【入门篇】 10.聊聊ElasticSearch 如何支持SQL-冰点博客

还记得之前用 Elasticsearch 时，面对 DSL 查询语法的崩溃瞬间吗？bool must嵌套terms再套range，多层 JSON 结构能把人绕晕。而从 Elasticsearch 6.3.0 版本开始，官方终于引入了 SQL 支持 —— 这不是简单的语法糖，而是让 ES 拥有了像 MySQL 一样用 SQL 查询的能力。

虽然 6.3.0 版本只是实验性支持，直到 6.7 版本才正式「转正」，但这个功能直接戳中了无数后端开发者的痛点：不需要重新学习 DSL，用熟悉的 SQL 就能玩转 ES 海量数据。现在最新的 8.18 版本中，ES SQL 已经进化出 REST API、JDBC 驱动等全套生态，甚至能对接 Tableau、Superset 等 BI 工具，彻底打破了搜索与分析的壁垒。

一、数据准备

创建library索引并插入三本经典科幻小说的数据：

PUT /library/_bulk?refresh
{"index":{"_id": "Leviathan Wakes"}}
{"name": "Leviathan Wakes", "author": "James S.A. Corey", "release_date": "2011-06-02", "page_count": 561}
{"index":{"_id": "Hyperion"}}
{"name": "Hyperion", "author": "Dan Simmons", "release_date": "1989-05-26", "page_count": 482}
{"index":{"_id": "Dune"}}
{"name": "Dune", "author": "Frank Herbert", "release_date": "1965-06-01", "page_count": 604}

代码拆解：

_bulk API支持批量操作，?refresh参数确保数据立即可查
每本书通过_id唯一标识（这里用书名当ID）
字段包含书名、作者、出版日期和页数，其中release_date是ES的date类型

二、用REST API执行SQL查询

数据准备好后，试试用SQL查询2000年前出版的图书。在Kibana的DevTools中执行：

POST /_sql?format=txt
{
  "query": "SELECT * FROM library WHERE release_date < '2000-01-01'"
}

关键参数解析：

/_sql是ES SQL的REST API端点，所有SQL查询都通过这个路径发送
?format=txt指定返回格式为文本表格，也可以用json获取结构化数据
SQL语句和MySQL几乎一样：SELECT *查询所有字段，WHERE过滤出版日期

三、查询结果解读

1. 文本格式（format=txt）

执行后会得到清晰的表格输出：

name          | author              | release_date | page_count
--------------+---------------------+--------------+------------
Hyperion      | Dan Simmons         | 1989-05-26   | 482
Dune          | Frank Herbert       | 1965-06-01   | 604

这种格式适合快速查看结果，尤其是在命令行或日志中。

2. JSON格式（format=json）

如果需要程序解析结果，用JSON格式更友好

四、进阶查询：从简单过滤到复杂聚合

1. 按作者分组统计页数总和

想知道每位作者的书总共有多少页？用GROUP BY和SUM聚合：

SELECT author, SUM(page_count) as total_pages 
FROM library 
GROUP BY author 
ORDER BY total_pages DESC

结果：

2. 排序与限制结果数量

查询页数最多的两本书：

SELECT name, page_count 
FROM library 
ORDER BY page_count DESC 
LIMIT 2

结果：

name    | page_count
--------+------------
Dune    | 604
Leviathan Wakes | 561

五、隐藏技巧：让SQL查询更高效

**1. 避免SELECT *，只查需要的字段**

-- 推荐写法：减少网络传输
SELECT name, release_date FROM library

ES文档可能包含大量字段，按需查询能提升性能。

2. 利用日期函数处理时间字段

-- 提取出版年份并统计
SELECT 
  EXTRACT(YEAR FROM release_date) as year,
  COUNT(*) as book_count
FROM library
GROUP BY year

EXTRACT(YEAR FROM date)是ES SQL支持的日期函数，和PostgreSQL语法类似。

六、生产环境注意事项

索引优化：对release_date、author等常用过滤字段创建索引，提升查询速度
分页查询：大数据量时用LIMIT和OFFSET分页，避免一次性加载全量数据

七、什么时候选择ES SQL？

用熟悉的SQL语法操作ES数据
对接Tableau、Power BI等BI工具
快速导出数据到Excel或数据库

目录CONTENT

【入门篇】 10.聊聊ElasticSearch 如何支持SQL