前言

在上一篇，分享了使用kibana如何对索引进行增删改查等操作，事实上在日常开发与运维中，操作索引毕竟是比较谨慎的事情，但是对于索引中文档的增删查改却是随处可见的，es对文档的操作不仅频繁，而且涉及到的点比较多，本文将分享对文档的基本的操作；

一、给文档添加数据

首先创建一个索引

PUT test_doc

使用 put 给文档添加一条数据

 执行上面的语句发现报错了，因为es中的文档数据需要唯一性标识，因此需要添加一个id，修改下执行语句

PUT test_doc/_doc/1001
{"id":1001,"name":"jerry","age":12
}

再次执行后就可以了 

使用 post 给文档添加一条数据

使用post同样可以达到目的，参考下面的语句

POST test_doc/_doc
{"id":1002,"name":"mike","age":15
}

 与put不同的是，post不需要强制在请求URL中添加id值，而是自动为当前这条数据生成一个_id；

二、查询索引文档数据

按照id值进行查询

查询单个数据

GET test_doc/_doc/1001

查询索引下所有文档数据

GET test_doc/_search

三、修改文档数据

使用put进行修改

根据主键值id进行修改

PUT test_doc/_doc/1001
{"id":1001,"name":"jerry","age":12
}

可以看到在这种情况下，新增了一个字段仍然可以修改成功 

四、删除文档数据

根据主键id值进行删除

DELETE test_doc/_doc/1001

 删除后再次查询，数据被删掉了

五、文档搜索

文档搜索是es最强大的功能之一，也是架构设计之初选择es的一个重要原因，es对于文档的搜索提供了丰富的API，下面通过一些实际的操作演示来感受下es文档搜索的强大之处；

前置准备

创建一个索引 test_query，并给这个索引下批量插入一些数据

PUT test_queryPUT test_query/_bulk
{"index": {"_index": "test_query","_id": "1001"}}
{"id": "1001","name":"zhang san","age":30}
{"index": {"_index": "test_query","_id": "1002"}}
{"id": "1002","name":"li si","age": 40}
{"index": {"_index": "test_query","_id": "1003"}}
{"id": "1003", "name": "wang wu","age" : 50}
{"index": {"_index": "test_query","_id": "1004"}}
{"id": "1004","name": "zhangsan", "age" : 30}
{"index": {"_index": "test_query","_id": "1005"}}
{"id": "1005","name": "lisi","age":40}
{"index": {"_index": "test_query","_id": "1006"}}
{"id": "1006", "name ": "wangwu","age" : 50}

单个字段相关查询

1、查询某个索引下的所有数据

GET 索引名称/_search

2、使用match匹配某个字段的关键词

比如name字段中包含 zhangsan 的文档

GET test_query/_search
{"query": {"match": {"name": "zhangsan"}}
}

 要注意的是，这种方式查询的结果，表示name 中只要包含了zhangsan这个完整的关键词的文档都会查询出来，因为默认情况下，如果我们未对索引中的字段进行属性映射文件的设置的话，es会对字段进行分词处理；

比如我们再增加下面这条数据

POST test_query/_doc
{"id":"1007","name":"zhang wu","age":37
}

再次使用 zhang 这个关键词进行name字段查询时，可以看到下面的效果，简而言之：使用match查询时会带有分词效果；

3、使用term精确匹配某个字段的关键词

精准匹配name等于zhangsan这个词的文档，term的效果就像mysql语法中的 where name="XXX"

GET test_query/_search
{"query": {"term": {"name": {"value": "zhangsan"}}}
}

4、查询结果中过滤某些不需要的字段

某些情况下，不需要查询结果中返回所有的字段，就可以通过添加"_source"进行限制

GET test_query/_search
{"_source": ["name","age"], "query": {"match": {"name": "zhang"}}
}

多条件组合查询

组合查询的关键语法是需要在查询条件中使用bool关键字

1、查询name中含有zhang或age为40的数据

这个需求类似于mysql 中的or的语法，在es中使用should可以满足类似的需求

GET test_query/_search
{"query": {"bool": {"should": [[{"match":{"name":"zhang"}},{"match":{"age":40}}]]}}
}

2、查询文档中name中必须含有zhang或者age必须大于等于30岁的数据

组合使用should和must

GET test_query/_search
{"query": {"bool": {"must": [[{"match":{"name":"zhang"}}]],"should": [{"range": {"age": {"gte": 30}}}]}}
}

查询结果排序

查询name中含有 zhang或li的文档，并按照age排序

GET test_query/_search
{"query": {"match": {"name": "zhang"}},"sort":[{"age" : {"order":"desc"}}]
}

分页查询

语法

GET 索引名称/_search
{
  "query": {
    "match_all": {}
  },
  "from": 0,        //从第几条开始查询
  "size": 2         //每次查询多少数据
}

看下面的查询结果

GET test_query/_search
{"query": {"match_all": {}},"from": 0,"size": 2
}

聚合查询

实际业务中，经常会涉及到对查询的结果根据某个或者某些字段进行聚合，类似于mysql中的group by语法；

需求1：根据age将查询结果进行分组聚合

 注意点：这里 "size"设置为0表示查询结果中不展示其他非聚合结果的信息；

GET test_query/_search
{"aggs": {"aggAge": {"terms": {"field": "age"}}},"size": 0
}

需求2：查询年龄大于等于40岁的，并将结果按照age分组聚合

GET test_query/_search
{"query": {"range": {"age": {"gte": 40}}}, "aggs": {"aggAge": {"terms": {"field": "age"}}},"size": 0
}

查询结果如下

 需求3：根据age分组聚合，再对聚合后的结果按照age求平均值

GET test_query/_search
{"aggs": {"ageAgg": {"terms": {"field": "age"},"aggs": {"avgAgg": {"avg": {"field": "age"}}}}},"size": 0
}

查询结果如下

 需求4：获取结果集中的前N个数据

GET test_query/_search
{"aggs": {"top3": {"top_hits": {"size": 3}}},"size": 0
}

查询结果如下

 需求5：获取结果集中按照age字段排序后求取前N个数据

GET test_query/_search
{"aggs": {"top3": {"top_hits": {"sort": [{"age" : {"order":"desc"}}], "size": 3}}},"size": 0
}

查询结果如下