这篇小菜给大家演示和讲解一些Elasticsearch的API，如在工作中用到时，方便查阅。
一、Index API
创建索引库
curl -XPUT 'http://127.0.0.1:9200/test_index/' -d '{
"settings" : {
"index" : {
"number_of_shards" : 3,
"number_of_replicas" : 1
}
},
"mappings" : {
"type_test_01" : {
"properties" : {
"field1" : { "type" : "string"},
"field2" : { "type" : "string"}
}
},
"type_test_02" : {
"properties" : {
"field1" : { "type" : "string"},
"field2" : { "type" : "string"}
}
}
}
}'
验证索引库是否存在
curl –XHEAD -i 'http://127.0.0.1:9200/test_index?pretty'
注: 这里加上的?pretty参数，是为了让输出的格式更好看。
查看索引库的mapping信息
curl –XGET -i 'http://127.0.0.1:9200/test_index/_mapping?pretty'
验证当前库type为article是否存在
curl -XHEAD -i 'http://127.0.0.1:9200/test_index/article'
查看test_index索引库type为type_test_01的mapping信息
curl –XGET -i 'http://127.0.0.1:9200/test_index/_mapping/type_test_01/?pretty'
测试索引分词器
curl -XGET 'http://127.0.0.1:9200/_analyze?pretty' -d '
{
"analyzer" : "standard",
"text" : "this is a test"
}'
输出索引库的状态信息
curl 'http://127.0.0.1:9200/test_index/_stats?pretty'
输出索引库的分片相关信息
curl -XGET 'http://127.0.0.1:9200/test_index/_segments?pretty'
删除索引库
curl -XDELETE http://127.0.0.1:9200/logstash-nginxacclog-2016.09.20/
二、Count API
简易语法
curl -XGET 'http://elasticsearch_server:port/索引库名称/_type(当前索引类型,没有可以不写)/_count
用例:
1、统计 logstash-nginxacclog-2016.10.09 索引库有多少条记录
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_count'
2、统计 logstash-nginxacclog-2016.10.09 索引库status为200的有多少条记录
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_count?q=status:200'
DSL 写法
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_count' -d '
{ "query":
{ "term":{"status":"200"}}
}'
三、Aggregations API （数据分析和统计）
注: 聚合相关的API只能对数值、日期 类型的字段做计算。
1、求平均数
业务场景: 统计访问日志中的平均响应时长
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{
"query" :
{ "match_all" : {} },
"aggs" : {
"avg_num" : { "avg" : { "field" : "responsetime" } }
},"size":0 # 这里的 size:0 表示不输出匹配到数据，只输出聚合结果。
}'
{
"took" : 598,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"failed" : 0
},
"hits" : {
"total" : 32523067,
"max_score" : 0.0,
"hits" : [ ]
},
"aggregations" : {
"avg_num" : {
"value" : 0.0472613558675975
}
}
}
# 得到平均响应时长为 0.0472613558675975 秒
2、求最大值
业务场景:获取访问日志中最长的响应时间
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{
"query" :
{ "match_all" : {} },
"aggs" : {
"max_num" : { "max" : { "field" : "responsetime" } }
},"size":0
}'
{
"took" : 29813,
"timed_out" : false,
"_shards" : {
"total" : 431,
"successful" : 431,
"failed" : 0
},
"hits" : {
"total" : 476952009,
"max_score" : 0.0,
"hits" : [ ]
},
"aggregations" : {
"max_num" : {
"value" : 65.576
}
}
}
# 得到最大响应时长为 65.576 秒
3、求最小值
业务场景: 获取访问日志中最快的响应时间
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{
"query" :
{ "match_all" : {} },
"aggs" : {
"min_num" : { "min" : { "field" : "responsetime" } }
},"size":0
}'
{
"took" : 2145,
"timed_out" : false,
