Elasticsearch检索文档。

检索单个员工的信息。

        HTTP GET请求并指出文档的“地址”——索引、类型和ID即可。根据这三部分信息，我们就可以返回原始JSON文档：

        GET /megacorp/employee/1

        注意：我们通过HTTP GET 来检索文档，同样的，我们可以使用 DELETE 方法删除文档，使用 HEAD 方法检查某文档是否存在。如果想更新已存在的文档，我们只需再 PUT 一次。

简单搜索

搜索全部员工的请求。

        GET /megacorp/employee/_search

        响应内容的 hits 数组中包含了我们所有的文档。默认情况下搜索会返回前10个结果。

        注意：响应内容不仅会告诉我们哪些文档会被匹配到，而且这些文档内容完整的被包含在其中——我们在给用户展示搜索结果时需要用到的所有信息都有了。

搜索姓氏为“Smith”的员工。

        要做到这一点，我们将在命令行中使用轻量级的搜索方法，这种方法常被称为查询字符串（query string）搜索，因为我们像传递URL参数一样去传递查询语句：

        GET /megacorp/employee/_search?q=last_name:Smith

使用DSL语句查询

        查询字符串搜索便于通过命令行完成特定（ad hoc）的搜索，但是它也有局限性。Elasticsearch提供丰富且灵活的查询语言叫做DSL查询（Query DSL）。他允许你构建    更加复杂、强大的查询。DSL（Domain Specific Language特定领域语言）以JSON请求体的形式出现。

搜索姓氏为“Smith”的员工。

        GET /megacorp/employee/_search

        {

              "query" : {

                        "match" : {

                                "last_name" : "Smith"

                        }

               }

        }

       这会返回与之前查询相同的结果。你可以看到有些东西改变了，我们不再使用查询字符串（query String）作为参数，而是使用请求体代替。这个请求使用JSON表示。

更复杂的搜索

搜索姓氏为“Smith”的员工，并且年龄大于30岁的员工。

        GET /megacorp/employee/_search

        {

            "query" : {

                  "filtered" : {

                       "filter" : {

                           "range" : {

                              "age" : { "get" : 30}      <1>

                           }

                       },

                       "query" : {

                               "match" : {

                                    "last_name" : "smith"       <2>

                                }

                        }

                   }

             }

         }

• <1>这部分查询属于区间过滤器（range filter），它用于查找所有年龄大于30岁的数据——gt为“greater than”的缩写。
• <2>这部分查询与之前的match语句（query）一致。

全文搜索

        到目前为止搜索都很简单：搜索特定的名字，通过年龄筛选。让我们尝试一种更高级的搜索，全文搜索——一种传统数据库很难实现的功能。

搜索所有喜欢“rock climbing”的员工。

         GET /megacorp/employee/_search {

              "query" : {

                    "match" : {

                       "about" : "rock climbing"

                    }

               }

          }

        注意：响应内容的 hits 数组中的字段 "_score" 是结果相关性评分。

        默认情况下，Elasticsearch根据结果性评分来对结果集进行排序，所谓的“结果相关性评分”就是文档与查询条件的匹配程度。很显然，排名第一的 John Smith 的 about 字段明确的写到“rock climbing”。

        但是为什么 Jane Smith也会出现在结果里呢？原因是“rock”  在她的 about字段中被提及了。因为只有“rock”被提及而“climbing”没有，所以她的 _score 要低于 John。

        这个例子很好地解释了Elasticsearch如何在各种文本字段中进行全文搜索，并且返回相关性最大的结果集。相关性（relevance）的概念在Elasticsearch中非常重要，而这个概念在传统关系型数据库中是不可想象的，因为传统数据库对记录的查询只有匹配或者不匹配。

短语搜索。

        目前我们可以在字段中搜索单独的一个词，这挺好的，但是有时候你想要确切的匹配若干个单词或者短语（phrases）。

查询同时包含“rock”和“climbing”（并且是相邻的）的员工记录。

        GET /megacorp/employee/_search

        {

                  "query" : {

                        "match_phrase" :  {

                             "about" : "rock climbing"

                         }

                  }

         }

高亮我们的搜索

        很多应用喜欢从每个搜索结果中高亮（highlight）匹配到的关键字，这样用户可以知道为什么这些文档和查询相匹配。在Elasticsearch中高亮片段是非常容易的。

        让我们在之前的语句上增加 highlight 参数 ：

       GET /megacorp/employee/_search

      {

         "query" : {

                 "match_phrase" : {

                       "about" : "rock climbing"

                  }

         },

         "highlight" : {

                    "fields" : {

                        "about" : {}

                      }

           }

      }

      当我们运行这个语句时，会命中与之前相同的结果，但是在返回结果中会有一个新的部分叫做 highlight，这里包含了来自about 字段中的文本，并且用 <em></em>来标识匹配到的单词。