排序查询

创建数据

PUT books/_doc/1
{"name":"顾老二","age":30,"from": "gu","desc": "皮肤黑、武器长、性格直","tags": ["黑", "长", "直"]
}PUT books/_doc/2
{"name":"大娘子","age":18,"from":"sheng","desc":"肤白貌美，娇憨可爱","tags":["白", "富","美"]
}PUT books/_doc/3
{"name":"龙套偏房","age":22,"from":"gu","desc":"mmp，没怎么看，不知道怎么形容","tags":["造数据", "真","难"]
}PUT books/_doc/4
{"name":"石头","age":29,"from":"gu","desc":"粗中有细，狐假虎威","tags":["粗", "大","猛"]
}PUT books/_doc/5
{"name":"魏行首","age":25,"from":"广云台","desc":"仿佛兮若轻云之蔽月,飘飘兮若流风之回雪,mmp，最后竟然没有嫁给顾老二！","tags":["闭月","羞花"]
}

降序

2.1 降序：desc

想到排序，出现在脑海中的无非就是升（正）序和降（倒）序。比如我们查询顾府都有哪些人，并根据age字段按照降序，并且，我只想看nmae和age字段：

GET books/doc/_search
{"query": {"match": {"from": "gu"}},"sort": [{"age": {"order": "desc"}}]
}

上例，在条件查询的基础上，我们又通过sort来做排序，根据age字段排序，是降序呢还是升序，由order字段控制，desc是降序。

2.2 升序：asc

那么想要升序怎么搞呢？

GET books/doc/_search
{"query": {"match_all": {}},"sort": [  # 这是一个列表，多个排序规则，往后再添加键值对就可以了，排序规则从上往下{"age": {"order": "asc"}}]
}

上例，想要以升序的方式排列，只需要将order值换为asc就可以了。

三不是什么数据类型都能排序

那么，你可能会问，除了age，能不能以别的属性作为排序条件啊？来试试：

结果跟我们想象的不一样，报错了！

注意：在排序的过程中，只能使用可排序的属性进行排序。那么可以排序的属性有哪些呢？

数字
日期

其他的都不行！

分页查询

二分页查询：from/size

我们来看看elasticsearch是怎么将结果分页的：

GET books/doc/_search
{"query": {"match_all": {}},"sort": [{"age": {"order": "desc"}}], "from": 2,"size": 1
}

上例，首先以age降序排序，查询所有。并且在查询的时候，添加两个属性from和size来控制查询结果集的数据条数。

from：从哪开始查
size：返回几条结果

上例中仅有一条数据，那是为啥呢？因为我们现在只有5条数据，从第4条开始查询，就只有1条符合条件，所以，就返回了1条数据。

学到这里，我们也可以看到，我们的查询条件越来越多，开始仅是简单查询，慢慢增加条件查询，增加排序，对返回结果进行限制。所以，我们可以说：对于elasticsearch来说，所有的条件都是可插拔的，彼此之间用,分割。比如说，我们在查询中，仅对返回结果进行限制：

GET lqz/doc/_search
{"query": {"match_all": {}},"from": 4,"size": 2
}
# 这个的结果就是查询所有然后从第五个开始选取两条，没超出限制的话

布尔查询

一前言

布尔查询是最常用的组合查询，根据子查询的规则，只有当文档满足所有子查询条件时，elasticsearch引擎才将结果返回。布尔查询支持的子查询条件共4中：

must（and）
should（or）
must_not（not）
filter

下面我们来看看每个子查询条件都是怎么玩的。

must

现在，我们用布尔查询所有from属性为gu的数据：

GET lqz/doc/_search
{"query": {"bool": {"must": [{"match": {"from": "gu"}}]}}
}

上例中，我们通过在bool属性（字段）内使用must来作为查询条件，那么条件是什么呢？条件同样被match包围，就是from为gu的所有数据。
这里需要注意的是must字段对应的是个列表，也就是说可以有多个并列的查询条件，一个文档满足各个子条件后才最终返回。