"_shards" : {
"total" : 431,
"successful" : 431,
"failed" : 0
},
"hits" : {
"total" : 477156773,
"max_score" : 0.0,
"hits" : [ ]
},
"aggregations" : {
"min_num" : {
"value" : 0.0
}
}
}
# 看来最快的响应时间竟然是0，笔者通过查询日志发现，原来这些响应时间为0的请求是被nginx拒绝掉的。
4、数值求和
业务场景: 统计一天的访问日志中为响应请求总共输出了多少流量。
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{
"query" :
{ "match_all" : {} },
"aggs" : {
"sim_num" : { "sum" : { "field" : "size" } }
},"size":0
}'
{
"took" : 1226,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"failed" : 0
},
"hits" : {
"total" : 32523067,
"max_score" : 0.0,
"hits" : [ ]
},
"aggregations" : {
"sim_num" : {
"value" : 6.9285945505E10
}
}
}
# 这个数有点大，后面的E10 表示 6.9285945505 X 10^10 ，笔者算了下，大概 70GB 流量。
5、获取常用的数据统计指标
其中包括（ 最大值、最小值、平均值、求和、个数 ）
业务场景: 求访问日志中的 responsetime （ 最大值、最小值、平均值、求和、个数 ）
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{
"query" :
{ "match_all" : {} },
"aggs" : {
"like_stats" : { "stats" : { "field" : "responsetime" } }
},"size":0
}'
{
"took" : 2868,
"timed_out" : false,
"_shards" : {
"total" : 431,
"successful" : 431,
"failed" : 0
},
"hits" : {
"total" : 477797577,
"max_score" : 0.0,
"hits" : [ ]
},
"aggregations" : {
"like_stats" : {
"count" : 469345191,
"min" : 0.0,
"max" : 65.576,
"avg" : 0.06088492952649428,
"sum" : 2.8576048877634E7
}
}
}
这个是上面统计方式的增强版，新增了几个统计数据
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{
"query" :
{ "match_all" : {} },
"aggs" : {
"like_stats" : { "extended_stats" : { "field" : "responsetime" } }
},"size":0
}'
{
"took" : 2830,
"timed_out" : false,
"_shards" : {
"total" : 431,
"successful" : 431,
"failed" : 0
},
"hits" : {
"total" : 478145456,
"max_score" : 0.0,
"hits" : [ ]
},
"aggregations" : {
"like_stats" : {
"count" : 469687072,
"min" : 0.0,
"max" : 65.576,
"avg" : 0.06087745173159307,
"sum" : 2.859335205463328E7,
"sum_of_squares" : 1.3162790273264633E7,
"variance" : 0.02431853151732958,
"std_deviation" : 0.1559440012226491,
"std_deviation_bounds" : {
"upper" : 0.3727654541768913,
"lower" : -0.2510105507137051
}
}
}
}
# 其中新增的三个返回结果分别是:
# sum_of_squares 平方和
# variance 方差
# std_deviation 标准差
6、统计数据在某个区间所占的百分比
业务场景: 求出访问日志中响应时间的各个区间，所占的百分比
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{
"query" :
{ "match_all" : {} },
"aggs" : {
"outlier" : { "percentiles" : { "field" : "responsetime" } }
},"size":0
}'
{
"took" : 60737,
"timed_out" : false,
"_shards" : {
"total" : 431,
"successful" : 431,
"failed" : 0
},
"hits" : {
"total" : 478287997,
"max_score" : 0.0,
"hits" : [ ]
},
"aggregations" : {
"outlier" : {
"values" : {
"1.0" : 0.0,
"5.0" : 0.0,
"25.0" : 0.02,
"50.0" : 0.038999979789136247,
"75.0" : 0.06247223731250421,
"95.0" : 0.16479760590682113,
"99.0" : 0.520510492464275
}
}
}
}
