Rest风格操作
一种软件架构风格,而不是标准,只是提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。基于这个风格设计的软件可以更简洁,更有层次,更易于实现缓存等机制。
基本Rest命令说明:
method | url地址 | 描述 |
---|---|---|
PUT | localhost:9200/索引名称/类型名称/文档id | 创建文档(指定文档id) |
POST | localhost:9200/索引名称/类型名称 | 创建文档(随机文档id) |
POST | localhost:9200/索引名称/类型名称/文档id/_update | 修改文档 |
DELETE | localhost:9200/索引名称/类型名称/文档id | 删除文档 |
GET | localhost:9200/索引名称/类型名称/文档id | 查询文档通过文档id |
POST | localhost:9200/索引名称/类型名称/_search | 查询所有数据 |
1. 关于索引的基本操作
创建
PUT /test1/type1/1 { "name": "rootwhois", "age": 18 }
字段的类型:
- 字符串类型 text 、 keyword
- 数值类型 long, integer, short, byte, double, float, half_float, scaled_float
- 日期类型 date
- 布尔值类型 boolean
- 二进制类型 binary
等等.....
指定字段的类型
创建规则
PUT /test2 { "mappings": { "properties": { "name": { "type": "text" }, "age": { "type": "long" }, "birthday": { "type": "date" } } } }
2. 关于文档的操作
2.1. 基本操作
添加数据
PUT /test1/user/2 { "name": "张三", "age": 12, "desc": "法外狂徒", "tags": ["渣男", "旅游", "交友"] }
Image 获取数据
GET /test1/user/2
Image 更新数据
简单搜索
可以根据默认的映射规则,产生基本的查询。
GET test1/user/_search?q=name:张三
Image
2.2. 复杂操作
- 搜索
GET /test1/user/_search
{
"query": {
"match": {
"name": "zhangsan"
}
}
}
![image-20210727234932966](https://cdn.jsdelivr.net/gh/rootwhois/oss@main/uPic/image-20210727234932966.png)
结果过滤
GET /test1/user/_search { "_source": ["name"] }
只返回name
排序
GET /test1/user/_search { "sort": [ { "age": { "order": "desc" } } ] }
降序排序
分页
GET /test1/user/_search { "from": 0, "size": 20 }
from从哪里开始
size单页面的数据
布尔值查询
GET /test1/user/_search { "query": { "bool":{ "must":[ { "match": { "name": "zhangsan" } }, { "match": { "age": 3 } } ] } } }
参数
- must 相当于and,所有的条件都要符合
- should相当于or,满足其一即可
- must_not相当于not,所有条件都不符合
多条件查询
过滤器filter
GET /test1/user/_search { "query": { "bool":{ "age":[ { "filter": { "range": { "age": { "gte": 10, "lte": 20 } } } } ] } } }
range:取值范围
gte:大于等于
gt:大于
lte:小于等于
lt:小于
eq:等于
匹配多个条件
GET /test1/user/_search { "query": { "match":{ "tags":"男 技术" } } }
多个条件使用空格隔开
满足其中一个结果就可以被查出
可以通过分值进行判断(权重)
精确查询
GET /test1/user/_search { "query": { "term":{ "tags":"男" } } }
term查询是直接通过倒排索引指定的词条进程精确的查找
关于分词:
term:直接查找精确的值
match:会使用分词器解析(先分析文档然后通过分析的文档进行查询)
关于类型:
text会被分词器解析
term不会
多个值的精确查询
GET /test1/user/_search { "query": { "bool":{ "should":[ { "term": { "name": "zhangsan" } }, { "term": { "name": "lisi" } } ] } } }
高亮显示
{ "query": { "match": { "content" : { "query" : "我的宝马多少马力" } }, "hightlight": { "pre_tags": "<p class='key' style='color:red'>", "post_tags": "</p>", "fields": { "name": {} } } } }
field中设置要高亮的位置
pre_tags和post_tags用于自定义标签,默认为
<em></em>
。
elasticsearch 查询(match和term)