结果如下：

{"took" : 1,"timed_out" : false,"_shards" : {"total" : 5,"successful" : 5,"skipped" : 0,"failed" : 0},"hits" : {"total" : 3,"max_score" : 0.6931472,"hits" : [{"_index" : "lqz","_type" : "doc","_id" : "4","_score" : 0.6931472,"_source" : {"name" : "石头","age" : 29,"from" : "gu","desc" : "粗中有细，狐假虎威","tags" : ["粗","大","猛"]}},{"_index" : "lqz","_type" : "doc","_id" : "1","_score" : 0.2876821,"_source" : {"name" : "顾老二","age" : 30,"from" : "gu","desc" : "皮肤黑、武器长、性格直","tags" : ["黑","长","直"]}},{"_index" : "lqz","_type" : "doc","_id" : "3","_score" : 0.2876821,"_source" : {"name" : "龙套偏房","age" : 22,"from" : "gu","desc" : "mmp，没怎么看，不知道怎么形容","tags" : ["造数据","真","难"]}}]}
}

上例中，可以看到，所有from属性为gu的数据查询出来了。

那么，我们想要查询from为gu，并且age为30的数据怎么搞呢？

GET lqz/doc/_search
{"query": {"bool": {"must": [{"match": {"from": "gu"}},{"match": {"age": 30}}]}}
}

上例中，在must列表中，在增加一个age为30的条件。

结果如下：

{"took" : 8,"timed_out" : false,"_shards" : {"total" : 5,"successful" : 5,"skipped" : 0,"failed" : 0},"hits" : {"total" : 1,"max_score" : 1.287682,"hits" : [{"_index" : "lqz","_type" : "doc","_id" : "1","_score" : 1.287682,"_source" : {"name" : "顾老二","age" : 30,"from" : "gu","desc" : "皮肤黑、武器长、性格直","tags" : ["黑","长","直"]}}]}
}

上例，符合条件的数据被成功查询出来了。

注意：现在你可能慢慢发现一个现象，所有属性值为列表的，都可以实现多个条件并列存在

should

那么，如果要查询只要是from为gu或者tags为闭月的数据怎么搞？

GET lqz/doc/_search
{"query": {"bool": {"should": [{"match": {"from": "gu"}},{"match": {"tags": "闭月"}}]}}
}

上例中，或关系的不能用must的了，而是要用should，只要符合其中一个条件就返回。

结果如下：

{"took" : 1,"timed_out" : false,"_shards" : {"total" : 5,"successful" : 5,"skipped" : 0,"failed" : 0},"hits" : {"total" : 4,"max_score" : 0.6931472,"hits" : [{"_index" : "lqz","_type" : "doc","_id" : "4","_score" : 0.6931472,"_source" : {"name" : "石头","age" : 29,"from" : "gu","desc" : "粗中有细，狐假虎威","tags" : ["粗","大","猛"]}},{"_index" : "lqz","_type" : "doc","_id" : "5","_score" : 0.5753642,"_source" : {"name" : "魏行首","age" : 25,"from" : "广云台","desc" : "仿佛兮若轻云之蔽月,飘飘兮若流风之回雪,mmp，最后竟然没有嫁给顾老二！","tags" : ["闭月","羞花"]}},{"_index" : "lqz","_type" : "doc","_id" : "1","_score" : 0.2876821,"_source" : {"name" : "顾老二","age" : 30,"from" : "gu","desc" : "皮肤黑、武器长、性格直","tags" : ["黑","长","直"]}},{"_index" : "lqz","_type" : "doc","_id" : "3","_score" : 0.2876821,"_source" : {"name" : "龙套偏房","age" : 22,"from" : "gu","desc" : "mmp，没怎么看，不知道怎么形容","tags" : ["造数据","真","难"]}}]}
}

返回了所有符合条件的结果。

must_not

那么，如果我想要查询from既不是gu并且tags也不是可爱，还有age不是18的数据怎么办？

GET lqz/doc/_search
{"query": {"bool": {"must_not": [{"match": {"from": "gu"}},{"match": {"tags": "可爱"}},{"match": {"age": 18}}]}}
}

上例中，must和should都不能使用，而是使用must_not，又在内增加了一个age为18的条件。

结果如下：

{"took" : 9,"timed_out" : false,"_shards" : {"total" : 5,"successful" : 5,"skipped" : 0,"failed" : 0},"hits" : {"total" : 1,"max_score" : 1.0,"hits" : [{"_index" : "books","_type" : "doc","_id" : "5","_score" : 1.0,"_source" : {"name" : "魏行首","age" : 25,"from" : "广云台","desc" : "仿佛兮若轻云之蔽月,飘飘兮若流风之回雪,mmp，最后竟然没有嫁给顾老二！","tags" : ["闭月","羞花"]}}]}
}

