👋 你好，未来的 ES 查询高手！
你是否觉得 Elasticsearch (ES) 的查询语句复杂得像天书？别担心，这篇文章就是你的“傻瓜书”。我们将抛开具象的概念，直接上手最核心、最常用的查询方法，让你在几分钟内就能像查字典一样轻松地从 ES 中检索数据。
想象一下，ES 就是一个超级智能的图书馆管理员，而你的任务就是告诉他你要找什么样的书。你的“查询语句”就是你告诉他的指令。
🛠️ 我们的“菜谱”：基本查询结构
所有 ES 查询都遵循一个基本的 JSON 结构。我们通常通过 REST API 的_search端点来发送查询请求。
# 使用 curl 命令的格式GET /你的索引名称/_search{"query":{"你的查询类型":{"你的字段":"你的值"}}}别怕，我们马上用例子来填充这个“菜谱”。
🔍 核心查询类型：你的“查询工具箱”
1. 匹配查询 (match) - 最常用的“全文搜索”
这是你最常用的工具，用于搜索文本内容。它会对查询字符串进行分词，然后去匹配字段。
场景： 在一个“文章”索引中，查找内容包含“elasticsearch”的文章。
GET/articles/_search{"query":{"match":{"content":"elasticsearch"}}}match： 查询类型。content： 你要搜索的字段名。"elasticsearch"： 你要搜索的值。
小技巧： 你可以搜索一个短语，用match_phrase。
GET/articles/_search{"query":{"match_phrase":{"content":"elasticsearch query"}}}2. 词条查询 (term) - 精确匹配的“利器”
term查询用于精确匹配，它不会对你的查询词进行分词。非常适合匹配数字、日期、布尔值或者未经分词的关键词（如标签、状态码）。
场景： 在一个“商品”索引中，查找状态(status)为“上架”的商品。
GET/products/_search{"query":{"term":{"status":"上架"}}}重要区别：
- 用
match查"elastic search"，可能会拆成"elastic"和"search"两个词去匹配。 - 用
term查"elastic search"，它会严格寻找字段值完全等于"elastic search"这个字符串的文档。
3. 布尔查询 (bool) - 组合你的“搜索条件”
这是最强大的工具之一，它允许你将多个查询条件组合起来，实现逻辑与(AND)、或(OR)、非(NOT)。
它包含四个子句：
must：必须匹配所有条件（AND）。贡献算分。should：应该匹配条件（OR）。贡献算分。must_not：必须不匹配条件（NOT）。不贡献算分。filter：必须匹配条件（AND）。但不贡献算分，且会被缓存，性能更高。非常适合精确匹配。
场景： 查找“电子产品”类别中，价格低于1000元，且品牌不是“XX”的手机。
GET/products/_search{"query":{"bool":{"must":[// AND：必须满足以下所有条件{"match":{"category":"电子产品"}},{"match":{"name":"手机"}}],"filter":[// AND：且必须满足以下条件（性能高）{"range":{"price":{"lt":1000}}}// range 查询用于范围：lt(小于), gt(大于), lte(小于等于)...],"must_not":[// NOT：必须不满足以下条件{"term":{"brand":"XX"}}]}}}📊 结果排序与返回
查询结果默认按相关性得分(_score)排序。你可以用sort参数指定排序方式。
场景： 按价格从低到高排序，只返回前10条结果。
GET/products/_search{"query":{"match_all":{}// match_all: 匹配所有文档},"sort":[{"price":"asc"}// asc: 升序, desc: 降序],"size":10,// 返回前10条"from":0// 从第0条开始（分页）}💡 总结与下一步
恭喜你！你已经掌握了 ES 查询的“三板斧”：
match： 用于全文搜索。term： 用于精确匹配。bool： 用于组合复杂的查询逻辑。
你的入门实践路径：
- 安装好 ES 和 Kibana（或使用 Elastic Cloud）。
- 在 Kibana 的Dev Tools中，照着上面的例子敲一遍。
- 尝试自己创建一些索引和文档，然后用不同的查询去检索它们。
ES 的查询世界非常广阔，还有range,exists,wildcard,fuzzy等众多查询类型等你探索。但掌握了今天这几个，你已经能解决 80% 的日常查询需求了！
)