用postman快速学习ElasticSearch的搜索功能
前言
ElasticSearch(以下简称ES)是一个基于Lucene构建的开源(open-source)，分布式(distributed)，RESTful，实时(real-time)的搜索与分析(analytics)引擎。它可以让你在浏览数据时具备非常快的速度和优秀的可扩展性。它用于全文索引、结构化数据索引、数据分析以及三者的结合。在初步学习ElasticSearch的时候，我们大部分的时候需要通过其REST API来探索ES提供的各种功能，网上有很多各种干货教程，但基本都是通过curl命令来进行演示，各种小白肯定是不太习惯的，除了输出不够美观整洁之外，也不太方便进行分类，归纳和复用。这里，结合postman一起来演示ES关于搜索的干货教程。
样例数据
为了更好的使用和理解ES，没有点样例数据还是不好模拟的。这里提供了一份官网上的数据，accounts.json。如果需要的话，也可以去这个网址玩玩，它可以帮助你自定义写随机的JSON数据。
导入
打开你的postman，输入对应的REST API，http://10.157.65.152:9200/bank/account/_bulk?pretty
选择post; body->binary; 选择文件，选中你下载好的account.json文件：
注意：
1 10.157.65.152:9200是ES得访问地址和端口
2 bank是索引的名称
3 account是类型的名称
4 索引和类型的名称在文件中如果有定义，可以省略；如果没有则必须要指定
5 _bulk是rest得命令，可以批量执行多个操作
6 pretty是将返回的信息以可读的JSON形式返回。（不过postman自带了pretty的功能）
send之后，可以很快看到结果：
然后我们可以通过另一个REST API查询：
http://10.157.65.152:9200/_cat/indices?v
插入1000条数据成功
保存对应的REST API到postman
下面的步骤很重要，在接下来的文章里面我不会在重复。
点击save:
在弹出的save窗口中，给对应的request起一个合适的名字，比如这里createBankIndex，并将其保存到对应的collection中（在这里，我已提前创建了一个ElasticSearch的collection，专门用于保存和ES相对应的ＲＥＳＴ ＡＰＩ的操作）。如果你的ＥＳ服务器的名字会经常变，就请把10.157.65.152:9200保存为一个变量，在所有的ｃａｓｅ中使用这个变量，具体请看我之前的博文。
搜索API
ES提供了两种搜索的方式：请求参数方式 和 请求体方式。
请求参数方式
curl 'localhost:9200/bank/_search?q=*&pretty'其中bank是查询的索引名称，q后面跟着搜索的条件：q=*表示查询所有的内容
请求体方式（推荐这种方式）
curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": { "match_all": {} }
}'这种方式特别适合在postman里面用，因为postman里面可以使用配合使用各种变量，而且编辑起来更方便：
返回的内容大致可以如下讲解：
- took：是查询花费的时间，毫秒单位
- time_out：标识查询是否超时
- _shards：描述了查询分片的信息，查询了多少个分片、成功的分片数量、失败的分片数量等
- hits：搜索的结果，total是全部的满足的文档数目，hits是返回的实际数目（默认是10）
- _score是文档的分数信息，与排名相关度有关，参考各大搜索引擎的搜索结果，就容易理解。
查询语言DSL
ES支持一种JSON格式的查询，叫做DSL，domain specific language。这门语言刚开始比较难理解，因此通过几个简单的例子开始：
下面的命令，可以搜索全部的文档：
{
"query": { "match_all": {} }
}query定义了查询，match_all声明了查询的类型。还有其他的参数可以控制返回的结果：
curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": { "match_all": {} },
"size": 1
}'(记住，还是用postman来做客户端，绝逼比curl好用)
上面的命令返回了所有文档数据中的第一条文档。如果size不指定，那么默认返回10条。
下面的命令请求了第10-20的文档。
curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": { "match_all": {} },
"from": 10,
"size": 10
}'下面的命令指定了文档返回的排序方式：
curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": { "match_all": {} },
"sort": { "balance": { "order": "desc" } }
}'执行搜索
上面了解了基本的搜索语句，下面就开始深入一些常用的DSL了。
之前的返回数据都是返回文档的所有内容，这种对于网络的开销肯定是有影响的，下面的例子就指定了返回特定的字段：
curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": { "match_all": {} },
"_source": ["account_number", "balance"]
}'再回到query，之前的查询都是查询所有的文档，并不能称之为搜索引擎。下面就通过match方式查询特定字段的特定内容，比如查询余额为20的账户信息：
curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": { "match": { "account_number": 20 } }
}'查询地址为mill的信息：
curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": { "match": { "address": "mill" } }
}'查询地址为mill或者lane的信息：
curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": { "match": { "address": "mill lane" } }
}'如果我们想要返回同时包含mill和lane的，可以通过match_phrase查询：
curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": { "match_phrase": { "address": "mill lane" } }
}'ES提供了bool查询，可以把很多小的查询组成一个更为复杂的查询，比如查询同时包含mill和lane的文档：
curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": {
"bool": {
"must": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}'修改bool参数，可以改为查询包含mill或者lane的文档：
curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": {
"bool": {
"should": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}'也可以改写为must_not，排除包含mill和lane的文档：
curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": {
"bool": {
"must_not": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}'bool查询可以同时使用must, should, must_not组成一个复杂的查询：
curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": {
"bool": {
"must": [
{ "match": { "age": "40" } }
],
"must_not": [
{ "match": { "state": "ID" } }
]
}
}
}'(不过这种DSL确实比较反人类)
过滤查询
之前说过score字段指定了文档的分数，使用查询会计算文档的分数，最后通过分数确定哪些文档更相关，返回哪些文档。
有的时候我们可能对分数不感兴趣，就可以使用filter进行过滤，它不会去计算分值，因此效率也就更高一些。
filter过滤可以嵌套在bool查询内部使用，比如想要查询在2000-3000范围内的所有文档，可以执行下面的命令：
curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"query": {
"bool": {
"must": { "match_all": {} },
"filter": {
"range": {
"balance": {
"gte": 20000,
"lte": 30000
}
}
}
}
}
}'ES除了上面介绍过的范围查询range、match_all、match、bool、filter还有很多其他的查询方式，这里就先不一一说明了。
聚合
聚合提供了用户进行分组和数理统计的能力，可以把聚合理解成SQL中的GROUP BY和分组函数。在ES中，你可以在一次搜索查询的时间内，即完成搜索操作也完成聚合操作，这样就降低了多次使用REST API造成的网络开销。
下面就是通过terms聚合的简单样例：
curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"size": 0,
"aggs": {
"group_by_state": {
"terms": {
"field": "state"
}
}
}
}'它类似于SQL中的下面的语句：
SELECT state, COUNT(*) FROM bank GROUP BY state ORDER BY COUNT(*) DESC返回的数据：
由于size设置为0，它并没有返回文档的信息，只是返回了聚合的结果。
比如统计不同账户状态下的平均余额：
curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"size": 0,
"aggs": {
"group_by_state": {
"terms": {
"field": "state"
},
"aggs": {
"average_balance": {
"avg": {
"field": "balance"
}
}
}
}
}
}'聚合支持嵌套，举个例子，先按范围分组，在统计不同性别的账户余额：
curl -XPOST 'localhost:9200/bank/_search?pretty' -d '
{
"size": 0,
"aggs": {
"group_by_age": {
"range": {
"field": "age",
"ranges": [
{
"from": 20,
"to": 30
},
{
"from": 30,
"to": 40
},
{
"from": 40,
"to": 50
}
]
},
"aggs": {
"group_by_gender": {
"terms": {
"field": "gender"
},
"aggs": {
"average_balance": {
"avg": {
"field": "balance"
}
}
}
}
}
}
}
}'聚合可以实现很多复杂的功能，而且ES也提供了很多复杂的聚合，这里作为引导篇，也不过多介绍了。
对于基本的数据搜索大致就是上面讲述的样子，熟悉了一些常用的API，入门还是很简单的，倒是要熟练使用ES，还是需要掌握各种搜索查询的命令，以及ES内部的原理。