我们对于Elasticsearch的使用长期以来还是停留在kibana discover中输入关键词进行简单的日志搜索，对于ES的核心搜索查询的理解和使用仍比较浅显。最近正好接到一个稍微复杂的需求，趁这个机会更加深入的去了解下搜索查询，本文先以最基础的KQL入门，后面再逐步展开。

Kibana discover 和 KQL

在Kibana discover中进行搜索，默认的都是使用的KQL (Kibana Query Language)，KQL only filters data, and has no role in aggregating, transforming, or sorting data。KQL功能较简单，只能用来过滤，并不具备聚合，转换排序能功能。

我们最常见的在搜索栏中直接搜索关键词，实际上是针对所有的field进行搜索:

但实际上大多数情况下我们只是想针对message这个field进行搜索error关键词，可以采用以下指定字段的方式搜索，这样搜索的效率会更高:

针对 keyword, numeric, date, or boolean fields等类型的查询的时候必须是完全匹配(exact match)。

默认不加双引号针对text field进行查询的时候, 查询的关键词不进行排序的，如下例子：

只要message字段中包含null 和 pointer这二个单独的单词即可，无论是在句中为null pointer 还是 pointer null或者是pointer test null。如果需要按照提供的顺序进行搜索的话需要用双引号引起来：

平时用的最多的就是关键词查询，KQL同时也支持进行范围查询， 比如我们有一个日志会有个字段记录的timestamp类型的时间：

Combining multiple queries

针对复合条件查询可以采用AND OR 关键词（not case-sensitive）， 针对更复杂一点的条件还可以和代码一样使用括号：

或者这样的：

KQL还有一些其他的功能，比如query nested fields等，大家可以直接查阅官方文档

https://www.elastic.co/guide/en/kibana/current/kuery-query.html

小结

开发和业务同学查询日志，主要是使用的是KQL，了解KQL的基本语法，善用discover页面提供的dataview和filter功能，可以大幅提高搜索的效率和时间。其实这个和大家经常看到的Mysql优化一样，为了提高Mysql查询的效率可以在sql查询本身，索引，表结构，系统以及硬件层面多个方面进行优化，放在ES中是同样的道理，优化查询本身（KQL，Query DSL）, 结合Index和Shard的设计，操作系统和使用SSD硬盘等多个层面都进行优化，才能更好的提升查询效率。