ElasticSearch各种查询语法示例

1. 每种查询语法的区别与优缺点

Query DSL

• 区别: JSON 格式的结构化查询，功能强大，支持复杂查询逻辑，适用于 Elasticsearch 的核心查询场景。
• 优点: 灵活，功能全面，支持全文搜索、精确匹配、聚合等；可组合多种查询类型。
• 缺点: 语法复杂，学习曲线较陡；JSON 格式对新手不友好。

SQL Query

• 区别: 使用标准 SQL 语法，适合熟悉关系型数据库的用户。
• 优点: 语法简单，易于上手；与传统 SQL 数据库兼容性高，适合快速查询。
• 缺点: 功能受限，无法完全发挥 Elasticsearch 的全文搜索和复杂查询能力。

EQL (Event Query Language)

• 区别: 专注于时间序列和事件数据，适合分析日志、事件流等场景。
• 优点: 针对事件序列分析优化，支持时间相关查询；语法直观。
• 缺点: 应用场景较窄，仅限事件数据；功能不如 Query DSL 全面。

Painless Scripting

• 区别: 基于脚本的查询，允许自定义逻辑，操作字段值或复杂条件。
• 优点: 高度灵活，可实现复杂计算或过滤逻辑。
• 缺点: 性能开销大，脚本错误可能导致查询失败；调试困难。

Kibana Console Query

• 区别: 通过 Kibana 的 REST API 风格执行查询，结合 HTTP 方法操作 Elasticsearch。
• 优点: 直观，适合调试和快速测试；与 Query DSL 无缝集成。
• 缺点: 依赖 Kibana 界面，手动输入 JSON 查询效率较低。

---

2. 带解释的查询示例

Query DSL

a. Match Query

{"query": {"match": {"name": "apple phone"}}
}

• 解释: 全文搜索 name 字段中包含 “apple” 或 “phone” 的文档。使用分词器匹配，适合模糊搜索。
• 场景: 搜索产品名称包含 “apple phone” 的商品。

b. Match with Fuzziness

{"query": {"match": {"name": {"query": "apple phone","fuzziness": "AUTO"}}}
}

• 解释: 允许模糊匹配，容忍拼写错误（如 “aple” 匹配 “apple”）。fuzziness: AUTO 自动调整容错范围。
• 场景: 用户输入可能有误时，增强搜索容错。

c. Term Query

{"query": {"term": {"category": "electronics"}}
}

• 解释: 精确匹配 category 字段为 “electronics” 的文档，不分词。
• 场景: 查找特定类别的产品，如电子产品。

d. Terms Query

{"query": {"terms": {"category": ["electronics", "accessories"]}}
}

• 解释: 匹配 category 字段为 “electronics” 或 “accessories” 的文档。
• 场景: 筛选多个特定类别的产品。

e. Range Query

{"query": {"range": {"price": {"gte": 100,"lte": 500}}}
}

• 解释: 查找 price 字段在 100 到 500 之间的文档。
• 场景: 筛选价格区间内的产品。

f. Bool Query

{"query": {"bool": {"must": [{ "match": { "name": "phone" } },{ "range": { "price": { "lte": 1000 } } }],"filter": [{ "term": { "category": "electronics" } }]}}
}

• 解释: 组合查询，must 要求 name 包含 “phone” 且 price ≤ 1000，filter 要求 category 为 “electronics”。filter 不影响评分，性能更高。
• 场景: 复杂条件筛选，如电子产品中价格低于 1000 的手机。

g. Exists Query

{"query": {"exists": {"field": "description"}}
}

• 解释: 返回具有非空 description 字段的文档。
• 场景: 筛选有描述信息的产品。

h. Wildcard Query

{"query": {"wildcard": {"name": "app*"}}
}

• 解释: 匹配 name 字段以 “app” 开头的文档，* 表示任意字符。
• 场景: 搜索以 “app” 开头的产品名称。

i. Nested Query

{"query": {"nested": {"path": "comments","query": {"match": { "comments.text": "good" }}}}
}

• 解释: 查询嵌套字段 comments 中 text 包含 “good” 的文档。处理嵌套对象关系。
• 场景: 搜索包含正面评论的产品。

SQL Query

a. Basic SELECT

SELECT name, price FROM products WHERE price > 100

• 解释: 返回 price 大于 100 的文档，仅显示 name 和 price 字段。
• 场景: 快速查看高价产品的基本信息。

b. With Conditions

SELECT * FROM products WHERE category = 'electronics' AND price BETWEEN 200 AND 500

• 解释: 筛选 category 为 “electronics” 且 price 在 200-500 之间的所有字段。
• 场景: 查找特定类别和价格范围的产品。

c. Aggregation

SELECT category, AVG(price) FROM products GROUP BY category

• 解释: 按 category 分组，计算每组的平均 price。
• 场景: 分析各产品类别的平均价格。

EQL

a. Sequence Query

{"query": "sequence [event where event_type == 'login'] [event where event_type == 'logout' by user_id]"
}

• 解释: 查找按 user_id 关联的连续事件，先 login 后 logout。
• 场景: 分析用户登录和登出行为序列。

b. Simple Event Query

{"query": "event where event_type == 'error' and severity > 3"
}

• 解释: 查找 event_type 为 “error” 且 severity 大于 3 的事件。
• 场景: 筛选高严重性错误日志。

Painless Scripting

a. Field Calculation

{"query": {"script_score": {"query": { "match_all": {} },"script": {"source": "doc['price'].value * 0.9"}}}
}

• 解释: 对所有文档的 price 字段值乘以 0.9，影响搜索评分。
• 场景: 动态调整价格用于排序（如折扣计算）。

b. Filter with Script

{"query": {"bool": {"filter": {"script": {"script": {"source": "doc['price'].value > params.min_price","params": { "min_price": 100 }}}}}}
}

• 解释: 过滤 price 大于 100 的文档，使用参数化脚本。
• 场景: 动态设置价格过滤条件。

Kibana Console Query

a. Simple GET

GET products/_search
{"query": {"match": {"name": "phone"}}
}

• 解释: 通过 REST API 搜索 name 包含 “phone” 的文档。
• 场景: 在 Kibana 控制台快速测试查询。

b. Aggregation

GET products/_search
{"aggs": {"by_category": {"terms": { "field": "category" }}}
}

• 解释: 按 category 字段分组，统计每个类别的文档数。
• 场景: 分析产品类别分布。

---

注意

• 每个查询语法针对不同场景：Query DSL 适合复杂查询，SQL 适合快速上手，EQL 适合事件分析，Painless 适合自定义逻辑，Kibana 适合调试。
• 示例基于通用字段，实际使用需调整字段名和索引。
• 更多细节参考：https://www.elastic.co/docs/reference/query-languages/