你的位置:首页 > 操作系统

[操作系统]分布式搜索引擎Elasticsearch的查询与过滤


一、写入

先来一个简单的官方例子,插入的参数为-XPUT,插入一条记录。

curl -XPUT 'http://localhost:9200/test/users/1' -d '{  "user": "test",  "post_date": "2009-11-15T14:12:12",  "message": "Elastic Search"}'{  "_index": "test",  "_type": "users",  "_id": "1",  "_version": 2,  "_shards": {    "total": 2,    "successful": 1,    "failed": 0  },  "created": false}

从上面的这个例子中,可以看出ES的http的服务的默认端口9200,后面的/test/users/1是这条记录的索引部分,体现了它的RESTful风格

这三级目录分布对应了_index,_type,_id 实际上ES上存放的所有的记录都只能通过三级目录的方式找到

  • _id 字段可以是数字也可以是字符串。在执行上面的命令时ES会自动创建这些索引

  • -d 后面跟上了要插入的json格式的记录

  • -XPUT 表明这是插入一条数据,ES中叫创建一个索引

  • _version 字段,表明了当前记录的版本号,当你想这个索引重新put一条记录时,版本号会自动加一

二、删除

删除的http请求参数为-XDELETE,通过下面的命令可以删除这条记录:

curl -XDELETE 'http://localhost:9200/test/users/1?pretty'{ "found" : true, "_index" : "test", "_type" : "users", "_id" : "1", "_version" : 3, "_shards" : {  "total" : 2,  "successful" : 1,  "failed" : 0 }}

删除这条记录的时候,_verison也会自动加一的。

三、查询

创建了一个索引后,可以通过下面的方式查询(参数-XGET)出来

curl -XGET 'http://localhost:9200/test/users/1?pretty'    { "_index" : "test", "_type" : "users", "_id" : "1", "_version" : 1, "found" : true, "_source" : {  "user" : "test",  "post_date" : "2009-11-15T14:12:12",  "message" : "Elastic Search" }}

执行上面的查询命令,可以等到下面的结果,exists表示是否有查询结果,_source字段是查询到的记录。

查询的时候,可以将_type设置成为_all,ES就会返回在_index下所有type中,第一个匹配_id的记录,还可以通过参数对返回结果继续控制,

用fields选取返回的字段,用pretty控制返回的json格式是否更阅读友好

curl -XGET 'http://localhost:9200/test/users/1?fields=message,user&pretty=true'{ "_index" : "test", "_type" : "users", "_id" : "1", "_version" : 3, "found" : true, "fields" : {  "message" : [ "Elastic Search" ],  "user" : [ "test" ] }}

format=yaml可以设置输入格式为YAML

curl -XGET 'http://localhost:9200/test/users/1?fields=message,user&format=yaml' ---_index: "test"_type: "users"_id: "1"_version: 1found: truefields: message: - "Elastic Search" user: - "test"

当然ES还支持一次查询多组记录,即multi get,在URI中是使用关键字_mget,具体可以参考ES的文档multi get。

四、更新

ES同样支持更新,但是更新的方式是通过一个提供的脚本进行的。

ES的做法是,通过index找到相应的存放记录的节点,然后执行脚本,执行完之后,返回新的索引。实际上执行的是一个get和reindex的过程,在这个过程中,通过versioning来控制没有其它的更新操作(这个功能是0.19后可用的)。具体实现的原理应该和elasticsearch Versioning相关。

get,reindex的含义是,ES先取出这条记录,然后根据新数据生成新记录,然后在把新记录放回到ES中(并不会覆盖老的记录)。

首先创建一条记录

curl -XPUT localhost:9200/test/type1/1 -d '{  "counter" : 1,  "tags" : ["red"]}'

将counter的值加4

curl -XPOST 'localhost:9200/test/type1/1/_update' -d '{  "script" : "ctx._source.counter += count",  "params" : {    "count" : 4  }}'

也可以添加一个tag的值

curl -XPOST 'localhost:9200/test/type1/1/_update' -d '{  "script" : "ctx._source.tags += tag",  "params" : {    "tag" : "blue"  }}'

现在还支持upsert功能,即在更新的时候,如果记录没有这个key,则插入这个key,下面是一个例子,如果没有counter字段,则插入该字段:

curl -XPOST 'localhost:9200/test/type1/1/_update' -d '{  "script" : "ctx._source.counter += count",  "params" : {    "count" : 4  },  "upsert" : {    "counter" : 1  }}'

