ElasticSearch - 开启搜索的新境界

You Know， for Search

ElasticSearch官网 开启搜索的新境界

   Elasticsearch 是一个开源的搜索引擎，建立在一个全文搜索引擎库 Apache Lucene™ 基础之上。 Lucene 可以说是当下最先进、高性能、全功能的搜索引擎库。但是 Lucene 仅仅只是一个库。为了充分发挥其功能，你需要使用 Java 并将 Lucene 直接集成到应用程序中。 更糟糕的是，您可能需要获得信息检索学位才能了解其工作原理。Lucene 非常复杂。Elasticsearch 也是使用 Java 编写的，它的内部使用 Lucene 做索引与搜索，但是它的目的是使全文检索变得简单， 通过隐藏 Lucene 的复杂性，取而代之的提供一套简单一致的 RESTful API。

Elasticsearch 不仅仅是 Lucene，并且也不仅仅只是一个全文搜索引擎。 它可以被下面这样准确的形容：

• 一个分布式的实时文档存储，每个字段可以被索引与搜索
• 一分布式实时分析搜索引擎
• 能胜任上百个服务节点的扩展，并支持 PB 级别的结构化或者非结构化数据

   Elasticsearch将所有的功能打包成一个单独的服务，这样你可以通过程序与它提供的简单的 RESTful API 进行通信， 可以使用自己喜欢的编程语言充当 web 客户端，甚至可以使用命令行去充当这个客户端。

Kibana

Kibana官网

  Kibana是一个针对Elasticsearch的开源分析及可视化平台，用来搜索、查看交互存储在Elasticsearch索引中的数据。使用Kibana，可以通过各种图表进行高级数据分析及展示。Kibana让海量数据更容易理解。它操作简单，基于浏览器的用户界面。可以快速创建仪表板、实时显示Elasticsearch查询动态。

Es核心概念

1、关系型数据库和ES对比

Relational DB	ElasticSearch
database	index
tables	types
rows	documents
columns	fields
schema	mapping
Innodb	Lucene

2、物理设计

  elasticsearch把每个索引划分成多个分片，每个分片可以在集群中的不同服务器间迁移。默认的集群名elasticsearch,docker中默认的集群为docker-cluster。

3、逻辑设计

​ ​ 一个索引包含多个文档，而索引存储在分片当中。当我们索引一篇文档时可以通过索引-类型-文档ID的顺序找到文档。

3.1 文档

elasticsearch是面向文档的，那么就意味着索引和搜索数据的最小单位是文档

• 自我包含:一篇文档同时包含字段和对应的值
• 可以是层次型的：一个文档中包含自文档，复杂的逻辑实体就是这么来的
• 灵活的结构：文档不依赖预先定义的模式

3.2 类型

​ ​ 类型是文档的逻辑容器，就像关系型数据库一样，表格是行的容器。类型中对于字段的定义称为映射，比如name映射为字符串类型。文档是无模式的，不需要拥有映射中所定义的所有字段，比如新增一个字段，ES会自动的将新字段加入映射，但是这个字段的不确定它是什么类型，ES就开始猜，如果这个值是一个数，那么ES会认为它是整形。但是ES也可能猜不对，所以最安全的方式就是提前定义好所需要的映射，然后再使用。

3.3 索引

​ ​ 索引即数据库，是映射类型的容器，elasticsearch中的索引是一个非常大的文档集合。索引存储了映射类型的字段和其他设置。然后它们被存储到了各个分片上了。

4、节点和分片

​​ ​ 一个集群至少有一个节点，而一个节点就是一个ES进程，节点可以有多个索引，如果你创建索引，那么索引将会由5个分片（primary shard）构成，每一个主分片会有一个副本（replica shard）

  上图是一个有3个节点的集群，可以看到主分片和对应的复制分片都不会在同一个节点内，这样有利于某个节点挂掉了，数据也不至于丢失。实际上，一个分片是一个Lucene索引，一个包含倒排索引的文件目录，倒排索引的结构使得elasticsearch在不扫描全部文档的情况下，就能告诉你哪些文档包含特定的关键字。