# values 对应的列为所占的百分比，右边则是对应的数据值。表示:
# 响应时间小于或等于0的请求占 1%
# 响应时间小于或等于0的请求占 5%
# 响应时间小于或等于0.02的请求占 25%
# 响应时间小于或等于0.038999979789136247的请求占 50%
# 响应时间小于或等于0.06247223731250421的请求占 75%
# 响应时间小于或等于0.16479760590682113的请求占 95%
# 响应时间小于或等于0.520510492464275的请求占 99%
# 还可以通过 percents 参数，自定义一些百分比区间，如 10%,30%,60%,90% 等。
# 注: 经笔者测试，这个方法只能对数值类型的字段进行统计，无法操作字符串类型的字段。
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{
"query" :
{ "match_all" : {} },
"aggs" : {
"outlier" : { "percentiles" : {
"field" : "status",
"percents":[5, 10, 20, 50, 99.9]
}
}
},"size":0
}'
7、求指定字段数值在各个区间所占的百分比
业务场景：求响应时间 0, 0.01, 0.1, 0.2 在整个日志文件中，分别所占的百分比。
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{
"query" :
{ "match_all" : {} },
"aggs" : {
"outlier" : { "percentile_ranks" : {
"field" : "responsetime",
"values":[0, 0.01, 0.1, 0.2]
}
}
},"size":0
}'
{
"took" : 6950,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"failed" : 0
},
"hits" : {
"total" : 32523067,
"max_score" : 0.0,
"hits" : [ ]
},
"aggregations" : {
"outlier" : {
"values" : {
"0.0" : 8.79897648675993,
"0.01" : 17.90331319256336,
"0.1" : 91.18297638776373,
"0.2" : 98.22564774611764
}
}
}
}
# 响应时间小于或等于0的请求占 8.7%
# 响应时间小于或等于0.01的请求占 17.9%
# 响应时间小于或等于0.1的请求占 91.1%
# 响应时间小于或等于0.2的请求占 98.2%
8、求该数值范围内有多少文档匹配
业务场景: 求访问日志中的响应时间为，0 ~ 0.02、0.02 ~ 0.1 、大于 0.1 这三个数值区间内，各有多少文档匹配。
"ranges":[{"to": 0.02}, {"from":0.02,"to":0.1},{"from":0.1}]
{"to": 0.02} 求响应时间 0 ~ 0.02 区间内的匹配文档数
{"from":0.02,"to":0.1} 求响应时间 0.02 ~ 0.1 区间内匹配的文档数
{"from":0.1} 求响应时间大于 0.1 匹配的文档数
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{
"query" :
{ "match_all" : {} },
"aggs" : {
"range_info" : { "range" : {
"field" : "responsetime",
"ranges":[{"to": 0.02}, {"from":0.02,"to":0.1},{"from":0.1}]
}
}
},"size":0
}'
{
"took" : 474,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"failed" : 0
},
"hits" : {
"total" : 32523067,
"max_score" : 0.0,
"hits" : [ ]
},
"aggregations" : {
"range_info" : {
"buckets" : [ {
"key" : "*-0.02",
"to" : 0.02,
"to_as_string" : "0.02",
"doc_count" : 9093600
}, {
"key" : "0.02-0.1",
"from" : 0.02,
"from_as_string" : "0.02",
"to" : 0.1,
"to_as_string" : "0.1",
"doc_count" : 20547128
}, {
"key" : "0.1-*",
"from" : 0.1,
"from_as_string" : "0.1",
"doc_count" : 2879418
} ]
}
}
}
"aggregations" : {
"range_info" : {
"buckets" : [ {
"key" : "*-0.02",
"to" : 0.02,
"to_as_string" : "0.02",
"doc_count" : 9093600
} # 响应时间在 0 ~ 0.02 的文档数是 9093600
, {
"key" : "0.02-0.1",
"from" : 0.02,
"from_as_string" : "0.02",
"to" : 0.1,
"to_as_string" : "0.1",
"doc_count" : 20547128
} # 响应时间在 0.02 ~ 0.1 的文档数是 20547128
, {
"key" : "0.1-*",
"from" : 0.1,
"from_as_string" : "0.1",
"doc_count" : 2879418
} # 响应时间在大于 0.1 的文档数是 2879418
]
}
}
9、求时间范围内有多少文档匹配
业务场景：求访问日志中，在 2016-10-09T01:00:00 之前的文档有多少。 和在 2016-10-09T02:00:00 之后的文档有多少。
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{
"query" :
{ "match_all" : {} },
"aggs" : {
"range_info" : { "date_range" : {
