文章目录
- 1查询的语法
- 2查询全部数据
- 3termQuery 关键词查询
- 4QueryString查询，根据查询字符串查询
- 5match查询，功能和query_string相同
- 6multi_match查询
- 7bool查询
- 8高亮处理
- 9查询结果分页
- 10中文分词器
- field的数据类型
1查询的语法
方法：post
url：http://localhost:9200/[/{blog}][/{type}]/_search
请求体：
json形式的查询语句
{"query":{"xxx"}
}
2查询全部数据
{"query":{"match_all":{}}
}
3termQuery 关键词查询
是所有查询中最基本的一个查询
根据关键词进行查询，如果关键词在索引中存在就有结果
如果关键词不存在就查询不到结果。ES不会再次对查询的内容进行分词处理
需要指定：
- 要查询的关键词
- 要查询的字段
{"query":{"term":{"title":"java"}}
}
默认使用的是standard分词器。处理英文根据空格进行分词处理。如果处理中文，是一个汉字一个关键词。
4QueryString查询，根据查询字符串查询
查询条件可以指定一个字符串，在查询之前，可以对查询条件进行分词处理，然后基于分词之后的结果再次查询
{"query":{"query_string":{"default_field":"title","query":"第二轮开售｜摩拳擦掌，笑迎五一"}}
}
5match查询，功能和query_string相同
{"query":{"match":{"title":"第二轮开售｜摩拳擦掌，笑迎五一"}}
}
6multi_match查询
可以指定在多个字段中查询
{"query":{"multi_match":{"query":"第二轮开售｜摩拳擦掌，笑迎五一","fields":["title","content"]}}
}7bool查询
- 组合条件查询
逻辑关系：
must：必须满足，相当于是AND
should：应该满足，相当于OR
must_not：必须不能满足，相当于NOT
语法：
{"query":{"bool":{"must":[],"should":[],"must_not":[],"filter":[]}}
}案例：
{"query":{"bool":{"must":[{"match":{"title":"apple"}},{"match":{"content":"apple"}}]}}
}
-
filter过滤查询
在bool查询的filter节点中可以包含多个查询条件，条件之间层层过滤
也可以直接使用filter进行数据的查询。filter查询是不进行打分处理。查询性能高于query相关度排序：SEO：搜索引擎优化。两个指标：TF：关键词在文章中出现的频率。TF越大相关度越高。DF：所有文档中关键词出现的频率。DF越大相关度越低。例如 and根据TF和DF计算出一个相关度的得分，得分越高相关度越高，文档根据相关度得分进行降序排列。
{"query":{"bool":{"filter":[{"match_all":{}},{"term":{"title":"喜"}},{"term":{"title":"金"}},{"term":{"title":"北"}} ]}}
}
8高亮处理
在查询结果中将查询的关键词左右两边分别加上成对的html标签。
高亮的处理在查询条件中指定。
{"query":{"bool":{"must":[{"match":{"title":"apple"}}]}},"highlight":{"fields":{"title":{}},"pre_tags":"<em>","post_tags":"</em>"}
}
9查询结果分页
在query查询条件中增加两个属性
from：起始的行号，从0开始
size：每页显示的记录数量
{"query":{"multi_match":{"query":"苹果正开发","fields":["title","content"]}},"highlight": {"fields": {"title": {},"content": {}},"pre_tags": "<em>","post_tags": "</em>"},"from": 10,"size": 5
}
10中文分词器
Ik-analyzer
https://github.com/medcl/elasticsearch-analysis-ik/releases
mkdir ik-analyzer
sudo yum install unzip
unzip elasticsearch-analysis-ik-7.10.2.zip -d ik-analyzer
cp ik-analyzer/ elasticsearch-7.10.2/plugins/ -R
方法：POST
url：http://localhost:9200/_analyze
方法体：{"analyzer":"standard","text":"and productivity has made it the world's most popular Java framework."}IK一旦安装之后有两个分词算法：ik_smart：快速分词，速度快，粒度比较粗。ik_max_word：最大数量分词，速度慢，粒度细。
索引一旦创建完毕不能修改分词器的如果使用中文分词，应该在创建索引时，设置mapping的过程中指定使用中文分词器。
PUT /blog1
{ "settings":{"number_of_shards":5,"number_of_replicas":1},"mappings":{"properties":{"id":{"type":"long"},"title":{"type":"text","analyzer":"ik_max_word","store":"true"},"mobile":{"type":"keyword","store":"true"},"comment":{"type":"text","analyzer":"ik_max_word","store":"true"},"content":{"type":"text","analyzer":"ik_max_word","store":"true"} }}
}POST /blog1/_bulkfield的数据类型
数值类型：intlongfloatdouble
字符串：text：需要分词的字段必须使用text，只有text类型才能支持分词器。keyword：不需要对字段的内容进行分词处理时，可以使用keyword数据类型。例如：身份证号、手机号、订单号等。
日期：data字段的三个属性：是否分词：是否是text类型。例如文章的title、content都需要分词。是否索引：是否对field的内容进行索引。如果text数据类型一定需要创建索引，分词之后一定要创建索引。不分词也可以把field的内容添加到索引中，使用keyword数据类型。也可以不索引field中的内容。例如文件的path，不需要分词，不需要索引，只需要存储即可。"path":{"type":"keyword","index":false,"store":true}是否存储定义field时，store属性是否是true。如果是true那么就存储，false不存储。无论是否存储，不影响分词、创建索引、搜索。影响的范围就是是否能在查询结果中看到原始内容。