es中的查询请求有两种方式,一种是简易版的查询,另外一种是使用JSON完整的请求体,叫做结构化查询(DSL)。 由于DSL查询更为直观也更为简易,所以大都使用这种方式。 DSL查询是POST过去一个json,由于post的请求是json格式的,所以存在很多灵活性,也有很多形式。 这里有一个地方注意的是官方文档里面给的例子的json结构只是一部分,并不是可以直接黏贴复制进去使用的。一般要在外面加个query为key的机构。
1. match
最简单的一个match例子:
查询和"我的宝马多少马力"这个查询语句匹配的文档。
{
"query": {
"match": {
"content" : {
"query" : "我的宝马多少马力"
}
}
}
}
上面的查询匹配就会进行分词,比如"宝马多少马力"会被分词为"宝马 多少 马力", 所有有关"宝马 多少 马力", 那么所有包含这三个词中的一个或多个的文档就会被搜索出来。 并且根据lucene的评分机制(TF/IDF)来进行评分。
2. match_phrase
比如上面一个例子,一个文档"我的保时捷马力不错"也会被搜索出来,那么想要精确匹配所有同时包含"宝马 多少 马力"的文档怎么做?就要使用 match_phrase 了
{
"query": {
"match_phrase": {
"content" : {
"query" : "我的宝马多少马力"
}
}
}
}
完全匹配可能比较严,我们会希望有个可调节因子,少匹配一个也满足,那就需要使用到slop。
{
"query": {
"match_phrase": {
"content" : {
"query" : "我的宝马多少马力",
"slop" : 1
}
}
}
}
3. multi_match
如果我们希望两个字段进行匹配,其中一个字段有这个文档就满足的话,使用multi_match
{
"query": {
"multi_match": {
"query" : "我的宝马多少马力",
"fields" : ["title", "content"]
}
}
}
但是multi_match就涉及到匹配评分的问题了。
4. 我们希望完全匹配的文档占的评分比较高,则需要使用best_fields
{
"query": {
"multi_match": {
"query": "我的宝马发动机多少",
"type": "best_fields",
"fields": [
"tag",
"content"
],
"tie_breaker": 0.3
}
}
}
意思就是完全匹配"宝马 发动机"的文档评分会比较靠前,如果只匹配宝马的文档评分乘以0.3的系数
5. 我们希望越多字段匹配的文档评分越高,就要使用most_fields
{
"query": {
"multi_match": {
"query": "我的宝马发动机多少",
"type": "most_fields",
"fields": [
"tag",
"content"
]
}
}
}
6. 我们会希望这个词条的分词词汇是分配到不同字段中的,那么就使用cross_fields
{
"query": {
"multi_match": {
"query": "我的宝马发动机多少",
"type": "cross_fields",
"fields": [
"tag",
"content"
]
}
}
}
term
term是代表完全匹配,即不进行分词器分析,文档中必须包含整个搜索的词汇
{
"query": {
"term": {
"content": "汽车保养"
}
}
}
查出的所有文档都包含"汽车保养"这个词组的词汇。
使用term要确定的是这个字段是否“被分析”(analyzed),默认的字符串是被分析的。
拿官网上的例子举例:
mapping是这样的:
PUT my_index
{
"mappings": {
"my_type": {
"properties": {
"full_text": {
"type": "string"
},
"exact_value": {
"type": "string",
"index": "not_analyzed"
}
}
}
}
}
PUT my_index/my_type/1
{
"full_text": "Quick Foxes!",
"exact_value": "Quick Foxes!"
}
其中的full_text是被分析过的,所以full_text的索引中存的就是[quick, foxes],而extra_value中存的是[Quick Foxes!]。
那下面的几个请求:
GET my_index/my_type/_search
{
"query": {
"term": {
"exact_value": "Quick Foxes!"
}
}
}
请求的出数据,因为完全匹配
GET my_index/my_type/_search
{
"query": {
"term": {
"full_text": "Quick Foxes!"
}
}
}
请求不出数据的,因为full_text分词后的结果中没有[Quick Foxes!]这个分词。
1. bool联合查询: must,should,must_not
如果我们想要请求"content中带宝马,但是tag中不带宝马"这样类似的需求,就需要用到bool联合查询。 联合查询就会使用到must,should,must_not三种关键词。
这三个可以这么理解
- must: 文档必须完全匹配条件
- should: should下面会带一个以上的条件,至少满足一个条件,这个文档就符合should
- must_not: 文档必须不匹配条件
比如上面那个需求:
{
"query": {
"bool": {
"must": {
"term": {
"content": "宝马"
}
},
"must_not": {
"term": {
"tags": "宝马"
}
}
}
}
}