17 Oct 2018
我们已经对基础有了一定的了解，现在我们尝试在更加真实的场景下来研究。这里我会准备一组虚拟的银行账户信息。每一条都类似于这样：
{ "account_number": 0, "balance": 16623, "firstname": "Bradshaw", "lastname": "Mckenzie", "age": 29, "gender": "F", "address": "244 Columbus Place", "employer": "Euron", "email": "bradshawmckenzie@euron.com", "city": "Hobucken", "state": "CO" }
这些数据都是从 www.json-generator.com 生成的，所以请忽略其实际值。
你可以从这里下载到测试用的数据集。把文件放在当前目录，然后用下面的命令来导入它到elasticsearch集群中：
curl -H "Content-Type: application/json" -XPOST "localhost:9200/bank/_doc/_bulk?pretty&refresh" --data-binary "@accounts.json" curl "localhost:9200/_cat/indices?v"
返回结果是
health status index uuid pri rep docs.count docs.deleted store.size pri.store.size yellow open bank l7sSYV2cQXmu6_4rJWVIww 5 1 1000 0 128.6kb 128.6kb
这意味着我们只是成功地将1000个文档批量索引到银行索引（在_doc类型下）。
现在让我们从一些简单的搜索开始吧。运行搜索有两种基本方法：一种是通过REST请求URI发送搜索参数，另一种是通过REST请求体发送搜索参数。请求体方法允许您更具表现力，并以更易读的JSON格式定义搜索。我们将尝试一个请求URI方法的示例，但是对于本教程的其余部分，我们将专门使用请求体方法。
可以从_search端点访问用于搜索的REST API。此示例返回银行索引中的所有文档：
GET /bank/_search?q=*&sort=account_number:asc&pretty
/bank/_search，在bank索引上执行搜索APIq=*，匹配所有的在bank索引中的文档sort=account_number:asc，使用account_number排序，采用升序排序。pretty，只是告诉Elasticsearch返回漂亮的JSON结果。部分返回结果为：
{ "took" : 63, "timed_out" : false, "_shards" : { "total" : 5, "successful" : 5, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : 1000, "max_score" : null, "hits" : [ { "_index" : "bank", "_type" : "_doc", "_id" : "0", "sort": [0], "_score" : null, "_source" : {"account_number":0,"balance":16623,"firstname":"Bradshaw","lastname":"Mckenzie","age":29,"gender":"F","address":"244 Columbus Place","employer":"Euron","email":"bradshawmckenzie@euron.com","city":"Hobucken","state":"CO"} }, { "_index" : "bank", "_type" : "_doc", "_id" : "1", "sort": [1], "_score" : null, "_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"} }, ... ] } }
返回结果中，我们看到了如下部分：
took - Elasticsearch执行搜索的时间（以毫秒为单位）timed_out - 告诉我们搜索是否超时_shards - 告诉我们搜索了多少个分片，以及搜索成功/失败分片的计数hits - 搜索结果hits.total - 符合我们搜索条件的文档总数hits.hits - 实际的搜索结果数组（默认为前10个文档）hits.sort - 搜索结果排序的key（如果是按照score排序，则missing）hits._score and max_score - 目前不需要关注字段含义下面的操作效果和上面一样，只不过使用的是请求体方式：
GET /bank/_search
{
"query": { "match_all": {} },
"sort": [
{ "account_number": "asc" }
]
}
重要的是要理解，一旦您获得了搜索结果，Elasticsearch就完全完成了请求，并且不会在结果中维护任何类型的服务器端资源或打开游标。这与SQL等许多其他平台形成鲜明对比，在其中您可能最初预先获得查询结果的部分子集，然后如果要获取（或翻页）其余的结果则必须连续返回到服务器端，这是使用某种有状态服务器端游标的结果。
Elasticsearch提供了一种JSON样式的特定于域的语言，可用于执行查询。这被称为查询DSL。
查询bank索引所有的文档
GET /bank/_search
{
"query": { "match_all": {} }
}
