这篇小菜给大家演示和讲解一些Elasticsearch的API，如在工作中用到时，方便查阅。

一、Index API

创建索引库

curl -XPUT 'http://127.0.0.1:9200/test_index/' -d '{    "settings" : {      "index" : {      "number_of_shards" : 3,      "number_of_replicas" : 1      }    },    "mappings" : {      "type_test_01" : {        "properties" : {          "field1" : { "type" : "string"},          "field2" : { "type" : "string"}        }      },      "type_test_02" : {        "properties" : {          "field1" : { "type" : "string"},          "field2" : { "type" : "string"}        }      }    }}'

验证索引库是否存在

curl –XHEAD -i 'http://127.0.0.1:9200/test_index?pretty'

注: 这里加上的?pretty参数，是为了让输出的格式更好看。

查看索引库的mapping信息

curl –XGET -i 'http://127.0.0.1:9200/test_index/_mapping?pretty'

验证当前库type为article是否存在

curl -XHEAD -i 'http://127.0.0.1:9200/test_index/article'

查看test_index索引库type为type_test_01的mapping信息

curl –XGET -i 'http://127.0.0.1:9200/test_index/_mapping/type_test_01/?pretty'

测试索引分词器

curl -XGET 'http://127.0.0.1:9200/_analyze?pretty' -d '{  "analyzer" : "standard",  "text" : "this is a test"}'

输出索引库的状态信息

curl 'http://127.0.0.1:9200/test_index/_stats?pretty'

输出索引库的分片相关信息

curl -XGET 'http://127.0.0.1:9200/test_index/_segments?pretty'

删除索引库

curl -XDELETE http://127.0.0.1:9200/logstash-nginxacclog-2016.09.20/

二、Count API

简易语法

curl -XGET 'http://elasticsearch_server:port/索引库名称/_type(当前索引类型,没有可以不写)/_count

用例:

1、统计 logstash-nginxacclog-2016.10.09 索引库有多少条记录

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_count'

2、统计 logstash-nginxacclog-2016.10.09 索引库status为200的有多少条记录

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_count?q=status:200'

DSL 写法

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_count' -d '{ "query":  { "term":{"status":"200"}}}'

三、Aggregations API （数据分析和统计）

注: 聚合相关的API只能对数值、日期 类型的字段做计算。

1、求平均数

业务场景: 统计访问日志中的平均响应时长

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{"query" :{ "match_all" : {} },"aggs" : {"avg_num" : { "avg" : { "field" : "responsetime" } }},"size":0  # 这里的 size:0 表示不输出匹配到数据，只输出聚合结果。}'{  "took" : 598,  "timed_out" : false,  "_shards" : {    "total" : 5,    "successful" : 5,    "failed" : 0  },  "hits" : {    "total" : 32523067,    "max_score" : 0.0,    "hits" : [ ]  },  "aggregations" : {    "avg_num" : {      "value" : 0.0472613558675975    }  }}# 得到平均响应时长为 0.0472613558675975 秒

2、求最大值

业务场景:获取访问日志中最长的响应时间

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{"query" :{ "match_all" : {} },"aggs" : {"max_num" : { "max" : { "field" : "responsetime" } }},"size":0}'{  "took" : 29813,  "timed_out" : false,  "_shards" : {    "total" : 431,    "successful" : 431,    "failed" : 0  },  "hits" : {    "total" : 476952009,    "max_score" : 0.0,    "hits" : [ ]  },  "aggregations" : {    "max_num" : {      "value" : 65.576    }  }}# 得到最大响应时长为 65.576 秒

3、求最小值

业务场景: 获取访问日志中最快的响应时间

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{"query" :{ "match_all" : {} },"aggs" : {"min_num" : { "min" : { "field" : "responsetime" } }},"size":0}'{  "took" : 2145,  "timed_out" : false,  "_shards" : {    "total" : 431,    "successful" : 431,    "failed" : 0  },  "hits" : {    "total" : 477156773,    "max_score" : 0.0,    "hits" : [ ]  },  "aggregations" : {    "min_num" : {      "value" : 0.0    }  }}# 看来最快的响应时间竟然是0，笔者通过查询日志发现，原来这些响应时间为0的请求是被nginx拒绝掉的。

