curl -XPOST localhost:9200/bank/account/_bulk?PRetty  --data-binary "@E:/programme/_backups/accounts.json"@后面為文件路徑，也可是相對路徑如果你的windows下沒有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下面先看一個查詢示例：通過URI方式查詢執行如下命令：
#REST request URIGET /bank/_search?q=*&sort=account_number:asc&pretty返回結果如下：這里q=*參數表示匹配所有文檔。sort=account_number:asc參數表示按account_number對結果進行升序排序。pretty參數表示格式化JSON結果。至于響應，我們看到以下部分：took - Elasticsearch執行搜索的時間（以毫秒為單位）timed_out - 告訴我們搜索是否超時_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數hits - 搜索結果hits.total - 符合我們的搜索條件的文檔總數hits.hits - 搜索結果的實際數組（默認為前10個文檔）hits.sort - 結果排序鍵（如果按分數排序，則缺少）同樣的查詢規則通過request body方式查詢時語法如下：
#REST request bodyGET /bank/_search{  "query": { "match_all": {} },  "sort": [    { "account_number": "asc" }  ]}Elasticsearch提供了一種JSON風格的語言，可用于執行查詢。這被稱為Query DSL。查詢語言相當全面，實際學習它還是要從幾個基本的例子開始。
#查詢所有  GET /bank/_search{  "query": { "match_all": {} }}#查詢一條  注: 默認情況下查詢的就是所有數據，所以示例中"query": { "match_all": {} }不是必寫的GET /bank/_search{  "query": { "match_all": {} },  "size": 1}#查詢第11至第20條數據 注:from默認從0開始的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（即針對特定字段或字段集進行的搜索）。
#查詢account_number=20的帳戶GET /bank/_search{  "query": { "match": { "account_number": 20 } }}#查詢在address中包含術語“mill”的所有帳戶GET /bank/_search{  "query": { "match": { "address": "mill" } }}#查詢在address中包含“mill”或“lane”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，查詢在address中包含短語“mill lane”的所有帳戶：GET /bank/_search{  "query": { "match_phrase": { "address": "mill lane" } }}bool查詢允許我們撰寫較小的查詢到使用布爾邏輯更大的查詢
#此示例編寫兩個match查詢，即查詢address中包含“mill”和“lane”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match則是查詢并address中包含“mill”或“lane”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match查詢，則是查詢address中既不包含“mill”也不包含“lane”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子句中組合查詢來模擬任何復雜的多級布爾邏輯。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" } }      ]    }  }}關于過濾器filters的查詢
#range查詢，它允許我們通過一定范圍的值來過濾文檔。這通常用于數字或日期過濾。#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，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match_all查詢（查詢部分）和一個range查詢（過濾器部分）。我們可以將任何其他查詢替換為查詢和過濾器部分。關于分組聚合查詢
#這個例子按狀態分組所有的帳戶，然后返回前10（默認）狀態，按照count遞減排序（也是默認）GET /bank/_search{  "size": 0,  "aggs": {    "group_by_state": {      "terms": {        "field": "state.keyWord"      }    }  }}#與SQL語法相識：SELECT state, COUNT(*) FROM bank GROUP BY state ORDER BY COUNT(*) DESC#注：設置size=0為不顯示搜索匹配。你可以不寫size=0看看返回結果#下面示例計算按州(state)的平均帳戶余額（僅針對按降序排序的前10個州）GET /bank/_search{  "size": 0,  "aggs": {    "group_by_state": {      "terms": {        "field": "state.keyword"      },      "aggs": {        "average_balance": {          "avg": {            "field": "balance"          }        }      }    }  }}#注意我們如何在average_balance聚合中嵌套group_by_state聚合。這是所有聚合的常見模式。您可以任意嵌套聚合中的聚合，以提取您需要從數據中獲得的透視摘要。基于之前的聚合，現在我們以降序對平均余額進行排序GET /bank/_search{  "size": 0,  "aggs": {    "group_by_state": {      "terms": {        "field": "state.keyword",        "order": {          "average_balance": "desc"        }      },      "aggs": {        "average_balance": {          "avg": {            "field": "balance"          }        }      }    }  }}#這個例子演示了我們如何根據年齡段（20-29，30-39和40-49），然后按性別分組，然后最終得到每個年齡段的每個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"              }            }          }        }      }    }  }}到這里我們會發現ElasticSearch的語法和SQL其實是異曲同工的。它因為功能強大而簡單，亦因為功能強大而復雜。事實上我這幾篇關于Elasticsearch的筆記都是根據它的官網來的，自己并沒增加什么東西，因為官方文檔很清晰了，而且我也沒有刪減什么內容，因為這些都是必要的?？催^這些后，基本的增刪改查已經沒什么問題，算是上手了，那么后續將會看看它的理論基礎部份。