Docker安装ES&kibban

Elasticsearch安装

安装指定版本

docker pull elasticsearch:7.4.2

创建目录注意这里路径要与启动时指定路径一致

mkdir -p /mydata/elasticsearch/data
mkdir -p /mydata/elasticsearch/config

授权

chmod 777 /mydata/elasticsearch/config/
chmod 777 /mydata/elasticsearch/data/

启动并映射主机目录

 docker run -d --name elasticsearch -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" -e ES_JAVA_OPTS="-Xms128m -Xmx512m"  -v /mydata/elasticsearch/data:/usr/share/elasticsearch/data -v/mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins -d elasticsearch:7.4.2

参数解析：

-d 后台运行 --name docker容器名称 -p 映射端口 -e 环境变量 ES_JAVA_OPTS 内存大小最后是刚刚pull下来的镜像和版本号

错误：

Caused by: java.nio.file.AccessDeniedException: /usr/share/elasticsearch/data/nodes

主机文件夹权限不够，无法写入解决：

chmod 777 /mydata/elasticsearch/config/
chmod 777 /mydata/elasticsearch/data/

虚拟机验证

curl http://localhost:9200

启动成功

{
  "name" : "1028c123ceae",
  "cluster_name" : "docker-cluster",
  "cluster_uuid" : "Wmkul_5uSI-erD8iF7hvow",
  "version" : {
    "number" : "7.4.2",
    "build_flavor" : "default",
    "build_type" : "docker",
    "build_hash" : "2f90bbf7b93631e52bafb59b3b049cb44ec25e96",
    "build_date" : "2019-10-28T20:40:44.881551Z",
    "build_snapshot" : false,
    "lucene_version" : "8.2.0",
    "minimum_wire_compatibility_version" : "6.8.0",
    "minimum_index_compatibility_version" : "6.0.0-beta1"
  },
  "tagline" : "You Know, for Search"
}

主机浏览器验证在这里插入图片描述

浏览器输入http://localhost:9200/ 也是同样JSON

kibban安装

拉取

docker pull kibana:7.4.2

启动kibana并关联elasticsearch 修改ip为自己虚拟机ip地址

 docker run -d -p 5601:5601 --link elasticsearch -e "ELASTICSEARCH_URL=http://虚拟机ip地址:9200" kibana:7.4.2

启动Kibana之后就能看到界面了访问：虚拟机ip地址:5601

可以看到kibana英文页面，要设置成中文，因为没有挂载目录则需要进入kibana容器内部 1、进入容器

docker exec -it [你的容器id]  /bin/bash

2、编辑kibana.yml

vi /usr/share/kibana/config/kibana.yml

3、在最后一行加入i18n.locale: zh-CN 注意冒号后边有个空格

在这里插入图片描述 4、保存后退出kibana容器

exit

5、重启kibana容器

docker restart [你的容器id]

6、访问kibana 开发工具页面在这里插入图片描述

IK分词器安装

IK分词器GitHUb

如果启动时容器有映射文件到虚拟机 -v/mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins 则可以直接在window下下载对应版本IK并解压上传到虚拟机映射目录即安装成功（一定需要对应es版本安装）在这里插入图片描述连接问题，设置密码登录，即可使用xftp上传文件 如果启动时没有映射目录

1、进入es容器内部plugins目录

docker exec -it 容器ID /bin/bash

2、下载安装包

wget https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.4.2/elasticsearch-analysis-ik-7.4.2.zip

报错：wget: command not found 解决：yum -y install wget

解压

unzip 下载的文件

删除安装包

rm -rf *.zip

重名命为IK（可省略）

mv elasticsearch/ik

确定安装好了分词器，去到es的bin目录下

elasticsearch-plugin list

即可列出系统的分词器安装成功 kibana验证（记得重启es容器）创建索引，默认分词

PUT my_index
GET my_index/_analyze
{
  "text": "我是中国人"
}

结果

{
  "tokens" : [
    {
      "token" : "我",
      "start_offset" : 0,
      "end_offset" : 1,
      "type" : "CN_CHAR",
      "position" : 0
    },
    {
      "token" : "是",
      "start_offset" : 1,
      "end_offset" : 2,
      "type" : "CN_CHAR",
      "position" : 1
    },
    {
      "token" : "中国人",
      "start_offset" : 2,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 2
    },
    {
      "token" : "中国",
      "start_offset" : 2,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 3
    },
    {
      "token" : "国人",
      "start_offset" : 3,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 4
    }
  ]
}