"field" : "@timestamp",
"ranges":[{"to": "2016-10-09T01:00:00"},{"from":"2016-10-09T02:00:00"}]
}
}
},"size":0
}'
{
"took" : 432,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"failed" : 0
},
"hits" : {
"total" : 32523067,
"max_score" : 0.0,
"hits" : [ ]
},
"aggregations" : {
"range_info" : {
"buckets" : [ {
"key" : "*-2016-10-09T01:00:00.000Z",
"to" : 1.4759748E12,
"to_as_string" : "2016-10-09T01:00:00.000Z",
"doc_count" : 613460
}, # 在 2016-10-09T01:00:00 之前的文档数有 613460
{
"key" : "2016-10-09T02:00:00.000Z-*",
"from" : 1.4759784E12,
"from_as_string" : "2016-10-09T02:00:00.000Z",
"doc_count" : 31264881
} # 在 2016-10-09T02:00:00 之后的文档数有 31264881
]
}
}
}
10、聚合结果不依赖于查询结果集 "global":{}
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{
"query" :
{ "term" : { "status" : "200" } },
"aggs" :{
"all_articles":{
"global":{},
"aggs":{
"sum_like": {"sum":{"field": "responsetime"}}
}
}
},"size":0
}'
{
"took" : 1519,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"failed" : 0
},
"hits" : {
"total" : 26686196,
"max_score" : 0.0,
"hits" : [ ]
},
"aggregations" : {
"all_articles" : {
"doc_count" : 32523067,
"sum_like" : {
"value" : 1536946.1929722272
}
}
}
}
# 可以看到查询结果集hits total部分才匹配到 26686196 条记录。 而聚合的文档数则是 32523067 多于查询结果匹配到的文档。
# 聚合结果为 1536946.1929722272
# 我们再看看没有引用 "global":{} 参数的方式
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{
"query" :
{ "term" : { "status" : "200" } },
"aggs":{
"sum_like": {"sum":{"field": "responsetime"}}
},"size":0
}'
{
"took" : 1326,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"failed" : 0
},
"hits" : {
"total" : 26686196,
"max_score" : 0.0,
"hits" : [ ]
},
"aggregations" : {
"sum_like" : {
"value" : 1526710.3929916811
}
}
}
# 聚合结果小于上诉的结果。 表示这次的聚合的值，是依赖于检索匹配到的文档。
11、分组聚合
用于统计指定字段在自定义的固定增长区间下，每个增长后的值，所匹配的文档数量。
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{
"aggs" :{
"like_histogram":{
"histogram":{"field": "status", "interval": 200,
"min_doc_count": 1}
}
},"size":0
}'
# 对 status 字段操作，增长区间为 200 ，为了避免有的区间匹配为0所导致空数据，所以这里指定最小文档数为 1 "histogram":{"field": "status", "interval": 200, "min_doc_count": 1}
12、分组聚合-基于时间做分组
"date_histogram":{"field": "@timestamp", "interval": "1d","format": "yyyy-MM-dd",}
"field": "@timestamp" 指定记录时间的字段
"interval": "1d" 分组区间为每天. 1M 每月、1H 每小时、1m 每分钟
"format": "yyyy-MM-dd" 指定时间的输出格式
统计每天产生的日志数量
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-*/_search?pretty' -d '{
"aggs" :{
"date_histogram_info":{
"date_histogram":{"field": "@timestamp", "interval": "1d","format": "yyyy-MM-dd",
"min_doc_count": 1}
}
}
}'
"aggregations" : {
"date_histogram_info" : {
"buckets" : [ {
"key_as_string" : "2016-09-27",
"key" : 1474934400000,
"doc_count" : 6895375
}, {
"key_as_string" : "2016-09-28",
"key" : 1475020800000,
"doc_count" : 1255775
}, {
"key_as_string" : "2016-09-29",
"key" : 1475107200000,