4、数值求和

业务场景: 统计一天的访问日志中为响应请求总共输出了多少流量。

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{"query" :{ "match_all" : {} },"aggs" : {"sim_num" : { "sum" : { "field" : "size" } }},"size":0}'{  "took" : 1226,  "timed_out" : false,  "_shards" : {    "total" : 5,    "successful" : 5,    "failed" : 0  },  "hits" : {    "total" : 32523067,    "max_score" : 0.0,    "hits" : [ ]  },  "aggregations" : {    "sim_num" : {      "value" : 6.9285945505E10    }  }}# 这个数有点大，后面的E10 表示 6.9285945505 X 10^10 ，笔者算了下，大概 70GB 流量。

5、获取常用的数据统计指标

其中包括（ 最大值、最小值、平均值、求和、个数 ）

业务场景: 求访问日志中的 responsetime （ 最大值、最小值、平均值、求和、个数 ）

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{"query" :{ "match_all" : {} },"aggs" : {"like_stats" : { "stats" : { "field" : "responsetime" } }},"size":0}'{  "took" : 2868,  "timed_out" : false,  "_shards" : {    "total" : 431,    "successful" : 431,    "failed" : 0  },  "hits" : {    "total" : 477797577,    "max_score" : 0.0,    "hits" : [ ]  },  "aggregations" : {    "like_stats" : {      "count" : 469345191,      "min" : 0.0,      "max" : 65.576,      "avg" : 0.06088492952649428,      "sum" : 2.8576048877634E7    }  }}

这个是上面统计方式的增强版，新增了几个统计数据

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{"query" :{ "match_all" : {} },"aggs" : {"like_stats" : { "extended_stats" : { "field" : "responsetime" } }},"size":0}'{  "took" : 2830,  "timed_out" : false,  "_shards" : {    "total" : 431,    "successful" : 431,    "failed" : 0  },  "hits" : {    "total" : 478145456,    "max_score" : 0.0,    "hits" : [ ]  },  "aggregations" : {    "like_stats" : {      "count" : 469687072,      "min" : 0.0,      "max" : 65.576,      "avg" : 0.06087745173159307,      "sum" : 2.859335205463328E7,      "sum_of_squares" : 1.3162790273264633E7,      "variance" : 0.02431853151732958,      "std_deviation" : 0.1559440012226491,      "std_deviation_bounds" : {        "upper" : 0.3727654541768913,        "lower" : -0.2510105507137051      }    }  }}# 其中新增的三个返回结果分别是:# sum_of_squares  平方和# variance  方差# std_deviation  标准差

6、统计数据在某个区间所占的百分比

业务场景: 求出访问日志中响应时间的各个区间，所占的百分比

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{"query" :{ "match_all" : {} },"aggs" : {"outlier" : { "percentiles" : { "field" : "responsetime" } }},"size":0}'{  "took" : 60737,  "timed_out" : false,  "_shards" : {    "total" : 431,    "successful" : 431,    "failed" : 0  },  "hits" : {    "total" : 478287997,    "max_score" : 0.0,    "hits" : [ ]  },  "aggregations" : {    "outlier" : {      "values" : {        "1.0" : 0.0,        "5.0" : 0.0,        "25.0" : 0.02,        "50.0" : 0.038999979789136247,        "75.0" : 0.06247223731250421,        "95.0" : 0.16479760590682113,        "99.0" : 0.520510492464275      }    }  }}# values 对应的列为所占的百分比，右边则是对应的数据值。表示:# 响应时间小于或等于0的请求占 1%# 响应时间小于或等于0的请求占 5%# 响应时间小于或等于0.02的请求占 25%# 响应时间小于或等于0.038999979789136247的请求占 50%# 响应时间小于或等于0.06247223731250421的请求占 75%# 响应时间小于或等于0.16479760590682113的请求占 95%# 响应时间小于或等于0.520510492464275的请求占 99%# 还可以通过 percents 参数，自定义一些百分比区间，如 10%,30%,60%,90% 等。# 注: 经笔者测试，这个方法只能对数值类型的字段进行统计，无法操作字符串类型的字段。curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{"query" :{ "match_all" : {} },"aggs" : {"outlier" : { "percentiles" : {                                  "field" : "status",                                  "percents":[5, 10, 20, 50, 99.9]                                  }              }},"size":0}'

