当前位置： 首页 > article >正文

【ES常用查询操作】

article 2024/12/22 18:05:23

在 Elasticsearch (ES) 中，多条件检索可以通过组合多个查询条件来实现。Elasticsearch 提供了多种查询类型和组合方式，常见的有 bool 查询、must、should、must_not 和 filter 等。以下是一些常见的多条件检索示例。

1. 使用 bool 查询

bool 查询允许你组合多个查询条件，并指定它们之间的逻辑关系。

示例：必须匹配 field1 和 field2，并且可以选择性匹配 field3
{
  "query": {
    "bool": {
      "must": [
        { "match": { "field1": "value1" } },
        { "match": { "field2": "value2" } }
      ],
      "should": [
        { "match": { "field3": "value3" } }
      ],
      "minimum_should_match": 1
    }
  }
}

在这个示例中，文档必须匹配 field1 和 field2，并且至少匹配 field3 中的一个条件。

2. 使用 filter 查询

filter 查询用于过滤文档，不计算相关性评分，通常用于结构化数据查询。

示例：必须匹配 field1 和 field2，并且过滤 field4
{
  "query": {
    "bool": {
      "must": [
        { "match": { "field1": "value1" } },
        { "match": { "field2": "value2" } }
      ],
      "filter": [
        { "term": { "field4": "value4" } }
      ]
    }
  }
}

在这个示例中，文档必须匹配 field1 和 field2，并且 field4 必须等于 value4。

3. 使用 must_not 查询

must_not 查询用于排除匹配特定条件的文档。

示例：必须匹配 field1，但不能匹配 field2
{
  "query": {
    "bool": {
      "must": [
        { "match": { "field1": "value1" } }
      ],
      "must_not": [
        { "match": { "field2": "value2" } }
      ]
    }
  }
}

在这个示例中，文档必须匹配 field1，但不能匹配 field2。

4. 组合查询示例

示例：复杂组合查询
{
  "query": {
    "bool": {
      "must": [
        { "match": { "field1": "value1" } },
        { "range": { "field2": { "gte": 10, "lte": 20 } } }
      ],
      "should": [
        { "match": { "field3": "value3" } },
        { "term": { "field4": "value4" } }
      ],
      "must_not": [
        { "term": { "field5": "value5" } }
      ],
      "filter": [
        { "term": { "field6": "value6" } }
      ],
      "minimum_should_match": 1
    }
  }
}

在这个示例中：

  • 文档必须匹配 field1 和 field2 的范围条件。
  • 文档应该匹配 field3 或 field4 中的一个条件。
  • 文档不能匹配 field5。
  • 文档必须匹配 field6。

5. 使用 multi_match 查询

multi_match 查询允许你在多个字段中搜索相同的关键词。

示例：在 field1 和 field2 中搜索 value
{
  "query": {
    "multi_match": {
      "query": "value",
      "fields": ["field1", "field2"]
    }
  }
}

在这个示例中，Elasticsearch 将在 field1 和 field2 中搜索 value。

6. 使用 nested 查询

如果你的文档包含嵌套对象，可以使用 nested 查询。

示例：嵌套查询

假设你的文档结构如下：

{
  "name": "John",
  "address": {
    "city": "New York",
    "zipcode": "10001"
  }
}

你可以使用 nested 查询来检索嵌套对象中的字段。

示例：嵌套查询
{
  "query": {
    "nested": {
      "path": "address",
      "query": {
        "bool": {
          "must": [
            { "match": { "address.city": "New York" } },
            { "match": { "address.zipcode": "10001" } }
          ]
        }
      }
    }
  }
}

在这个示例中，查询将检索 address 对象中的 city 和 zipcode 字段。

7. 使用 terms 查询

terms 查询允许你匹配多个值中的任意一个。

示例：匹配 field1 中的多个值
{
  "query": {
    "terms": {
      "field1": ["value1", "value2", "value3"]
    }
  }
}

在这个示例中，查询将匹配 field1 中的任意一个值：value1、value2 或 value3。

8. 使用 range 查询

range 查询允许你匹配数值、日期或字符串范围。

示例：匹配 field1 的范围
{
  "query": {
    "range": {
      "field1": {
        "gte": 10,
        "lte": 20
      }
    }
  }
}

在这个示例中，查询将匹配 field1 的值在 10 到 20 之间的文档。

9. 使用 exists 查询

exists 查询用于匹配包含特定字段的文档。

示例：匹配包含 field1 的文档
{
  "query": {
    "exists": {
      "field": "field1"
    }
  }
}