5、倒排索引

   索引存在的意义就是为了加快数据的查询。在关系型数据库中如果没有索引的话，为了查找数据我们需要每条数据去进行比对，运气不好的话可能需要扫描全表才能查找到想要的数据。以Mysql为例，它使用了B+树作为索引来加速数据的查询。

​​ ​ 所谓正排索引就像书中的目录一样，根据页码查询内容，但是倒排索引确实相反的，它是通过对内容的分词，建立内容到文档ID的关联关系。这样在进行全文检索的时候，根据词典的内容便可以精确以及模糊查询，非常符合全文检索的要求。

​​ ​ 倒排索引的结构主要包括了两大部分一个是Term Dictionary，另一个是Posting List。Term Dictionary记录了所用文档的单词以及单词和倒排列表的关系。Posting List则是记录了term在文档中的位置以及其他信息，主要包括文档ID，词频（term在文档中出现的次数，用来计算相关性评分），位置以及偏移。

Restful风格

​​ ​ 一种软件架构风格，而不是标准，只是提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。基于这个风格设计的软件可以更简洁，更有层次，更易于实现缓存等机制。

method	url地址	描述
PUT	localhost:9200/索引名称/类型名称/文档id	创建文档（指定文档id）
POST	localhost:9200/索引名称/类型名称	创建文档（随机文档id）
POST	localhost:9200/索引名称/类型名称/文档id/_update	修改文档
DELETE	localhost:9200/索引名称/类型名称/文档id	删除文档
GET	localhost:9200/索引名称/类型名称/文档id	查询文档通过文档id
POST	localhost:9200/索引名称/类型名称/_search	查询所有数据

环境搭建

docker + elasticsearch7.6 + kibana7.6

1、拉取镜像

# 注意 elasticsearch和kibana版本要一致

docker pull elasticsearch:7.6.0
docker pull kibana:7.6.0

2、启动容器

# 启动elasticsearch
# --name 指定容器的名称
# -e 指定环境变量，容器中可以使用该环境变量。
# ES_JAVA_OPTS 代表设定ES的最大与最小的heap
# discovery.type 设置发现类型

docker run -d --name es -p 9200:9200 -p 9300:9300 -e ES_JAVA_OPTS="-Xms512m -Xmx512m" -e "discovery.type=single-node" elasticsearch:7.6.0

# 启动kibana
docker run -d --name=kibana -p 5601:5601 kibana:7.6.0

3、使用kibana连接ES

# 进入kibana容器 修改config
docker exec -it CONTAINER-ID bash

vi /config/kibana.yml
# 修改elasticsearch.hosts参数
# 将array中的ip修改为你的es的ip地址

# 汉化 添加i18n.locale 
i18n.locale: "zh-CN"

# 修改完成保存
# 重启容器
docker restart KIBANA-CONTAINER-ID

ES数据类型

​​ ​ 在创建文档时，ES会根据字段的值动态的推断出它的类型，即动态映射，但这样可能出现推断不符合预期的问题，例如日期类型，所以我们需要根据实际情况选择是否主动指定字段的类型。

1、text

​​ ​ 当一个字段的内容需要被全文检索时，可以使用text类型，支持长内容的存储，比如检索文章内容、商品信息等。该类型的字段内容在保存时会被分词器分析，并且拆分成多个词项， 然后根据拆分后的词项生成对应的索引，根据关键字检索时可能会将关键字分词，用分好的词从之前生成的索引中去匹配，进而找到对应的文档。对于text类型的字段无法通过指定文本精确的检索到。text类型的字段不能直接用于排序、聚合操作。这种类型的字符串也称做analyzed字符串。

2、keyword

​ ​ keyword类型适用于结构化的字段，比如手机号、商品id等，默认最大长度为256。keyword类型的字段内容不会被分词器分析、拆分，而是根据原始文本直接生成倒排索引，所以keyword类型的字段可以直接通过原始文本精确的检索到。keyword类型的字段可用于过滤、排序、聚合操作。这种字符串称做not-analyzed字符串。

