kibana数据操作

1.创建索引

# 语法：
PUT /<index>

# 示例：
PUT /laowang
PUT xiaowang

2.创建数据

# 语法
PUT /<index>/_doc/<_id>
POST /<index>/_doc/
PUT /<index>/_create/<_id>
POST /<index>/_create/<_id>

index：索引名称，如果索引不存在，会自动创建
_doc：类型
<_id>：唯一识别符，创建一个数据时，可以自定义ID，也可以让他自动生成


# ES 存储数据三个必要构成条件，每一条数据必须有以下的数据结构

构成条件	说明
_index	索引（数据存储的地方）
_type	类型（数据对应的类）
_id	数据唯一标识符

3.指定 ID 插入数据（PUT）

PUT /student/user/4
{
  "name":"congtianqi",
  "sex":"male"
}

# 一般不用此方式插入数据
# —— 需要修改 ID 值
# —— 当指定 ID 时，插入数据时会查询数据对比 ID 值，若 ID 相同，则会覆盖更新原来的数据

4.随机ID插入数据(post)

# ES 会随机生成一个较长字符串作为此条数据的唯一 ID 标识
POST /student/user/
{
  "name":"xiaoliu",
  "gender":"female"
}

5.添加指定字段

# 推荐使用方法
POST /student/user/
{
  "id":"1",
  "name":"xiaoliu",
  "gender":"female"
}

6.查询数据

1.简单查询

# 查看所有索引信息
GET /_all
GET _all

# 查看所有索引的数据
GET /_all/_search

# 查看指定索引信息
GET /student

# 查看指定索引的数据
GET /student/_search

# 查看指定数据
GET /student/user/1

2.条件查询
1). —term 代表完全匹配，也就是精确查询，搜索前不会再对搜索词进行分词，例如，我们要搜索标题（title）为 "北京烤鸭" 的所有文档:

# 方法一：
GET /news/_search
{
  "query": {
    "term": {			    
      "title": {
        "value": "北京烤鸭"
      }
    }
  }
}

# 可以省略 value 行，与 Key 合并到一行
GET /news/_search
{
  "query": {
    "term": {		       <-------- 使用 term 匹配，适用于精确查找
      "title":"北京烤鸭"        <------- 简写，并为一行
    }
  }
}

2). — match 代表模糊匹配，先对搜索词进行分词，例如，我们要搜索标题（title）为 "北京烤鸭" 的文档时，会先将 "北京烤鸭" 分词为 "北京" 和 "烤鸭"，符合两者其一的，都会取到结果：

# 方法二：
GET /news/_search
{
  "query": {
    "match": {			<-------- 使用 match 匹配，适用于模糊查找
      "title": "北京烤鸭"
    }
  }
}

3.多条件查询（Bool）

Bool 查询现在包括四种子句：must，filter，should，must_not

1).Bool 查询现在包括四种子句：must，filter，should，must_not

# 查询条件必须全部满足
GET /student/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "age": {
              "value": "23"
            }
          }
        },
        {
          "term": {
            "name": {
              "value": "wqh"
            }
          }
        }
      ]
    }
  }
}

2).— filter 查询：查询条件必须全部满足，类似 SELECT 语句中的 AND，与 must 不同的是，不会计算相关性分数：

# 跟 must 一样，在数据量很大时，比 must 查询快一点，因为不用计算相关分
GET /student/_search
{
  "query": {
    "bool": {
      "filter": [
        {
          "term": {
            "age": {
              "value": "23"
            }
          }
        },
        {
          "term": {
            "name": {
              "value": "wqh"
            }
          }
        }
      ]
    }
  }
}

3).— should 查询：查询条件满足其一即可，类似 SELECT 语句中的 OR，会计算相关性分数：

# 多条件查询时，查询条件只要有一个满足就可以
GET /student/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "term": {
            "age": {
              "value": "23"
            }
          }
        },
        {
          "term": {
            "name": {
              "value": "wqh"
            }
          }
        }
      ]
    }
  }
}

4).— must_not 查询：查询条件必须不满足，类似 SELECT 语句中的 NOT，会计算相关性分数:

# must_not 中的条件，必须全部不满足
GET /student/_search
{
  "query": {
    "bool": {
      "must_not": [
        {
          "term": {
            "age": {
              "value": "23"
            }
          }
        },
        {
          "term": {
            "name": {
              "value": "wqh"
            }
          }
        }
      ]
    }
  }
}

5). — must + should 查询：

# 查询年龄是 23岁 或者年龄是 18岁 并且名字是 j 的数据
GET /student/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "term": {
            "age": {
              "value": "23"
            }
          }
        },
        {
          "bool": {
            "must": [
              {
                "term": {
                  "age": {
                    "value": "18"
                  }
                }
              },
              {
                "term": {
                  "name": {
                    "value": "wqh"
                  }
                }
              }
            ]
          }
        }
      ]
    }
  }
}

6).范围查询：

GET /student/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "age": {
              "gte": 20,
              "lte": 25
            }
          }
        }
      ]
    }
  }
}

7.修改数据

# 修改数据时指定 ID 修改
PUT /student/user/1
{
  "name":"雾山火行",
  "gender":"male",
  "age":"18"
}

# 注意，修改数据时，除了要修改的值，其他字段的值也要带上，否则原有的其他字段会丢失
PUT /student/user/2
{
  "name":"wqh",
  "gender":"male",
  "age":"19"
}

8.删除数据

# 删除指定 ID 数据
DELETE /student/user/4

# 删除索引（别瞎删，可以用 ES-head 关闭索引）
DELETE /student

9.总结

Query Context（不带 Filter） 与 Filter Context#
①. — Query Context 即指所有不使用 Bool 查询中的 Filter（过滤器）的上下文查询

②. — Filter Context 指 Bool 查询中，使用 Filter（过滤器）的上下文查询

查询在 Query 查询上下文和 Filter 过滤器上下文中，执行的操作是不一样的：

①. — 查询上下文：是在使用 query 进行查询时的执行环境，比如使用 search 的时候。
在查询上下文中，查询会回答这个问题——“这个文档是否匹配，它的相关度高么？”
ES中索引的数据都会存储一个 _score 分值，分值越高就代表越匹配。即使 lucene 使用倒排索引，对于某个搜索的分值计算还是需要一定的时间消耗 。

②. — 过滤器上下文：在使用 filter 参数时候的执行环境，比如在 bool 查询中使用 Must_not 或者 filter
在过滤器上下文中，查询会回答这个问题——“这个文档是否匹配？”
它不会去计算任何分值，也不会关心返回的排序问题，因此效率会高一点。
另外，经常使用过滤器，ES会自动的缓存过滤器的内容，这对于查询来说，会提高很多性能。

总而言之：
①. — 查询上下文：查询操作不仅仅会进行查询，还会计算分值，用于确定相关度；

②. — 过滤器上下文：查询操作仅判断是否满足查询条件，不会计算得分，查询的结果可以被缓存，所以速度快

所以，根据实际的需求是否需要获取得分，考虑性能因素，选择不同的查询子句；如果不需要获得查询词条的相关性分数，尽量使用 Filter 。