"doc_count" : 38512862
}, {
"key_as_string" : "2016-09-30",
"key" : 1475193600000,
"doc_count" : 35314225
}, {
"key_as_string" : "2016-10-01",
"key" : 1475280000000,
"doc_count" : 45358162
}, {
"key_as_string" : "2016-10-02",
"key" : 1475366400000,
"doc_count" : 42058056
}, {
"key_as_string" : "2016-10-03",
"key" : 1475452800000,
"doc_count" : 39945587
}, {
"key_as_string" : "2016-10-04",
"key" : 1475539200000,
"doc_count" : 39509128
}, {
"key_as_string" : "2016-10-05",
"key" : 1475625600000,
"doc_count" : 40506342
}, {
"key_as_string" : "2016-10-06",
"key" : 1475712000000,
"doc_count" : 43303499
}, {
"key_as_string" : "2016-10-07",
"key" : 1475798400000,
"doc_count" : 44234780
}, {
"key_as_string" : "2016-10-08",
"key" : 1475884800000,
"doc_count" : 32880600
}, {
"key_as_string" : "2016-10-09",
"key" : 1475971200000,
"doc_count" : 32523067
}, {
"key_as_string" : "2016-10-10",
"key" : 1476057600000,
"doc_count" : 31454044
}, {
"key_as_string" : "2016-10-11",
"key" : 1476144000000,
"doc_count" : 2018401
} ]
}
}
}
# 基于小时做分组
# 统计当天每小时产生的日志数量
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{
"aggs" :{
"date_histogram_info":{
"date_histogram":{"field": "@timestamp", "interval": "1H","format": "yyyy-MM-dd-H",
"min_doc_count": 1}
}
},"size":0
}'
{
"took" : 530,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"failed" : 0
},
"hits" : {
"total" : 32523067,
"max_score" : 0.0,
"hits" : [ ]
},
"aggregations" : {
"date_histogram_info" : {
"buckets" : [ {
"key_as_string" : "2016-10-09-0",
"key" : 1475971200000,
"doc_count" : 613460
}, {
"key_as_string" : "2016-10-09-1",
"key" : 1475974800000,
"doc_count" : 644726
}, {
"key_as_string" : "2016-10-09-2",
"key" : 1475978400000,
"doc_count" : 687196
}, {
"key_as_string" : "2016-10-09-3",
"key" : 1475982000000,
"doc_count" : 730831
}, {
"key_as_string" : "2016-10-09-4",
"key" : 1475985600000,
"doc_count" : 1460320
}, {
"key_as_string" : "2016-10-09-5",
"key" : 1475989200000,
"doc_count" : 1469098
}, {
"key_as_string" : "2016-10-09-6",
"key" : 1475992800000,
"doc_count" : 1004399
}, {
"key_as_string" : "2016-10-09-7",
"key" : 1475996400000,
"doc_count" : 962843
}, {
"key_as_string" : "2016-10-09-8",
"key" : 1476000000000,
"doc_count" : 1232560
}, {
"key_as_string" : "2016-10-09-9",
"key" : 1476003600000,
"doc_count" : 1809741
}, {
"key_as_string" : "2016-10-09-10",
"key" : 1476007200000,
"doc_count" : 2802804
}, {
"key_as_string" : "2016-10-09-11",
"key" : 1476010800000,
"doc_count" : 3941192
}, {
"key_as_string" : "2016-10-09-12",
"key" : 1476014400000,
"doc_count" : 4631032
}, {
"key_as_string" : "2016-10-09-13",
"key" : 1476018000000,
"doc_count" : 3651968
}, {
"key_as_string" : "2016-10-09-14",
"key" : 1476021600000,
"doc_count" : 2079933
}, {
"key_as_string" : "2016-10-09-15",
"key" : 1476025200000,
"doc_count" : 973578
