Elasticsearch 数据搜索篇·【入门级干货】


原文链接: Elasticsearch 数据搜索篇·【入门级干货】

Elasticsearch 数据搜索篇·【入门级干货】

ES即简单又复杂,你可以快速的实现全文检索,又需要了解复杂的REST API。本篇就通过一些简单的搜索命令,帮助你理解ES的相关应用。虽然不能让你理解ES的原理设计,但是可以帮助你理解ES,探寻更多的特性。

其他相关的内容参考:Elasticsearch官方文档翻译

样例数据

为了更好的使用和理解ES,没有点样例数据还是不好模拟的。这里提供了一份官网上的数据,accounts.json。如果需要的话,也可以去这个网址玩玩,它可以帮助你自定义写随机的JSON数据。

首先开启你的ES,然后执行下面的命令,windows下需要自己安装curl、也可以使用cygwin模拟curl命令:

curl -XPOST 'localhost:9200/bank/account/_bulk?pretty' --data-binary @accounts.json

注意:

1 需要在accounts.json所在的目录运行curl命令。

2 localhost:9200是ES得访问地址和端口

3 bank是索引的名称

4 account是类型的名称

5 索引和类型的名称在文件中如果有定义,可以省略;如果没有则必须要指定

6 _bulk是rest得命令,可以批量执行多个操作(操作是在json文件中定义的,原理可以参考之前的翻译)

7 pretty是将返回的信息以可读的JSON形式返回。

执行完上述的命令后,可以通过下面的命令查询:

curl 'localhost:9200/_cat/indices?v'
health index pri rep docs.count docs.deleted store.size pri.store.size
yellow bank 5 1 1000 0 424.4kb 424.4kb

搜索API

ES提供了两种搜索的方式:请求参数方式 和 请求体方式。

请求参数方式

curl 'localhost:9200/bank/_search?q=*&pretty'

其中bank是查询的索引名称,q后面跟着搜索的条件:q=*表示查询所有的内容

请求体方式(推荐这种方式)

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": { "match_all": {} }
}'

这种方式会把查询的内容放入body中,会造成一定的开销,但是易于理解。在平时的练习中,推荐这种方式。

返回的内容
复制代码

{
"took" : 26,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"failed" : 0
},
"hits" : {
"total" : 1000,
"max_score" : 1.0,
"hits" : [ {

 "_index" : "bank",
 "_type" : "account",
 "_id" : "1",
 "_score" : 1.0, "_source" : {"account_number":1,"balance":39225,"firstname":"Amber","lastname":"Duke","age":32,"gender":"M","address":"880 Holmes Lane","employer":"Pyrami","email":"amberduke@pyrami.com","city":"Brogan","state":"IL"}

}, {

 "_index" : "bank",
 "_type" : "account",
 "_id" : "6",
 "_score" : 1.0, "_source" : {"account_number":6,"balance":5686,"firstname":"Hattie","lastname":"Bond","age":36,"gender":"M","address":"671 Bristol Street","employer":"Netagy","email":"hattiebond@netagy.com","city":"Dante","state":"TN"}

}, {

 "_index" : "bank",
 "_type" : "account",
 "_id" : "13",

复制代码

返回的内容大致可以如下讲解:

took:是查询花费的时间,毫秒单位

time_out:标识查询是否超时

_shards:描述了查询分片的信息,查询了多少个分片、成功的分片数量、失败的分片数量等

hits:搜索的结果,total是全部的满足的文档数目,hits是返回的实际数目(默认是10)

_score是文档的分数信息,与排名相关度有关,参考各大搜索引擎的搜索结果,就容易理解。

由于ES是一次性返回所有的数据,因此理解返回的内容是很必要的。它不像传统的SQL是先返回数据的一个子集,再通过数据库端的游标不断的返回数据(由于对传统的数据库理解的不深,这里有错还望指正)。
查询语言DSL

ES支持一种JSON格式的查询,叫做DSL,domain specific language。这门语言刚开始比较难理解,因此通过几个简单的例子开始:

下面的命令,可以搜索全部的文档:

{
"query": { "match_all": {} }
}

query定义了查询,match_all声明了查询的类型。还有其他的参数可以控制返回的结果:

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": { "match_all": {} },
"size": 1
}'

上面的命令返回了所有文档数据中的第一条文档。如果size不指定,那么默认返回10条。

下面的命令请求了第10-20的文档。
复制代码

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": { "match_all": {} },
"from": 10,
"size": 10
}'

复制代码

下面的命令指定了文档返回的排序方式:

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": { "match_all": {} },
"sort": { "balance": { "order": "desc" } }
}'

执行搜索

上面了解了基本的搜索语句,下面就开始深入一些常用的DSL了。

之前的返回数据都是返回文档的所有内容,这种对于网络的开销肯定是有影响的,下面的例子就指定了返回特定的字段:

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": { "match_all": {} },
"_source": ["account_number", "balance"]
}'

再回到query,之前的查询都是查询所有的文档,并不能称之为搜索引擎。下面就通过match方式查询特定字段的特定内容,比如查询余额为20的账户信息:

