ES(Query DSL)基本使用

先前條件1信峻、elasticsearch測試數(shù)據(jù)集

https://blog.csdn.net/qq_35843514/article/details/120205873

先前條件2鳖昌、批量插入
POST bank/account/_bulk
批量插入如圖所示
1毛秘、Query DSL基本查詢使用
GET bank/_search
{
    "query": {
        "match_all": {}
    },
    "sort": [
      {
        "balance": {
          "order": "desc"
        }
      }
    ],
    "from": 0,
    "size": 5,
    "_source": ["firstname","lastname","balance"]
}

-- 其中"match_all"表示匹配所有
-- “sort”表示查詢條件 是按"balance"降序排序
-- "from"查詢起始位置
-- "size"查詢數(shù)據(jù)的量(這里是從第0號開始之众,顯示5條數(shù)據(jù)竹祷,相當(dāng)于sql語句的limit)
-- "_source"查詢出需要顯示的字段

2押逼、match既可以作為模糊查詢申尼,全文檢索
GET bank/_search
{
  "query":{
    "match": {
      "address": "Mill Lane"
    }
  }
}

-- "address"中包含"Mill“、”Lane"鹉戚、“Mill Lane”都會被查詢出來(相當(dāng)于分詞)
-- 全文檢索最后會按評分排序

3鲜戒、短語匹配之"match_phrase"
GET bank/_search
{
  "query":{
    "match_phrase": {
      "address": "Mill Lane"
    }
  }
}

-- "match_phrase"表示只會匹配"address"中包含"Mill Lane"的記錄

4、多字段匹配之 "multi_match"
GET bank/_search
{
  "query":{
    "multi_match": {
      "query": "mill",
      "fields": ["address","city"]
    }
  }
}

-- 只要字段"address"或"city"中包含"mill"的記錄就會被查詢出來(如果查詢的是多字段也會進行分詞)

5抹凳、復(fù)合查詢之"bool"

GET bank/_search
{
  "query":{
    "bool": {
      "must": [
        {"match": {
          "gender": "M"
        }},
        {"match": {
          "address": "mill"
        }}
      ], 
      "must_not": [
        {"match": {
          "age": "18"
        }}
      ],
      "should": [
        {"match": {
          "lastname": "Wallace"
        }}
      ]
    }
  }
}

-- "must"必須匹配
-- "must_not"必須不匹配
-- "should"可以匹配遏餐,可以不配配,匹配的話相關(guān)性評分會高

6赢底、結(jié)果過濾之"filter"

GET bank/_search
{
  "query":{
    "bool": {
      "must": [
        {"range": {
          "age": {
            "gte": 18,
            "lte": 30
          }
        }
        }
      ]
    }
  }
}

GET bank/_search
{
  "query":{
    "bool": {
      "filter": {
        "range": {
          "age": {
            "gte": 18,
            "lte": 30
          }
        }
      }
    }
  }
}
must查詢出來有相關(guān)性評分

filter查詢出來沒有相關(guān)性評分

7失都、非text文本字段之"term",全文用"match"

GET bank/_search
{
  "query":{
   "term": {
     "balance":"32838"
   }
  }
}
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末颖系,一起剝皮案震驚了整個濱河市嗅剖,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌嘁扼,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,743評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件黔攒,死亡現(xiàn)場離奇詭異趁啸,居然都是意外死亡,警方通過查閱死者的電腦和手機督惰,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,296評論 3 385
  • 文/潘曉璐 我一進店門不傅,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人赏胚,你說我怎么就攤上這事访娶。” “怎么了觉阅?”我有些...
    開封第一講書人閱讀 157,285評論 0 348
  • 文/不壞的土叔 我叫張陵崖疤,是天一觀的道長秘车。 經(jīng)常有香客問我,道長劫哼,這世上最難降的妖魔是什么叮趴? 我笑而不...
    開封第一講書人閱讀 56,485評論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮权烧,結(jié)果婚禮上眯亦,老公的妹妹穿的比我還像新娘。我一直安慰自己般码,他們只是感情好妻率,可當(dāng)我...
    茶點故事閱讀 65,581評論 6 386
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著板祝,像睡著了一般舌涨。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上扔字,一...
    開封第一講書人閱讀 49,821評論 1 290
  • 那天囊嘉,我揣著相機與錄音,去河邊找鬼革为。 笑死扭粱,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的震檩。 我是一名探鬼主播琢蛤,決...
    沈念sama閱讀 38,960評論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼抛虏!你這毒婦竟也來了博其?” 一聲冷哼從身側(cè)響起窿春,我...
    開封第一講書人閱讀 37,719評論 0 266
  • 序言:老撾萬榮一對情侶失蹤蚓炬,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后病附,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體沸毁,經(jīng)...
    沈念sama閱讀 44,186評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡峰髓,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,516評論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了息尺。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片携兵。...
    茶點故事閱讀 38,650評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖搂誉,靈堂內(nèi)的尸體忽然破棺而出徐紧,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 34,329評論 4 330
  • 正文 年R本政府宣布并级,位于F島的核電站拂檩,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏死遭。R本人自食惡果不足惜广恢,卻給世界環(huán)境...
    茶點故事閱讀 39,936評論 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望呀潭。 院中可真熱鬧钉迷,春花似錦、人聲如沸钠署。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,757評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽谐鼎。三九已至舰蟆,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間狸棍,已是汗流浹背身害。 一陣腳步聲響...
    開封第一講書人閱讀 31,991評論 1 266
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留草戈,地道東北人塌鸯。 一個月前我還...
    沈念sama閱讀 46,370評論 2 360
  • 正文 我出身青樓,卻偏偏與公主長得像唐片,于是被迫代替她去往敵國和親丙猬。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 43,527評論 2 349

推薦閱讀更多精彩內(nèi)容