上例中，只有魏行首这一条数据，因为只有魏行首既不是顾家的人，标签没有可爱那一项，年龄也不等于18！
这里有点需要补充，条件中age对应的18你写成整形还是字符串都没啥……

filter

那么，如果要查询from为gu，age大于25的数据怎么查？

filter需要在bool内部，并且如果是and条件，需要用must，如果使用了should，会认为是should和filter是或者的关系

GET lqz/doc/_search
{"query": {"bool": {"must": [{"match": {"from": "gu"}}],"filter": {"range": {"age": {"gt": 25}}}}}
}

这里就用到了filter条件过滤查询，过滤条件的范围用range表示，gt表示大于，大于多少呢？是25。

结果如下：

{"took" : 2,"timed_out" : false,"_shards" : {"total" : 5,"successful" : 5,"skipped" : 0,"failed" : 0},"hits" : {"total" : 2,"max_score" : 0.6931472,"hits" : [{"_index" : "lqz","_type" : "doc","_id" : "4","_score" : 0.6931472,"_source" : {"name" : "石头","age" : 29,"from" : "gu","desc" : "粗中有细，狐假虎威","tags" : ["粗","大","猛"]}},{"_index" : "lqz","_type" : "doc","_id" : "1","_score" : 0.2876821,"_source" : {"name" : "顾老二","age" : 30,"from" : "gu","desc" : "皮肤黑、武器长、性格直","tags" : ["黑","长","直"]}}]}
}

上例中，age大于25的条件都已经筛选出来了。

那么要查询from是gu，age大于等于30的数据呢？

GET lqz/doc/_search
{"query": {"bool": {"must": [{"match": {"from": "gu"}}],"filter": {"range": {"age": {"gte": 30}}}}}
}

上例中，大于等于用gte表示。

结果如下：

{"took" : 0,"timed_out" : false,"_shards" : {"total" : 5,"successful" : 5,"skipped" : 0,"failed" : 0},"hits" : {"total" : 1,"max_score" : 0.2876821,"hits" : [{"_index" : "lqz","_type" : "doc","_id" : "1","_score" : 0.2876821,"_source" : {"name" : "顾老二","age" : 30,"from" : "gu","desc" : "皮肤黑、武器长、性格直","tags" : ["黑","长","直"]}}]}
}

那么，要查询age小于25的呢？

GET lqz/doc/_search
{"query": {"bool": {"filter": {"range": {"age": {"lt": 25}}}}}
}

上例中，小于用lt表示，结果如下：

{"took" : 1,"timed_out" : false,"_shards" : {"total" : 5,"successful" : 5,"skipped" : 0,"failed" : 0},"hits" : {"total" : 2,"max_score" : 0.0,"hits" : [{"_index" : "lqz","_type" : "doc","_id" : "2","_score" : 0.0,"_source" : {"name" : "大娘子","age" : 18,"from" : "sheng","desc" : "肤白貌美，娇憨可爱","tags" : ["白","富","美"]}},{"_index" : "lqz","_type" : "doc","_id" : "3","_score" : 0.0,"_source" : {"name" : "龙套偏房","age" : 22,"from" : "gu","desc" : "mmp，没怎么看，不知道怎么形容","tags" : ["造数据","真","难"]}}]}
}

在查询一个age小于等于18的怎么办呢？

GET lqz/doc/_search
{"query": {"bool": {"filter": {"range": {"age": {"lte": 18}}}}}
}

上例中，小于等于用lte表示。结果如下：

{"took" : 0,"timed_out" : false,"_shards" : {"total" : 5,"successful" : 5,"skipped" : 0,"failed" : 0},"hits" : {"total" : 1,"max_score" : 0.0,"hits" : [{"_index" : "lqz","_type" : "doc","_id" : "2","_score" : 0.0,"_source" : {"name" : "大娘子","age" : 18,"from" : "sheng","desc" : "肤白貌美，娇憨可爱","tags" : ["白","富","美"]}}]}
}

要查询from是gu，age在25~30之间的怎么查？

GET lqz/doc/_search
{"query": {"bool": {"must": [{"match": {"from": "gu"}}],"filter": {"range": {"age": {"gte": 25,"lte": 30}}}}}
}