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": { "match": { "account_number": 20 } }
}'

查询地址为mill的信息:

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": { "match": { "address": "mill" } }
}'

查询地址为mill或者lane的信息:

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": { "match": { "address": "mill lane" } }
}'

如果我们想要返回同时包含mill和lane的,可以通过match_phrase查询:

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": { "match_phrase": { "address": "mill lane" } }
}'

ES提供了bool查询,可以把很多小的查询组成一个更为复杂的查询,比如查询同时包含mill和lane的文档:
复制代码

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": {
"bool": {

 "must": [
   { "match": { "address": "mill" } },
   { "match": { "address": "lane" } }
 ]

}
}
}'

复制代码

修改bool参数,可以改为查询包含mill或者lane的文档:
复制代码

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": {
"bool": {

 "should": [
   { "match": { "address": "mill" } },
   { "match": { "address": "lane" } }
 ]

}
}
}'

复制代码

也可以改写为must_not,排除包含mill和lane的文档:
复制代码

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": {
"bool": {

 "must_not": [
   { "match": { "address": "mill" } },
   { "match": { "address": "lane" } }
 ]

}
}
}'

复制代码

bool查询可以同时使用must, should, must_not组成一个复杂的查询:
复制代码

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": {
"bool": {

 "must": [
   { "match": { "age": "40" } }
 ],
 "must_not": [
   { "match": { "state": "ID" } }
 ]

}
}
}'

复制代码
过滤查询

之前说过score字段指定了文档的分数,使用查询会计算文档的分数,最后通过分数确定哪些文档更相关,返回哪些文档。

有的时候我们可能对分数不感兴趣,就可以使用filter进行过滤,它不会去计算分值,因此效率也就更高一些。

filter过滤可以嵌套在bool查询内部使用,比如想要查询在2000-3000范围内的所有文档,可以执行下面的命令:
复制代码

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": {
"bool": {

 "must": { "match_all": {} },
 "filter": {
   "range": {
     "balance": {
       "gte": 20000,
       "lte": 30000
     }
   }
 }

}
}
}'

复制代码

ES除了上面介绍过的范围查询range、match_all、match、bool、filter还有很多其他的查询方式,这里就先不一一说明了。
聚合

聚合提供了用户进行分组和数理统计的能力,可以把聚合理解成SQL中的GROUP BY和分组函数。在ES中,你可以在一次搜索查询的时间内,即完成搜索操作也完成聚合操作,这样就降低了多次使用REST API造成的网络开销。

下面就是通过terms聚合的简单样例:
复制代码

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"size": 0,
"aggs": {
"group_by_state": {

 "terms": {
   "field": "state"
 }

}
}
}'

复制代码

它类似于SQL中的下面的语句:

SELECT state, COUNT() FROM bank GROUP BY state ORDER BY COUNT() DESC

返回的数据:
复制代码

"hits" : {
"total" : 1000,
"max_score" : 0.0,
"hits" : [ ]
},
"aggregations" : {
"group_by_state" : {

 "buckets" : [ {
   "key" : "al",
   "doc_count" : 21
 }, {
   "key" : "tx",
   "doc_count" : 17
 }, {
   "key" : "id",
   "doc_count" : 15
 }, {
   "key" : "ma",
   "doc_count" : 15
 }, {
   "key" : "md",
   "doc_count" : 15
 }, {
   "key" : "pa",
   "doc_count" : 15
 }, {
   "key" : "dc",
   "doc_count" : 14
 }, {
   "key" : "me",
   "doc_count" : 14
 }, {
   "key" : "mo",
   "doc_count" : 14
 }, {
   "key" : "nd",
   "doc_count" : 14
 } ]

}
}
}

复制代码

由于size设置为0,它并没有返回文档的信息,只是返回了聚合的结果。

比如统计不同账户状态下的平均余额:
复制代码

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"size": 0,
"aggs": {
"group_by_state": {

 "terms": {
   "field": "state"
 },
 "aggs": {
   "average_balance": {
     "avg": {
       "field": "balance"
     }
   }
 }

}
}
}'

复制代码

聚合支持嵌套,举个例子,先按范围分组,在统计不同性别的账户余额:
复制代码

curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"size": 0,
"aggs": {
"group_by_age": {

 "range": {
   "field": "age",
   "ranges": [
     {
       "from": 20,
       "to": 30
     },
     {
       "from": 30,
       "to": 40
     },
     {
       "from": 40,
       "to": 50
     }
   ]
 },
 "aggs": {
   "group_by_gender": {
     "terms": {
       "field": "gender"
     },
     "aggs": {
       "average_balance": {
         "avg": {
           "field": "balance"
         }
       }
     }
   }
 }

}
}
}'

复制代码

聚合可以实现很多复杂的功能,而且ES也提供了很多复杂的聚合,这里作为引导篇,也不过多介绍了。

对于基本的数据搜索大致就是上面讲述的样子,熟悉了一些常用的API,入门还是很简单的,倒是要熟练使用ES,还是需要掌握各种搜索查询的命令,以及ES内部的原理。

`