7、求指定字段数值在各个区间所占的百分比

业务场景：求响应时间 0, 0.01, 0.1, 0.2 在整个日志文件中，分别所占的百分比。

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{"query" :{ "match_all" : {} },"aggs" : {"outlier" : { "percentile_ranks" : {"field" : "responsetime","values":[0, 0.01, 0.1, 0.2]}}},"size":0}'{  "took" : 6950,  "timed_out" : false,  "_shards" : {    "total" : 5,    "successful" : 5,    "failed" : 0  },  "hits" : {    "total" : 32523067,    "max_score" : 0.0,    "hits" : [ ]  },  "aggregations" : {    "outlier" : {      "values" : {        "0.0" : 8.79897648675993,        "0.01" : 17.90331319256336,        "0.1" : 91.18297638776373,        "0.2" : 98.22564774611764      }    }  }}# 响应时间小于或等于0的请求占 8.7%# 响应时间小于或等于0.01的请求占 17.9%# 响应时间小于或等于0.1的请求占 91.1%# 响应时间小于或等于0.2的请求占 98.2%

8、求该数值范围内有多少文档匹配

业务场景: 求访问日志中的响应时间为，0 ~ 0.02、0.02 ~ 0.1 、大于 0.1 这三个数值区间内，各有多少文档匹配。

"ranges":[{"to": 0.02}, {"from":0.02,"to":0.1},{"from":0.1}]

{"to": 0.02} 求响应时间 0 ~ 0.02 区间内的匹配文档数  

{"from":0.02,"to":0.1} 求响应时间 0.02 ~ 0.1 区间内匹配的文档数 

{"from":0.1} 求响应时间大于 0.1 匹配的文档数

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{"query" :{ "match_all" : {} },"aggs" : {"range_info" : { "range" : {"field" : "responsetime","ranges":[{"to": 0.02}, {"from":0.02,"to":0.1},{"from":0.1}]}}},"size":0}'{  "took" : 474,  "timed_out" : false,  "_shards" : {    "total" : 5,    "successful" : 5,    "failed" : 0  },  "hits" : {    "total" : 32523067,    "max_score" : 0.0,    "hits" : [ ]  },  "aggregations" : {    "range_info" : {      "buckets" : [ {        "key" : "*-0.02",        "to" : 0.02,        "to_as_string" : "0.02",        "doc_count" : 9093600      }, {        "key" : "0.02-0.1",        "from" : 0.02,        "from_as_string" : "0.02",        "to" : 0.1,        "to_as_string" : "0.1",        "doc_count" : 20547128      }, {        "key" : "0.1-*",        "from" : 0.1,        "from_as_string" : "0.1",        "doc_count" : 2879418      } ]    }  }}  "aggregations" : {    "range_info" : {      "buckets" : [ {        "key" : "*-0.02",        "to" : 0.02,        "to_as_string" : "0.02",        "doc_count" : 9093600      } # 响应时间在 0 ~ 0.02 的文档数是 9093600      , {        "key" : "0.02-0.1",        "from" : 0.02,        "from_as_string" : "0.02",        "to" : 0.1,        "to_as_string" : "0.1",        "doc_count" : 20547128      } # 响应时间在 0.02 ~ 0.1 的文档数是 20547128      , {        "key" : "0.1-*",        "from" : 0.1,        "from_as_string" : "0.1",        "doc_count" : 2879418      } # 响应时间在大于 0.1 的文档数是 2879418       ]    }  }