在这个示例中，查询将匹配所有包含 field1 字段的文档。

10. 使用 wildcard 查询

wildcard 查询允许你使用通配符进行模式匹配。

示例：匹配 field1 中的模式
{
  "query": {
    "wildcard": {
      "field1": "val*"
    }
  }
}

在这个示例中，查询将匹配 field1 中以 val 开头的所有值。

11. 使用 prefix 查询

prefix 查询用于匹配以特定前缀开头的字段值。

示例：匹配 field1 中的前缀
{
  "query": {
    "prefix": {
      "field1": "val"
    }
  }
}

在这个示例中，查询将匹配 field1 中以 val 开头的所有值。

12. 使用 fuzzy 查询

fuzzy 查询用于模糊匹配，允许一定程度的拼写错误。

示例：模糊匹配 field1
{
  "query": {
    "fuzzy": {
      "field1": "value"
    }
  }
}

在这个示例中，查询将模糊匹配 field1 中接近 value 的所有值。

13. 使用 regexp 查询

regexp 查询允许你使用正则表达式进行模式匹配。

示例：正则表达式匹配 field1
{
  "query": {
    "regexp": {
      "field1": "val.*"
    }
  }
}

在这个示例中，查询将匹配 field1 中符合正则表达式 val.* 的所有值。

14. 使用 script 查询

script 查询允许你使用脚本进行复杂的条件匹配。

示例：使用脚本查询
{
  "query": {
    "script": {
      "script": {
        "source": "doc['field1'].value > params.value",
        "params": {
          "value": 10
        }
      }
    }
  }
}

在这个示例中，查询将匹配 field1 的值大于 10 的文档。

15. 使用 match_phrase 查询

match_phrase 查询用于匹配包含特定短语的文档。

示例：匹配 field1 中的短语
{
  "query": {
    "match_phrase": {
      "field1": "quick brown fox"
    }
  }
}

在这个示例中，查询将匹配 field1 中包含短语 “quick brown fox” 的文档。

16. 使用 match_phrase_prefix 查询

match_phrase_prefix 查询用于匹配以特定短语前缀开头的文档。

示例：匹配 field1 中的短语前缀
{
  "query": {
    "match_phrase_prefix": {
      "field1": "quick brown"
    }
  }
}

在这个示例中，查询将匹配 field1 中以 “quick brown” 开头的短语。

17. 使用 geo_distance 查询

geo_distance 查询用于匹配在特定地理距离内的文档。

示例：匹配在特定地理距离内的文档
{
  "query": {
    "geo_distance": {
      "distance": "200km",
      "location": {
        "lat": 40.7128,
        "lon": -74.0060
      }
    }
  }
}

在这个示例中，查询将匹配在距离 (40.7128, -74.0060) 200 公里范围内的文档。

18. 使用 geo_bounding_box 查询

geo_bounding_box 查询用于匹配在特定地理边界框内的文档。

示例：匹配在特定地理边界框内的文档
{
  "query": {
    "geo_bounding_box": {
      "location": {
        "top_left": {
          "lat": 40.73,
          "lon": -74.1
        },
        "bottom_right": {
          "lat": 40.01,
          "lon": -71.12
        }
      }
    }
  }
}

在这个示例中，查询将匹配在指定地理边界框内的文档。

19. 使用 geo_polygon 查询

geo_polygon 查询用于匹配在特定地理多边形内的文档。

示例：匹配在特定地理多边形内的文档
{
  "query": {
    "geo_polygon": {
      "location": {
        "points": [
          { "lat": 40.73, "lon": -74.1 },
          { "lat": 40.01, "lon": -71.12 },
          { "lat": 40.73, "lon": -71.12 }
        ]
      }
    }
  }
}

在这个示例中，查询将匹配在指定地理多边形内的文档。

20. 使用 more_like_this 查询

more_like_this 查询用于查找与给定文档相似的文档。

示例：查找与给定文档相似的文档
{
  "query": {
    "more_like_this": {
      "fields": ["field1", "field2"],
      "like": "text to find similar documents",
      "min_term_freq": 1,
      "max_query_terms": 12
    }
  }
}

在这个示例中，查询将查找与给定文本相似的文档。

21. 使用 ids 查询

ids 查询用于根据文档 ID 匹配文档。

示例：根据文档 ID 匹配文档
{
  "query": {
    "ids": {
      "values": ["1", "2", "3"]
    }
  }
}

在这个示例中，查询将匹配 ID 为 1、2 和 3 的文档。

22. 使用 constant_score 查询

constant_score 查询用于将查询的相关性评分设置为常量值。

示例：将查询的相关性评分设置为常量值
{
  "query": {
    "constant_score": {
      "filter": {
        "term": { "field1": "value1" }
      },
      "boost": 1.2
    }
  }
}