query告诉我们这里是匹配结果的定义语句，match_all是告诉我们实际查询的语句。
除了query之外，我们还可以增加其他的参数来影响搜索的结果。之前我们使用了sort参数，这里我们尝试使用size参数：
GET /bank/_search
{
"query": { "match_all": {} },
"size": 1
}
size影响的是查询结果中返回的数组结果，如果不指定size的值，默认是10。
下面的例子返回查询结果中序号10-19
GET /bank/_search
{
"query": { "match_all": {} },
"from": 10,
"size": 10
}
from的作用很明显，是指定结果数组中起始的index值，如果没有指定from，默认是0。
下面的例子是使用balance来降序排序：
GET /bank/_search
{
"query": { "match_all": {} },
"sort": { "balance": { "order": "desc" } }
}
现在我们已经了解了一些基本的搜索参数，让我们继续了解查询DSL的更多吧。首先，让我们看一下返回结果中的字段。默认情况下，会在查询结果中返回完整的json格式的文档。这被称之为源（命中结果中的_source字段）。如果我们不希望返回整个源文档，我们可以选择只返回源的部分字段。
下面的例子展示了如何在搜索结果中只返回两个字段，account_number和balance:
GET /bank/_search
{
"query": { "match_all": {} },
"_source": ["account_number", "balance"]
}
在上面的例子中，我们只是简单的减少了_source参数的内容。它依然会返回_source，只是其中的内容仅包含account_number和balance。
如果你是从SQL世界中来，那么上面的请求类似于select from语句。
okay，现在让我们来看看查询部分。之前，我们已经看过了如何是用match_all来匹配索引中所有的文档了。现在让我们看一个新的参数match，这个参数可以认为可以进行一个基本的字段查询（根据一个或者一组字段来查询）。
下面这个例子返回account number为20的账户：
GET /bank/_search
{
"query": { "match": { "account_number": 20 } }
}
下面这个例子返回地址中包含mill的账户：
GET /bank/_search
{
"query": { "match": { "address": "mill" } }
}
下面这个例子返回地址中包含mill或者lane的账户：
GET /bank/_search
{
"query": { "match": { "address": "mill lane" } }
}
下面这个例子使用了match的一个变种match_phrase，它会返回所有地址匹配“mill lane”的账户：
GET /bank/_search
{
"query": { "match_phrase": { "address": "mill lane" } }
}
现在我们来聊聊bool查询。bool查询允许我们使用布尔逻辑将较小的查询组成更大的查询。
下面这个例子中，组合了两个小查询成为一个大查询，查询结果中地址必须同时包含mill和lane：
GET /bank/_search
{
"query": {
"bool": {
"must": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}
在上面的示例中，bool must子句指定所有必须为true的查询才能将文档视为匹配项。
作为对比，下面这个例子中，查询结果中地址只要包含mill或lane其中一个即可：
GET /bank/_search
{
"query": {
"bool": {
"should": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}
在上面的示例中，bool should字句指定查询中至少有一个为true才能将文档视为匹配项。
下面这个例子中，查询结果中地址既不可能包含mill也不能包含lane：
GET /bank/_search
{
"query": {
"bool": {
"must_not": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}
在上面的示例中，bool should字句指定查询中至少有一个为true才能将文档视为匹配项。
我们可以在bool查询中同时组合must，should和must_not子句。此外，我们可以在任何这些bool子句中组合bool查询来模仿任何复杂的多级布尔逻辑。
下面这个例子中，返回任何40岁但不住在ID（aho）的人的所有帐户：
GET /bank/_search
{
"query": {
"bool": {
"must": [
{ "match": { "age": "40" } }
],
"must_not": [
{ "match": { "state": "ID" } }
]
}
}
}
在前面，我们跳过了一个小细节，叫做文档score(搜索结果中的_score字段)。socre是一个数值，它是文档与我们指定的搜索查询条件匹配程度的相对值。分值越高，说明和搜索条件契合度越高，反之就是契合度越低。
但是查询并不总是需要产生分数，特别是当它们仅用于“过滤”文档集时。Elasticsearch会检测这些情况并自动优化查询执行，以便不计算无用的分数。