9、求时间范围内有多少文档匹配

业务场景：求访问日志中，在 2016-10-09T01:00:00 之前的文档有多少。 和在 2016-10-09T02:00:00 之后的文档有多少。

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{"query" :{ "match_all" : {} },"aggs" : {"range_info" : { "date_range" : {"field" : "@timestamp","ranges":[{"to": "2016-10-09T01:00:00"},{"from":"2016-10-09T02:00:00"}]}}},"size":0}'{  "took" : 432,  "timed_out" : false,  "_shards" : {    "total" : 5,    "successful" : 5,    "failed" : 0  },  "hits" : {    "total" : 32523067,    "max_score" : 0.0,    "hits" : [ ]  },  "aggregations" : {    "range_info" : {      "buckets" : [ {        "key" : "*-2016-10-09T01:00:00.000Z",        "to" : 1.4759748E12,        "to_as_string" : "2016-10-09T01:00:00.000Z",        "doc_count" : 613460      }, # 在 2016-10-09T01:00:00 之前的文档数有 613460      {        "key" : "2016-10-09T02:00:00.000Z-*",        "from" : 1.4759784E12,        "from_as_string" : "2016-10-09T02:00:00.000Z",        "doc_count" : 31264881      } # 在 2016-10-09T02:00:00 之后的文档数有 31264881      ]    }  }}

10、聚合结果不依赖于查询结果集 "global":{}

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{"query" :{ "term" : { "status" : "200" } },"aggs" :{"all_articles":{"global":{},"aggs":{"sum_like": {"sum":{"field": "responsetime"}}}}},"size":0}'{  "took" : 1519,  "timed_out" : false,  "_shards" : {    "total" : 5,    "successful" : 5,    "failed" : 0  },  "hits" : {    "total" : 26686196,    "max_score" : 0.0,    "hits" : [ ]  },  "aggregations" : {    "all_articles" : {      "doc_count" : 32523067,      "sum_like" : {        "value" : 1536946.1929722272      }    }  }}# 可以看到查询结果集hits total部分才匹配到 26686196 条记录。 而聚合的文档数则是 32523067 多于查询结果匹配到的文档。# 聚合结果为 1536946.1929722272# 我们再看看没有引用 "global":{} 参数的方式curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{"query" :{ "term" : { "status" : "200" } },"aggs":{"sum_like": {"sum":{"field": "responsetime"}}                                             },"size":0                                   }'{  "took" : 1326,  "timed_out" : false,  "_shards" : {    "total" : 5,    "successful" : 5,    "failed" : 0  },  "hits" : {    "total" : 26686196,    "max_score" : 0.0,    "hits" : [ ]  },  "aggregations" : {    "sum_like" : {      "value" : 1526710.3929916811    }  }}# 聚合结果小于上诉的结果。 表示这次的聚合的值，是依赖于检索匹配到的文档。

11、分组聚合

用于统计指定字段在自定义的固定增长区间下，每个增长后的值，所匹配的文档数量。

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{"aggs" :{"like_histogram":{"histogram":{"field": "status", "interval": 200,        "min_doc_count": 1}}},"size":0 }'# 对 status 字段操作，增长区间为 200 ，为了避免有的区间匹配为0所导致空数据，所以这里指定最小文档数为 1 "histogram":{"field": "status", "interval": 200, "min_doc_count": 1}

12、分组聚合-基于时间做分组

"date_histogram":{"field": "@timestamp", "interval": "1d","format": "yyyy-MM-dd",}