指定ik_smart 会做最粗粒度的拆分，比如会将“中华人民共和国人民大会堂”拆分为中华人民共和国、人民大会堂

GET my_index/_analyze
{
  "analyzer": "ik_smart", 
  "text": "我是中国人"
}

结果

{
  "tokens" : [
    {
      "token" : "我",
      "start_offset" : 0,
      "end_offset" : 1,
      "type" : "CN_CHAR",
      "position" : 0
    },
    {
      "token" : "是",
      "start_offset" : 1,
      "end_offset" : 2,
      "type" : "CN_CHAR",
      "position" : 1
    },
    {
      "token" : "中国人",
      "start_offset" : 2,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 2
    }
  ]
}

指定ik_max_word 会将文本做最细粒度的拆分，比如会将“中华人民共和国人民大会堂”拆分为“中华人民共和国、中华人民、中华、华人、人民共和国、人民、共和国、大会堂、大会、会堂等词语

GET my_index/_analyze
{
  "analyzer": "ik_max_word", 
  "text": "我是中国人"
}

结果

{
  "tokens" : [
    {
      "token" : "我",
      "start_offset" : 0,
      "end_offset" : 1,
      "type" : "CN_CHAR",
      "position" : 0
    },
    {
      "token" : "是",
      "start_offset" : 1,
      "end_offset" : 2,
      "type" : "CN_CHAR",
      "position" : 1
    },
    {
      "token" : "中国人",
      "start_offset" : 2,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 2
    },
    {
      "token" : "中国",
      "start_offset" : 2,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 3
    },
    {
      "token" : "国人",
      "start_offset" : 3,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 4
    }
  ]
}

Nginx安装

实现远程词库

为什么要用远程词库？

过滤一些不能够出现的词语，以及一些流行词语

实现方式：将远程词库放在Nginx中当静态资源使用，这样添加的词语不用重启两个服务都就可以直接使用 1、拉取nginx

docker pull nginx:1.10

2、启动nginx

docker run -p 80:80 --name nginx -d nginx:1.10

这里只是随便启动一个nginx，只是为了复制出配置 3、复制配置将容器中文件复制到当前目录（.）注意是空格一个点

docker container cp nginx:/etc/nginx .

docker container cp 容器:容器文件虚拟机位置------复制容器文件到虚拟机虚拟机位置使用点（.）代表当前位置可以在nginx目录下看到复制成功的配置

drwxr-xr-x. 2 root root 4096 3月  28 2017 conf.d
-rw-r--r--. 1 root root 1007 1月  31 2017 fastcgi_params
-rw-r--r--. 1 root root 2837 1月  31 2017 koi-utf
-rw-r--r--. 1 root root 2223 1月  31 2017 koi-win
-rw-r--r--. 1 root root 3957 1月  31 2017 mime.types
lrwxrwxrwx. 1 root root   22 1月  31 2017 modules -> /usr/lib/nginx/modules
-rw-r--r--. 1 root root  643 1月  31 2017 nginx.conf
-rw-r--r--. 1 root root  636 1月  31 2017 scgi_params
-rw-r--r--. 1 root root  664 1月  31 2017 uwsgi_params
-rw-r--r--. 1 root root 3610 1月  31 2017 win-utf

4、停止删除nginx容器

[root@daihao mydata]# docker stop 5d
5d
[root@daihao mydata]# docker rm 5d
5d

5、修改文件名

[root@daihao mydata]# ls
elasticsearch  nginx
[root@daihao mydata]# mv nginx conf
[root@daihao mydata]# ls
conf  elasticsearch
[root@daihao mydata]# mkdir nginx
[root@daihao mydata]# ls
conf  elasticsearch  nginx
[root@daihao mydata]# mv ngin conf
[root@daihao mydata]# ls
conf  elasticsearch  nginx
[root@daihao mydata]# mv conf nginx/
[root@daihao mydata]# ls
elasticsearch  nginx
[root@daihao mydata]# cd nginx/
[root@daihao nginx]# ls
conf

