search API
实现对es中存储的数据进行查询分析，endpoint为_search，如下所示： 
查询主要有两种形式：
- URI Search
- 操作简便，方便通过命令行测试
- 仅包含部分查询语法
- Request Body Search
- es提供的完备查询语法 Query DSL(Domain Specific Language)
- es提供的完备查询语法 Query DSL(Domain Specific Language)
URI Search
- q指定查询的语句
- df q中不指定字段室默认查询的字段，如果不指定，es会查询所有字段
- sort 排序
- timeout 指定超时时间，默认不潮湿
- from,size用于分页
URI Search - Query String Syntax
- term与phrase
- alfred way等效于alfred OR way
- "alfred way"词语查询，要求先后顺序
- 泛查询：
- alfred 等效于在所有字段去匹配该term
- 指定字段
- name:alfred
- Group分组设定，使用括号指定匹配的规则
- （quick OR brown) AND fox
- status:(active OR pending) title:(full text search)
- 布尔操作符
- AND(&&)、OR(||)、NOT(!)
- name:(tom NOT lee)
- 注意大写，不能小写
-
-
- 分别对应must和must_not
- name:(tom + lee - alfred)
- name:((lee && !alfred) || (tom && lee && !alfred))
-
- 在url中会被解析为空格，要使用encode后的结果才可以，为%2B
-
- AND(&&)、OR(||)、NOT(!)
- 范围查询
- 区间写法，闭区间用[]，开区间用{}
- age:[1 TO 10] 意为 1<= age <= 10
- age:[1 TO 10} 意为 1<= age < 10
- age:[1 TO ] 意为 age >= 1
- age:[* TO 10] 意为 age <= 10
- 算数符号写法
- age:>=1
- age:(>= 1 && <= 10)或者age:(+>= 1 +<= 10)
- 区间写法，闭区间用[]，开区间用{}
- 通配符查询
- ?代表一个字符，*代表0或者多个字符
- name:t?m
- name:tom*
- name:t*m
- 通配符匹配执行效率低，且占用较多内存，不建议使用
- 如无特殊需求，不要将?/*放在最前面
- ?代表一个字符，*代表0或者多个字符
- 正则表达式匹配
- name:/[mb]oat/
- 模糊匹配 fuzzy query
- name:roam~1
- 匹配与roam差1个character的词，比如foam roams等
- 近似度查询 proximity search
- "fox quick"~5
- 以term为单位进行差异比较，比如"quick fox" "quick brown fox" 都会被匹配
Request Body Search
将查询语句通过http request body发送到es，主要包含如下参数：
- query符合Query DSL 语法的查询语句
- from,size
- timeout
- sort
Query DSL
它基于JSON定义的查询语言，主要包含如下两种类型：
- 字段类查询 如term，match，range等，只针对某一个字段进行查询
- 复合查询 如bool查询等，包含一个或多个字段类查询或者复合查询语句
字段类查询 字段类查询主要包含以下两类：
- 全文匹配：针对text类型的字段进行全文检索，会对查询语句先进行分词处理，如match，match_phrase等query类型
- 单词匹配：不会对查询语句做分词处理，直接去匹配字段的倒排索引，如term，terms，range等query类型
match Query 对字段做全文检索，最基本和常用的查询类型，API示例如下： 
-
可以通过operator参数控制单词间的匹配关系，可选项为or和and
-
通过minimum_should_match参数可以控制需要匹配的单词数
相关性算分 
-
相关性算分是指文档与查询语句间的相关度，英文为relevance
- 通过倒排索引可以获取与查询语句相匹配的文档列表，那么如何将最符合用户查询需求的文档放到前列呢？
- 本质是一个排序问题，排序的依据是相关性算分
-
相关性算分的几个重要概念如下：
- Term Frequency(TF)词频，即单词在该文档中出现额次数，词频越高，相关度越高
- Document Frequency(DF)文档频率，即单词出现的文档数
- Inverse Document Frequency(IDF)逆向文档频率，与文档频率相反，简单理解为1/DF。即单词出现的文档数越少，相关度越高
- Field-length Norm 文档越短，相关性越高
ES目前主要有两个相关性算分模型，如下：
- TF/IDF 模型
- BM25 模型，5.x之后的默认模型
match phrase Query 对字段作检索，有顺序要求，API示例如下： 
Query String Query 
Simple Query String Query 
Term Query 
Terms Query 
Range Query 范围查询主要针对数值和日期类型
-
针对数值做查询如下图所示：
-
针对日期做查询，如下所示：
Range Query - Date Math 针对日期提供的一种更友好的计算方式，格式如下： 
时间单位主要有以下几种：
- y - years
- M - months
- w - weeks
- d - days
- h - hours
- m - minutes
- s - seconds
Query DSL - 复合查询
符合查询是指包含字段类查询或复合查询的类型，主要包括以下几类：
- constant_score query
- bool query
- dis_max query
- function_score query
- boosting query
constant_score query 
Bool Query 布尔查询由一个或多个布尔子句组成，主要包含如下4个： 
Bool Query - Filter 
Bool Query - Must 
Bool Query - Must_Not 
Bool Query - Should Should使用分两种情况：
- bool 查询只包含should，不包含must查询
- bool 查询中同时包含should和must查询
Count API 获取符合条件的文档数，endpoint为_count 
Source Filtering 过滤返回结果中_source中的字段，主要有如下几种方式： 