Elasticsearch查询语法 | Jack Wang Blog

Elasticsearch在很多情况下被当作一个文本型的NOSQL数据库，也有增删查改操作

数据写入

Elasticsearch的一大特点是，全是RESTful接口处理JSON请求

# curl -XPOST http://localhost:9200/logstash-2017.10.29/testlog -d '{
    "date": "1509271325780"
    "user": "jack"
    "mesg": "first message into Elasticsearch"
}'

数据获取

在数据写入时，会返回该数据的_id，这是后续用来获取数据的关键：

# curl -XGET http://localhost:9200/logstash-2017.10.29/testlog/AV9nlDQhv96dGKcHC2zo
{"_index": "logstash-2017.10.29","_type": "testlog", "_id": "AV9nlDQhv96dGKcHC2zo", "_version": 1, "found": true, "_source": {
    "date": "1509271325780",
    "user": "jack",
    "mesg": "first message into Elasticsearch"
    }
}

也可以使用下面语法来获取源数据部分

1	curl -XGET http://localhost:9200/logstash-2017.10.29/testlog/AV9nlDQhv96dGKcHC2zo/_source

或者使用下面语法来指明获取字段

1	curl -XGET http://localhost:9200/logstash-2017.10.29/testlog/AV9nlDQhv96dGKcHC2zo?fields=user,mesg

数据删除

#删除单条数据
# curl -XDELETE http://localhost:9200/logstash-2017.10.29/testlog/AV9nlDQhv96dGKcHC2zo

#删除整个type或者整个索引
# curl -XGET http://localhost:9200/logstash-2017.10.2*

数据更新

分为两种情况：

全量提交

指明_id再发送一次写入请求

#全部提交
# curl -XPOST http://localhost:9200/logstash-2017.10.29/testlog/AV9nlDQhv96dGKcHC2zo -d '{
    "date": "1509271325780",
    "user": "jack",
    "mesg": "first message into Elasticsearch but version 2"
}'

#局部提交
# curl -XPOST http://localhost:9200/logstash-2017.10.29/testlog/AV9nlDQhv96dGKcHC2zo -d '{
    "doc": {
        "user": "jack wang"
    }
}'

或者

1
2
3

# curl -XPOST http://localhost:9200/logstash-2017.10.29/testlog/AV9nlDQhv96dGKcHC2zo/_update -d '{
    "scripts": "ctx._source.user = \"someone\""
}'

全文搜索

1
2
3

# curl -XGET http://localhost:9200/logstash-2017.10.29/testlog/_search?pretty=true?q='first'

# curl -XGET http://localhost:9200/logstash-2017.10.29/testlog/_search?pretty=true?q=user:"jack"

querystring 语法

上例中?q=后面的就是querystring语法，会在kibana中经常使用

全文检索：直接写搜索的单词。如：?q=aaaa
单字段的全文检索：在搜索单词之前加上字段名和冒号。如：?q=user:jack
单字段的精确检索：在搜索单词前加上双引号。如：?q=user:"jack"
多个检索条件的组合：可以使用NOT、AND、OR来组合检索，必须是大写的。如：?q=user:("jack" OR "bob") AND NOT mesg:aaaa
字段是否存在：_exists_:user表示要求user字段存在，_missing_:user表示user字段不存在。如：?q=_exists_:beat.name
通配符：用?表示单字母，*表示任意个字母。如：?q=DevE?N，?q=DevE?N*
正则：比通配符更复杂一点点。如：?q=/dub{2}o/
注：Elasticsearch正则性能不好，尽量不要使用太复杂或不使用。参考Elasticsearch正则表达式语法
近似搜索：用~表示搜索单词可能有一字母写的不对。如：?q=dubao~
范围搜索：对数值和时间。如：?q=@timestamp:>150928968615，?q=@timestamp:["now-1m" TO "now"]

DSL语法

Elasticsearch也支持其他查询语法，具体见：Elasticsearch其他查询语法

term query

# curl -XGET http://localhost:9200/_search -d '
{
  "query": {
    "term": {
      "_id": "AV9orWWLv96dGKcHDVyi"
    }
  }
}'

聚合请求

在检索范围确定后，Elasticsearch还执行对结果集做聚合查询，返回更直接的聚合统计结果。
aggression分为bucket和metric，分别用作词元划分和数值计算。而bucket aggression还支持在自身结果集的基础上叠加新的aggression。
实现一个时序的百分比统计

