添加数据
先使用API，创建索引库，而且把数据从MySQL中查出来，传到ES上，参考（elasticsearch操作（API方式））
索引库（student）结构；
1、模糊查询
模糊查询，是指字段范例是“text”，参与分词的字段，如name、all字段；
（1）全部查询；
格式：
1.1 全部查询
GET /索引库名/_search
{
“query”: {
“match_all”: {}
}
}
可以看到，13条文档都查询出来了；
（2）单字段查询；
格式：
1.2 单字段查询
GET /索引库名/_search
{
“query”: {
“match”: {
“字段名”: “字段值”
}
}
}
查询效果：
（3）多字段查询；
格式：
1.3 多字段查询
GET /索引库名/_search
{
“query”: {
“multi_match”: {
“query”: “字段值”,
“fields”: [“字段名1”,“字段名2”]
}
}
}
查询效果：
2、精确查询
精确查询，用于等值判定的文档，即查询的值即是文档中对应字段的值，有两种，分别是term、range；
（1）term查询；
格式：
GET /索引库/_search
{
“query”: {
“term”: {
“字段名”: {
“value”: “字段值”
}
}
}
}
查询效果：
（2）range查询；
格式：
2.2 精确查询之range：job>=1 and job < 3
GET /索引库名/_search
{
“query”: {
“range”: {
“字段名”: {
“gte”: 字段值≥,
“lt”: 字段值<
}
}
}
}
查询效果：
3、地理坐标查询
es提供了地理坐标数据范例（如geo_point），假如文档中有由经纬度构成的位置数据，可以针对文档中的经纬度坐标查询，有两种方式：
（1）矩形范围；
根据提供的两个位置，画出一个矩形，查询位置在这个矩形内的文档；
格式：
GET /索引库名/_search
{
“query”: {
“geo_bounding_box”:{
“location”:{
“top_left”:{
“lat”:左上角位置纬度,
“lon”:左上角位置经度
},
“bottom_right”:{
“lat”:右下角位置纬度,
“lon”:右下角位置经度
}
}
}
}
}
（2）方圆范围；
根据提供的一个位置，一个距离，以位置为圆心，距离为半径，查询该位置方圆范围的文档；
格式：
3.2 地理查询值geo_distance
GET /索引库名/_search
{
“query”: {
“geo_distance”:{
“distance”:“距离”,
“location”:“纬度,经度”
}
}
}
距离可以可以写恣意长度单位，如15km，15000m；
4、复合查询
（1）算分查询；
查询的每条文档都会有一个分值，这个分值是ES根据BM25公式盘算得出的，查询效果会按照分值从高到低排序，我们可以根据文档中的条件，来手动调解该分值，使分值高的文档排在最前面；
比如，我们把ID为13的文档，手动修改分值，使其排在最前面；
格式：
4.1 算分查询
GET /student/_search
{
“query”: {
“function_score”: {
“query”: {
查询
“match_all”: {}
},
“functions”: [
{
“filter”: {
过滤
“term”: {
“id”: “13”
}
},
设置权重
“weight”: 10
}
],
加权模式，即最终分值 = 查询分值 ? 权重的运算符，multiply为乘
“boost_mode”: “multiply”
}
}
}
boost_mode常见的有multiply（乘），sum（加），replace（替换，纵然用权重替换掉查询分值）；
（2）布尔查询；
布尔查询也叫复合查询，指多条件的查询，该查询下有以下四个子查询，可根据现实须要添加：
- must：必须匹配的子查询，类似“与”；
- should：选择性匹配子查询，类似“或”；
- must_not：必须不匹配，不参与算分，类似“非”；
- filter：必须匹配，不参与算分；
如查询性别为“1”，job不在(2,4]区间内，id为11的文档，all字段可以为123456，DSL语句如下：
4.2 布尔查询
GET /student/_search
{
“query”: {
“bool”: {
必须匹配的子查询
“must”: [
{
“match”: {
“gender”: “1”
}
}
],
必须不能匹配的子查询
“must_not”: [
{
“range”: {
“job”: {
自我先容一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。
深知大多数大数据工程师，想要提升技能，每每是自己摸索成长大概是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易遇到天花板技能停滞不前！
因此收集整理了一份《2024年大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋侪。
既有得当小白学习的零底子资料，也有得当3年以上履历的小伙伴深入学习提升的进阶课程，根本涵盖了95%以上大数据开发知识点，真正体系化！
由于文件比力大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习条记、源码课本、实战项目、解说视频，而且后续会持续更新
假如你以为这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）
712516484786)]
[外链图片转存中…(img-QxFKgvkt-1712516484786)]
[外链图片转存中…(img-02wGCgQb-1712516484787)]
既有得当小白学习的零底子资料，也有得当3年以上履历的小伙伴深入学习提升的进阶课程，根本涵盖了95%以上大数据开发知识点，真正体系化！
由于文件比力大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习条记、源码课本、实战项目、解说视频，而且后续会持续更新
假如你以为这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）
[外链图片转存中…(img-uvyFFByl-1712516484787)]
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