6、运行容器挂载目录

docker run -p 80:80 --name nginx -v /mydata/nginx/html:/usr/share/nginx/html -v /mydata/nginx/logs:/var/log/nginx -v /mydata/nginx/conf:/etc/nginx -d nginx:1.10

7、测试在/mydata/nginx/html下新建一个index.html

vi index.html

键入任意html 在这里插入图片描述浏览器测试 ip:80 创建fenci.txt 自定义分词文件键入想要分词的词语如乔碧罗

[root@daihao nginx]# cd html/
[root@daihao html]# ls
index.html
[root@daihao html]# mkdir es
[root@daihao html]# ls
es  index.html
[root@daihao html]# cd es
[root@daihao es]# vi fenci.txt

测试：http://192.168.175.130/es/fengci.txt 在这里插入图片描述修改 IKAnalyzer.cfg.xml

[root@daihao es]# cd /mydata/
[root@daihao mydata]# ls
elasticsearch  nginx
[root@daihao mydata]# cd elasticsearch/plugins/elasticsearch-analysis-ik-7.4.2/
[root@daihao elasticsearch-analysis-ik-7.4.2]# ls
commons-codec-1.9.jar    config                               httpclient-4.5.2.jar  plugin-descriptor.properties
commons-logging-1.2.jar  elasticsearch-analysis-ik-7.4.2.jar  httpcore-4.4.4.jar    plugin-security.policy
[root@daihao elasticsearch-analysis-ik-7.4.2]# cd config/
[root@daihao config]# ls
extra_main.dic         extra_single_word_full.dic      extra_stopword.dic  main.dic         quantifier.dic  suffix.dic
extra_single_word.dic  extra_single_word_low_freq.dic  IKAnalyzer.cfg.xml  preposition.dic  stopword.dic    surname.dic
[root@daihao config]# vi IKAnalyzer.cfg.xml

修改远程词库地址为nginx文件地址在这里插入图片描述重启es容器

docker restart id

kibana测试

GET my_index/_analyze
{
  "analyzer": "ik_max_word", 
  "text": "乔碧罗殿下"
}

结果

{
  "tokens" : [
    {
      "token" : "乔碧罗",
      "start_offset" : 0,
      "end_offset" : 3,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "殿下",
      "start_offset" : 3,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 1
    }
  ]
}

成功~~~

安装可能使用命令可参见Linux命令记录

检索

1、查看es中有哪些索引

GET /_cat/indices?v

es 中会默认存在一个名为.kibana的索引在这里插入图片描述表头的含义

名	义
health	green(集群完整) yellow(单点正常、集群不完整) red(单点不正常)
status	是否能使用
index	索引名
uuid	索引统一编号
pri	主节点几个
rep	从节点几个
docs.count	文档数
docs.deleted	文档被删了多少
store.size	整体占空间大小
pri.store.size	主节点占
cluster	整个elasticsearch 默认就是集群状态，整个集群是一份完整、互备的数据。
node	集群中的一个节点，一般只一个进程就是一个node
shard	分片，即使是一个节点中的数据也会通过hash算法，分成多个片存放，默认是5片。
index	相当于rdbms的database, 对于用户来说是一个逻辑数据库，虽然物理上会被分多个shard存放，也可能存放在多个node中。
type	类似于rdbms的table，但是与其说像table，其实更像面向对象中的class , 同一Json的格式的数据集合。
Document(json)	类似于rdbms的 row、面向对象里的object
field	相当于字段、属性

2、增加一个索引(库)

PUT /movie_index

3、删除一个索引

ES 是不删除也不修改任何数据

DELETE /movie_index

4、新增文档

原有格式

PUT /index/type/id

保存在哪个索引（库）/ 哪个类型下 / 指定具体标识

注意在这里插入图片描述 elasticsearch 在第一个版本的开始每个文档都储存在一个索引中，并分配一个映射类型，映射类型用于表示被索引的文档或者实体的类型，这样带来了一些问题，导致后来在 elasticsearch6.0.0 版本中一个文档只能包含一个映射类型，而在 7.0.0 中，映射类型则将被弃用，到了 8.0.0 中则将完全被删除。所以使用type则会警告但是不会报错在这里插入图片描述

解释一下警告信息：

#! Deprecation: [types removal] Specifying types in document index requests is deprecated, use the typeless endpoints instead (/{index}/_doc/{id}, /{index}/_doc, or /{index}/_create/{id}).

