一、搜索语法：
1、query string search
执行GET ucms_documentsAliases/_search直接查
2、query DSL
查所有：
{
“query”: {“match_all”: {}}
}
排序：
{
“query”: {
“match”: {
“title”: “28”
}
},
“sort”: [
{
“createTime”: {
“order”: “desc”
}
}
]
}
分页：
{
“query”: {
“match”: {
“title”: “28”
}
},
“from”: 0,
“size”: 10
}
指定查出id，title，type：
{
“query”: {
“match”: {
“title”: “28”
}
},
“_source”: [“id”,“title”,“type”]
}
3、query filter
过滤，范围查找（bool可使用多条件）
{
“query”: {
“bool”: {
“must”: [{“match”: {
“title”: “28”
}}],
“filter”: {“range”: {
“duration”: {
“gte”: 4,
“lte”: 6
}
}}
}
}
}
4、full-text search
5、phrase精确匹配
搜索yagao producer，会出现四条数据，但是4匹配度最高，max_score最大
如果改为：
“query”: {
“match_phrase”: {
“title”: “yagao producer”
}
}
只会匹配出一条
6、highlight 高亮：
{
“query”: {
“match”: {
“title”: “28”
}
},
“highlight”: {
“fields”: {“title”:{}}
},
“from”: 0,
“size”: 10
}
聚合分析：
1、计算每个type下的文章数量：
{
“aggs”: {
“group_by_type”: {
“terms”: {
“field”: “type”,
“size”: 10
}
}
}
}
加上size:0,搜索结果只展示aggregations：
{
“size”: 0,
“aggs”: {
“group_by_type”: {
“terms”: {
“field”: “type”,
“size”: 2
}
}
}
}
2、对名称中包含28的文章，计算每个type下的文章数量：加个query即可
{
“size”: 0,
“query”: {“match”: {
“title”: “28”
}},
“aggs”: {
“group_by_type”: {
“terms”: {
“field”: “type”,
“size”: 2
}
}
}
}
3、先分组，再算每组的平均值，计算每个type下的文章平均duration时长
{
“size”: 0,
“aggs”: {
“group_by_type”: {
“terms”: {
“field”: “type”
},
“aggs”: {
“avg_duration”: {
“avg”: {
“field”: “duration”
}
}
}
}
}
}
4、计算type下的时长平均值，再按照平均值降序
{
“size”: 0,
“aggs”: {
“group_by_type”: {
“terms”: {
“field”: “type”,
“order”: {
“avg_duration”: “desc”
}
},
“aggs”: {
“avg_duration”: {
“avg”: {
“field”: “duration”
}
}
}
}
}
}
5、按指定时长范围分组，然后再每组内再按照type分组，最后再计算每组的平均时长
{
“size”: 0,
“aggs”: {
“group_by_duration”: {
“range”: {
“field”: “duration”,
“ranges”: [
{
“from”: 50,
“to”: 100
},
{
“from”: 100,
“to”: 200
},
{
“from”: 200,
“to”: 1000
}
]
},
“aggs”: {
“group_by_type”: {
“terms”: {
“field”: “type”
},
“aggs”: {
“avg_duration”: {
“avg”: {
“field”: “duration”
}
}
}
}
}
}
}
}
三、_index，_type，_id，_source元数据：
_index元数据：
1）代表一个document存放在哪个index中
2）类似的数据放在一个索引，非类似的（字段大部分不同）放在一个索引，或者各种数据都放一个大的索引里都是不合理的
3）索引名称必须小写，不能下划线开头，不能包含逗号
很大的一个index，比如包含各种不同数据，product，sales，employee等等，后台数据分析系统负责分析最近一年销售相关的趋势变化，并且计算出各种复杂的数据指标，aggs，跑一条超复杂的聚合分析查询，涉及的数据了很大。
前台主要搜索product数据，需要耗费30s才能完成这次大数据量的批量分析，所有shard都会耗费大量的资源，IO、CPU、内存，去执行这一次大的聚合分析。查product的请求，大量过来，跟正在聚合分析的请求落到同一个shard执行，此时该shard正在执行非常耗时，耗费资源的大型聚合分析操作，可能导致document get请求，大量的性能不好，超时，影响用户体验。
_type元数据：
1）代表document属于index中哪个类别
2）一个索引可划分为多个type，比如商品分为电子商品，生鲜，日化等
3）名称可以大写或小写，但不能下划线开头，不能包含逗号
_id元数据：
1）代表document的唯一标识，与index和type一起，可唯一标识一个document
2）可手动指定document的id(put /index/type/id)，也可es自动为我们创建一个id
自动生成的id长度20个字符，url安全，base64编码，GUID， 分布式并行生成id不冲突（es内部处理，put请求不可能在不同shard生成相同的id）
_source元数据：
指定返回几个字段：
put /index/type/1
{
“field1”:“field1”,
“field2”:“field2”
}
或者：定制返回的结果，指定返回哪些field
get /index/type/1?_source=field1,field2