上例中，使用lte和gte来限定范围。结果如下：

{"took" : 1,"timed_out" : false,"_shards" : {"total" : 5,"successful" : 5,"skipped" : 0,"failed" : 0},"hits" : {"total" : 2,"max_score" : 0.6931472,"hits" : [{"_index" : "lqz","_type" : "doc","_id" : "4","_score" : 0.6931472,"_source" : {"name" : "石头","age" : 29,"from" : "gu","desc" : "粗中有细，狐假虎威","tags" : ["粗","大","猛"]}},{"_index" : "lqz","_type" : "doc","_id" : "1","_score" : 0.2876821,"_source" : {"name" : "顾老二","age" : 30,"from" : "gu","desc" : "皮肤黑、武器长、性格直","tags" : ["黑","长","直"]}}]}
}

那么，要查询from是sheng，age小于等于25的怎么查呢？其实结果，我们可能已经想到了，只有一条，因为只有盛家小六符合结果。

GET lqz/doc/_search
{"query": {"bool": {"must": [{"match": {"from": "sheng"}}],"filter": {"range": {"age": {"lte": 25}}}}}
}

结果果然不出洒家所料！

{"took" : 0,"timed_out" : false,"_shards" : {"total" : 5,"successful" : 5,"skipped" : 0,"failed" : 0},"hits" : {"total" : 1,"max_score" : 0.6931472,"hits" : [{"_index" : "lqz","_type" : "doc","_id" : "2","_score" : 0.6931472,"_source" : {"name" : "大娘子","age" : 18,"from" : "sheng","desc" : "肤白貌美，娇憨可爱","tags" : ["白","富","美"]}}]}
}

但是，洒家手一抖，将must换为should看看会发生什么？

GET lqz/doc/_search
{"query": {"bool": {"should": [{"match": {"from": "sheng"}}],"filter": {"range": {"age": {"lte": 25}}}}}
}

结果如下：

{"took" : 1,"timed_out" : false,"_shards" : {"total" : 5,"successful" : 5,"skipped" : 0,"failed" : 0},"hits" : {"total" : 3,"max_score" : 0.6931472,"hits" : [{"_index" : "lqz","_type" : "doc","_id" : "2","_score" : 0.6931472,"_source" : {"name" : "大娘子","age" : 18,"from" : "sheng","desc" : "肤白貌美，娇憨可爱","tags" : ["白","富","美"]}},{"_index" : "lqz","_type" : "doc","_id" : "5","_score" : 0.0,"_source" : {"name" : "魏行首","age" : 25,"from" : "广云台","desc" : "仿佛兮若轻云之蔽月,飘飘兮若流风之回雪,mmp，最后竟然没有嫁给顾老二！","tags" : ["闭月","羞花"]}},{"_index" : "lqz","_type" : "doc","_id" : "3","_score" : 0.0,"_source" : {"name" : "龙套偏房","age" : 22,"from" : "gu","desc" : "mmp，没怎么看，不知道怎么形容","tags" : ["造数据","真","难"]}}]}
}

结果有点出乎意料，因为龙套偏房和魏行首不属于盛家，但也被查询出来了。那你要问了，怎么肥四？小老弟！这是因为在查询过程中，优先经过filter过滤，因为should是或关系，龙套偏房和魏行首的年龄符合了filter过滤条件，也就被放行了！所以，如果在filter过滤条件中使用should的话，结果可能不会尽如人意！建议使用must代替。

注意：filter工作于bool查询内。比如我们将刚才的查询条件改一下，把filter从bool中挪出来。

GET lqz/doc/_search
{"query": {"bool": {"must": [{"match": {"from": "sheng"}}]},"filter": {"range"： {"age": {"lte": 25}}}}
}

如上例所示，我们将filter与bool平级，看查询结果：

{"error": {"root_cause": [{"type": "parsing_exception","reason": "[bool] malformed query, expected [END_OBJECT] but found [FIELD_NAME]","line": 12,"col": 5}],"type": "parsing_exception","reason": "[bool] malformed query, expected [END_OBJECT] but found [FIELD_NAME]","line": 12,"col": 5},"status": 400
}

结果报错了！所以，filter工作位置很重要。

小结：

must：与关系，相当于关系型数据库中的and。
should：或关系，相当于关系型数据库中的or。
must_not：非关系，相当于关系型数据库中的not。
filter：过滤条件。
range：条件筛选范围。
gt：大于，相当于关系型数据库中的>。
gte：大于等于，相当于关系型数据库中的>=。
lt：小于，相当于关系型数据库中的<。
lte：小于等于，相当于关系型数据库中的<=。

