elasticsearch版本7.3.0
主要记录语句格式，不会囊括所有查询方式
Validate api：
GET /index/_validate/query?explain
用于特别复杂庞大的搜索，如写了上百行的搜索语句，这个时候可以先用validate api去验证一下，搜索是否合法
查询返回结果：
took：耗费了几毫秒
timed_out：是否超时，默认无timeout
_shards：数据拆成了n个分片，所以对于搜索请求，会打到所有的primary shard（或者是它的某个replica shard也可以）
hits.total：查询结果的数量，共有n个document
hits.max_score：本次搜索的所有结果中，最大的相关度分数
hits.hits：包含了匹配搜索的document的详细数据，默认查询前10条数据，完整数据的_score降序排序
元数据：
_index：代表一个文档放在哪个索引中，索引名称必须是小写的，不能用下划线开头，不能包含逗号
_type：代表文档属于index中的哪个类别
_id：文档的唯一标识，与索引和类型一起，定位到一个文档，新增数据时可以指定，也可以默认es创建，数据导入es时可以指定
_version：创建一个document的时候，它的_version内部版本号就是1；之后，每次对这个document执行修改或者删除操作，都会对这个_version版本号自动加1；即使删除，也会对这条数据的版本号加1
_source: 里面指定要返回的字段，默认返回所有
查询结果的排序：
搜索依靠倒排索引，排序依靠正排索引，即doc value。
doc values是被保存在磁盘上的，此时如果内存足够，os会自动将其缓存在内存中；如果内存不足够，操作系统会将其写入磁盘上。
定制排序规则，只需要在查询语句加入sort即可，数组，优先级从上到下：
"sort": [
{
"fieldname": {
"order": "asc"
}
}
]Multi-index搜索：
/_search：所有索引下的所有数据都搜索出来
/index1/_search：指定一个index，搜索其下所有数据
/index1,index2/_search：同时搜索两个index下的数据
/*1,*2/_search：按照通配符去匹配多个索引
_all，可以代表搜索所有indexquery string search:
GET /index/_search?q=field:fieldvalue&sort=field:desc
GET /index/_search?q=+fieldname:fieldvalue +:必须包含；-：必须不包含query DSL:
GET /index/_search
{
"query": {
"match": {
"fieldname": "fieldvalue"
}
},
"_source": [
"fieldname1",
"fieldname2"
],
"sort": [
{
"fieldname": "desc"
}
]
}query filter:
每个query查询中的子查询都会计算一个document针对它的相关度分数，然后bool综合所有分数，合并为一个分数，但是filter不计算分数
- filter：按照搜索条件过滤出需要的数据，不计算任何相关度分数，对相关度没有任何影响，性能好，同时内部会自动缓存常使用filter的数据。
- query：会去计算每个document相对于搜索条件的相关度，并按照相关度进行排序，性能差，无缓存，但可以按照分数排序。
GET /index/_search
{
"query": {
"bool": {
"must": {
"match": {
"fieldname": "fieldvalue"
}
},
"filter": {
"range": {
"field": {
"gt": 0,
"lt": 1
}
}
}
}
},
"size": 1
}phrase search（短语搜索）:
完全匹配条件
GET /index/_search
{
"query": {
"match_phrase": {
"fieldname": "fieldvalue"
}
}
}highlight search（高亮搜索结果）：
GET /index/_search
{
"query": {
"match": {
"fieldname": "fieldvalue"
}
},
"highlight": {
"fields": {
"fieldname": {}
}
}
}multi match:
多字段匹配
GET /index/_search
{
"query": {
"multi_match": {
"query": "fieldvalue",
"fields": [
"fieldname1",
"fieldname2"
]
}
}
}聚合搜索:
GET /index/_search
{
"size": 0,
"aggs": {
"agg_name": {
"terms": {
"field": "fieldname"
}
}
}
}聚合搜索之后求平均值,并且按照平均数降序排序
GET /index/_search
{
"size": 0,
"aggs": {
"agg_name1": {
"terms": {
"field": "fieldname",
"order": {
"agg_name2": "desc"
}
},
"aggs": {
"agg_name2": {
"avg": {
"field": "fieldname"
}
}
}
}
}
}按照指定区间分组，并计算平均数：
GET /index/_search
{
"size": 0,
"aggs": {
"agg_name1": {
"range": {
"field": "fieldname(age)",
"ranges": [
{
"from": 0,
"to": 20
},
{
"from": 20,
"to": 40
},
{
"from": 40,
"to": 50
}
]
},
"aggs": {
"agg_name2": {
"terms": {
"field": "fieldname"
},
"aggs": {
"agg_name3": {
"avg": {
"field": "fieldname"
}
}
}
}
}
}
}
}聚合去重：
GET /index/_search
{
"size": 0,
"query": {
"bool": {
"must": [
{
"match": {
"fieldname": "fieldvalue"
}
},
{
"range": {
"fieldname": {
"gte": fieldvalue1,
"lte": fieldvalue2,
"format": "epoch_millis"
}
}
}
]
}
},
"aggs": {
"agg_name": {
"cardinality": {
"field": "fieldname"
}
}
}
}批量查询：
批量查询可以减少网络连接次数，性能优化会非常明显
GET /_mget
{
"docs": [
{
"_index": "indexname1",
"_id": "id1"
},
{
"_index": "indexname2",
"_id": "id2"
}
]
}同一索引下：
GET /index/_mget
{
"ids": ["id1", "id2"]
}timeout机制：
指定timeout，如：添加参数?timeout=1m
timeout机制原理指限定在一定时间内，将部分获取到的数据直接返回，避免查询耗时过长
分页查询：
from，size分页查询：
GET /index/_search
{
"from": 0,
"size": 5
}数据量大的情况不建议，会让所有节点全返回前5条，然后协调节点合并再去5条。
scroll api
- 滚动搜索，先搜索一批数据，然后下次再搜索一批数据，以此类推，直到搜索出全部的数据来。
- 会在第一次搜索的时候，保存一个视图快照，之后只会基于该视图快照提供数据搜索，期间用户不会看到正在修改的数据
- 采用基于_doc进行排序的方式，性能较高
- 每次发送scroll请求，我们还需要指定一个scroll参数，指定一个时间窗口，每次搜索请求只要在这个时间窗口内能完成就可以了
- 第一次之后的每次搜索都要带上返回的scroll id
第一次查询：
GET /index/_search?scroll=1m
{
"query": {
"match_all": {}
},
"sort": [
"_doc"
],
"size": 1
}第二次查询：
GET /_search/scroll
{
"scroll": "1m",
"scroll_id": "J5VGh...lbkZldG"
}get请求和post请求都支持
-----------------------------------------------------
bouncing results问题：
两个document排序，field值相同；不同的shard上，可能排序不同；每次请求轮询打到不同的replica shard上；
每次页面上看到的搜索结果的排序都不一样。这就是bouncing result，也就是跳跃的结果。
解决方案：将preference设置为一个字符串如用户id之类，也可以设置routing值
