一：文档对象如下
二：非聚合复杂查询(这儿展示了非聚合复杂查询的常用流程)
三：精确查询（必须完全匹配上）
单个匹配termQuery
多个匹配
四：模糊查询（只要包含即可）
五：范围查询
六：组合查询/多条件查询/布尔查询
七：聚合查询
Elasticsearch有一个功能叫做 聚合(aggregations) ，它允许你在数据上生成复杂的分析统计。它很像SQL中的 GROUP BY 但是功能更强大。
为了掌握聚合，你只需要了解两个主要概念：(参考https://blog.csdn.net/dm_vincent/article/details/42387161)
Buckets(桶)：满足某个条件的文档集合。
Metrics(指标)：为某个桶中的文档计算得到的统计信息。
就是这样！每个聚合只是简单地由一个或者多个桶，零个或者多个指标组合而成。可以将它粗略地转换为SQL：
以上的COUNT(color)就相当于一个指标。GROUP BY color则相当于一个桶。
桶和SQL中的组(Grouping)拥有相似的概念，而指标则与COUNT()，SUM()，MAX()等相似。
让我们仔细看看这些概念。
桶(Buckets)
一个桶就是满足特定条件的一个文档集合：
一名员工要么属于男性桶，或者女性桶。
城市Albany属于New York州这个桶。
日期2014-10-28属于十月份这个桶。
随着聚合被执行，每份文档中的值会被计算来决定它们是否匹配了桶的条件。如果匹配成功，那么该文档会被置入该桶中，同时聚合会继续执行。
桶也能够嵌套在其它桶中，能让你完成层次或者条件划分这些需求。比如，Cincinnati可以被放置在Ohio州这个桶中，而整个Ohio州则能够被放置在美国这个桶中。
ES中有很多类型的桶，让你可以将文档通过多种方式进行划分(按小时，按最流行的词条，按年龄区间，按地理位置，以及更多)。但是从根本上，它们都根据相同的原理运作：按照条件对文档进行划分。
指标(Metrics)
桶能够让我们对文档进行有意义的划分，但是最终我们还是需要对每个桶中的文档进行某种指标计算。分桶是达到最终目的的手段：提供了对文档进行划分的方法，从而让你能够计算需要的指标。
多数指标仅仅是简单的数学运算(比如，min，mean，max以及sum)，它们使用文档中的值进行计算。在实际应用中，指标能够让你计算例如平均薪资，最高出售价格，或者百分之95的查询延迟。
将两者结合起来
一个聚合就是一些桶和指标的组合。一个聚合可以只有一个桶，或者一个指标，或者每样一个。在桶中甚至可以有多个嵌套的桶。比如，我们可以将文档按照其所属国家进行分桶，然后对每个桶计算其平均薪资(一个指标)。
因为桶是可以嵌套的，我们能够实现一个更加复杂的聚合操作：
①:将文档按照国家进行分桶。(桶)
②:然后将每个国家的桶再按照性别分桶。(桶)
③:然后将每个性别的桶按照年龄区间进行分桶。(桶)
④:最后，为每个年龄区间计算平均薪资。(指标)
聚合查询都是由AggregationBuilders创建的，一些常见的聚合查询如下
聚合查询的详细使用步骤如下：
Original: https://www.cnblogs.com/zdd-java/p/16640310.html
Author: 达兔哥
Title: 【转】SpringBoot ElasticSearch 各种查询汇总
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/576086/
转载文章受原作者版权保护。转载请注明原作者出处！