在这个示例中，查询将匹配 field1 为 value1 的文档，并将相关性评分设置为常量值 1.2。

23. 使用 function_score 查询

function_score 查询允许你根据特定函数调整文档的相关性评分。

示例：根据特定函数调整相关性评分
{
  "query": {
    "function_score": {
      "query": {
        "match": { "field1": "value1" }
      },
      "functions": [
        {
          "filter": { "match": { "field2": "value2" } },
          "weight": 2
        },
        {
          "filter": { "range": { "field3": { "gte": 10 } } },
          "weight": 1.5
        }
      ],
      "boost_mode": "multiply"
    }
  }
}

在这个示例中，查询将首先匹配 field1 为 value1 的文档，然后根据 field2 和 field3 的条件调整相关性评分。

24. 使用 dis_max 查询

dis_max 查询用于组合多个查询，并返回得分最高的文档。

示例：组合多个查询并返回得分最高的文档
{
  "query": {
    "dis_max": {
      "queries": [
        { "match": { "field1": "value1" } },
        { "match": { "field2": "value2" } }
      ],
      "tie_breaker": 0.7
    }
  }
}

在这个示例中，查询将组合 field1 和 field2 的匹配条件，并返回得分最高的文档。

25. 使用 boosting 查询

boosting 查询用于提升某些查询的得分，同时降低其他查询的得分。

示例：提升和降低特定查询的得分
{
  "query": {
    "boosting": {
      "positive": {
        "match": { "field1": "value1" }
      },
      "negative": {
        "match": { "field2": "value2" }
      },
      "negative_boost": 0.2
    }
  }
}

在这个示例中，查询将提升 field1 为 value1 的文档的得分，同时降低 field2 为 value2 的文档的得分。

26. 使用 script_score 查询

script_score 查询允许你使用脚本计算文档的相关性评分。

示例：使用脚本计算相关性评分
{
  "query": {
    "script_score": {
      "query": {
        "match": { "field1": "value1" }
      },
      "script": {
        "source": "doc['field2'].value * params.factor",
        "params": {
          "factor": 1.5
        }
      }
    }
  }
}

在这个示例中，查询将首先匹配 field1 为 value1 的文档，然后使用脚本计算相关性评分。

27. 使用 highlight 查询

highlight 查询用于在查询结果中高亮显示匹配的部分。

示例：高亮显示匹配的部分
{
  "query": {
    "match": { "field1": "value1" }
  },
  "highlight": {
    "fields": {
      "field1": {}
    }
  }
}

在这个示例中，查询将匹配 field1 为 value1 的文档，并在结果中高亮显示匹配的部分。

28. 使用 rescore 查询

rescore 查询用于对初始查询结果进行重新评分。

示例：对初始查询结果进行重新评分
{
  "query": {
    "match": { "field1": "value1" }
  },
  "rescore": {
    "window_size": 50,
    "query": {
      "rescore_query": {
        "match_phrase": { "field1": "value1" }
      },
      "query_weight": 0.7,
      "rescore_query_weight": 1.2
    }
  }
}

在这个示例中，查询将首先匹配 field1 为 value1 的文档，然后在前 50 个结果中使用 match_phrase 查询进行重新评分。

29. 使用 percolate 查询

percolate 查询用于查找与特定文档匹配的查询。

示例：查找与特定文档匹配的查询
{
  "query": {
    "percolate": {
      "field": "query",
      "document": {
        "field1": "value1"
      }
    }
  }
}

在这个示例中，查询将查找与文档 {"field1": "value1"} 匹配的查询。

30. 使用 parent_id 查询

parent_id 查询用于查找具有特定父文档 ID 的子文档。

示例：查找具有特定父文档 ID 的子文档
{
  "query": {
    "parent_id": {
      "type": "child_type",
      "id": "parent_id_value"
    }
  }
}

在这个示例中，查询将查找父文档 ID 为 parent_id_value 的子文档。

31. 使用 has_child 查询

has_child 查询用于查找具有特定子文档的父文档。

示例：查找具有特定子文档的父文档
{
  "query": {
    "has_child": {
      "type": "child_type",
      "query": {
        "match": { "field1": "value1" }
      }
    }
  }
}

在这个示例中，查询将查找具有 field1 为 value1 的子文档的父文档。

32. 使用 has_parent 查询

has_parent 查询用于查找具有特定父文档的子文档。

示例：查找具有特定父文档的子文档
{
  "query": {
    "has_parent": {
      "parent_type": "parent_type",
      "query": {
        "match": { "field1": "value1" }
      }
    }
  }
}

