Elasticsearch Java API 之Query、Filter、count、Aggregations
1、Query查询器
查询器（query）倾向于更准确的查找，根据elasticsearch内部分析相关度得到与搜索内容匹配度更高的内容，因此速度较慢。
elasticsearch有着默认分词器。term是代表完全匹配，即不进行分词器分析，文档中必须包含整个搜索的词汇。使用term要确定的是这个字段是否“被分析”(analyzed)，默认的字符串是被分析的。
例如存入“日志”，分词器默认把中文分割存储，存为“日”“志”，当查询“日志”时发现查不到；或者存入"error log"，因其中有空格，所以其实存入es的数据为"error""log"，当查询"error log"时会发现查不到。这是因为默认"index":"analyzed"，即默认对该字段进行分析，可设置"index":"not_analyzed"即不对该字段进行分词。
match是查询的字符串也是要被分析的，如果存入字符串是被分析的，如果想被查到，就必须要用matchquery。
构造Query查询器实例：
QueryBuilder qb = termQuery("_type", "log");
SearchResponse response = transportClient.prepareSearch("test_tx")
.setQuery(qb)
.setFrom(0).setSize(60).setExplain(true)
.execute()
.actionGet();
prepareSearch(String str)，str为index即索引名，如若prepareSearch()即为查询整个集群。多条件查询Query查询：
QueryBuilder qb = boolQuery()
.must(termQuery("type", "typeValue"))
.mustNot(termsQuery("logrank",logrank)).
.should(termsQuery("logsource",logsource));
must、mustNot、should分别代表and、not、or逻辑。构造好Query传到elasticsearch里进行查询：
SearchResponse response = client.prepareSearch()
.setQuery(query)
.setFrom(0).setSize(60).setExplain(true)
.execute()
.actionGet();
2、Filter过滤器
过滤器（filter）通常用于过滤文档的范围，比如某个字段是否属于某个类型，或者是属于哪个时间区间。filter是不计算相关性的，同时可以cache。因此，filter速度要快于query。FilterBuilders.andFilter(
FilterBuilders.rangeFilter("age").from(1).to(100),
FilterBuilders.prefixFilter("name", "Jack")
);
同样，多条件查询也可以用boolFilter()：
FilterBuilders.boolFilter()
.must(FilterBuilders.termFilter("name", "Jack"))
.mustNot(FilterBuilders.rangeFilter("age").from(10).to(30))
.should(FilterBuilders.termFilter("home", "hometown"));
}
构造好Filter 传到elasticsearch里进行过滤：
SearchResponse response = client.prepareSearch()
.setFilter(filterBuilder)
.execute().actionGet();
3、Count
count API允许轻松地执行一个查询，获得匹配的数量,可以跨越一个或多个index ，一个或多个type。QueryBuilder qb = boolQuery()
.must(termQuery("logRank", logRank));
CountResponse response = client.prepareCount("test_tx") // 索引
.setQuery(qb) //类型
.execute().actionGet();
4、Aggregations聚合
4.1 DateHistogram日期聚合date histogram为Bucket(桶)聚合中的常用聚合。
其中，interval字段支持多种关键字：`year`, `quarter`, `month`, `week`, `day`, `hour`, `minute`, `second`，
返回的结果可以通过设置format进行格式化。
DateHistogramBuilder dateAgg = AggregationBuilders.dateHistogram("dateAgg");//取名字
dateAgg.field("time"); //设置聚合字段
dateAgg.interval(DateHistogram.Interval.YEAR);
//dateAgg.interval(DateHistogram.Interval.QUARTER);
//dateAgg.interval(DateHistogram.Interval.MONTH);
//dateAgg.interval(DateHistogram.Interval.weeks(2));
//dateAgg.interval(DateHistogram.Interval.days(1));
//dateAgg.interval(DateHistogram.Interval.hours(2));
//dateAgg.interval(DateHistogram.Interval.minutes(5));
//dateAgg.interval(DateHistogram.Interval.seconds(10));
dateAgg .format("yyyy-MM-dd") //设置聚合日期格式
.minDocCount(0) //设置聚合后最小值，防止聚合数为0时得到的结果没有该项
.extendedBounds(beginDate, endDate); //强制设置时间范围
然后在elasticsearch中开始聚合：
SearchResponse response = client.prepareSearch()
.addAggregation("dateAgg")
.execute().actionGet();
Map<String, Long> logNumByDay = new HashMap<String, Long>();
DateHistogram aggByDay = response.getAggregations().get("dateAgg"); //得到聚合后的桶
for(DateHistogram.Bucket logByDay : aggByDay.getBuckets()) //遍历桶
{
logNumByDay.put(logByDay.getKey(),logByDay.getDocCount()); //对每个桶取信息构造键值对
}
4.2 terms聚合
public Map<String, Long> getTypesAggNum(String type, List<String> logRank, Date beginDate, Date endDate) {
TermsBuilder typeAgg = AggregationBuilders
.terms("typeAgg") //取名字
.field(type); //聚合属性
SearchResponse response = client.prepareSearch("testindex")
.setQuery(boolQuery()
.must(termsQuery("logRank", logRank))
.must(rangeQuery("time").from(beginDate).to(endDate))
)
.addAggregation(typeAgg)
.execute().actionGet();
Map<String, Long> logNumByAgg = new LinkedHashMap<>();
Terms aggByType = response.getAggregations().get("typeAgg"); //取结果
for(Bucket logByType : aggByType.getBuckets())
{
logNumByAgg.put(logByType.getKey(),logByType.getDocCount());
}
return logNumByAgg;
}
上述代码为以“logRank”属性取值为logRank链表内元素并且时间范围在beginDate与endDate之间条件进行查询后，根据type进行聚合，聚合后的结果为terms类型，terms聚合为根据属性所有取值进行聚合。