首页  思维导图  详情

ElasticSearch的进阶语法

2025-02-23 13:44:47   0  举报





AI智能生成

ElasticSearch的进阶语法

ElasticSearch

查询

进阶

语法

作者其他创作

大纲/内容

match_all

GET /index_name/_search
{
"query": {
"match_all": {}
},
"_source": ["字段1","字段2"], // 类似select
"sort": [
{"排序字段": "desc或者asc"}
],
"from": P, // 从P开始查N条，可用于分页
"size": N // 不配，默认最多10
}

精确匹配

term单字段精确匹配

类似于mysql的精确匹配int、varchar、datetime、double等，要查询keyword，非text类型的字段

如果要匹配text，会有两种情况

GET /index_name/_search
{
"query": {
"term": {
"字段名.keyword": {
"value": "xxx" // 这里的xxx是字段对应值的完整内容
}
}
}
}

GET /index_name/_search
{
"query": {
"term": {
"字段名": {
"value": "xxx" // 这里的xxx是字段分词后的某个词
}
}
}
}

如果匹配的是一个数组，那么只要命中数组中的某一个值就可以

可以通过移除算分的方式，来提示效率，因为本身就是精确匹配，无需算分

GET /index_name/_search
{
"query": {
"constant_score": {
"filter": {
"term": {
"字段名.keyword": "xxx" // 这里的xxx是字段对应值的完整内容
}
}
}
}
}
}

terms多字段精确匹配

GET /index_name/_search
{
  "query": {
    "terms": {
      "字段名.keyword": [
        "yyy","xxx","ttt" // 这里的值是字段对应值的完整内容
]
    }
  }
}

其他和单字段类似

range范围查询

数字型范围
GET /index_name/_search
{
"query": {
"range": {
"age": {
"gte": 1,
"lte": 10
}
}
}
}

日期型范围
GET /index_name/_search
{
"query": {
"range": {
"mydate": {
"gte": "yyy",
"lte": "xxx"
}
}
}
}
上面的yyy、xxx也可以用内置方法，now当前时间

now-2d 当前时间减2天

w：周

M：月

y：年

h：小时

m：分钟

注意有8小时时差，所以要+8

查询时最好带上/m，这样es会产生缓存，能提高查询效率

now/y精确到年，now/M精确到月，now/w精确到周，now/d精确到日，now/h精确到小时

exists

GET /index_name/_search
{
"query": {
"exists": {
"field": "字段名" // 判断字段是否存在
}
}
}

ids

GET /index_name/_search
{
"query": {
"ids": {
"values": [1,2,3...]
}
}
}

prefix前缀匹配

不会对输入的查询条件做分词

不会做习惯性分数计算

需要遍历所有，性能略低

GET /index_name/_search
{
"query": {
"prefix": {
"字段名.keyword": {
"value": "xxx" // 这里的xxx是字段对应值的完整内容的前缀，类似like 'xxx%'
}
}
}
}

wildcard通配符匹配

*：0或多个字符

?：一个字符

尽量不使用，性能很低

GET /index_name/_search
{
"query": {
"wildcard": {
"字段名.keyword": {
"value": "这是*，哈哈*"
}
}
}
}

fuzzy支持编辑距离的模糊查询

实现对输入的错别字进行识别

GET /index_name/_search
{
"query": {
"fuzzy": {
"字段名": {
"value": "xxx",
"fuzziness": "AUTO", // 支持0/1/2个错别字，默认0，其他值会报错
"prefix_length": 1 // 搜索词的前缀长度，默认0，长度内的字符，不会应用到模糊匹配上
}
}
}
}

regexp正则匹配

GET /index_name/_search
{
"query": {
"regexp": {
"字段名.keyword": {
"value": "xxx.*"
}
}
}
}

term set用于解决多值字段中的文档匹配

全文检索

对输入查询条件进行分词

然后匹配keyword

适用于text

单词检索
GET /index_name/_search
{
"query": {
"match": {
"字段名": "xxx" // 这种其实是or效果
}
}
}

单词检索，输入的值，分词后，必须匹配指定个数的分词
GET /index_name/_search
{
"query": {
"match": {
"字段名": {
"query": "xxx",
"minimum_should_match": 2 // 这里代表至少匹配2个分词
}
}
}
}

单词检索，输入的值，分词后，其分词结果和查询内容完全匹配，即分词数量一致，分词内容一致
GET /index_name/_search
{
"query": {
"match": {
"字段名": {
"query": "xxx",
"operator": "and" // 完全匹配
}
}
}
}

多词检索
GET /index_name/_search
{
"query": {
"multi_match": {
"query": "xxx",
"fields": ["字段1","字段2"...]
}
}
}

match_phrase短语匹配，要求分词匹配，顺序也匹配，但是可以通过slop来控制顺序间隔数，默认1，一般用不到，因为分词算法不可控

query_string

GET /index_name/_search
{
"query": {
"query_string": {
"default_field": ["字段1","字段2"],
"query": "分词1 OR 分词2 OR (分词3 AND 分词4)" // 也可以用AND
}
}
}

组合查询

must（需算分，有性能损耗）

GET /index_name/_search
{
"query": {
"bool": {
"must": [
{"match": {"字段名1": "xxx"}},
{"match": {"字段名2": "yyy"}}
]
}
}
}

should（需算分，有性能损耗）

GET /index_name/_search
{
"query": {
"bool": {
"should": [
{"match": {"字段名1": "xxx"}},
{"match": {"字段名2": "yyy"}}
],
"minimun_should_match": 1 // 至少需要满足一个条件
}
}
}

filter（无需算分）

GET /index_name/_search
{
"query": {
"bool": {
"filter": [
{"term": {"字段名1": "xxx"}},
{"range": {"字段名2": {"gte": "xxx"}}}
]
}
}
}

term和range本身就是精确查找，无需算分，所以不需要用must和should

must_not（无需算分）

高亮显示实现

GET /index_name/_search
{
"query": {
"term": {
"字段名": {
"value": "xxx" // 这里的xxx是字段分词后的某个词
}
}
},
"highlight": {
"post_tags": ["</span>"], // 可以自定义高亮语法
"pre_tags": ["<span style='color: red'>"],
"request_field_match": false,
"fields": {
"字段1": {}, // 也可以不指定字段，使用"*": {}，匹配所有字段
"字段2": {}
}
}
}

地理空间位置查询

创建索引时，字段的类型type，必须是geo_point，子集是lat和lon

GET /index_name/_search
{
"query": {
"bool": {
"must": {
"match_all": {}
},
"filter": {
"geo_distance": {
"distance": "10km", //距离，单位有m、km两种
"distance_type": "arc", //arc地球表面弧长，plane直线距离单位
"location": { // 查询参考点，即圆心
"lat": xxx,
"lon": yyy
}
}
}
}
}
}

向量检索