ElasticSearch常用操作：查询与聚合篇

friht

　　[TOC]

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。