curl -XPOST localhost:9200/bank/account/_bulk?PRetty  --data-binary "@E:/programme/_backups/accounts.json"@后面為文件路徑，也可是相對(duì)路徑如果你的windows下沒(méi)有curl命令，可以看看這里: http://blog.csdn.net/taoshujian/article/details/60147463Elasticsearch查詢有兩種基本方式：URI和request body下面先看一個(gè)查詢示例：通過(guò)URI方式查詢執(zhí)行如下命令：
#REST request URIGET /bank/_search?q=*&sort=account_number:asc&pretty返回結(jié)果如下：這里q=*參數(shù)表示匹配所有文檔。sort=account_number:asc參數(shù)表示按account_number對(duì)結(jié)果進(jìn)行升序排序。pretty參數(shù)表示格式化JSON結(jié)果。至于響應(yīng)，我們看到以下部分：took - Elasticsearch執(zhí)行搜索的時(shí)間（以毫秒為單位）timed_out - 告訴我們搜索是否超時(shí)_shards - 告訴我們搜索了多少分片，以及成功/失敗的搜索分片的計(jì)數(shù)hits - 搜索結(jié)果hits.total - 符合我們的搜索條件的文檔總數(shù)hits.hits - 搜索結(jié)果的實(shí)際數(shù)組（默認(rèn)為前10個(gè)文檔）hits.sort - 結(jié)果排序鍵（如果按分?jǐn)?shù)排序，則缺少）同樣的查詢規(guī)則通過(guò)request body方式查詢時(shí)語(yǔ)法如下：
#REST request bodyGET /bank/_search{  "query": { "match_all": {} },  "sort": [    { "account_number": "asc" }  ]}Elasticsearch提供了一種JSON風(fēng)格的語(yǔ)言，可用于執(zhí)行查詢。這被稱為Query DSL。查詢語(yǔ)言相當(dāng)全面，實(shí)際學(xué)習(xí)它還是要從幾個(gè)基本的例子開(kāi)始。
#查詢所有  GET /bank/_search{  "query": { "match_all": {} }}#查詢一條  注: 默認(rèn)情況下查詢的就是所有數(shù)據(jù)，所以示例中"query": { "match_all": {} }不是必寫(xiě)的GET /bank/_search{  "query": { "match_all": {} },  "size": 1}#查詢第11至第20條數(shù)據(jù) 注:from默認(rèn)從0開(kāi)始的GET /bank/_search{  "query": { "match_all": {} },  "from": 10,  "size": 10}#按balance降序GET /bank/_search{  "query": { "match_all": {} },  "sort": { "balance": { "order": "desc" } }}#只查詢account_number和balanceGET /bank/_search{  "query": { "match_all": {} },  "_source": ["account_number", "balance"]}可以將match查詢視為基本的字段化搜索查詢（即針對(duì)特定字段或字段集進(jìn)行的搜索）。
#查詢account_number=20的帳戶GET /bank/_search{  "query": { "match": { "account_number": 20 } }}#查詢?cè)赼ddress中包含術(shù)語(yǔ)“mill”的所有帳戶GET /bank/_search{  "query": { "match": { "address": "mill" } }}#查詢?cè)赼ddress中包含“mill”或“l(fā)ane”一詞的所有帳戶：GET /bank/_search{  "query": { "match": { "address": "mill lane" } }}#此示例是match（match_phrase）的變體，查詢?cè)赼ddress中包含短語(yǔ)“mill lane”的所有帳戶：GET /bank/_search{  "query": { "match_phrase": { "address": "mill lane" } }}bool查詢?cè)试S我們撰寫(xiě)較小的查詢到使用布爾邏輯更大的查詢
#此示例編寫(xiě)兩個(gè)match查詢，即查詢address中包含“mill”和“l(fā)ane”的所有帳戶。bool must子句表示所有條件必須滿足 類似于判斷條件中的&&。GET /bank/_search{  "query": {    "bool": {      "must": [        { "match": { "address": "mill" } },        { "match": { "address": "lane" } }      ]    }  }}#相比之下，此示例中兩個(gè)match則是查詢并address中包含“mill”或“l(fā)ane”的所有帳戶。bool should類似于判斷條件中的||GET /bank/_search{  "query": {    "bool": {      "should": [        { "match": { "address": "mill" } },        { "match": { "address": "lane" } }      ]    }  }}#此示例的兩個(gè)match查詢，則是查詢address中既不包含“mill”也不包含“l(fā)ane”的所有帳戶。GET /bank/_search{  "query": {    "bool": {      "must_not": [        { "match": { "address": "mill" } },        { "match": { "address": "lane" } }      ]    }  }}#我們可以在查詢中同時(shí)合并must，should和must_not子句bool。此外，我們可以bool在任何這些bool子句中組合查詢來(lái)模擬任何復(fù)雜的多級(jí)布爾邏輯。此示例返回任何age=40但state!=ID的所有帳戶：GET /bank/_search{  "query": {    "bool": {      "must": [        { "match": { "age": "40" } }      ],      "must_not": [        { "match": { "state": "ID" } }      ]    }  }}關(guān)于過(guò)濾器filters的查詢
