elasticsearch系列三:常用查询语法

概述

前几篇我们介绍了如何在es中存储数据,如何更加合理的存储数据,今天我们来说下常用的查询语法,如何实现mysql中的等于、大于、小于、and 、or、in等方式。

案例

我们以kibana为例,比如sql中的等于,在es中可以用term实现如下图:

and我们可以看到filter是一个数组的结构,其实就等于and,我们可以在filter中并存多个条件,如下图:

那么通过java Api怎么实现呢?来看下:

or的话我们可以通过shuld的方式实现,kibana中对应的语法:

那么in呢?我们可以通过must+shuld的方式实现,kibana对应的语法:

对应java中的代码语法:

大于小于对应range语法,也就是范围匹配,gt就是对应大于、lt就是对应小于、gte就是对于等于,比如我们进行时间范围的查询:

对应的java中的语法:

咱们最后说下模糊查询的问题,前面说的呢都是基于keyword的精确查询,那么对于text的格式存储的数据大多数是通过模糊的形式,常用的算是match语法了,并且可以基于es的相关度分数设置高亮,我们还是看下基本kibana语法是怎么样的:

match性能是很慢的,所以非特殊业务下不建议使用该api,我们想用左前缀查询怎么办呢?可以通过match_phrase_prefix的方式,并且可以和上面说的条件共同使用,咱们看下例子:

总结

基本常用的查询语法都说了下,在给大家分享一个经验,通过java操作es的时候如果不熟悉api,可以基于kibana自动提示功能基本可以实现基本语法,然后根据kibana中的语法摸索出来java中API,好了咱们今天先到这,下期咱们看下如何更好的运维es集群。


Elasticsearch系列经典文章

相关推荐
派可数据BI可视化2 小时前
商业智能BI 浅谈数据孤岛和数据分析的发展
大数据·数据库·数据仓库·信息可视化·数据挖掘·数据分析
jiedaodezhuti2 小时前
Flink性能调优基石:资源配置与内存优化实践
大数据·flink
阿里云大数据AI技术3 小时前
云栖实录 | AI 搜索智能探索:揭秘如何让搜索“有大脑”
人工智能·搜索引擎
Lx3524 小时前
Flink窗口机制详解:如何处理无界数据流
大数据
Lx3524 小时前
深入理解Flink的流处理模型
大数据
Lx3524 小时前
Flink vs Spark Streaming:谁更适合你的实时处理需求?
大数据
QYResearch4 小时前
全球香水行业现状调研与发展前景预测(2025-2031年)
大数据
QYResearch4 小时前
全球与中国空气净化器市场规模前景
大数据
连线Insight4 小时前
竞逐AI内容,爱奇艺先出手了
大数据·人工智能
wudl55664 小时前
Flink 1.19 REST API
大数据·flink