#!Deprecation: [types removal]不支持在文档索引请求中指定类型，而是使用无类型的端点(/{index}/_doc/{id}， /{index}/_doc，或/{index}/_create/{id})。

#! Deprecation: [types removal] Specifying types in search requests is deprecated.

#!Deprecation: [types removal]不赞成在搜索请求中指定类型

就是告诉你_type快没用了。以后都不会有_type而是写死_doc

PUT /index/_doc/id

例：

PUT /movie_index/_doc/1
{
	"id": 1,
	"name": "红海行动",
	"doubanScore": 8.5,
	"actorList": [{
			"id": 1,
			"name": "张译"
		},
		{
			"id": 2,
			"name": "海清"
		},
		{
			"id": 3,
			"name": "张涵予"
		}
	]
}

PUT /movie_index/_doc/2
{
	"id": 2,
	"name": "湄公河事件",
	"doubanScore": 8.0,
	"actorList": [{
		"id": 3,
		"name": "张涵予"
	}]
}

PUT /movie_index/_doc/3
{
	"id": 3,
	"name": "红海事件",
	"doubanScore": 5.0,
	"actorList": [{
		"id": 4,
		"name": "代号"
	}, {
		"id": 5,
		"name": "刘德华"
	}]
}

如果之前没建过index或者type，es 会自动创建。

5、直接用id查找

GET movie_index/_doc/1

6、修改—整体替换

和新增没有区别

PUT /movie_index/_doc/3
{
	"id": 3,
	"name": "红海事件",
	"doubanScore": 5.0,
	"actorList": [{
		"id": 4,
		"name": "代号"
	}, {
		"id": 5,
		"name": "刘德华"
	}]
}

7、修改—某个字段

POST movie_index/_update/3/
{ 
  "doc": {
    "doubanScore":"7.0"
  } 
}

8、删除一个document

DELETE movie_index/_doc/3

9、搜索全部数据

GET movie_index/_doc/_search

结果

{
  "took" : 1, //耗费时间 毫秒
  "timed_out" : false, //是否超时
  "_shards" : {
    "total" : 1, //发送给全部1个分片
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3, //命中3条数据
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [ //结果
      {
        "_index" : "movie_index",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "id" : 1,
          "name" : "红海行动",
          "doubanScore" : 8.5,
          "actorList" : [
            {
              "id" : 1,
              "name" : "张1译"
            },
            {
              "id" : 2,
              "name" : "海清"
            },
            {
              "id" : 3,
              "name" : "张涵予"
            }
          ]
        }
      },
      {
        "_index" : "movie_index",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 1.0,
        "_source" : {
          "id" : 2,
          "name" : "湄公河事件",
          "doubanScore" : 8.0,
          "actorList" : [
            {
              "id" : 3,
              "name" : "张涵予"
            }
          ]
        }
      },
      {
        "_index" : "movie_index",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 1.0,
        "_source" : {
          "id" : 3,
          "name" : "红海事件",
          "doubanScore" : 5.0,
          "actorList" : [
            {
              "id" : 4,
              "name" : "代号"
            },
            {
              "id" : 5,
              "name" : "刘德华"
            }
          ]
        }
      }
    ]
  }
}

10、匹配条件查询(全部)

GET movie_index/_search
{
  "query":{
    "match_all": {}
  }
}

11、按分词查询

GET movie_index/_search
{
  "query":{
    "match": {"name":"红"}
  }
}

注意结果的评分

response

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 0.48527452,
    "hits" : [
      {
        "_index" : "movie_index",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 0.48527452,
        "_source" : {
          "id" : 1,
          "name" : "红海行动",
          "doubanScore" : 8.5,
          "actorList" : [
            {
              "id" : 1,
              "name" : "张1译"
            },
            {
              "id" : 2,
              "name" : "海清"
            },
            {
              "id" : 3,
              "name" : "张涵予"
            }
          ]
        }
      },
      {
        "_index" : "movie_index",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 0.48527452,
        "_source" : {
          "id" : 3,
          "name" : "红海事件",
          "doubanScore" : 5.0,
          "actorList" : [
            {
              "id" : 4,
              "name" : "代号"
            },
            {
              "id" : 5,
              "name" : "刘德华"
            }
          ]
        }
      }
    ]
  }
}

