前言
经过前两篇文章得实践，我们已经了解了ElasticSearch的基础知识，本篇文章让我来操作一些更真实的数据集。
我们可以利用生成如下的文档结构：
加载简单数据集
我们可以下载es提供的数据集accounts.json，然后推送到ES集群
我们可以看到1000个文档已经索引到bank索引下了。
搜索API
让我们开始运行一些简单的搜索api,有两种方式：
- 发送参数到REST request URI
- 发送请求到REST request body，请求body支持json格式，易读易使用。
让我们分析下这个搜索请求。我们正在用_search搜索 bank索引。q=代表Es会匹配索引内的全部文档。sort=account_number:asc代表每个文档的字段以account_number升序对结果进行排序。pretty*代表结果以漂亮的json格式输出。
这里摘选部分结果
- took - Elasticsearch执行搜索的时间（以毫秒为单位）
- timed_out - 告诉我们搜索是否超时
- _shards - 告诉我们搜索了多少个分片，以及搜索成功/失败分片的计数
- hits - 搜索结果
- hits.total - 符合我们搜索条件的文档总数
- hits.hits - 实际的搜索结果数组（默认为前10个文档）
- hits.sort - 对结果进行排序（如果按分数排序则丢失）
- hits._score并max_score- 暂时忽略这些字段
也可以用Request Body方式执行搜索,格式如下：
介绍查询语言【Query Language】
Elasticsearch提供了一种JSON样式的特定于域的语言，可用于执行查询。这被称为查询DSL。查询语言非常全面，乍一看可能令人生畏，但实际学习它的最佳方法是从一些基本示例开始。
回到上面的例子，我们执行查询：
解析上面的内容，该query部分告诉我们查询定义是什么，match_all部分只是我们想要运行的查询类型。该match_all查询仅仅是在指定索引的所有文件进行搜索。
除了query参数，我们还可以传递其他参数来影响搜索结果。在上面我们传入的部分的示例中 sort，我们传入size：
请注意，如果size未指定，则默认为10。
此示例执行一个 match_all并返回文档10到19：
from规定文档开始的索引，size指定了查询文档的大小。在实现分页时，这两个参数非常有用。from如果不传，默认为0。
下面的示例执行一个 match_all并按帐户余额降序对结果进行排序，返回前10个（默认大小）文档。
执行搜索
上面我们已经看到了一些基本的查询示例，让我们再深入了解下QueryDSL。让我们来看下返回的json文档的字段。默认情况下会返回命中文档的所有字段。这被称为源（_source代表命中的字段）。有些情况下，我们只需要部分字段，如下：
下面我们来说说查询部分。之前我们讲过match_all是匹配所有文档，现在让我们了解一个 query，它能针对特定字段或字段集进行搜索。
下面这个示例能搜索account_number为20的数据：
此示例返回地址中包含术语“mill”或“lane”的所有帐户，这里格外注意【空格隔开的两个单词是or查询】：
此示例演示地址种包含“mill lane”的所有账户，【用match_phrase查询时，空格隔开的依然是一个单词】
然后我们继续介绍下 query，它允许我们使用布尔查询将更小的查询组合成更大的查询。
must 同时满足条件此示例组成两个match查询并返回地址中包含“mill”和“lane”的所有帐户：
在上面的示例中，该bool must子句指定必须为true才能将文档视为匹配的所有查询。
should或满足一个即可 此示例组成两个match查询并返回地址中包含“mill”或“lane”的所有帐户:
在上面的示例中，该bool should子句指定了一个查询列表，其中任何一个查询都必须为true，才能将文档视为匹配项。
must_not都不包含 此示例组成两个match查询并返回地址中既不包含“mill”也不包含“lane”的所有帐户：
我们可以在查询中同时组合must，should和must_not子句bool。此外，我们可以bool在任何这些bool子句中组合查询来模仿任何复杂的多级布尔逻辑。
此示例返回任何40岁但不住在ID（aho）的人的所有帐户
执行过滤器
上面的示例中，我们跳过了一个称为文档分数的小细节（_score搜索结果中的字段）。分数是一个数值，它是文档与我们指定的搜索查询匹配程度的相对度量。分数越高，文档越相关，分数越低，文档的相关性越低。
但是查询并不总是需要产生分数，特别是当它们仅用于“过滤”文档集时。Elasticsearch会检测这些情况并自动优化查询执行，以便不计算无用的分数。
我们在上面示例介绍的查询还支持允许使用查询来限制将与其他子句匹配的文档的子句，而不会更改计算得分的方式。作为示例，让我们介绍一下查询，它允许我们按一系列值过滤文档。一般数字或日期会用到range。
此示例使用bool查询返回余额大于或等于20000且小于或等于30000的帐户。
解析上面的内容，bool查询包含match_all查询（查询部分）和range查询（过滤部分）。我们可以将任何其他查询替换为查询和过滤器部分。
除了match_all，match，bool，和range查询，有很多可用的其他查询类型的,这里暂时不讲了，我们了解了大致的工作原理后，将这些知识应用于学习和试验其他查询类型应该不会太困难。
执行聚合
聚合提供了从数据中分组和提取统计信息的功能。考虑聚合的最简单方法是将其大致等同于SQL GROUP BY和SQL聚合函数。在Elasticsearch中，您可以执行返回匹配的搜索，同时在一个响应中返回与命中相关的聚合结果。这是非常强大和高效的，因为您可以运行查询和多个聚合，并一次性获取两个（或任一）操作的结果，避免使用简洁和简化的API进行网络往返。
首先，此示例按state对所有帐户进行分组，然后返回按计数降序排序的前10个（默认）states（也是默认值），（这里的group_by_state可理解成自定义的聚合名称，可以自定义改变）：
在SQL中，上面的聚合类似：
返回结果如下。
我们可以看到key为ID的有27个账户，TX也是27个账户，AL的是25个账户，以此类推。
请注意，我们设置size=0为不显示搜索匹配，因为我们只希望在响应中看到聚合结果。
在前一个聚合的基础上，此示例按州计算平均帐户余额（同样仅针对按降序排序的前10个州）：
请注意我们如何嵌套average_balance聚合内的group_by_state聚合。这是所有聚合的常见模式。您可以在聚合中任意嵌套聚合，以从数据中提取所需的轮转摘要。
在前一个聚合的基础上，我们现在按降序排列平均余额：
此示例演示了我们如何按年龄段（20-29岁，30-39岁和40-49岁）进行分组，然后按性别分组，最后得到每个年龄段的平均帐户余额：
还有许多其他聚合功能，我们在此不再详述。如果您想进行进一步的实验，聚合参考指南是一个很好的起点。
总结
本篇文章依据官方文档，实践了查询和聚合命令，前面查询的部分还是很简单的，聚合这块有些复杂。
本篇到此结束，感谢观看。有兴趣的可以通过 http://www.weixinhe.cn:5601 演示上述命令。