}, {
"key_as_string" : "2016-10-09-16",
"key" : 1476028800000,
"doc_count" : 517435
}, {
"key_as_string" : "2016-10-09-17",
"key" : 1476032400000,
"doc_count" : 388382
}, {
"key_as_string" : "2016-10-09-18",
"key" : 1476036000000,
"doc_count" : 361296
}, {
"key_as_string" : "2016-10-09-19",
"key" : 1476039600000,
"doc_count" : 345926
}, {
"key_as_string" : "2016-10-09-20",
"key" : 1476043200000,
"doc_count" : 342214
}, {
"key_as_string" : "2016-10-09-21",
"key" : 1476046800000,
"doc_count" : 360897
}, {
"key_as_string" : "2016-10-09-22",
"key" : 1476050400000,
"doc_count" : 714336
}, {
"key_as_string" : "2016-10-09-23",
"key" : 1476054000000,
"doc_count" : 796900
} ]
}
}
}
# 可以看到当天 0 ~ 23 点每个时段产生的日志数量。 通过这个数据，我们是不是很容易就可以得到，业务的高峰时段呢？
四、Query DSL
curl -XGET 'http://127.0.0.1:9200/search_test/article/_count?pretty' -d '{
"query" :
{ "term" : { "title" : "article" } }
}'
在 Query DSL 中有两种子句:
1、Leaf query clauses （简单叶子节点查询子句）
2、Compound query clauses （复合查询子句）
Query context & Filter context
在 Query context 查询上下文中 ，关注的是当前文档和查询子句的匹配度。 而在 Filter context 中关注的是当前文档是否匹配查询子句，不计算相似度分值。
{"match_all":{}} 匹配全部
{"match_all":{"boost":{"boost":1.2}}} 手动指定_score返回值
Term level queries
返回文档:在user字段的倒排索引中包含"kitty"的文档 （精确匹配）
{
"term":{"user":"kitty"}
}
用例:
curl -XGET 'http://169.254.135.217:9200/search_test/article/_count?pretty' -d '{
"query" :
{ "term" : { "user" : "kitty" } }
}'
Term level Range query （范围查询）
用例:
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '
{
"query" :
{ "range" :{
"status" :{ "gt" : 200, "lte" : 500, "boost" : 2.0 }
}
}
,"size":1
}'
# 这里的"size":1 表示只返回一条数据，类似SQL里面的limit。 最大指定10000
# 如果要返回更多的数据，则可以加上?scroll参数，如/_search?scroll=1m ，这里的1m 表示1分钟。
# 详细请参考: https://www.elastic.co/guide/en/elasticsearch/reference/current/common-options.html#time-units
Term level Exists query (存在查询)
用例:
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '
{
"query":
{ "exists":{ "field":"status" }
}
}'
Term level Prefix and Wildcard
前缀查询用例:
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{
"query" :{
"prefix" :{"agent": "io" }
}
}'
通配符查询用例:
curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{
"query" :{
"wildcard" :{"agent": "io*" }
}
}'
Compound query : Bool Query
Bool Query 常用的三个分支:
1、Must 表示必须包含的字符串
2、Must not 表示需要过滤掉的条件
3、should 类似 or 条件，"minimum_should_match" 表示最少要匹配几个条件才通过。
假设我在should 里面定义了三个条件，并且把minimum_should_match 设置为 2 ，表示我这三个条件中，只要要有两个条件能被匹配才能通过。 如果minimum_should_match 改为 3 表示这三个条件需要同时匹配才通过。
"should" : [ { "term" : { "body" : "article" } }, { "term" : { "body" : "document" } }, { "term" : { "body" : "tuchao" } } ], "minimum_should_match" : 3,
用例:
在这里可以看到，我给should 加了一个它决定不可能匹配到的条件，body:'tuchao' ，因为文档里面根本就没有这个字符串，然后我把 minimum_should_match 设置为 2 . 让它最小匹配2个条件就可以。 果然查询到了
接下来我把minimum_should_match 改为 3 让它最少要匹配三个条件，它显然做不到，就查不出来了
Request body search : Sort