3、日期

ES 中的date类型默认支持如下两种格式

• strict_date_optional_time，表示 yyyy-MM-dd’T’HH:mm:ss.SSSSSSZ 或者 yyyy-MM-dd 格式的日期
• epoch_millis，表示时间戳毫秒

如果我们要存储类似2020-12-01 20:10:15这种格式的日期就会有问题，我们可以在创建索引时指定字段为date类型以及可以匹配的日期格式：

PUT /info
{
  "mappings": {
    "properties": {
      "publishDate":{
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
      }
    }
  }
}

需要注意的是，如果不主动指定字段类型为date，ES 默认使用text类型去保存日期的值。

4、布尔

boolean类型true、false两个值

5、数值

类型	取值范围
byte	-2^7 ~ 2^7-1
short	-2^15 ~ 2^15-1
integer	-2^31 ~ 2^31-1
long	-2^63 ~ 2^63-1
float	32位单精度IEEE 754浮点类型
double	64位双精度IEEE 754浮点类型
half_float	16位半精度IEEE 754浮点类型
scaled_float	缩放类型的的浮点数

一般情况下，如果可以满足需求，则优先使用范围小的类型，来提高效率。

6、数组

​​ ​ 在 ES 中并没有数组类型，但我们却可以按数组格式来存储数据，因为 ES 中默认每个字段可以包含多个值，同时要求多个值得类型必须一致。例如可以按照如下方式指定一个字段的值为数组：

"label": [
    "ElastcSearch",
    "7.6.0版本"
 ]

7、对象

​​ ​ 由于 ES 中以 JSON 格式存储数据，所以一个JSON对象中的某个字段值可以是另一个JSON对象。

8、范围

类型	技能
integer_range	-2^31 ~ 2^31-1
long_range	-2^63 ~ 2^63-1
float_range	32位单精度IEEE 754浮点类型
double_range	64位双精度IEEE 754浮点类型
date_range	自系统历元以来无符号64位整数范围内的毫秒数
ip_range	IPv4、IPv6 的一系列IP地址值

例如可以创建索引时定义一个日期范围的字段类型

PUT /test
{
  "mappings": {
    "properties": {
      "reader_num":{
        "type": "integer_range"
      }
    }
  }
}

添加文档时指定字段的值

"reader_age_range": {
    "gte": 10,
    "lte": 50
}

Restful操作ES

1、节点相关

参数v会返回带有标题的更全面的信息
在查询字符串中增加pretty参数，会让Elasticsearch美化输出JSON响应以便更加容易阅读

1.1 查询所有节点

GET /_cat/nodes?v

1.2 查看节点健康

GET _cat/health?v

1.3 查看所有索引信息

GET /_cat/indices?v

1.4 查看所有模板

GET _cat/templates

1.5 查看索引分片信息

# 查看全部
GET /_cat/shards?v

# 查看指定索引
GET /_cat/shards/<index>?v

1.6 查看插件信息

GET /_cat/plugins?v

2、索引相关

2.1 查看所有索引

GET /_cat/indices?v

# 按索引占用内存大小
GET /_cat/indices?v&h=i,tm&s=tm:desc

# 按文档数量排序索引
GET /_cat/indices?v&s=docs.count:desc

# 根据健康状态查询索引  green/yellow/red
GET /_cat/indices?v&health=green

2.2 查看索引文档数

# 查看所有索引文档总数
GET /_all/_count

# 查看指定索引文档总数
GET /<index>/_count

2.3 查看索引分片信息

GET /_cat/shards/<index>?v

2.4 查看指定索引

# mappings和settings信息
GET /<index>

# 查看mapping
GET test/_mapping?pretty

2.5 删除索引

DELETE /<index>

2.6 创建索引

# 指定索引分片和副本数量
PUT /<index>
{
  "settings": {
    "number_of_shards": 2,   # 分片
    "number_of_replicas": 2    # 副本
  }
}

# 指定分片数量与mapping映射
{
  "settings": { 
    "number_of_shards": 1,
    "number_of_replicas": 1
  },
  "mappings": {
    "properties": {
      "field1":{
        "type": "type2"
      },
      "field2":{
        "type": "type2"
      }
    }
  }
}