12、按分词子属性查询

GET movie_index/_search
{
  "query":{
    "match": {"actorList.name":"张"}
  }
}

13、按短语查询

GET movie_index/_search
{
    "query":{
      "match_phrase": {"name":"红海"}
    }
}

按短语查询，不再利用分词技术，直接用短语在原始数据中匹配

14 、校正匹配分词

GET movie_index/_search
{
    "query":{
      "fuzzy": {"name":"rad"}
    }
}

fuzzy查询，当一个单词都无法准确匹配，es通过一种算法对非常接近的单词也给与一定的评分，能够查询出来，但是消耗更多的性能。 中文测试不成功，创建了一个新的索引指定name为read,测试查找成功

15 、过滤--查询后过滤

GET movie_index/_search
{
    "query":{
      "match": {"name":"红"}
    },
    "post_filter":{
      "term": {
        "actorList.id": 1
      }
    }
}

16、过滤--查询前过滤

（推荐）

GET movie_index/_search
{ 
    "query":{
        "bool":{
          "filter":[ {"term": {  "actorList.id": "1"  }},
                     {"term": {  "actorList.id": "3"  }}
           ], 
           "must":{"match":{"name":"红"}}
         }
    }
}

17、过滤--按范围过滤

GET movie_index/_search
{
   "query": {
     "bool": {
       "filter": {
         "range": {
            "doubanScore": {"gte": 8}
         }
       }
     }
   }
}

关于范围操作符：

符号	含义
gt	大于
lt	小于
gte	大于等于
lte	小于等于

18、排序

GET movie_index/_search
{
  "query":{
    "match": {"name":"红海"}
  }
  , "sort": [
    {
      "doubanScore": {
        "order": "desc"
      }
    }
  ]
}

19、分页查询

GET movie_index/_search
{
  "query": { "match_all": {} },
  "from": 1,
  "size": 1
}

20、指定查询的字段

GET movie_index/_search
{
  "query": { "match_all": {} },
  "_source": ["name", "doubanScore"]
}

21、高亮

GET movie_index/_search
{
    "query":{
      "match": {"name":"红海"}
    },
    "highlight": {
      "fields": {"name":{} }
    }
    
}

结果有·

"highlight" : {
          "name" : [
            "<em>红</em><em>海</em>行动"
          ]
        }

23、复杂查询

先过滤，后查询

GET movie_index/_search
{
	"query": {
		"bool": {
			"filter": [{
				"term": {
					"actorList.id": "1"
				}
			}, {
				"term": {
					"actorList.id": "3"
				}
			}],
			"must": [{
				"match": {
					"name": "红海"
				}
			}]
		}
	}
}

或

GET movie_index/_search
{
	"query": {
		"bool": {
			"filter": [{
				"terms": {
					"actorList.id": [1, 3]
				}
			}],
			"must": [{
				"match": {
					"name": "红海"
				}
			}]
		}
	}
}

24、聚合

PUT atguigu/_mapping/doc
{ 
  "properties": { 
    "interests": { 
      "type": "text", 
      "fielddata": true 
      } 
  }
}

复杂检索

1、BulkAPI实现批量操作

格式：

{action:{metadata}}\n
{requestbody}\n
action:(行为)
create:文档不存在时创建
update:更新文档
index:创建新文档或替换已有文档
delete:删除一个文档
metadata:_index,_type,_id
create和index的区别:
如果数据存在,使用create操作失败,会提示文档已经存在,使用index可以成功执行

银行员工数据json 在这里插入图片描述

2、聚合查询

格式 name 为聚合起一个名字 AGG_TYPE 聚合类型

  "aggs": {
    "NAME": {
      "AGG_TYPE": {}
    }
  }

request

#搜索address包含mil1的所有人的年龄分布以及平均年龄

GET bank/_search
{
  "query": {
    "match": {
      "address": "mill"
    }
  },
  "aggs": {
    "ageAgg": {
      "terms": {
        "field": "age",
        "size": 10
      }
    }
  }
}

response 年龄38的有2个，年龄28的有1个，年龄32的有1个

{
  "took" : 54,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
  ...
  },
  "aggregations" : {
    "ageAgg" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
        {
          "key" : 38,
          "doc_count" : 2
        },
        {
          "key" : 28,
          "doc_count" : 1
        },
        {
          "key" : 32,
          "doc_count" : 1
        }
      ]
    }
  }
}

