说明：本文介绍在kibana，es的可视化界面上对文档的查询操作；

添加数据

先使用API，创建索引库，并且把数据从MySQL中查出来，传到ES上，参考（elasticsearch操作（API方式））

索引库（student）结构；

1、模糊查询

模糊查询，是指字段类型是“text”，参与分词的字段，如name、all字段；

（1）全部查询；

格式：

# 1.1 全部查询
GET /索引库名/_search
{
  "query": {
    "match_all": {}
  }
}

可以看到，13条文档都查询出来了；

（2）单字段查询；

格式：

# 1.2 单字段查询
GET /索引库名/_search
{
  "query": {
    "match": {
      "字段名": "字段值"
    }
  }
}

查询结果：

（3）多字段查询；

格式：

# 1.3 多字段查询
GET /索引库名/_search
{
  "query": {
    "multi_match": {
      "query": "字段值",
      "fields": ["字段名1","字段名2"]
    }
  }
}

查询结果：

2、精确查询

精确查询，用于等值判断的文档，即查询的值等于文档中对应字段的值，有两种，分别是term、range；

（1）term查询；

格式：

GET /索引库/_search
{
  "query": {
    "term": {
      "字段名": {
        "value": "字段值"
      }
    }
  }
}

查询结果：

（2）range查询；

格式：

# 2.2 精确查询之range：job>=1 and job < 3
GET /索引库名/_search
{
  "query": {
    "range": {
      "字段名": {
        "gte": 字段值≥,
        "lt": 字段值<
      }
    }
  }
}

查询结果：

3、地理坐标查询

es提供了地理坐标数据类型（如geo_point），如果文档中有由经纬度组成的位置数据，可以针对文档中的经纬度坐标查询，有两种方式：

（1）矩形范围；

根据提供的两个位置，画出一个矩形，查询位置在这个矩形内的文档；

格式：

GET /索引库名/_search
{
  "query": {
    "geo_bounding_box":{
      "location":{
        "top_left":{
          "lat":左上角位置纬度,
          "lon":左上角位置经度
        },
        "bottom_right":{
          "lat":右下角位置纬度,
          "lon":右下角位置经度
        }
      }
    }
  }
}

（2）方圆范围；

根据提供的一个位置，一个距离，以位置为圆心，距离为半径，查询该位置方圆范围的文档；

格式：

# 3.2 地理查询值geo_distance
GET /索引库名/_search
{
  "query": {
    "geo_distance":{
      "distance":"距离",
      "location":"纬度,经度"
    }
  }
}

距离可以可以写任意长度单位，如15km，15000m；

4、复合查询

（1）算分查询；

查询的每条文档都会有一个分值，这个分值是ES根据BM25公式计算得出的，查询结果会按照分值从高到低排序，我们可以根据文档中的条件，来手动调整该分值，使分值高的文档排在最前面；

比如，我们把ID为13的文档，手动修改分值，使其排在最前面；

格式：

# 4.1 算分查询
GET /student/_search
{
  "query": {
    "function_score": {
      "query": {
      	# 查询
        "match_all": {}
      },
      "functions": [
        {
          "filter": {
          	# 过滤
            "term": {
              "id": "13"
            }
          },
          # 设置权重
          "weight": 10
        }
      ],
      # 加权模式，即最终分值 = 查询分值 ? 权重的运算符，multiply为乘
      "boost_mode": "multiply"
    }
  }
}

boost_mode常见的有multiply（乘），sum（加），replace（替换，即使用权重替换掉查询分值）；

（2）布尔查询；

布尔查询也叫复合查询，指多条件的查询，该查询下有以下四个子查询，可根据实际需要添加：

• must：必须匹配的子查询，类似“与”；

• should：选择性匹配子查询，类似“或”；

• must_not：必须不匹配，不参与算分，类似“非”；

• filter：必须匹配，不参与算分；

如查询性别为“1”，job不在(2,4]区间内，id为11的文档，all字段可以为123456，DSL语句如下：

# 4.2 布尔查询
GET /student/_search
{
  "query": {
    "bool": {
      # 必须匹配的子查询
      "must": [
        {
          "match": {
            "gender": "1"
          }
        }
      ],
      # 必须不能匹配的子查询
      "must_not": [
        {
          "range": {
            "job": {
              "gt": 2,
              "lte": 4
            }
          }
        }
      ],
      # 可以匹配的子查询
      "should": [
        {
          "match": {
            "all": "123456"
          }
        }
      ],
      # 必须匹配的子查询
      "filter": [
        {
          "term": {
            "id": "11"
          }
        }
      ]
    }
  }
}