2.7 修改分片副本

PUT /_settings
{
  "index": {
        "number_of_replicas": 2
      }
}

2.8 新增mapping

POST //_mapping
{
  "properties": {
      "field":{
        "type": "type"
      }
    }
}

3、操作文档

3.1 创建文档

​ POST和PUT请求都可以新增文档，区别在于PUT创建文档必须指定Id，而POST可以指定也可以不指定，不指定ID则会随机生成一个Id。关于mapping：

• 若没有提前设定索引字段类型而直接添加文档，ES会自动判断数据类型并映射，新字段永久补充到mapping
• 若添加的文档字段数量大于提前设定索引中字段数量，多出的字段ES会自动映射
• 若添加的数据字段数量小于提前设定索引中字段数量，可成功入库

3.1.1 POST创建文档

# 指定文档Id
POST /<index>/_doc/<Id>
{
		"key":"value"
}

# 使用随机Id
POST /<index>/_doc
{
		"key":"value"
}

3.1.2 PUT创建文档

PUT /<index>/_doc/<Id>
{
  "key":"value"
}

3.2 查询文档

3.2.1 查询所有文档

# 可传参数q
# 根据字段值查询 ?q=<条件>:<值>
# 查询范围 field[MIN TO MAX]
# 分页 from size
# 排序 sort  sort=: desc
# 仅输出某些字段  _source=field,field
GET /<index>/_search

3.2.2 根据Id查询指定文档

GET  //_doc/

3.3 更新文档

3.3.1 更新全部字段

# PUT和POST请求都可以执行，全部字段均会被修改更新，可以新增字段，当ID未匹配到则执行新增
# 若Id存在,会将文档修改为以下内容
POST /<index>/_doc/<Id>
{
  "key":"value"
}

3.3.2 更新部分字段

# 仅支持POST请求，只修改部分字段数据, 字段不存在则在则创建
# 当ID未匹配上时，报错
POST /<index>/_update/<Id>/
{
  "doc": {
    "key":"value"
  }
}

3.3.3 并发更新

ES使用版本version来管理文档，在更新的时候可以加上版本来控制并发

参数说明：

• _seq_no，严格递增的顺序号，每个文档一个，Shard级别严格递增，保证后写入的Doc的==_seq_no==大于先写入的Doc的_seq_no
• primary_term和==_seq_no==`都是一个整数，每当Primary Shard发生重新分配时，比如重启，Primary选举等，_primary_term会递增1

# 根据查询结果返回的seq_no和primary_term参数更新
POST /<index>/_doc/<Id>?if_seq_no=11&if_primary_term=1
{
  "doc":{
   "field": "value"
  }
}

3.4 删除文档

DELETE //_doc/

3.5 批量操作

3.5.1.批量查找

# 多Id查询

# 单索引查询
POST /<index>/_mget
{
  "ids": [
    "",
    "",
    ""
  ]
}

# 多索引查询
{
  "docs": [
    {
      "_index": "",
      "_id": ""
    },
    {
      "_index": "",
      "_id": ""
    }
  ]
}

3.5.2 批量新增

# 若索引存在则更新、反之就新增
POST _bulk
{ "create" : { "_index" : "", "_id": "" } }
{"key": "value"}
{ "create" : { "_index" : "", "_id": "" } }
{"key": "value"}

3.5.3 批量更新

# 命令下一行需要紧跟着data数据
POST _bulk
{"update": {"_index": "","_id": ""}}
{"doc": {"key": "value"}}
{"update": {"_index": "","_id": ""}}
{"doc": {"key": "value"}}

3.5.4 批量删除

POST _bulk
{ "delete" : {"_index": "","_id": ""}}
{ "delete" : {"_index": "","_id": ""}}

3.5.5 批量增删改

# 使用_bulk命令可以进行文档的批量增删改

POST _bulk
{ "create" : {"_index" : "", "_id": ""}}
{"key": "value"}
{ "update" : {"_index" : "", "_id": ""}}
{ "doc" : {"key": "value"}}
{ "delete" : {"_index" : "my_index3", "_id": ""}}

