Elasticsearch 的 RESTFul API 虽然提供了方便的查询接口, 但是多变的组合方式很让人头疼.
ES 使用了 RESTFul 风格的 HTTP Method, 但跟经典设计有些区别:
- 没有 MATCH, 用 POST 加
_update代替 - PUT 新建索引, 新建或覆盖文档 (必须指明ID)
- POST 新建或修改文档, 其他设置
查看索引是否存在
HEAD /marks
创建索引
PUT /marks
{
"settings": {
"number_of_shards": 1,
"number_of_replicas": 0
},
"mappings": {
"properties": {
"id": {
"type": "long"
},
"created_at": {
"type": "date"
},
"updated_at": {
"type": "date"
},
"user_id": {
"type": "long"
},
"url": {
"type": "keyword"
},
"tag": {
"type": "keyword"
},
"hash_key": {
"type": "keyword"
},
"selection": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_smart"
},
"comment": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_smart",
"fields": {
"keyword": {
"ignore_above": 256,
"type": "keyword"
}
}
}
}
}
}
查看索引列表
GET /_cat/indices
response 为按行分隔的文本, 非 JSON
查看索引详情
GET /marks
- 只查看索引映射:
GET /marks/_mappings - 只查看索引设置:
GET /marks/_settings
删除索引
DELETE /marks
新建文档
PUT 必须制定文档 _id, POST 可选自动生成 _id(推荐指定).
7.x 以后的版本限制每个索引必须使用相同的类型, 即用 _doc 占位.
PUT /marks/_doc/1
{
"id": 1,
"created_at": "2020-12-08T15:57:09.706469055+08:00",
"updated_at": "2020-12-08T15:57:09.706469055+08:00",
"user_id": 123,
"url": "http://localhost",
"tag": "red",
"selection": "My rabbit jumps",
"comment": "静安嘉里中心"
}
POST /marks/_doc/2
{
"id": 2,
"created_at": "2020-12-08T15:57:09.706469055+08:00",
"updated_at": "2020-12-08T15:57:09.706469055+08:00",
"user_id": 123,
"url": "http://localhost",
"tag": "green",
"selection": "Jumping jack rabbits",
"comment": "国金中心"
}
删除文档 By _id
DELETE /marks/_doc/1
修改文档部分字段
POST /marks/_update/1
{
"doc": {
"new_filed": "simple str"
}
}
根据具体值查找
根据 id 的精确值查找:
SQL: select * from marks where id = 1
ES :
GET /marks/_search
{
"query": {
"term": {
"id": {
"value": 1
}
}
}
}
根据 id 数组的精确值查找:
SQL: select * from marks where id in (1, 2)
ES:
GET /marks/_search
{
"query": {
"terms": {
"id": [
1,
2
]
}
}
}
查询模板
常用的查询都可以用 bool 查询包装, 很多工具也是这样做的.
- must_not 一定不命中, 如果命中即排除;
- must 要求其中每个查询都命中, 即 AND 的关系; 会计算分数;
- should 如果命中则有加分, 即 OR 的关系;
- filter 同 must 但不计算分数;
sql: SELECT*FROM marks LIMIT 20 OFFSET 0
GET /marks/_search
{
"query": {
"bool": {
"must_not": [],
"must": [],
"should": [],
"filter": []
}
},
"from": 0,
"size": 20,
"sort": [],
"aggs": {}
}
term
marks 中 comment, 一份数据有两种索引方式:
- text: 根据分析器先拆分 token 再录入倒排索引;
- keyword: 原样存储.
term 是 精确值匹配, 在 comment.keyword 中搜索:
sql:
select * from marks where `comment.keyword` = '国金中心'
ES:
GET /marks/_search
{
"query": {
"term": {
"comment.keyword": {
"value": "国金中心"
}
}
}
}
分析器
GET /marks/_analyze
{
"analyzer": "ik_smart",
"text": [
"静安中心"
]
}
match
match 是构建在 term 的基础上的. 录入文档时, 文档经过 analyzer 分词, 搜索文本时, 文本经过 search_analyzer 分词, 然后分词和分词 term 精确匹配.
比如在 comment 上搜索: 静安中心.
先经过 search_analyzer 得到 token 静安 和 中心, 然后把他们带入倒排索引分别匹配:
sql: select * from marks where comment = '静安' or comment = '中心'
(这里的 sql 已经不能准确表达了, 因为 comment 是一组值.)
ES:
GET /marks/_search
{
"query": {
"match": {
"comment": "静安中心"
}
}
}
如果没有专门指定 search_analyzer, 那么他就跟随字段的 analyzer.
multi_match
GET /marks/_search
{
"query": {
"multi_match": {
"query": "静安中心",
"type": "best_fields",
"fields": [
"comment",
"selection"
]
}
}
}
muti_match 是对 match 的包装, 他在多个字段上执行 match, 根据 type 进行多种策略的算分和返回.
- best_fields, 默认的type, 只看得分最高的字段;
- most_fields, 得分最高的字段占大头, 其他字段有相应的加分, 忽略不相关的长尾;
- cross_fields, 多字段融合, 综合计算词频.
查询分析
POST /marks/_validate/query?explain
{
"query": {
"multi_match": {
"query": "静安中心",
"type": "most_fields",
"fields": [
"comment",
"selection"
]
}
}
}
开发阶段可以利用 _validate 查看 query 是否合法, 查看解析后的搜索逻辑.