must、should参与算分，即分值高低决定排序前后顺序；

must_not、filter不参与算分，分值高低无所谓；

5、排序

（1）按位置排序

如果文档字段中有位置/坐标相关的字段，可将查询结果按照位置排序，距离越近排序越靠前；

表示按照提供的位置，距离该位置越近，排序越靠前，当然这取决于order是不是升序（asc）；

# 5.1 按照坐标排序
GET /索引库名/_search
{
  "query": {
    "match_all": {}
  }
  , "sort": [
    {
      "_geo_distance": {
        # 文档中位置相关的字段名、字段值
        "字段名": {
          "lat": 纬度,
          "lon": 经度
        },
        # 升序
        "order": "asc",
        # 距离单位
        "unit": "km"
      }
    }
  ]
}

（2）按字段值排序

如按照job的值降序，越高排序越靠前；

格式：

# 5.2 按照字段值排序
GET /索引库名/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "字段名": {
        "order": "desc"
      }
    }
  ]
}

查询结果，job越高排序越靠前；

（3）按多个字段值排序

如果有多个值参与排序，可在sort里面按照顺序写多个值；

如按照job降序，job相同再按照gender升序；

格式：

# 5.3 按照多个字段值排序
GET /索引库名/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "字段值1": {
        "order": "desc"
      },
      "字段值2": {
        "order": "asc"
      }
    }
  ]
}

也可以写在外面的大括号里面，效果一样，如下：

# 5.3 按照多个字段值排序
GET /索引库名/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "字段值1": {
        "order": "desc"
      }
    },
    {
      "字段值2": {
        "order": "asc"
      }
    }
  ]
}

6、分页

es默认查询只显示前10条，可以使用分页输出，输出更多内容；目前es常用的分页有两种方式：

• 方式一：指定起始（from）、条数分页（size）；

• 方式二：基于上一次查询（search_after）的结果，取值作为参数，设置条数，分页查询；

（1）方式一：

如查询起始ID为5，条数为5的文档内容；

# 6.1 分页：方式一
GET /student/_search
{
  "query": {
    "match_all": {}
  },
  "from": 起始位置,
  "size": 条数
}

注意from的值是从0开始计算的，所以需要 - 1；

（2）方式二

如方式一中，可以取出查询结果中的ID值，作为search_after的参数，往后查询4条

# 6.2 分页：方式二
GET /student/_search
{
  "query": {
    "match_all": {}
  },
  "size": 4,
  "search_after":["5"],
  "sort": [
    {
      "id": {
        "order": "asc"
      }
    }
  ]
}

查询结果：

小结

• 方式一查询，需要注意 from + size不能超过10000 ，不然会报错；

（4 + 9996 = 10000 不会报错）

（4 + 9997 = 10001 超过10000报错）

方式二（search_after）分页查询，需要注意，字段尽量使用主键字段或者唯一字段，不然在设置上次查询的值时，该值如果在上次查询的结果中有多条，会选择最后一条文档作为search_after的位置，这样可能会跳过一些文档。

7、高亮

高亮是指对查询的结果，可选择字段特殊显示。如百度中查询的结果，关键字会呈红色字体显示，具体实现就是把关键词前后加一个css样式；

例如我这里把查询的结果，name字段斜体显示，如下：

# 7. 高亮
GET /student/_search
{
  "query": {
    "match": {
      "all":"鲁迅"
    }
  },
  "highlight": {
    "fields": {
      "name":{
      	# 关键词前
        "pre_tags": "<em>",
        # 关键词后
        "post_tags": "</em>",
        # 此字段是否为match匹配的字段，选择false，因为我上面没有按照name进行匹配查找
        "require_field_match": "false"
      }
    }
  }
}

查询结果可以看到，鲁迅前后被em标签包裹

总结

以上DSL语句不可直接复制使用