Elasticsearch Query DSL

​​ ​ 当我们开始在 Elasticsearch 插入数据，你就可以通过_search 方式发送请求来进行搜索，如果使用匹配搜索功能，在请求体中使用 Elasticsearch Query DSL 指定搜索条件。你也可以在请求头指定要搜索的索引名称。

1、DSL条件

2.1 条件语句

关键字	查询范围	备注
match_all	查询所有
match	匹配查询
bool	联合查询
term	词条精准查询
range	范围查询

2.2 约束条件

参数	意义	备注
must	必须同时满足	AND
must_not	必须同时不满足	NOT
should	满足其中一个条件	OR
filter	过滤条件必须匹配

2.3 响应体参数

参数	意义	备注
took	整个搜索花费的毫秒数
timed_out	查询是否超时
_shards	参与查询的分片数 成功/失败
hits	查询匹配的根节点
hits[]	hits数组包含了匹配到的前10条数据
hits.total.value	表示匹配到的文档总数
hits._index	索引
hits_type	文档类型
hits._id	文档标识符
hits._source	文档存储的实际数据
hits._score	相关性得分

2、全文搜索

2.1 简单查询

2.1.1 查询所有结果

GET /<index>/_search
{
  "query": { 
    "match_all": {}
  } 
}

2.1.2 根据条件查询

GET /<index>/_search
{
  "query": {
    "match": {
      "name": "ichpan"
    }
  }
}

2.1.3 指定查询字段

GET /<index>/_search
{
  "query": {
    "match_all": {}
  },
  "_source": [
    "field1",
    "field2"
  ]
}

2.1.4 多词查询

多个条件之间使用空格分割

GET /test/_search
{
  "query": {
    "match": {
      "name": "ichpan yjiahao"
    }
  }
}

2.1.5 排序

排序后score返回的值为null，order支持 desc/asc

GET /test/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ]
}

2.1.6 数据分词结果

GET _analyze
{
  "analyzer": "standard",
  "text": "楼下安同学"
}

2.2 批量查询

2.2.1 多ID查询

GET /<index>/_search
{
  "query": {
    "ids": {
      "values":[Id1, Id2, Id3]
    }
  }
}

2.2.2 单索引批量查询

GET //_mget
{
  "ids": [
  	Id1,
    Id2,
    Id3
  ]
}

2.2.3 跨索引批量查

# 同时查询与两个索引下的数据
GET /_mget
{
  "docs": [
    {
      "_index": "index1",
      "_id": "1"
    },
    {
      "_index": "index2",
      "_id": "2"
    }
  ]
}

GET /_msearch
{"index":"index1"}
{"query":{"match_all":{}}}
{"index":"index2"}
{"query":{"match_all":{}}}

2.3 匹配查询

​​ ​ 像match或 query_string 这样的查询是高层查询，它们了解字段映射的信息：如果查询日期或整数字段，它们会将查询字符串分别作为日期或整数对待。如果查询一个未分析的精确值字符串字段，它们会将整个查询字符串作为单个词项对待。但如果要查询一个已分析的全文字段，它们会先将查询字符串传递到一个合适的分析器，然后生成一个供查询的词项列表。一旦组成了词项列表，这个查询会对每个词项逐一执行底层的查询，再将结果合并，然后为每个文档生成一个最终的相关度评分。

​​ ​ 匹配查询match是个核心查询。无论需要查询什么字段， match 查询都应该会是首选的查询方式。它是一个高级全文查询 ，这表示它既能处理全文字段，又能处理精确字段。

2.3.1 关键字分词查询

# 单个词
GET /<index>/_search
{
  "query": {
    "match": {
      "profession": "楼下安同学"
    }
  }
}

# 多个词用逗号隔开
GET /student_info/_search
{
  "query": {
    "match": {
      "profession": "你好, 楼下安同学"
    }
  }
}

2.3.2 提高查询精度

​​ ​ match查询还可以接受operator 操作符作为输入参数，默认情况下该操作符是or。我们可以将它修改成 and 让所有指定词项都必须匹配

# 查询索引test中name为ichpan和yjiahao的文档
GET /test/_search
{
  "query": {
    "match": {
      "name": {
        "query": "ichpan yjiahao",
        "operator": "and"
      }
    }
  }
}

