查询所有 match_all 分页查询 from + size 深分页查询 Scroll 指定字段排序 sort 返回指定字段_source match 短语查询 match_phrase 多字段查询 multi_match query_string 关键词查询 Term 前缀查询 prefix 通配符查询 wildcard 范围查询 range 多 id 查询 ids 模糊查询 fuzzy 高亮 highlight Query DSL（Domain Specified Language）是利用Rest API传递JSON格式的请求体(RequestBody)与ES进行交互 使用match_all，默认只会返回10条数据 _search查询默认采用的是分页查询，每页记录数size的默认值为10如果想显示更多数据，指定size GET /es_db/_search
# 等同于
GET /es_db/_search
{"query":{"match_all":{}}}
返回指定条数size size 关键字: 指定查询结果中返回指定条数。 默认返回值10条 from + size的结果必须小于或等于10000 可以采用scroll api更高效的请求大量数据集 GET /es_db/_search
{"query":{"match_all":{}},"size": 100}
查询结果的窗口的限制可以通过参数index.max_result_window进行设置 index.max_result_window主要用来限制单次查询满足查询条件的结果窗口的 不能简单理解成查询返回给调用方的数据量 窗口大小由from + size共同决定 主要是为了限制内存的消耗 尽管最后我们只取了10条数据返回给客户端，但ES进程执行查询操作的过程中确需要将（1000000 + 10）的记录都加载到内存中 这也是ES中不推荐采用（from + size）方式进行深度分页的原因 PUT /es_db/_settings
{"index.max_result_window":"20000"}
# 修改所有的索引
PUT /_all/_settings
{"index.max_result_window":"20000"}
分页查询 form from 关键字: 用来指定起始返回位置，和size关键字连用可实现分页效果 GET /es_db/_search
{"query":{"match_all":{}},"size":5,"from":0}
查询命令中新增 scroll=1m，说明采用游标查询，保持游标查询窗口一分钟 GET /es_db/_search?scroll=1m
{"query":{"match_all":{}},"size":2}
采用游标id查询 多次根据scroll_id游标查询，直到没有数据返回则结束查询 采用游标查询索引全量数据，更安全高效，限制了单次对内存的消耗 GET /_search/scroll
{"scroll":"1m","scroll_id":"FGluY2x1ZGVfY29udGV4dF91dWlkDXF1ZXJ5QW5kRmV0Y2gBFmNwcVdjblRxUzVhZXlicG9HeU02bWcAAAAAAABmzRY2YlV3Z0o5VVNTdWJobkE5Z3MtXzJB"}
GET /es_db/_search
{"query":{"match_all":{}},"sort":[{"age":"desc"}]}
_source_source 关键字: 是一个数组，在数组中用来指定展示那些字段GET /es_db/_search
{"query":{"match_all":{}},"_source":["name","address"]}
match在匹配时会对所查找的关键词进行分词，然后按分词匹配查找 query : 指定匹配的值 operator : 匹配条件类型 and : 条件分词后都要匹配 or : 条件分词后有一个匹配即可 (默认) minmum_should_match : 最低匹配度，即条件在倒排索引中最低的匹配度 # 模糊匹配 match 分词后 or 的效果
GET /es_db/_search
{"query":{"match":{"address":"广州白云山公园"}}}
# 分词后 and 的效果
GET /es_db/_search
{"query":{"match":{"address":{"query":"广州白云山公园","operator":"AND"}}}}
当operator参数设置为or时，minnum_should_match参数用来控制匹配的分词的最少数量 # 最少匹配 广州，公园 两个词
GET /es_db/_search
{"query":{"match":{"address":{"query":"广州公园","minimum_should_match":2}}}}
match_phrase 查询分析文本并根据分析的文本创建一个短语查询 match_phrase 会将检索关键词分词 match_phrase 的分词结果必须在被检索字段的分词中都包含，而且顺序必须相同，而且默认必须都是连续的 GET /es_db/_search
{"query":{"match_phrase":{"address":"广州白云山"}}}
address 改成”广州白云“可能查不出数据 广州和白云不是相邻的词条，中间会隔一个白云山 而match_phrase匹配的是相邻的词条 可以借助slop参数解决词条间隔的问题 slop参数告诉match_phrase查询词条能够相隔多远时仍然将文档视为匹配 # 广州云山分词后相隔为 2，可以匹配到结果
GET /es_db/_search
{"query":{"match_phrase":{"address":{"query":"广州云山","slop":2}}}}
可以根据字段类型，决定是否使用分词查询，得分最高的在前面 字段类型分词，将查询条件分词之后进行查询，如果该字段不分词就会将查询条件作为整体进行查询 GET /es_db/_search
{"query":{"multi_match":{"query":"长沙张龙","fields":["address","name"]}}}
允许我们在单个查询字符串中指定 AND | OR | NOT 条件，同时也支持多字段搜索 在所有字段中搜索 查询字段分词就将查询条件分词查询，查询字段不分词将查询条件不分词查询 未指定字段查询 GET /es_db/_search
{"query":{"query_string":{"query":"张三 OR 橘子洲"}}}
GET /es_db/_search