在这个示例中，查询将查找具有 field1 为 value1 的父文档的子文档。

33. 使用 terms_set 查询

terms_set 查询用于匹配字段值与查询中的多个值集合的交集。

示例：匹配字段值与查询中的多个值集合的交集
{
  "query": {
    "terms_set": {
      "field1": {
        "terms": ["value1", "value2", "value3"],
        "minimum_should_match_field": "required_matches"
      }
    }
  }
}

在这个示例中，查询将匹配 field1 的值与 ["value1", "value2", "value3"] 集合的交集，并且交集的大小由 required_matches 字段指定。

34. 使用 intervals 查询

intervals 查询用于基于间隔匹配文本。

示例：基于间隔匹配文本
{
  "query": {
    "intervals": {
      "field1": {
        "all_of": {
          "intervals": [
            { "match": { "query": "value1" } },
            { "match": { "query": "value2" } }
          ],
          "max_gaps": 5,
          "ordered": true
        }
      }
    }
  }
}

在这个示例中，查询将匹配 field1 中包含 value1 和 value2，并且它们之间的最大间隔为 5 且顺序一致的文档。

35. 使用 rank_feature 查询

rank_feature 查询用于基于特征字段的值对文档进行排名。

示例：基于特征字段的值对文档进行排名
{
  "query": {
    "rank_feature": {
      "field": "feature_field",
      "boost": 1.5
    }
  }
}

在这个示例中，查询将基于 feature_field 的值对文档进行排名，并应用一个 1.5 的提升因子。

36. 使用 distance_feature 查询

distance_feature 查询用于基于距离对文档进行排名。

示例：基于距离对文档进行排名
{
  "query": {
    "distance_feature": {
      "field": "date_field",
      "pivot": "7d",
      "origin": "now"
    }
  }
}

在这个示例中，查询将基于 date_field 的值与当前时间的距离对文档进行排名，使用 7d 作为基准距离。

37. 使用 script 查询

script 查询允许你使用脚本来定义自定义查询逻辑。

示例：使用脚本定义自定义查询逻辑
{
  "query": {
    "script": {
      "script": {
        "source": "doc['field1'].value > params.threshold",
        "params": {
          "threshold": 10
        }
      }
    }
  }
}

在这个示例中，查询将匹配 field1 的值大于 10 的文档。

38. 使用 wrapper 查询

wrapper 查询用于包装一个 Base64 编码的查询。

示例：包装一个 Base64 编码的查询
{
  "query": {
    "wrapper": {
      "query": "eyJ0ZXJtIjp7ImZpZWxkMSI6InZhbHVlMSJ9fQ=="
    }
  }
}

在这个示例中，查询将解码 Base64 编码的查询 eyJ0ZXJtIjp7ImZpZWxkMSI6InZhbHVlMSJ9fQ== 并执行它。

39. 使用 exists 查询

exists 查询用于匹配包含特定字段的文档。

示例：匹配包含特定字段的文档
{
  "query": {
    "exists": {
      "field": "field1"
    }
  }
}

在这个示例中，查询将匹配包含 field1 字段的文档。

40. 使用 type 查询

type 查询用于匹配特定类型的文档。

示例：匹配特定类型的文档
{
  "query": {
    "type": {
      "value": "type1"
    }
  }
}

在这个示例中，查询将匹配类型为 type1 的文档。

41. 使用 terms 查询

terms 查询用于匹配字段值在给定集合中的文档。

示例：匹配字段值在给定集合中的文档
{
  "query": {
    "terms": {
      "field1": ["value1", "value2", "value3"]
    }
  }
}

在这个示例中，查询将匹配 field1 的值在 ["value1", "value2", "value3"] 集合中的文档。

42. 使用 wildcard 查询

wildcard 查询用于匹配包含通配符的字段值。

示例：匹配包含通配符的字段值
{
  "query": {
    "wildcard": {
      "field1": "val*"
    }
  }
}

在这个示例中，查询将匹配 field1 的值以 val 开头的文档。

43. 使用 regexp 查询

regexp 查询用于匹配符合正则表达式的字段值。

示例：匹配符合正则表达式的字段值
{
  "query": {
    "regexp": {
      "field1": "val.*"
    }
  }
}

在这个示例中，查询将匹配 field1 的值符合正则表达式 val.* 的文档。

44. 使用 prefix 查询

prefix 查询用于匹配匹配以特定前缀开头的字段值。

示例：匹配以特定前缀开头的字段值
{
  "query": {
    "prefix": {
      "field1": "val"
    }
  }
}