# curl -XPOST 'http://localhost:9200/logstash-2017.10.29/_search?size=0&pretty' -d '{
"aggs": {
    "percentile_over_time": {
        "date_histogram": {
            "field": "@timestamp",
            "interval": "1m"
        },
        "aggs": {
            "percentile_one_time": {
                "percentiles": {
                    "field": "requesttime"
                }
            }
        }
    }
}
}'

pipeline聚合

Elasticsearch 2.x 新增pipeline aggression类型，再已有aggression返回的数组数据之后，再对这组数值做一次运算。在Kibana 5.0的timelion中有用到
常见的pipeline聚合场景，就是对时序数据求移动平均值
示例：
对响应时间设置如下：周期为7，移动窗口为30，alpa、beta、gamma参数均为0.5，holt-winters季节性预测2个未来值

{
    "aggs": {
        "my_date_histo": {
            "date_histogram": {
                "field": "@timestamp",
                "interval": "1h"
            },
            "aggs": {
                "avgtime": {
                    "avg": { "field": "requesttime" }
                },
                "the_movavg": {
                    "moving_avg": {
                        "buckets_path": "avgtime",
                        "window": 30,
                        "model": "holt_winters",
                        "predict": 2,
                        "settings": {
                            "type": "mult",
                            "alpha": 0.5,
                            "beat": 0.5,
                            "gamma": 0.5,
                            "period": 7,
                            "pad": true
                        }
                    }
                }
            }
        }
    }
}

buckets_path语法

aggression是有堆叠层级关系的，所以pipeline aggression在引用 metric aggression时会涉及到层级的问题。在上例中，the_movavg和avgtime是同一级，所以buckets_path直接就写avgtime即可。但如果把the_movavg上提一层，跟my_date_histo同级

1	"buckets_path": "my_date_histo > avgtime"

如果用的是返回的数值有多个值的聚合，比如?percentiles或者?extended_stats

1	"buckets_path": "percentile_over_time > percentile_one_time.95"

目前Elasticsearch支持的聚合请求列表，参考：https://www.elastic.co/guide/en/elasticsearch/reference/5.6/search-aggregations.html
参考阅读：Holt Winters预测算法，见：https://en.wikipedia.org/wiki/Holt-Winters

搜索请求参数

搜索请求参数如下：

from: 从索引的第几条数据开始返回，默认是0
size: 返回多少条数据，默认是10
Elasticsearch集群实际是需要给 coordinate node 返回 shards number x (from + size)条数据，然后在单机上进行排序，最后给客户端返回大小为 size的数据。所以请慎用 from和size参数
此外，Elasticsearch 2.x 还增加了一个索引级别的动态控制配置项：index.max_result_window，默认为10000，即from + size大于10000，Elasticsearch会直接拒绝这次请求不进行具体搜索，以保护节点
Elasticsearch 2.x 还优化了，当设置 “size”:0 时，自动改变 search_type为 count。跳过过程的 fetch 阶段
timeout：coordinate node 等待超时时间。当达到阀值后，coordinate node 会直接把当前收到的数据返回个客户端，不再等待 data node后续的返回结果了。
注：这个参数只是为了配合客户端程序，并不能取消data node上搜索任务还在运行和占用资源
terminate_after：各data node上，扫描单个分片时找到多少记录后，就认为足够了。这个参数可以切实保护 data node 上搜索任务不会长期运行和占用资源。也就是意味着搜索范围没有覆盖全部索引，是一个抽样数据。准确率不好判断。

request_cache：各data node上，在分片级别对请求的响应（仅限于hits.total数值、 aggression 和 suggestion的结果集）做的缓存。注意，这个缓存的键值要求很严格，请求的JSON必须一字不易，缓存才能命中
另外，request_cache 参数不能写在请求的JSON里，只能以URL参数的形式存在，示例如下：

# curl -XPOST http://localhost:9200/_search?request_cache=true -d '
{
    "size": 0,
    "timeout": "120s",
    "terminate_after": 1000000,
    "query": { "match_all": {} },
    "aggs": {"terms": { "terms" : { "field" : "keyname" } } }
}
'

本作品采用知识共享署名 2.5 中国大陆许可协议进行许可，欢迎转载，但转载请注明来自Jack Wang Blog，并保持转载后文章内容的完整。本人保留所有版权相关权利。

本文出自”Jack Wang Blog”：http://www.yfshare.vip/2017/10/30/Elasticsearch%E6%9F%A5%E8%AF%A2%E8%AF%AD%E6%B3%95/