关于update还有其它很多功能,可以参考ES的API update

五、搜索

elasticsearch的名字里面有一个search,那么主要功能也是search了。

es的search有两种形式,一是通过URI,二是通过Requst Body。通过URI查询,即将查询的语句放入到请求的url中,例如:

curl -XGET 'http://localhost:9200/twitter/tweet/_search?q=user:kimchy'

第二种方式,即在查询的请求中加入一个doc

curl -XGET 'http://localhost:9200/twitter/tweet/_search' -d '{  "query" : {    "term" : { "user" : "kimchy" }  }}'

query body的定义可以查看query DSL 另外两种查询方式都可以带参数,参数的含义参考URI Request和Request Body。

ES的搜索功能是可以跨index和type的,例如下面这几条命令

curl -XGET 'http://localhost:9200/twitter/_search?q=user:kimchy'curl -XGET 'http://localhost:9200/twitter/tweet,user/_search?q=user:kimchy'curl -XGET 'http://localhost:9200/kimchy,elasticsearch/tweet/_search?q=tag:wow'curl -XGET 'http://localhost:9200/_all/tweet/\_search?q=tag:wow'curl -XGET 'http://localhost:9200/\_search?q=tag:wow'

第一条是在所有的twitter这个index下的所有type中查找,第二条是在tweet,user这两个type中查找,第三条是在kimchy,elasticsearch这两个index的tweet这个type中查找,第四条使用了_all关键字,是在所有的index的tweet的type中查找,第五条更暴力,在所有的index和type中查找。

查找还有其它的很多选项,sort,高亮,选取返回记录的域Fields,还可以对返回的域使用一个脚本进行计算script Fields,或者对返回结果继续统计Facets,Facets的内容比较多,它支持关键词统计,范围内统计,直方图式统计,日期的直方图式统计,过滤,查询,还有记录地理位置距离的统计geo distance。 支持名字过滤Named Filters。 定义搜索类型Search Type 。例如什么Query And Fetch,Query Then Fetch。 索引加速的功能Index Boost,可以让某一个索引的权重大于另外一个。 保持上次检索的环境了结果Scroll。保留每一个命中的score值Explain。 设置命中的min_score。保留版本号Version。

Search的参数很多,我也没有一一看,不过果然是名字里面有个search,对检索的各种场景都有支持。

当然还支持多个查询multi search,例如下面这个例子

cat requests{"index" : "test"}{"query" : {"match_all" : {}}, "from" : 0, "size" : 10}{"index" : "test", "search_type" : "count"}{"query" : {"match_all" : {}}}{}{"query" : {"match_all" : {}}} $ curl -XGET localhost:9200/_msearch --data-binary @requests; echo

六、DSL

1、match

curl -XGET 'localhost:9200/test/_search?pretty' -d'{  "_source": ["title", "allnum"],  "query": {     "match": { "title": "地铁跑酷" }   }}'{ "took" : 2, "timed_out" : false, "_shards" : {  "total" : 5,  "successful" : 5,  "failed" : 0 }, "hits" : {  "total" : 1,  "max_score" : 6.692047,  "hits" : [ {   "_index" : "test",   "_type" : "external",   "_id" : "AVicbl1W9iJMapPz5wea",   "_score" : 6.692047,   "_source" : {    "title" : "地铁跑酷",    "allnum" : 104541   }  } ] }} 

显示指定字段,匹配关键字

结果格式

  • took – 搜索用的毫秒

  • timed_out – 搜索超时时间

  • _shards – 搜索了多少个片段 成功搜索多少个 失败了多少个

  • hits – 搜索的返回结果集

  • hits.total – 结果的总数

  • hits.hits – 实际搜索返回的数组

  • _score and max_score - ignore these fields for now

一旦es搜索返回给你 该链接就断开了 es并不会想MySQL之类的 一直维护一个连接

 

更多限制条件的搜素

curl -XGET 'localhost:9200/test/_search?pretty' -d'{  "from": 0,   "size": 1,  "_source": ["title", "allnum"],  "query": {     "match": { "title": "地铁跑酷" }  },  "sort": { "allnum": { "order": "desc" }}}'