2.3.3 控制精度

​​ ​ 我们既想查询包含那些可能相关的文档，同时又排除那些不太相关的文档。

​​ ​ match查询支持minimum_should_match最小匹配参数，这让我们可以指定必须匹配的词项数用来表示一个文档是否相关。我们可以将其设置为某个具体数字，也可设置为一个百分数。

GET /test/_search
{
  "query": {
    "match": {
      "name": {
        "query": "ichpan yjiahao",
        "minimum_should_match": "30%"
      }
    }
  }
}

2.3.4 多字段查询

指定字段中出现的值

# 匹配字段name和desc字段中包含拆出来的词语的结果
GET /<index>/_search
{
	"query": {
	  "multi_match": {
	    "query": "楼下安同学",
	    "fields": ["name", "desc" ]
		}
	}
}

2.3.5 短语查询

​ ​ match_phrase短语搜索，要求所有的分词必须同时出现在文档中，同时位置必须紧邻一致

GET /<index>/_search
{
	"query": {
	  "match_phrase": {
	    "name": "楼下安同学"
		}
	}
}

2.3.6 高亮查询

返回带有html标签的检索结果

GET /test/_search
{
  "query": {
    "match": {
      "name": "ichpan"
    }
  },
  "highlight": {
    "fields": {
      "name": {}
    }
  }
}

2.3.7 前缀匹配

GET /<index>/_search
{
  "query": {
    "match_phrase_prefix": {
      "name": "ich"
    }
  }
}

2.4 布尔值查询

布尔值查询bool，筛选必须符合条件的数据 布尔条件可选条件见 2.1条件语句

# 布尔条件可选条件见 2.1条件语句
GET /test/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "name": "ichpan"
          }
        }
      ]
    }
  },
  "from": 0,
  "size": 10
}

2.5 过滤查询

​​ ​ 过滤只会筛选出符合的文档，并不计算得分，且它可以缓存文档。所以，从性能考虑，过滤比查询更快。过滤适合在大范围筛选数据，而查询则适合精确匹配数据。一般应用时，应先使用过滤操作过滤数据，然后使用查询匹配数据。

GET /test/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match_all": {}
        }
      ],
      "filter": {
        "range": {
          "age": {
            "gte": 10,
            "lte": 30
          }
        }
      }
    }
  }
}

2.6 模糊查询

GET /<index>/_search
{
  "query": {
    "fuzzy": {
      "name": "安"
    }
  }
}

2.7 精确查询

​​ ​ term 或fuzzy 这样的底层查询不需要分析阶段，它们对单个词项进行操作。用term查询词项Foo只要在倒排索引中查找准确词项 ，并且用 TF/IDF 算法为每个包含该词项的文档计算相关度评分 _score。

2.7.1 查找单个

# 关键词查询
GET /<index>/_search
{
	"query": {
		"term": {
			"name.keyword": "foo"
		}
	}
}

2.7.2 查找多个

# 多条件查询
GET /<index>/_search
{
	"query": {
		"terms": {
			"age": [19,20,21,22]
		}
	}
}

2.8 范围查询

大于-gt，小于-lt，大于等于-gte，小于等于-lte

2.8.1 数字范围

GET /<inex>/_search
{
  "query": {
    "range": {
      "age":{
        "gte": 19,
        "lte": 21
      }
    }
  }
}

2.8.2 时间范围

GET //_search
{
  "query": {
    "range": {
      "birthday":{
        "gte": "2001-06-15",
        "lte": "2001-09-20"
      }
    }
  }
}

2.8.3 from … to

• 包含边界

GET /<index>/_search
{
  "query": {
    "range": {
      "age":{
        "from": 19,
        "to": 21
      }
    }
  }
}

• 不包含边界

GET /<index>/_search
{
  "query": {
    "range": {
      "age": {
        "from": 19,
        "to": 21,
        "include_lower": false,
        "include_upper": false
      }
    }
  }
}

