0,
  "aggs":{
    "grades_stats":{
      "extended_stats": {
        "field": "add_time"
      }
    }
  }
}

更多聚合:Elasticsearch分析聚合官方-Aggregations

16.短语匹配 match_phrase

GET mcms_iflow/tbl_news_iflow/_search
{
  "_source": ["abstract_desc","title"],//只显示指定字段
  "query":{
    "match_phrase": {//短语匹配
      "abstract_desc":"可爱"
    }
  }
}

es不简易指南


参考资料:
23 款实用的 Elasticsearch 查询示例

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 210,978评论 6 490
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 89,954评论 2 384
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,623评论 0 345
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,324评论 1 282
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,390评论 5 384
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,741评论 1 289
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,892评论 3 405
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,655评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,104评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,451评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,569评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,254评论 4 328
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,834评论 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,725评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,950评论 1 264
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,260评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,446评论 2 348

推荐阅读更多精彩内容

  • 博客原文一博客原文二 翻译作品,水平有限,如有错误,烦请留言指正。原文请见 官网英文文档 起步 Elasticse...
    rabbitGYK阅读 3,230评论 0 68
  • 介绍 elasticsearch是一个高效的、可扩展的全文搜索引擎 基本概念 Near Realtime(NRT)...
    imsilence阅读 774评论 0 0
  • SQL 优化(载录于:http://m.jb51.net/article/5051.htm) 作者: (一)深入浅...
    yuantao123434阅读 730评论 0 7
  • “啊”我从那个吓人的梦惊醒过来,发现只是一个梦而已,就没有太在意。我穿好衣服走了出来,可我并没有发现床头边有一个骨...
    王星冉阅读 615评论 0 1
  • 这学期伊始,我们有门商务英语课。 是位女老师,我很佩服她,她用了两节课,就完全“驯化”了我们。 当然,讲英语是主要...
    莳语阅读 315评论 0 0