2、使用should

curl -XGET 'localhost:9200/test/_search?pretty' -d'{  "from": 0,   "size": 2,  "_source": ["title", "allnum"],  "query": {     "bool": {      "should": [        { "match": { "title": "地铁跑酷" } },        { "match": { "title": "星猫跑酷" } }      ]    }  },  "sort": { "allnum": { "order": "desc" }}}'

3、使用must/must not

curl -XGET 'localhost:9200/test/_search?pretty' -d'{  "from": 0,   "size": 2,  "_source": ["title", "allnum"],  "query": {     "bool": {      "must": [        { "match": { "title": "地铁跑酷" } },        { "match": { "title": "星猫跑酷" } }      ]    }  },  "sort": { "allnum": { "order": "desc" }}}'

当然 must /should/must not 可以联合起来使用 

4、过滤器

curl -XPOST 'localhost:9200/test/_search?pretty' -d'{  "query": {     "filtered": {      "query": {         "match_all": {}        },       "filter": {         "range": { "allumn": { "gte": 20000, "lte": 30000 } } } }        }}'

5、聚合

curl -XPOST 'localhost:9200/test/_search?pretty' -d'{  "size": 0,   "aggs": {     "group_by_state": {       "terms": { "field": "state" } }     }}'

6、terms 过滤

curl -XPOST 'localhost:9200/test/_search?pretty' -d'{  "query": {   "terms": {    "status": [     304,     302    ]   }  } }

7、range 过滤

curl -XPOST 'localhost:9200/test/_search?pretty' -d'{  "query": {   "range": {    "allnum": {     "gt": 1    }   }  } }

范围操作符包含:

  • gt :: 大于

  • gte:: 大于等于

  • lt :: 小于

  • lte:: 小于等于

8、exists 和 missing 过滤

exists 和 missing 过滤可以用于查找文档中是否包含指定字段或没有某个字段,类似于SQL语句中的IS_NULL条件

{   "exists":  {     "field":  "title"   } } 

9、bool 过滤

bool 过滤可以用来合并多个过滤条件查询结果的布尔逻辑,它包含一下操作符:

  • must :: 多个查询条件的完全匹配,相当于 and。
  • must_not :: 多个查询条件的相反匹配,相当于 not。
  • should :: 至少有一个查询条件匹配, 相当于 or。

这些参数可以分别继承一个过滤条件或者一个过滤条件的数组:

{   "bool": {     "must":   { "term": { "folder": "inbox" }},     "must_not": { "term": { "tag":  "spam" }},     "should": [           { "term": { "starred": true  }},           { "term": { "unread": true  }}     ]   } }

七、中文分词

创建索引

curl -XPUT http://localhost:9200/index

创建映射

curl -XPOST http://localhost:9200/index/fulltext/_mapping -d'{  "fulltext": {       "_all": {      "analyzer": "ik_max_word",      "search_analyzer": "ik_max_word",      "term_vector": "no",      "store": "false"    },    "properties": {      "content": {        "type": "string",        "store": "no",        "term_vector": "with_positions_offsets",        "analyzer": "ik_max_word",        "search_analyzer": "ik_max_word",        "include_in_all": "true",        "boost": 8      }    }  }}'

为索引添加一些内容

curl -XPOST http://localhost:9200/index/fulltext/1 -d'{"content":"美国留给伊拉克的是个烂摊子吗"}'curl -XPOST http://localhost:9200/index/fulltext/2 -d'{"content":"公安部:各地校车将享最高路权"}'curl -XPOST http://localhost:9200/index/fulltext/3 -d'{"content":"中韩渔警冲突调查:韩警平均每天扣1艘中国渔船"}'curl -XPOST http://localhost:9200/index/fulltext/4 -d'{"content":"中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首"}'

进行查询

curl -XPOST http://localhost:9200/index/fulltext/_search -d'{  "query" : { "term" : { "content" : "中国" }},  "highlight" : {    "pre_tags" : ["<tag1>", "<tag2>"],    "post_tags" : ["</tag1>", "</tag2>"],    "fields" : {      "content" : {}    }  }}' 

参考

  • http://www.elasticsearch.org

  • https://www.iwwenbo.com/elasticsearch-ik-install/

  • http://samchu.logdown.com/posts/277928-elasticsearch-chinese-word-segmentation

  • https://github.com/medcl/elasticsearch-analysis-ik