查询结果过滤：_source

在未来，一篇文档可能有很多的字段，每次查询都默认给我们返回全部，在数据量很大的时候，是的，比如我只想查姑娘的手机号，你一并给我个喜好啊、三围什么的算什么？
所以，我们对结果做一些过滤，清清白白的告诉elasticsearch

GET books/doc/_search
{"query": {"match": {"name":"顾老二"}}
}GET books/doc/_search
{"query": {"match": {"name":"顾老二"}},"_source": ["name","age"]
}

高亮显示

如果返回的结果集中很多符合条件的结果，那怎么能一眼就能看到我们想要的那个结果呢？比如下面网站所示的那样，我们搜索elasticsearch，在结果集中，将所有elasticsearch高亮显示？

如上图我们搜索一样。我们该怎么做呢？

GET books/doc/_search
{"query": {"match": {"tags": "粗"}},"highlight": {"fields": {"from":{},"tags":{}}}
}

上例中，我们使用highlight属性来实现结果高亮显示，需要的字段名称添加到fields内即可，elasticsearch会自动帮我们实现高亮。

自定义高亮显示

但是，你可能会问，我不想用em标签，我这么牛逼，应该用个b标签啊！好的，elasticsearch同样考虑到你很牛逼，所以，我们可以自定义标签。

GET books/doc/_search
{"query": {"match": {"from": "gu"}},"highlight": {"pre_tags": "<b class='key' style='color:red'>",  # 在结果之前"post_tags": "</b>",  # 在结果之后"fields": {"from": {}}}
}

上例中，在highlight中，pre_tags用来实现我们的自定义标签的前半部分，在这里，我们也可以为自定义的标签添加属性和样式。post_tags实现标签的后半部分，组成一个完整的标签。至于标签中的内容，则还是交给fields来完成。

聚合函数

聚合函数大家都不陌生，elasticsearch中也没玩出新花样，所以，这一章相对简单，只需要记得：

以及各自的用法即可。先来看求平均。

svg

GET books/doc/_search
{"query": {"match": {"from": "gu"}},"aggs": {  # 聚合函数aggressive"my_avg": {  # 结果别名"avg": {  # 聚合方法"field": "age"  # 字段}}},"_source": ["name", "age"]  # 过滤
}

max,min.sum

  "aggs": {  # 聚合函数aggressive"my_max": {  # 结果别名"max": {  # 聚合方法"field": "age"  # 字段}}},"aggs": {  # 聚合函数aggressive"my_min": {  # 结果别名"min": {  # 聚合方法"field": "age"  # 字段}}},"aggs": {  # 聚合函数aggressive"my_sum": {  # 结果别名"sum": {  # 聚合方法"field": "age"  # 字段}}},

分组查询

现在我想要查询所有人的年龄段，并且按照15~20，20~25,25~30分组，并且算出每组的平均年龄。

分析需求，首先我们应该先把分组做出来。

GET books/doc/_search
{"size": 0, "query": {"match_all": {}},"aggs": {"age_group": {"range": {"field": "age","ranges": [{"from": 15,"to": 20},{"from": 20,"to": 25},{"from": 25,"to": 30}]}}}
}

上例中，在aggs的自定义别名age_group中，使用range来做分组，field是以age为分组，分组使用ranges来做，from和to是范围，我们根据需求做出三组。

现在我想要查询所有人的年龄段，并且按照15~20，20~25,25~30分组，并且算出每组的平均年龄。

分析需求，首先我们应该先把分组做出来。

返回的结果中可以看到，已经拿到了三个分组。doc_count为该组内有几条数据，此次共分为三组，查询出4条内容。还有一条数据的age属性值是30，不在分组的范围内！

那么接下来，我们就要对每个小组内的数据做平均年龄处理。

GET books/doc/_search
{"size": 0, "query": {"match_all": {}},"aggs": {"age_group": {"range": {"field": "age","ranges": [{"from": 15,"to": 20},{"from": 20,"to": 25},{"from": 25,"to": 30}]},"aggs": {"my_avg": {"avg": {"field": "age"}}}}}
}

上例中，在分组下面，我们使用aggs对age做平均数处理，这样就可以了。

在结果中，我们可以清晰的看到每组的平均年龄（my_avg的value中）。

注意：聚合函数的使用，一定是先查出结果，然后对结果使用聚合函数做处理

小结：

avg：求平均
max：最大值
min：最小值
sum：求和

欢迎斧正，that’s all

IK中文分词器

#1 github下载相应版本
https://github.com/medcl/elasticsearch-analysis-ik/releases?after=v7.5.2

