es查询语法

查询关键词的含义:

  1. match: 用于进行全文搜索,分析查询文本并与倒排索引中的词项进行匹配。

  2. term: 精确匹配,适用于非分析字段,如 keyword 类型。用于查找字段值完全相等的文档。

  3. bool : 组合多个查询条件。可以使用 must(必须满足)、should(可选满足)和 must_not(不能满足)来构建复杂查询。

  4. range: 用于查找字段值在某个范围内的文档。例如,可以查找年龄大于某个值的用户。

  5. wildcard : 使用通配符(如 *?)进行模糊匹配。适用于匹配包含特定模式的字段值。

  6. fuzzy: 模糊匹配,允许一定的拼写错误或相似度。通常用于文本字段。

  7. aggregations: 用于统计和分析数据,比如计数、求和、平均等。适用于对结果集进行聚合。

  8. size: 定义返回结果的文档数量。

  9. from: 用于分页,定义从结果集的哪个位置开始返回文档。

  10. sort: 用于对结果进行排序,可以根据一个或多个字段进行升序或降序排序。

  11. should 是用于 bool 查询的一个子句,它允许你指定可选的匹配条件。使用 should 的查询具有以下特点:

should 特点

  1. 可选匹配 :在 should 中列出的条件不是必需的,只要至少满足一个条件,文档就会被包含在结果中。

  2. 加权 :如果一个文档匹配多个 should 条件,它的评分会更高。这可以帮助你根据相关性对结果进行排序。

  3. 组合查询 :可以与 mustmust_not 一起使用,以创建复杂的查询逻辑。

  1. 简单查询

查找所有文档:

json

GET /users/_search
{
"query": {
"match_all": {}
}
}

  1. 匹配查询

查找名称为 "Alice" 的用户:

json

GET /users/_search
{
"query": {
"match": {
"name": "Alice"
}
}
}

  1. 布尔查询

查找年龄大于 25 且兴趣包含 "reading" 的用户:

json

GET /users/_search
{
"query": {
"bool": {
"must": { "range": { "age": { "gt": 25 } } }, { "match": { "interests": "reading" } }
}
}
}

  1. 过滤查询

查找居住在纽约的用户:

json

GET /users/_search
{
"query": {
"term": {
"address.city": "New York"
}
}
}

  1. 聚合查询

统计不同兴趣的用户数量:

json

GET /users/_search
{
"size": 0,
"aggs": {
"interests_count": {
"terms": {
"field": "interests"
}
}
}
}

  1. 组合查询

查找年龄在 20 到 40 之间,且居住在纽约的用户:

json

GET /users/_search
{
"query": {
"bool": {
"must": { "range": { "age": { "gte": 20, "lte": 40 } } }, { "term": { "address.city": "New York" } }
}
}
}

相关推荐
谁似人间西林客3 分钟前
工厂大脑如何让制造从“人驱”迈向“智驱”
大数据·人工智能·制造
财经资讯数据_灵砚智能3 分钟前
基于全球经济类多源新闻的NLP情感分析与数据可视化(夜间-次晨)2026年6月3日
大数据·人工智能·python·信息可视化·自然语言处理·灵砚智能
狒狒热知识10 分钟前
178软文网软文营销平台完善多层风控体系护航企业稳健安全传播
大数据·人工智能·安全
liana874424 分钟前
构建私有化安全协作平台:以金融级协作平台与全链路安全防护体系重塑政企数字化底座
大数据·安全·金融
绘梨衣54724 分钟前
豆包Seed PDF解析企业落地方法论
大数据·python·pdf
大大大大晴天️26 分钟前
Hudi技术内幕:深入理解Hudi文件布局
大数据·hudi
kekekka29 分钟前
路易莱专业跨境电商平台开启全球品质生活新方式
大数据·人工智能
真上帝的左手1 小时前
19. 大数据- BI 入门-数仓实战4-DIM 维度层
大数据·数据仓库·bi
不吃天鹅肉1 小时前
数据湖Delta Lake 初试
大数据·数据湖
小真zzz1 小时前
GEO选型避坑实录:当“参考答案”是假的,如何找到“标准答案”?
大数据·人工智能·搜索引擎·ai·大模型