在这个示例中，查询将匹配 field1 的值以 val 开头的文档。

45. 使用 fuzzy 查询

fuzzy 查询用于匹配与给定值相似的字段值，允许一定程度的模糊匹配。

示例：匹配与给定值相似的字段值
{
  "query": {
    "fuzzy": {
      "field1": {
        "value": "value1",
        "fuzziness": "AUTO"
      }
    }
  }
}

在这个示例中，查询将匹配 field1 的值与 value1 相似的文档，模糊度设置为 AUTO。

46. 使用 ids 查询

ids 查询用于匹配特定 ID 的文档。

示例：匹配特定 ID 的文档
{
  "query": {
    "ids": {
      "values": ["1", "2", "3"]
    }
  }
}

在这个示例中，查询将匹配 ID 为 1、2 或 3 的文档。

47. 使用 geo_shape 查询

geo_shape 查询用于匹配地理形状字段。

示例：匹配地理形状字段
{
  "query": {
    "geo_shape": {
      "location": {
        "shape": {
          "type": "envelope",
          "coordinates": [[13.0, 53.0], [14.0, 52.0]]
        },
        "relation": "within"
      }
    }
  }
}

在这个示例中，查询将匹配 location 字段在指定的地理形状内的文档。

48. 使用 geo_bounding_box 查询

geo_bounding_box 查询用于匹配在指定地理边界框内的文档。

示例：匹配在指定地理边界框内的文档
{
  "query": {
    "geo_bounding_box": {
      "location": {
        "top_left": {
          "lat": 53.0,
          "lon": 13.0
        },
        "bottom_right": {
          "lat": 52.0,
          "lon": 14.0
        }
      }
    }
  }
}

在这个示例中，查询将匹配 location 字段在指定地理边界框内的文档。

49. 使用 geo_distance 查询

geo_distance 查询用于匹配在指定距离内的文档。

示例：匹配在指定距离内的文档
{
  "query": {
    "geo_distance": {
      "distance": "200km",
      "location": {
        "lat": 52.0,
        "lon": 13.0
      }
    }
  }
}

在这个示例中，查询将匹配 location 字段在距离 52.0, 13.0 200 公里范围内的文档。

50. 使用 geo_polygon 查询

geo_polygon 查询用于匹配在指定地理多边形内的文档。

示例：匹配在指定地理多边形内的文档
{
  "query": {
    "geo_polygon": {
      "location": {
        "points": [
          { "lat": 52.0, "lon": 13.0 },
          { "lat": 53.0, "lon": 14.0 },
          { "lat": 52.5, "lon": 13.5 }
        ]
      }
    }
  }
}

在这个示例中，查询将匹配 location 字段在指定地理多边形内的文档。


http://www.kler.cn/a/291758.html

相关文章：

  • PCL点云库入门——PCL库中点云数据拓扑关系之K-D树（KDtree）
  • 全志H618 Android12修改doucmentsui鼠标单击图片、文件夹选中区域
  • MVVM、MVC、MVP 的区别
  • OpenSSL 心脏滴血漏洞(CVE-2014-0160)
  • 介绍 Html 和 Html 5 的关系与区别
  • CH340系列芯片驱动电路·CH340系列芯片驱动！！！
  • Java项目: 基于SpringBoot+mysql高校心理教育辅导管理系统分前后台(含源码+数据库+开题报告+毕业论文)
  • sql日期函数
  • C++/Qt 多媒体（续五）
  • web前端基础笔记（六）
  • [数据集][目标检测]轮胎缺陷检测数据集VOC+YOLO格式2154张4类别
  • 2024 年高教社杯全国大学生数学建模竞赛题目【A/B/C/D/E题】完整思路
  • 爬虫使用代理IP返回405：原因及解决方法
  • 第十八章 rust字符串String详解
  • btrace 开源！基于 Systrace 高性能 Trace 工具
  • SprinBoot+Vue二手回收微信小程序的设计与实现
  • 网络编程day01（IP地址、Socket、端口号）
  • 二进制方式安装K8S
  • 前端请求的路径baseURL怎么来的 ？nodejs解决cors问题的一种方法
  • 【Next】2. 项目构建
  • 基于esp32的智能分拣系统
  • 无人机飞手及装配维修技术前景详解
  • 2024数学建模国赛题目A-E题
  • Java项目: 基于SpringBoot+mysql+mybatis校园管理系统(含源码+数据库+答辩PPT+毕业论文)
  • 从“红米汽车”到“陆地航母”，小鹏汽车杀疯了？
  • 教育行业解决方案：智能PPT在教育行业的创新应用