Python-ElasticSearch搜索查询的讲解

Python  /  管理员 发布于 5年前   369

Elasticsearch 是一个开源的搜索引擎，建立在一个全文搜索引擎库 Apache Lucene™ 基础之上。 Lucene 可能是目前存在的，不论开源还是私有的，拥有最先进，高性能和全功能搜索引擎功能的库。但是 Lucene 仅仅只是一个库。为了利用它，你需要编写 Java 程序，并在你的 java 程序里面直接集成 Lucene 包。 更坏的情况是，你需要对信息检索有一定程度的理解才能明白 Lucene 是怎么工作的。Lucene 是 很 复杂的。

在上一篇文章中介绍了ElasticSearch的简单使用，接下来记录一下ElasticSearch的查询：

查询所有数据

# 搜索所有数据es.search(index="my_index",doc_type="test_type")# 或者body = {  "query":{    "match_all":{}  }}es.search(index="my_index",doc_type="test_type",body=body)

term与terms

# termbody = {  "query":{    "term":{      "name":"python"    }  }}# 查询name="python"的所有数据es.search(index="my_index",doc_type="test_type",body=body)# termsbody = {  "query":{    "terms":{      "name":[        "python","android"      ]    }  }}# 搜索出name="python"或name="android"的所有数据es.search(index="my_index",doc_type="test_type",body=body)

match与multi_match

# match:匹配name包含python关键字的数据body = {  "query":{    "match":{      "name":"python"    }  }}# 查询name包含python关键字的数据es.search(index="my_index",doc_type="test_type",body=body)# multi_match:在name和addr里匹配包含深圳关键字的数据body = {  "query":{    "multi_match":{      "query":"深圳",      "fields":["name","addr"]    }  }}# 查询name和addr包含"深圳"关键字的数据es.search(index="my_index",doc_type="test_type",body=body)

ids

body = {  "query":{    "ids":{      "type":"test_type",      "values":[        "1","2"      ]    }  }}# 搜索出id为1或2d的所有数据es.search(index="my_index",doc_type="test_type",body=body)

复合查询bool

bool有3类查询关系，must(都满足),should(其中一个满足),must_not(都不满足)

body = {  "query":{    "bool":{      "must":[        {          "term":{            "name":"python"          }        },        {          "term":{            "age":18          }        }      ]    }  }}# 获取name="python"并且age=18的所有数据es.search(index="my_index",doc_type="test_type",body=body)

切片式查询

body = {  "query":{    "match_all":{}  }  "from":2  # 从第二条数据开始  "size":4  # 获取4条数据}# 从第2条数据开始，获取4条数据es.search(index="my_index",doc_type="test_type",body=body)

范围查询

body = {  "query":{    "range":{      "age":{        "gte":18,    # >=18        "lte":30    # <=30      }    }  }}# 查询18<=age<=30的所有数据es.search(index="my_index",doc_type="test_type",body=body)

前缀查询

body = {  "query":{    "prefix":{      "name":"p"    }  }}# 查询前缀为"赵"的所有数据es.search(index="my_index",doc_type="test_type",body=body)

通配符查询

body = {  "query":{    "wildcard":{      "name":"*id"    }  }}# 查询name以id为后缀的所有数据es.search(index="my_index",doc_type="test_type",body=body)

排序

body = {  "query":{    "match_all":{}  }  "sort":{    "age":{         # 根据age字段升序排序      "order":"asc"    # asc升序，desc降序    }  }}

filter_path

响应过滤

# 只需要获取_id数据,多个条件用逗号隔开es.search(index="my_index",doc_type="test_type",filter_path=["hits.hits._id"])# 获取所有数据es.search(index="my_index",doc_type="test_type",filter_path=["hits.hits._*"])

count

执行查询并获取该查询的匹配数

# 获取数据量es.count(index="my_index",doc_type="test_type")

度量类聚合

• 获取最小值

body = {  "query":{    "match_all":{}  },  "aggs":{            # 聚合查询    "min_age":{         # 最小值的key      "min":{         # 最小        "field":"age"    # 查询"age"的最小值      }    }  }}# 搜索所有数据，并获取age最小的值es.search(index="my_index",doc_type="test_type",body=body)

• 获取最大值

body = {  "query":{    "match_all":{}  },  "aggs":{            # 聚合查询    "max_age":{         # 最大值的key      "max":{         # 最大        "field":"age"    # 查询"age"的最大值      }    }  }}# 搜索所有数据，并获取age最大的值es.search(index="my_index",doc_type="test_type",body=body)

• 获取和

body = {  "query":{    "match_all":{}  },  "aggs":{            # 聚合查询    "sum_age":{         # 和的key      "sum":{         # 和        "field":"age"    # 获取所有age的和      }    }  }}# 搜索所有数据，并获取所有age的和es.search(index="my_index",doc_type="test_type",body=body)

• 获取平均值

body = {  "query":{    "match_all":{}  },  "aggs":{            # 聚合查询    "avg_age":{         # 平均值的key      "sum":{         # 平均值        "field":"age"    # 获取所有age的平均值      }    }  }}# 搜索所有数据，获取所有age的平均值es.search(index="my_index",doc_type="test_type",body=body)

更多的搜索用法：

https://elasticsearch-py.readthedocs.io/en/master/api.html

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家的支持。如果你想了解更多相关内容请查看下面相关链接