2.9 通配符查询

? 匹配任意数量字符，*用来匹配零个或者多个字符，主要用于英文检索

# *匹配
GET /student_info/_search
{
  "query": {
    "wildcard": {
      "name": "小*"
    }
  }
}

# ？匹配
GET /student_info/_search
{
  "query": {
    "wildcard": {
      "name": "ich?n"
    }
  }
}

2.10 约束条件查询

约束条件参考 DSL条件-约束条件

2.8 分页查询

2.11 分页查询

2.11.1 简单分页

对于非深度分页，简单查询时，一般使用from和size进行分页查询

• from: 分页起始位置

• size: 每页数据大小

2.11.2 分页查询

GET /<index>/_search
{
  "query": {
    "match_all": {}
  },
  "from": 1,
  "size": 2
}

2.11.3 深度分页

​ ES对于from和size的个数是有限制的，默认限制二者之和不能超过1w，超过后会报错max_result_window参数作为保护措施，虽然这个参数可以修改，也可以在配置文件配置。但是最好不要这么做，当所请求的数据总量大于1w时，应使用ES游标(scroll查询)来代替from+size。如果需要深度分页对服务器压力会变大。如果确认需要设置，则需要提前预估启动内存大小。

2.11.4 游标查询

​ scoll 游标查询，指定 scroll=时间 ，指定保存的分钟数，第一次发起请求放回的是数据+_scroll_id ，后面通过 _scroll_id 去请求数据，适合大批量查询。游标查询，其实是在 es 里面缓存了结果 ，然后一次一次的去取，所以发起第一次请求的时候只有size ，没有from，后面的请求只有 scroll_id 和 scroll 时间

# 年龄大于18，每页2条,保存1分钟
GET /<index>/_search?scroll=1m
{
  "query": {
    "range": {
      "age":{
        "gt": 18
      }
    }
  },
  "size": 2
}

2.11.5 search_after分页

​ from + size的分页方式虽然是最灵活的分页方式，但当分页深度达到一定程度将会产生深度分页的问题。scroll能够解决深度分页的问题，但是其无法实现实时查询，即当scroll_id生成后无法查询到之后数据的变更，因为其底层原理是生成数据的快照。ES-5.X之后 search_after应运而生，使用search_after必须添加排序"sort"条件

# 指定了根据ID升序，年龄倒序，2个排序条件，search_after中[起始ID,起始年龄]

GET /student_info/_search
{
  "query": {
    "match_all": {}
  },
  "search_after": [
    11000,20
  ],
  "size": 2,
  "sort": [
        {"_id": "asc"},
        {"age": "desc"}
    ]
}

2.11.6 三种分页方式比较

• from size
  • 性能：低
  • 优点：灵活性好，实现简单
  • 缺点：深度分页问题
  • 使用场景：数据量比较小，能容忍深度分页问题
• scroll
  • 性能：中
  • 优点：解决深度分页问题
  • 缺点：无法反应数据的实时性、维护成本高，需要维护一个 scroll_id跳页查询问题
  • 使用场景：海量数据的导出需要查询海量结果集的数据
• search_after
  • 性能：性能最好不存在深度分页问题能够反映数据的实时变更
  • 优点：解决深度分页问题
  • 缺点：实现复杂，需要有一个全局唯一的字段连续分页的实现相对复杂，因为每一次查询都需要上次查询的结果跳页查询问题
  • 使用场景：海量数据的分页

2.12 聚合查询

​ 聚合查询是开发中常见的场景，一般包含。求和、最大值、最小值、平均值、总记录数等。text类型是不支持聚合的,size: 0 参数表示不用返回文档列表，只返回汇总的数据即可

2.12.1 ES聚合查询写法

"aggregations" : {
    "" : {                                 <!--聚合的名字 -->
        "" : {                             <!--聚合的类型 -->
            <aggregation_body>                               <!--聚合体：对哪些字段进行聚合 -->
        }
        [,"meta" : {  [<meta_data_body>] } ]?                <!--元 -->
        [,"aggregations" : { [<sub_aggregation>]+ } ]?       <!--在聚合里面在定义子聚合 -->
    }
}