{"query":{"query_string":{"default_field":"address","query":"白云山 OR 橘子洲"}}}
GET /es_db/_search
{"query":{"query_string":{"fields":["name","address"],"query":"张三 OR (广州 AND 王五)"}}}
类似 Query String，但是会忽略错误的语法 同时只支持部分查询语法，不支持 AND OR NOT，会当作字符串处理 支持部分逻辑 默认的 operator 是 OR GET /es_db/_search
{"query":{"simple_query_string":{"fields":["name","address"],"query":"广州公园","default_operator":"AND"}}}
Term 用来使用关键词查询 (精确匹配)，还可以用来查询没有被进行分词的数据类型 Term 是表达语意的最小单位 match 在匹配时会对所查找的关键词进行分词，然后按分词匹配查找 而 term 会直接对关键词进行查找 一般模糊查找的时候，多用 match，而精确查找时可以使用 term 只有 text 类型分词 Term 查询，对输入不做分词 会将输入作为一个整体，在倒排索引中查找准确的词项 并且使用相关度算分公式为每个包含该词项的文档进行相关度算分 GET /es_db/_search
{"query":{"term":{"address":{"value":"广州白云"}}}}
可以通过 Constant Score 将查询转换成一个 Filtering，避免算分，并利用缓存，提高性能 将 Query 转成 Filter，忽略 TF-IDF 计算，避免相关性算分的开销 Filter 可以有效利用缓存 GET /es_db/_search
{"query":{"constant_score":{"filter":{"term":{"address.keyword":"广州白云山公园"}}}}}
结构化搜索 (Structured search) 是指对结构化数据的搜索 结构化数据 日期，布尔类型和数字都是结构化的 文本也可以是结构化的 如彩色笔可以有离散的颜色集合：红 (red) 、绿 (green)、蓝 (blue) 一个博客可能被标记了标签，例如，分布式 (distributed) 和搜索 (search) 电商网站上的商品都有 UPC (通用产品码 Universal Product Code) 或其他的唯一 它们都需要遵从严格规定的、结构化的格式 应用场景：对 bool，日期，数字，结构化的文本可以利用 term 做精确匹配 term 处理多值字段 它会对分词后的 term 进行前缀搜索 它不会分析要搜索的字符串，传入的前缀就是想要查找的前缀 默认状态下，前缀查询不做相关度分数计算，它只是将所有匹配的文档返回，然后赋予所有相关分数值为1 它的行为更像是一个过滤器而不是查询 两者实际的区别就是过滤器是可以被缓存的，而前缀查询不行 prefix 的原理：需要遍历所有倒排索引，并比较每个 term 是否已所指定的前缀开头 GET /es_db/_search
{"query":{"prefix":{"address":{"value":"广州"}}}}
通配符查询：工作原理和 prefix 相同，只不过它不是只比较开头，它能支持更为复杂的匹配模式 GET /es_db/_search
{"query":{"wildcard":{"address":{"value":"*白*"}}}}
range 范围关键字 gte 大于等于 lte 小于等于 gt 大于 lt 小于 now 当前时间 POST /es_db/_search
{"query":{"range":{"age":{"gte":25,"lte":28}}}}
GET /product/_search
{"query":{"range":{"date":{"gte":"now‐2y" }}}}
ids 关键字 : 值为数组类型，用来根据一组 id 获取多个对应的文档 GET /es_db/_search
{"query":{"ids":{"values":[1,2]}}}
使用 fuzziness 属性来进行模糊查询，从而达到搜索有错别字的情形 fuzzy 查询会用到两个很重要的参数，fuzziness，prefix_length fuzziness：表示输入的关键字通过几次操作可以转变成为 ES 库里面的对应 field 的字段 操作是指：新增一个字符，删除一个字符，修改一个字符，每次操作可以记做编辑距离为 1 如中文集团到中威集团编辑距离就是1，只需要修改一个字符 该参数默认值为0，即不开启模糊查询 prefix_length：表示限制输入关键字和ES对应查询field的内容开头的第n个字符必须完全匹配，不允许错别字匹配 如这里等于1，则表示开头的1个字必须匹配，不匹配则不返回 默认值也是0 加大prefix_length的值可以提高效率和准确率 fuzzy 模糊查询 最大模糊错误 必须在0-2之间 搜索关键词长度为 2，不允许存在模糊 搜索关键词长度为3-5，允许1次模糊 搜索关键词长度大于5，允许最大2次模糊 GET /es_db/_search
{"query":{"fuzzy":{"address":{"value":"白运山","fuzziness":1}}}}
highlight 关键字：可以让符合条件的文档中的关键词高亮 pre_tags 前缀标签 post_tags 后缀标签 tags_schema 设置为styled可以使用内置高亮样式 require_field_match 多字段高亮需要设置为false GET /products/_search
{"query":{"term":{"name":{"value":"牛仔"}}},"highlight":{"fields":{"*":{}}}}
自定义高亮 html 标签 可以在 highlight 中使用 pre_tags 和 post_tags 多字段高亮：require_field_match 设置为 false GET /products/_search
{"query":{"term":{"name":{"value": "牛仔"}}},"highlight":{"post_tags":["</span>"],"pre_tags":["<span style='color:red'>"], # 多字段高亮"require_field_match":"false","fields":{"*":{}}}}