2 解压到es的plugin目录下

3 重启es

ik_max_word 和 ik_smart 什么区别?

ik_max_word: 会将文本做最细粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,中华人民,中华,华人,人民共和国,人民,人,民,共和国,共和,和,国国,国歌”，会穷尽各种可能的组合，适合 Term Query；

ik_smart: 会做最粗粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,国歌”，适合 Phrase 查询。

GET _analyze
{"analyzer": "ik_max_word","text": "上海自来水来自海上"
}
# text字段会分词，keyword不会分词。所以在建立i、映射关系（mapping）要先想好这个字段需不需要细分

ES-查询相关和IK分词器相关推荐

ES集群添加IK分词器
ES集群添加IK分词器 ES : 7.5.0 官方文档其实已经够优秀了,毕竟是中文的,这里只给出一些建议. IKAnalyzer.cfg.xml 建议放到插件的目录下,要不然有可能会有一些问题 {pl ...
es安全组端口_从零开始在远程服务器（Linux）上搭建es，eshead和ik分词器
一.资源准备远程服务器一个(本教程为CentOS 64位) 注:ik分词器版本需与es版本统一 jdk1.8.0 elasticsearch-head-master.zip 二.开放端口注:本例采 ...
Docker 安装 ES 7.7.0 及 Head、Kibana、IK分词器、Logstash、Filebeat 插件
目录环境信息 ES安装 ElasticSearch-Head安装 IK分词器安装环境信息 Docker version 1.13.1, build 4ef4b30/1.13.1 CentOS Li ...
Elasticsearch+elasticsearch-head的安装+Kibana环境搭建+ik分词器安装
一.安装JDK1.8 二.安装ES 三个节点:master.slave01.slave02 1.这里下载的是elasticsearch-6.3.1.rpm版本包 https://www.elastic ...
狂神聊 ElasticSearch(IK分词器+Rest+集成SpringBoot+实战爬虫项目+完整代码及资料)
Bilibili 搜索关注:狂神说 Java(和狂神一起学习,共同进步) 公众号:狂神说(文章日更) 狂神聊 ElasticSearch 版本:ElasticSearch 7.6.1(全网最新了) 6 ...
使用Docker 安装Elasticsearch、Elasticsearch-head、IK分词器和使用
使用Docker 安装Elasticsearch.Elasticsearch-head.IK分词器和使用原文:使用Docker 安装Elasticsearch.Elasticsearch-head ...
Elasticsearch(二) ik分词器的安装以及自定义分词
ik分词器作为elasticsearch的一个插件,则是安装在es插件中. ik分词器的安装 1,创建ik分词目录上传与es相同版本的ik分词器插件,不同版本可能es启动报错在elasticsea ...
Linux下安装ik分词器
Linux下安装ik分词器首先下载ik分词器下载地址: https://github.com/medcl/elasticsearch-analysis-ik/releases 一定要点进来下载z ...
拾忆Elasticsearch01：Elasticsearch概述及相关ES、IK分词器等下载安装
为了防止老年痴呆记不住学过的Elasticsearch,在这里写点blog回顾一下写在前面,建议下载以下出现的Elasticsearch版本,我之前下的7.6.1在这里找不到对应的springboo ...

ES-查询相关和IK分词器

排序查询

创建数据

降序

2.1 降序：desc

2.2 升序：asc

三不是什么数据类型都能排序

分页查询

二分页查询：from/size

布尔查询

一前言

must

should

must_not

filter

filter需要在bool内部，并且如果是and条件，需要用must，如果使用了should，会认为是should和filter是或者的关系

查询结果过滤：_source

高亮显示

自定义高亮显示

聚合函数

svg

max,min.sum

分组查询

IK中文分词器

ES-查询相关和IK分词器相关推荐

最新文章

热门文章

ES-查询相关和IK分词器

排序查询

创建数据

降序

2.1 降序：desc

2.2 升序：asc

三 不是什么数据类型都能排序

分页查询

二 分页查询：from/size

布尔查询

一 前言

must

should

must_not

filter

filter需要在bool内部，并且如果是and条件，需要用must，如果使用了should，会认为是should和filter是或者的关系

查询结果 过滤：_source

高亮显示

自定义高亮显示

聚合函数

svg

max,min.sum

分组查询

IK中文分词器

ES-查询相关和IK分词器相关推荐

最新文章

热门文章

三不是什么数据类型都能排序

二分页查询：from/size

一前言

查询结果过滤：_source