"field": "@timestamp"  指定记录时间的字段

"interval": "1d"  分组区间为每天.  1M 每月、1H 每小时、1m 每分钟

"format": "yyyy-MM-dd" 指定时间的输出格式

统计每天产生的日志数量

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-*/_search?pretty' -d '{"aggs" :{"date_histogram_info":{"date_histogram":{"field": "@timestamp", "interval": "1d","format": "yyyy-MM-dd","min_doc_count": 1}}}}'"aggregations" : {    "date_histogram_info" : {      "buckets" : [ {        "key_as_string" : "2016-09-27",        "key" : 1474934400000,        "doc_count" : 6895375      }, {        "key_as_string" : "2016-09-28",        "key" : 1475020800000,        "doc_count" : 1255775      }, {        "key_as_string" : "2016-09-29",        "key" : 1475107200000,        "doc_count" : 38512862      }, {        "key_as_string" : "2016-09-30",        "key" : 1475193600000,        "doc_count" : 35314225      }, {        "key_as_string" : "2016-10-01",        "key" : 1475280000000,        "doc_count" : 45358162      }, {        "key_as_string" : "2016-10-02",        "key" : 1475366400000,        "doc_count" : 42058056      }, {        "key_as_string" : "2016-10-03",        "key" : 1475452800000,        "doc_count" : 39945587      }, {        "key_as_string" : "2016-10-04",        "key" : 1475539200000,        "doc_count" : 39509128      }, {        "key_as_string" : "2016-10-05",        "key" : 1475625600000,        "doc_count" : 40506342      }, {        "key_as_string" : "2016-10-06",        "key" : 1475712000000,        "doc_count" : 43303499      }, {        "key_as_string" : "2016-10-07",        "key" : 1475798400000,        "doc_count" : 44234780      }, {        "key_as_string" : "2016-10-08",        "key" : 1475884800000,        "doc_count" : 32880600      }, {        "key_as_string" : "2016-10-09",        "key" : 1475971200000,        "doc_count" : 32523067      }, {        "key_as_string" : "2016-10-10",        "key" : 1476057600000,        "doc_count" : 31454044      }, {        "key_as_string" : "2016-10-11",        "key" : 1476144000000,        "doc_count" : 2018401      } ]    }  }}# 基于小时做分组# 统计当天每小时产生的日志数量curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{"aggs" :{"date_histogram_info":{"date_histogram":{"field": "@timestamp", "interval": "1H","format": "yyyy-MM-dd-H","min_doc_count": 1}}},"size":0}'{  "took" : 530,  "timed_out" : false,  "_shards" : {    "total" : 5,    "successful" : 5,    "failed" : 0  },  "hits" : {    "total" : 32523067,    "max_score" : 0.0,    "hits" : [ ]  },  "aggregations" : {    "date_histogram_info" : {      "buckets" : [ {        "key_as_string" : "2016-10-09-0",        "key" : 1475971200000,        "doc_count" : 613460      }, {        "key_as_string" : "2016-10-09-1",        "key" : 1475974800000,        "doc_count" : 644726      }, {        "key_as_string" : "2016-10-09-2",        "key" : 1475978400000,        "doc_count" : 687196      }, {        "key_as_string" : "2016-10-09-3",        "key" : 1475982000000,        "doc_count" : 730831      }, {        "key_as_string" : "2016-10-09-4",        "key" : 1475985600000,        "doc_count" : 1460320      }, {        "key_as_string" : "2016-10-09-5",        "key" : 1475989200000,        "doc_count" : 1469098      }, {        "key_as_string" : "2016-10-09-6",        "key" : 1475992800000,        "doc_count" : 1004399      }, {        "key_as_string" : "2016-10-09-7",        "key" : 1475996400000,        "doc_count" : 962843      }, {        "key_as_string" : "2016-10-09-8",        "key" : 1476000000000,        "doc_count" : 1232560      }, {        "key_as_string" : "2016-10-09-9",        "key" : 1476003600000,        "doc_count" : 1809741      }, {        "key_as_string" : "2016-10-09-10",        "key" : 1476007200000,        "doc_count" : 2802804      }, {        "key_as_string" : "2016-10-09-11",        "key" : 1476010800000,        "doc_count" : 3941192      }, {        "key_as_string" : "2016-10-09-12",        "key" : 1476014400000,        "doc_count" : 4631032      }, {        "key_as_string" : "2016-10-09-13",        "key" : 1476018000000,        "doc_count" : 3651968      }, {        "key_as_string" : "2016-10-09-14",        "key" : 1476021600000,        "doc_count" : 2079933      }, {        "key_as_string" : "2016-10-09-15",        "key" : 1476025200000,        "doc_count" : 973578      }, {        "key_as_string" : "2016-10-09-16",        "key" : 1476028800000,        "doc_count" : 517435      }, {        "key_as_string" : "2016-10-09-17",        "key" : 1476032400000,        "doc_count" : 388382      }, {        "key_as_string" : "2016-10-09-18",        "key" : 1476036000000,        "doc_count" : 361296      }, {        "key_as_string" : "2016-10-09-19",        "key" : 1476039600000,        "doc_count" : 345926      }, {        "key_as_string" : "2016-10-09-20",        "key" : 1476043200000,        "doc_count" : 342214      }, {        "key_as_string" : "2016-10-09-21",        "key" : 1476046800000,        "doc_count" : 360897      }, {        "key_as_string" : "2016-10-09-22",        "key" : 1476050400000,        "doc_count" : 714336      }, {        "key_as_string" : "2016-10-09-23",        "key" : 1476054000000,        "doc_count" : 796900      } ]    }  }}# 可以看到当天 0 ~ 23 点每个时段产生的日志数量。 通过这个数据，我们是不是很容易就可以得到，业务的高峰时段呢？