#range查詢，它允許我們通過(guò)一定范圍的值來(lái)過(guò)濾文檔。這通常用于數(shù)字或日期過(guò)濾。#使用bool查詢返回余額介于20000和30000（含）之間的所有帳戶。換句話說(shuō)，我們想要找出余額大于或等于20000且小于或等于30000的帳戶。GET /bank/_search{  "query": {    "bool": {      "must": { "match_all": {} },      "filter": {        "range": {          "balance": {            "gte": 20000,            "lte": 30000          }        }      }    }  }}#解析上面的查詢，bool查詢包含一個(gè)match_all查詢（查詢部分）和一個(gè)range查詢（過(guò)濾器部分）。我們可以將任何其他查詢替換為查詢和過(guò)濾器部分。關(guān)于分組聚合查詢
#這個(gè)例子按狀態(tài)分組所有的帳戶，然后返回前10（默認(rèn)）狀態(tài)，按照count遞減排序（也是默認(rèn)）GET /bank/_search{  "size": 0,  "aggs": {    "group_by_state": {      "terms": {        "field": "state.keyWord"      }    }  }}#與SQL語(yǔ)法相識(shí)：SELECT state, COUNT(*) FROM bank GROUP BY state ORDER BY COUNT(*) DESC#注：設(shè)置size=0為不顯示搜索匹配。你可以不寫(xiě)size=0看看返回結(jié)果#下面示例計(jì)算按州(state)的平均帳戶余額（僅針對(duì)按降序排序的前10個(gè)州）GET /bank/_search{  "size": 0,  "aggs": {    "group_by_state": {      "terms": {        "field": "state.keyword"      },      "aggs": {        "average_balance": {          "avg": {            "field": "balance"          }        }      }    }  }}#注意我們?nèi)绾卧赼verage_balance聚合中嵌套group_by_state聚合。這是所有聚合的常見(jiàn)模式。您可以任意嵌套聚合中的聚合，以提取您需要從數(shù)據(jù)中獲得的透視摘要。基于之前的聚合，現(xiàn)在我們以降序?qū)ζ骄囝~進(jìn)行排序GET /bank/_search{  "size": 0,  "aggs": {    "group_by_state": {      "terms": {        "field": "state.keyword",        "order": {          "average_balance": "desc"        }      },      "aggs": {        "average_balance": {          "avg": {            "field": "balance"          }        }      }    }  }}#這個(gè)例子演示了我們?nèi)绾胃鶕?jù)年齡段（20-29，30-39和40-49），然后按性別分組，然后最終得到每個(gè)年齡段的每個(gè)性別的平均帳戶余額：GET /bank/_search{  "size": 0,  "aggs": {    "group_by_age": {      "range": {        "field": "age",        "ranges": [          {            "from": 20,            "to": 30          },          {            "from": 30,            "to": 40          },          {            "from": 40,            "to": 50          }        ]      },      "aggs": {        "group_by_gender": {          "terms": {            "field": "gender.keyword"          },          "aggs": {            "average_balance": {              "avg": {                "field": "balance"              }            }          }        }      }    }  }}到這里我們會(huì)發(fā)現(xiàn)ElasticSearch的語(yǔ)法和SQL其實(shí)是異曲同工的。它因?yàn)楣δ軓?qiáng)大而簡(jiǎn)單，亦因?yàn)楣δ軓?qiáng)大而復(fù)雜。事實(shí)上我這幾篇關(guān)于Elasticsearch的筆記都是根據(jù)它的官網(wǎng)來(lái)的，自己并沒(méi)增加什么東西，因?yàn)楣俜轿臋n很清晰了，而且我也沒(méi)有刪減什么內(nèi)容，因?yàn)檫@些都是必要的。看過(guò)這些后，基本的增刪改查已經(jīng)沒(méi)什么問(wèn)題，算是上手了，那么后續(xù)將會(huì)看看它的理論基礎(chǔ)部份。