2.12.2 求和

GET /<inedx>/_search
{
  "size": 0,
  "aggs": {
    "sum_age": {
      "sum": {
        "field":"age"
      }
    }
  }
}

2.12.3 最大值

GET /<index>/_search
{
  "size": 0,
  "aggs": {
    "max_age": {
      "max": {
        "field":"age"
      }
    }
  }
}

2.12.4 最小值

GET /<index>/_search
{
  "size": 0,
  "aggs": {
    "min_age": {
      "min": {
        "field":"age"
      }
    }
  }
}

2.12.5 平均值

GET /<index>/_search
{
  "size": 0,
  "aggs": {
    "avg_age": {
      "avg": {
        "field":"age"
      }
    }
  }
}

2.12.6 去重数值

# 类似mysql的 count distinct
GET /<index>/_search
{ 
  "size": 0,
  "aggs": {
    "age_count": {
      "cardinality": {
        "field": "age.keyword"
      }
    }
  }
}

2.12.7 多值查询

GET /<index>/_search
{
  "size": 0,
  "aggs": {
    "max_age": {
      "max": {
        "field": "age"
      }
    },
    "min_age": {
      "min": {
        "field": "age"
      }
    },
    "avg_age": {
      "avg": {
        "field": "age"
      }
    }
  }
}

2.12.8 返回多个聚合值

​ ​ stats 统计，请求后会直接显示多种聚合结果，总记录数，最大值，最小值，平均值，汇总值

GET /<index>/_search
{
  "size": 0,
  "aggs": {
    "age_stats": {
      "stats": {
        "field":"age"
      }
    }
  }
}

2.12.9 百分比

​ ​ 对指定字段的值按从小到大累计每个值对应的文档数的占比，返回指定占比比例对应的值

GET /<index>/_search
{
  "size": 0,
  "aggs": {
    "age_percentiles": {
      "percentiles": {
        "field": "age"
      }
    }
  }
}

2.12.10.文档值占比

​​ ​ 这里指定值，查占比。注意占比是小于文档值的比例

GET /<index>/_search
{
  "size": 0,
  "aggs": {
    "age_percentiles": {
      "percentile_ranks": {
        "field": "age",
        "values": [
          22,
          25,
          33
        ]
      }
    }
  }
}

2.12.11 中位数查询

{
  "size": 0,
  "aggs": {
    "load_time_outlier": {
      "percentiles": {
        "field": "salary",
        "percents": [
          50,
          99
        ],
        "keyed": false
      }
    }
  }
}

2.12.12 分组取Top

案例1：根据性别分组。展示工资排名top3
GET /<index>/_search?size=0
{
  "aggs": {
    "top_tags": {
      "terms": {
        "field": "sex"
      },
      "aggs": {
        "top_sales_hits": {
          "top_hits": {
            "sort": [
              {
                "salary": {
                  "order": "desc"
                }
              }
            ],
            "_source": {
              "includes": [
                "name",
                "sex",
                "salary"
              ]
            },
            "size": 3
          }
        }
      }
    }
  }
}

2.12.13 分组之聚合

# 根据性别分组求平均工资

GET /<index>/_search
{
  "size":0,
  "aggs": {
    "top_tags": {
      "terms": {
        "field": "sex"
      },
      "aggs": {
        "avg_salary": {
          "avg": {
            "field": "salary"
          }
        }
      }
    }
  }
}

2.12.14 总记录数查询

# 统计年龄 >=25 的记录数
GET /<index>/_count
{
  "query": {
    "range": {
      "age":{
        "gte": 25
      }
    }
  }
}

# 统计年龄 >=25 的记录数
GET /<index>/_search?size=0
{
  "query": {
    "range": {
      "age":{
        "gte": 25
      }
    }
  }
}

总结

​​ ​ 此文档对ElasticSearch基础操作进行了全面总结，在各种语言中操作ElasticSearch主要写DSL语句，掌握底层原理有助于我们快速研发。文档持续更新补充中…