四、Query DSL

curl -XGET 'http://127.0.0.1:9200/search_test/article/_count?pretty' -d '{  "query" :  { "term" : { "title" : "article" } }}'

在 Query DSL 中有两种子句:

1、Leaf query clauses （简单叶子节点查询子句）

2、Compound query clauses （复合查询子句）

Query context & Filter context

在 Query context 查询上下文中 ，关注的是当前文档和查询子句的匹配度。 而在 Filter context 中关注的是当前文档是否匹配查询子句，不计算相似度分值。 

{"match_all":{}} 匹配全部

{"match_all":{"boost":{"boost":1.2}}}  手动指定_score返回值

Term level queries

返回文档:在user字段的倒排索引中包含"kitty"的文档 （精确匹配）

{  "term":{"user":"kitty"}}

用例:

curl -XGET 'http://169.254.135.217:9200/search_test/article/_count?pretty' -d '{  "query" :  { "term" : { "user" : "kitty" } }}'

Term level Range query （范围查询）

用例:

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{"query" :        { "range" :{                      "status" :{ "gt" : 200, "lte" : 500, "boost" : 2.0 }                    }        },"size":1}'# 这里的"size":1 表示只返回一条数据，类似SQL里面的limit。 最大指定10000# 如果要返回更多的数据，则可以加上?scroll参数，如/_search?scroll=1m ，这里的1m 表示1分钟。# 详细请参考: https://www.elastic.co/guide/en/elasticsearch/reference/current/common-options.html#time-units

Term level Exists query (存在查询)

用例:

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{"query":    { "exists":{ "field":"status" } }}'

Term level Prefix and Wildcard

前缀查询用例:

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{  "query" :{  "prefix" :{"agent": "io" }  }}'

通配符查询用例:

curl -XGET 'http://127.0.0.1:9200/logstash-nginxacclog-2016.10.09/_search?pretty' -d '{"query" :{"wildcard" :{"agent": "io*" }}}'

Compound query : Bool Query

Bool Query 常用的三个分支:

1、Must 表示必须包含的字符串

2、Must not 表示需要过滤掉的条件

3、should 类似 or 条件，"minimum_should_match" 表示最少要匹配几个条件才通过。

假设我在should 里面定义了三个条件，并且把minimum_should_match 设置为 2 ，表示我这三个条件中，只要要有两个条件能被匹配才能通过。 如果minimum_should_match 改为 3 表示这三个条件需要同时匹配才通过。

"should" : [ { "term" : { "body" : "article" } }, { "term" : { "body" : "document" } }, { "term" : { "body" : "tuchao" } } ],  "minimum_should_match" : 3,

用例:

在这里可以看到，我给should 加了一个它决定不可能匹配到的条件，body:'tuchao' ，因为文档里面根本就没有这个字符串，然后我把 minimum_should_match 设置为 2 .  让它最小匹配2个条件就可以。 果然查询到了

接下来我把minimum_should_match 改为 3 让它最少要匹配三个条件，它显然做不到，就查不出来了

Request body search : Sort