Elasticsearch_dsl:：https://elasticsearch-dsl.readthedocs.io/en/latest/search_dsl.html
Elasticserch：https://elasticsearch-py.readthedocs.io/en/master/api.html
API是可链接的，允许在一个语句中组合多个方法调用：
s = Search().using(client).query("match", title="python")要将请求发送到Elasticsearch：
response = s.params(size=10000).execute() # params(size) 为指定搜索结果返回条数，默认size是10，最大size为10000如果只想迭代搜索返回的命中，可以遍历该Search对象：
for hit in s: print(hit.title)搜索结果将被缓存。后续调用execute或尝试迭代已执行的Search对象不会触发发送到Elasticsearch的其他请求。强制请求指定 ignore_cache=True何时调用execute。
出于调试目的，可以将Search对象序列化为dict 显式：
s = Search().using(client).query("match", title="python") print(s.to_dict())可以通过调用对象来删除与搜索匹配的文档delete，Search而不是 execute像这样：
s = Search(index='i').query("match", title="python") response = s.delete()要将查询添加到Search对象，使用.query()方法：
q = Q("multi_match", query='python django', fields=['title', 'body']) s = Search().query(q)该方法还接受所有参数作为Q快捷方式：
s = s.query("multi_match", query='python django', fields=['title', 'body'])如果已有查询对象或dict表示查询对象，则可以覆盖Search对象中使用的查询：
s.query = Q('bool', must=[Q('match', title='python'), Q('match', body='best')])有时想要引用另一个字段中的字段，可以是多字段（title.keyword），也可以是结构化json文档address.city。为了更方便的Q快捷方式（还有 query，filter以及exclude对方法Search的类），可以使用__（双下划线）代替关键字参数点的：
s = Search() s = s.filter('term', category__keyword='Python') s = s.query('match', address__city='prague')或者：
s = Search() s = s.filter('term', **{'category.keyword': 'Python'}) s = s.query('match', **{'address.city': 'prague'})可以使用逻辑运算符组合查询对象：
Q("match", title='python') | Q("match", title='django') # {"bool": {"should": [...]}} Q("match", title='python') & Q("match", title='django') # {"bool": {"must": [...]}} ~Q("match", title="python") # {"bool": {"must_not": [...]}}当.query()多次调用该方法时，&将在内部使用该运算符：
s = s.query().query() print(s.to_dict()) # {"query": {"bool": {...}}}如果要对查询表单进行精确控制，使用Q快捷方式直接构造组合查询：
q = Q('bool', must=[Q('match', title='python')], should=[Q(...), Q(...)], minimum_should_match=1 ) s = Search().query(q) # start_time为开始时间，end_time为结束时间 q = Q('bool', must=[Q('range', start_time={"gte": start_time}), Q('range', end_time={"lte": end_time})]) s = Search().query(q)如果要在Search之后添加查询， 可以使用该filter()方法使事情变得更容易：
s = Search() s = s.filter('terms', tags=['search', 'python']) # 过滤，在此为范围过滤，range是方法，timestamp是所要查询的field的名字，gte意为大于等于，lt意为小于，根据需要设定即可(似乎过滤只能接受数字形式的内容，如果是文本就会返回空) # 关于term和match的区别，term是精确匹配，match会模糊化，会进行分词，返回匹配度分数，（term查询字符串之接受小写字母，如果有大写会返回空即没有命中，match则是不区分大小写都可以进行查询，返回结果也一样） 例1:范围查询 s = s.filter("range", timestamp={"gte": 0, "lt": time.time()}).query("match", country="in") 例2:普通过滤 res_3 = s.filter("terms", balance_num=["39225", "5686"]).execute()在幕后，这将生成一个Bool查询并将指定的 terms查询放入其filter分支，使其等效于：
s = Search() s = s.query('bool', filter=[Q('terms', tags=['search', 'python'])])如果要将post_filter元素用于分面导航，请使用该 .post_filter()方法。
exclude()可以查询查询中的项目，如下所示：
s = Search() s = s.exclude('terms', tags=['search', 'python'])这是简写： s = s.query('bool', filter=[~Q('terms', tags=['search', 'python'])])
聚合可以放在查询，过滤等操作的后面叠加，需要加aggs
要定义聚合，可以使用A快捷方式：
from elasticsearch_dsl import A A('terms', field='tags') # {"terms": {"field": "tags"}}也可以使用.bucket()，.metric()和 .pipeline()方法
bucket即为分组，其中第一个参数是分组的名字，自己指定即可，第二个参数是方法，第三个是指定的field。
metric也是同样，metric的方法有sum、avg、max、min等等，但是需要指出的是有两个方法可以一次性返回这些值，stats和extended_stats，后者还可以返回方差等值。
a = A('terms', field='category') # {'terms': {'field': 'category'}} a.metric('clicks_per_category', 'sum', field='clicks').bucket('tags_per_category', 'terms', field='tags') # { # 'terms': {'field': 'category'}, # 'aggs': { # 'clicks_per_category': {'sum': {'field': 'clicks'}}, # 'tags_per_category': {'terms': {'field': 'tags'}} # } # } # 例1 s.aggs.bucket("per_country", "terms", field="timestamp").metric("sum_click", "stats", field="click").metric("sum_request", "stats", field="request") # 例2 s.aggs.bucket("per_age", "terms", field="click.keyword").metric("sum_click", "stats", field="click") # 例3 s.aggs.metric("sum_age", "extended_stats", field="age") # 例4 s.aggs.bucket("per_age", "terms", field="country.keyword") # 最后依然是要execute，此处注意s.aggs的操作不能用变量接收（如res=s.aggs的操作就是错误的），聚合的结果会在res中显示 # 例5 a = A("range", field="account_number", ranges=[{"to": 10}, {"from": 11, "to": 21}]) res = s.execute()要向Search对象添加聚合，请使用.aggs属性作为顶级聚合：
s = Search() a = A('terms', field='category') s.aggs.bucket('category_terms', a) # { # 'aggs': { # 'category_terms': { # 'terms': { # 'field': 'category' # } # } # } # }要么
s = Search() s.aggs.bucket('articles_per_day', 'date_histogram', field='publish_date', interval='day')\ .metric('clicks_per_day', 'sum', field='clicks')\ .pipeline('moving_click_average', 'moving_avg', buckets_path='clicks_per_day')\ .bucket('tags_per_day', 'terms', field='tags') s.to_dict() # { # "aggs": { # "articles_per_day": { # "date_histogram": { "interval": "day", "field": "publish_date" }, # "aggs": { # "clicks_per_day": { "sum": { "field": "clicks" } }, # "moving_click_average": { "moving_avg": { "buckets_path": "clicks_per_day" } }, # "tags_per_day": { "terms": { "field": "tags" } } # } # } # } # }您可以按名称访问现有的key(类似字典的方式)：
s = Search() s.aggs.bucket('per_category', 'terms', field='category') s.aggs['per_category'].metric('clicks_per_category', 'sum', field='clicks') s.aggs['per_category'].bucket('tags_per_category', 'terms', field='tags')