我们在前面中介绍的bool查询还支持过滤子句，这些子句可以来限制其他子句搜索匹配的文档，而不会更改计算得分的方式。举例子之前，让我们介绍range查询，它允许我们按一系列值过滤文档。这通常用于数字或日期过滤。
下面这个例子，我们使用bool查询到所有balance在20000-30000之间的账户：
GET /bank/_search
{
"query": {
"bool": {
"must": { "match_all": {} },
"filter": {
"range": {
"balance": {
"gte": 20000,
"lte": 30000
}
}
}
}
}
}
上面的查询中，match_all是查询部分，range是filter部分。我们可以使用其他任何查询API来替换上面的查询部分和过滤部分。
除了match_all，match，bool和range查询之外，还有很多其他可用的查询类型，我们不会在这里讨论它们。由于我们已经基本了解它们的工作原理，因此将这些知识应用于学习和试验其他查询类型应该不会太困难。
聚合提供了从数据中分组和提取统计信息的功能。理解聚合的最简单方法是将其大致等同于SQL GROUP BY和SQL聚合函数。在elasticsearch中，你可以执行返回命中结果的搜索，同时在同一个响应中返回单独的聚合信息。这是非常强大和高效的，通过使用简洁的API，你可以同时执行一个查询和多个聚合操作，然后一次性得到所有(或任一)结果，而避免了更多的网络开销。
首先，下面这个例子，使用state来分组所有账户，然后按照count的减序（默认减序）返回前十个（默认10个）state:
GET /bank/_search
{
"size": 0,
"aggs": {
"group_by_state": {
"terms": {
"field": "state.keyword"
}
}
}
}
在SQL中，上述聚合在概念上类似于：
SELECT state, COUNT(*) FROM bank GROUP BY state ORDER BY COUNT(*) DESC LIMIT 10;
返回结果是
{ "took": 29, "timed_out": false, "_shards": { "total": 5, "successful": 5, "skipped" : 0, "failed": 0 }, "hits" : { "total" : 1000, "max_score" : 0.0, "hits" : [ ] }, "aggregations" : { "group_by_state" : { "doc_count_error_upper_bound": 20, "sum_other_doc_count": 770, "buckets" : [ { "key" : "ID", "doc_count" : 27 }, { "key" : "TX", "doc_count" : 27 }, { "key" : "AL", "doc_count" : 25 }, { "key" : "MD", "doc_count" : 25 }, { "key" : "TN", "doc_count" : 23 }, { "key" : "MA", "doc_count" : 21 }, { "key" : "NC", "doc_count" : 21 }, { "key" : "ND", "doc_count" : 21 }, { "key" : "ME", "doc_count" : 20 }, { "key" : "MO", "doc_count" : 20 } ] } } }
我们可以看到，在ID生活的account有27个，TX的有27个…依次往下类推。
值得注意的是我们设定了size为0，是因为我们仅仅希望在响应中看到聚合的结果。
在前面聚合的基础上，这个例子根据state分组来计算了账户的balance平均值（同样仅针对按count降序排序的前10个state）:
GET /bank/_search
{
"size": 0,
"aggs": {
"group_by_state": {
"terms": {
"field": "state.keyword"
},
"aggs": {
"average_balance": {
"avg": {
"field": "balance"
}
}
}
}
}
}
请注意我们如何嵌套group_by_state聚合到average_balance聚合中的。这是聚合的常见模式。你可以在任意聚合中嵌套聚合，来从数据中提取你所需要的统计概要。
在前面聚合的基础上，下面的例子中，我们改用average_balance来降序排序：
GET /bank/_search
{
"size": 0,
"aggs": {
"group_by_state": {
"terms": {
"field": "state.keyword",
"order": {
"average_balance": "desc"
}
},
"aggs": {
"average_balance": {
"avg": {
"field": "balance"
}
}
}
}
}
}
下面这个例子演示了如何使用年龄段分组，然后是用性别分组，最后得到一个每个性别中每个年龄段账户余额的平均值：
GET /bank/_search
{
"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.keyword"
},
"aggs": {
"average_balance": {
"avg": {
"field": "balance"
}
}
}
}
}
}
}
}
还有许多其他聚合功能，我们在此不再详述。如果您想进行进一步的实验，聚合参考指南是一个很好的起点。