通过Elasticsearch使用的你的数据

Posted 2020-09-09 LittleFeiHu

Elasticsearch 系列导航

elasticsearch 与 elasticsearch-head 的安装

ElasticSearch Index API && Mapping

在ElasticSearch中使用 IK 中文分词插件

ElasticSearch 基本概念

Nest客户端的基本使用方法

持续更新中

 

 正文

假设你已经有一份数据保存在Elasticsearch里，类似于下面这种schema,如果没有参考导入测试数据

{
    "account_number": 0,
    "balance": 16623,
    "firstname": "Bradshaw",
    "lastname": "Mckenzie",
    "age": 29,
    "gender": "F",
    "address": "244 Columbus Place",
    "employer": "Euron",
    "email": "[e-mail]",
    "city": "Hobucken",
    "state": "CO"
}

 那么我们接下来就可以 过滤，搜索，聚合来获取到我们想要的数据。

Elasticsearch提供了一套Json风格的领域特定语言来帮助查询，被称为Query DSL.

搜索通过在URL结尾加_search来指定，具体查询提交通过Request Body来指定，

比如下面的Request Body：

query： 用来指定查询条件

from：从第几个开始取

size：取多少条记录，默认10条，比如这个例子有13条记录满足条件，但是只返回1条记录

sort：用来指定排序规则

OK，通过刚才的实验，我们对查询有了一个基本的认识，下面让我们来继续认识更加有趣的查询：

1. 减少返回字段的个数（默认情况下是返回一个文档的所有字段信息）

   {
     "query": { "match_all": {} },
     "_source": ["account_number", "balance"]
   }
   

2. 返回account_number等于20的account

   {
     "query": { "match": { "account_number": 20 } }
   }
   

    match是一个模糊匹配，但是由于account_number是long类型，所以这里当做精确匹配来过滤

3. 返回address字段中包含mill的account

   {
     "query": { "match": { "address": "mill" } }
   }
   

    由于address是text类型，所以这里说的是包含mill而不是等于mill.

4. 返回address字段中包含"mill" 或 "lane"的account

   {
     "query": { "match": { "address": "mill lane" } }
   }
   

    由于address是text类型，而且"mill lane"这里在查询的时候被当作两个词来分别进行查询

5. 返回address字段中包含"mill lane"的account

    这里使用match_phrase（短语匹配）查询类型，把"mill lane"当作一个整体来查询

   {
     "query": { "match_phrase": { "address": "mill lane" } }
   }
   

    

6. 返回address字段中同时包含"mill" 和 "lane"的account

   {
     "query": {
       "bool": {
         "must": [
           { "match": { "address": "mill" } },
           { "match": { "address": "lane" } }
         ]
       }
     }
   }
   

    这里使用了bool查询语句，它允许我们组合多个小的查询一起来完成稍微复杂的查询，bool must 要求所有子查询返回true,所有子查询之间可以理解为一个and的操作。

7. 返回address字段中包含"mill" 或 "lane"的account

    bool should 要求子查询中的任一个满足条件，可以理解为或的关系

   {
     "query": {
       "bool": {
         "should": [
           { "match": { "address": "mill" } },
           { "match": { "address": "lane" } }
         ]
       }
     }
   }
   

    

8. 返回address字段中既不包含"mill" 也不包含 "lane"的account

    bool must_not子句之间是或的关系

   {
     "query": {
       "bool": {
         "must_not": [
           { "match": { "address": "mill" } },
           { "match": { "address": "lane" } }
         ]
       }
     }
   }
   

    

9. 返回年龄等于40 且不住在ID地区的account

   {  "query": {
       "bool": {
         "must": [
           { "match": { "age": "40" } }
         ],
         "must_not": [
           { "match": { "state": "ID" } }
         ]
       }
     }
   }
   

        我们可以同时联合must, should, and must_not子句在一个bool语句内，

         也可以继续在bool子句下面继续嵌套使用bool子句来完成更加复杂的查询需求。

 Filter 过滤

        在返回的结果中有一个_score字段，score是一个数值，表示查询条件和这个文档的相关度，分数越高，说明某个文档的相关度越高，

        反之，相关度越低，但是查询 并不总是产生分数，尤其当你使用过滤子句来过滤文档的时候，Elasticsearch会自动检测这些场景，

       自动优化查询，让他不要去计算无用的分数，之前我们使用的bool查询也支持filter子句，

        例如我们想获取账户余额大于等于20000 小于等于30000的账户信息

{
  "query": {
    "bool": {
      "must": { "match_all": {} },
      "filter": {
        "range": {
          "balance": {
            "gte": 20000,
            "lte": 30000
          }
        }
      }
    }
  }
}

 上面的这个例子其实挺好理解的，所有在这个range范围内的文档都具有相等的匹配度，

  没有哪一个文档比其他的文档匹配度更高，要么在这个范围内，要么不在，所以相关度是相等的，

 就没有必要再去计算这个score.

Aggregations聚合

聚合允许你给你的数据分组并获取他们的统计信息，你可以把它和SQL里面的goup by 以及SQL的聚合函数联系起来，

在Elasticsearch，你可以在一个响应里同时返回聚合信息和结果明细，

比如我们使用state来给所有的accounts分组，默认返回前10条聚合记录，顺序按照组内文档数量的倒序排列

{
  "size": 0,
  "aggs": {
    "group_by_state": {
      "terms": {
        "field": "state.keyword"
      }
    }
  }
}

 你可以结合下面的SQL语句更好理解上面的语句

SELECT state, COUNT(*) FROM bank GROUP BY state ORDER BY COUNT(*) DESC
部分返回结果 如下显示：

{
  "took": 29,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits" : {
    "total" : 1000,
    "max_score" : 0.0,
    "hits" : [ ]
  },
  "aggregations" : {
    "group_by_state" : {
      "doc_count_error_upper_bound": 20,
      "sum_other_doc_count": 770,
      "buckets" : [ {
        "key" : "ID",
        "doc_count" : 27
      }, {
        "key" : "TX",
        "doc_count" : 27
      }, {
        "key" : "AL",
        "doc_count" : 25
      }, {
        "key" : "MD",
        "doc_count" : 25
      }, {
        "key" : "TN",
        "doc_count" : 23
      }, {
        "key" : "MA",
        "doc_count" : 21
      }, {
        "key" : "NC",
        "doc_count" : 21
      }, {
        "key" : "ND",
        "doc_count" : 21
      }, {
        "key" : "ME",
        "doc_count" : 20
      }, {
        "key" : "MO",
        "doc_count" : 20
      } ]
    }
  }
}

 你可以观察到，上面的聚合我们设置size=0,不去显示符合条件的原始记录，

因为我们这次仅仅需要聚合的结果信息，如果你也需要原始记录信息，那么你可以重新指定size的大小

下面这个例子我们来求余额的平均值

{
  "size": 0,
  "aggs": {
    "group_by_state": {
      "terms": {
        "field": "state.keyword"
      },
      "aggs": {
        "average_balance": {
          "avg": {
            "field": "balance"
          }
        }
      }
    }
  }
}

 返回如下的结果，可以看到这里我们在group_by_state里面嵌套使用了average_balance，这是一种比较通用的做法，

你可以在任意聚合内嵌套任意聚合来获取需要的统计信息。

下面这个例子演示根据年龄组来分组，然后根据性别来分组最后求账户余额的平均值

{
  "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.keyword"
          },
          "aggs": {
            "average_balance": {
              "avg": {
                "field": "balance"
              }
            }
          }
        }
      }
    }
  }
}

 下面是年龄组分组 计算聚合的部分返回结果：

 

 

下面