Elasticsearch常用指令（kibana）_kibana查看所有数据

es是非关系型数据库，优点主要是存储量较大，查询速度在大多数情况下都是比较快的。

由于项目的功能主要是存储和查询，所以选择了es当数据库来用，以下是常用的一些指令，注意es的版本不同会有些指令上的差异。本篇文章使用的版本为7.8。

1. 查看es版本  version -> number

GET /{ \"version\": { \"number\": \"7.8.0\" }}

2. 创建索引（es中的一个索引可以简单理解为mysql中的一张表）

mapping相当于mysql中的字段，创建后无法更改，只能新增，如果一定要更改，只推荐使用索引迁移。

PUT index_name{\"mappings\": { \"dynamic\": \"strict\", # 不允许动态增加字段\"properties\": {\"name\": {\"type\": \"keyword\"},\"age\": {\"type\": \"keyword\"}}}}

3. 插入文档（es中的一个文档可以简单理解为mysql中的一行数据）

插入一行数据并自动生成id，ES中会默认有一个_id字段，可以指定，也可以自动生成，唯一。

POST index_name/_doc{ \"name\" : \"aaa\"}

4. 获取索引映射（字段）

GET index_name/_mapping

5. 获取索引条数（总条数）

参考下边的条件搜索，将第一行的_search换为_count，就可以获得满足条件的文档条数

GET index_name/_count

6. 获取索引数据（无条件查询，获取前十条，如果总数量超过一万条，total只会显示10000）

GET index_name/_search

7. 条件查询

7.1 如果字段为text类型，存在两种查询方式：

① 字段名.keyword  将整个值视为一个整体来查询，类似mysql的查询方式

GET index_name/_search{ \"query\": { \"term\": { \"content.keyword\": \"原始内容\" } }} #搜到的数据中，所有文档的content的内容都是：原始内容

② 字段名直接搜，将根据分词器的分词查询

GET index_name/_search{ \"query\": { \"term\": { \"content\": \"原始内容\" } }}# 搜到的文档中，content字段为：原始文档数据xxx, 文档内容总述了xxxx 等

（如果查不出来，尝试加keyword和去掉keyword试试，可能就是字段数据类型的问题，也可以使用4的指令查看）

7.2 单一条件查询

搜索 content = 内容 的所有文档

must（必须满足）可以更换为should（可满足可不满足），或者must not（排除该条件）

term（等于）可以更换为range（范围查询），wildcard（通配符查询），还有其他的，但不常用

GET index_name/_search{ \"query\": { \"bool\": { \"must\": [ { \"term\": { \"content\": {  \"value\": \"内容\" } } } ] } }}GET index_name/_search{ \"query\": { \"range\": { \"update_date\": { \"gte\": \"2025-05-01\", \"lte\": \"2025-05-31\", \"format\": \"yyyy-MM-dd\" // 指定日期格式 (可选) } } }}GET index_name/_search{ \"query\": { \"wildcard\": { \"name\": { \"value\": \"?aaa*\" } } }}// ?:匹配单个字符，*：匹配任意字符

7.3 多条件查询

must下只能有一个字段，因为要用来计算分数，其他查询可以使用filter来筛选

GET index_name/_search{ \"query\": { \"bool\": { \"must\": [ { \"term\": { \"language\": {  \"value\": \"jp\" } } } ],\"must_not\": [ { \"exists\": { \"field\": \"age\" // 查询age字段为空（或不存在）的文档 } } ], \"filter\": [ { \"term\": { \"create_date\": {  \"value\": \"2025-05-15 00:00:00\" } } },{\"term\": { \"name\": { \"value\": \"鹿目圆\"}}} ] } }}

7.4 查询字段是否存在

GET index_name/_count{ \"query\": { \"bool\": { \"must\": [ { \"exists\": {  \"field\": \"name\" } } ] } }}

7.5 不需要评分时可以使用filter，数据量巨大的情况下，会比must快

GET index_name/_search{ \"query\": { \"bool\": { \"filter\": [ { \"term\": { \"content\": {  \"value\": \"内容\" } } } ] } }}

上述这种条件查询，最多只能查询前一万条，如果需要获取所有文档，建议使用scroll

8. 滚动查询所有文档 scroll

查询条件设置和上边的查询一样

// 首次查询（设置条件）GET index_name/_search?scroll=2m{ \"slice\": { // 分片查询，可选 \"id\": 0, \"max\": 2 }, \"size\": 1000, \"query\": { \"bool\": { \"filter\": [ { \"term\": {  \"language\": { \"value\": \"zh\"  } } } ] } }}// 后续查询，条件固定，只需要传scroll idGET /_search/scroll{ \"scroll\": \"1m\", \"scroll_id\": \"FGluY2x\" // 首次查询返回的scroll id, 是串很长的数据，此处截短了}

9. 索引迁移

数据库存在必须更改的情况，只能使用数据迁移对其结构等进行更改

?slices=auto  并发操作，比不加快

// 索引迁移（并发）POST _reindex?slices=auto{ \"source\": { \"index\": \"old_index\" }, \"dest\": { \"index\": \"new_index\" }}// 删除原索引DELETE old_index// 将原索引名指向新索引POST _aliases{ \"actions\": [ { \"add\": { \"index\": \"new_index\", \"alias\": \"old_index\" } } ]}

10. 修改

修改数据量较大时，建议使用并发

// 根据字段值更新// 将索引下所有language为zh-cn的修改为zh, language可替换为其他字段名POST index_name/_update_by_query{ \"query\": { \"term\": { \"language.keyword\": \"zh-cn\" } }, \"script\": { \"source\": \"ctx._source.language = \'zh\'\", \"lang\": \"painless\" }, \"conflicts\": \"proceed\"}

11. 删除

删除前建议先使用_count确定是不是要删除的数据量，尽量避免误删

// 根据字段值并发删除符合条件的所有文档POST index_name/_delete_by_query?slices=auto{ \"query\": { \"term\": { \"name\": \"memory\" } }}

12. 强制刷新索引

POST index_name/_refresh

        ES虽然是能够存储大量数据的非关系型数据库，但当数据量过大的时候，查询速度也会很慢。尤其建表之后无法修改字段，导致需要修改的时候就要迁移一次数据，很麻烦。前期要做好设计，对字段的设计，比如是否需要使用text类型，是否需要分词；数据量超大时要注意分片，如果默认创建，分片就是两个，如果后期查询时间太慢需要改分片数量，又需要进行一次数据迁移。所以要在前期考虑好这些参数。以及根据业务，灵活调整数据结构，如果有常用的搜索字段，可以和其他的关系型数据库联合使用，不是非要全都存在es里，否则后期都是坑；；