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/
![Java[IDEA]里的debug](https://i-blog.csdnimg.cn/direct/a31cb5d8792b405c9687aac82d7bf567.png)