对求出年龄聚合求一个平均值,工资平均值 request

GET bank/_search
{
  "query": {
    "match": {
      "address": "mill"
    }
  },
  "aggs": {
    "ageAgg": {
      "terms": {
        "field": "age",
        "size": 10
      }
    },
    "ageVag":{
      "avg": {
        "field": "age"
      }
    },
    "balanceAvg":{
      "avg": {
        "field": "balance"
      }
    }
  }
}

response

  "aggregations" : {
    "ageAgg" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
        {
          "key" : 38,
          "doc_count" : 2
        },
        {
          "key" : 28,
          "doc_count" : 1
        },
        {
          "key" : 32,
          "doc_count" : 1
        }
      ]
    },
    "balanceAvg" : {
      "value" : 25208.0
    },
    "ageVag" : {
      "value" : 34.0
    }
  }

3、子聚合

request

#按照年龄聚合并且请求这些年龄段的这些人的平均薪资
GET bank/_search
{
    "query": {
    "match_all": {}
  },
  "aggs": {
    "ageAgg": {
      "terms": {
        "field": "age",
        "size": 100
      },
      "aggs": {
        "ageVag": {
          "avg": {
            "field": "balance"
          }
        }
      }
    }
  },
  "size":0
}

在aggs聚合里再进行一次聚合（size=0 分页不看查出的数据，只看聚合）

response 31岁的有61个人，平均工资28312.918032786885

{
  "took" : 5,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1000,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [ ]
  },
  "aggregations" : {
    "ageAgg" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
        {
          "key" : 31,
          "doc_count" : 61,
          "ageVag" : {
            "value" : 28312.918032786885
          }
        }
}

request

#查出所有年龄分布,并且这些年龄段中M的平均薪资和F的平薪资以及这个年龄段的总体平均薪资

GET bank/_search
{
    "query": {
        "match_all": {
            
        }
    },
    "aggs": {
        "ageAgg": {
            "terms": {
                "field": "age",
                "size": 100
            },
            "aggs": {
                "genderAvg": {
                    "terms": {
                        "field": "gender.keyword"
                    },
                    "aggs": {
                        "balanceAvg": {
                            "avg": {
                                "field": "balance"
                            }
                        }
                    }
                },
                "ageBalanAvg": {
                    "avg": {
                        "field": "balance"
                    }
                }
            }
        }
    },
    "size": 0
}

response

{
  "aggregations" : {
    "ageAgg" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
        {
          "key" : 31,
          "doc_count" : 61,
          "ageBalanAvg" : {
            "value" : 28312.918032786885
          },
          "genderAvg" : {
            "doc_count_error_upper_bound" : 0,
            "sum_other_doc_count" : 0,
            "buckets" : [
              {
                "key" : "M",
                "doc_count" : 35,
                "balanceAvg" : {
                  "value" : 29565.628571428573
                }
              },
              {
                "key" : "F",
                "doc_count" : 26,
                "balanceAvg" : {
                  "value" : 26626.576923076922
                }
              }
            ]
          }
        }
}

原文链接：blog.csdn.net/D_A_I_H_A_O…

谷粒商城微服务分布式高级篇ElasticSearch三——Dcoker安装ES及ES检索语法

Docker安装ES&kibban

Elasticsearch安装

kibban安装

IK分词器安装

Nginx安装

检索

1、查看es中有哪些索引

2、增加一个索引(库)

3、删除一个索引

4、新增文档

5、直接用id查找

6、修改—整体替换

7、修改—某个字段

8、删除一个document

9、搜索全部数据

10、匹配条件查询(全部)

11、按分词查询

12、按分词子属性查询

13、按短语查询

14 、校正匹配分词

15 、过滤--查询后过滤

16、过滤--查询前过滤

17、过滤--按范围过滤

18、排序

19、分页查询

20、指定查询的字段

21、高亮

23、复杂查询

24、聚合

复杂检索

1、BulkAPI实现批量操作

2、聚合查询

3、子聚合