Elasticsearch搜索查询语法

💛原文地址为https://www.cnblogs.com/haixiang/p/12095578.html，转载请注明出处!
🍎es与SpringBoot的整合以及常用CRUD、搜索API已被作者封装,开箱即用效果很好,欢迎star谢谢!github

查询简介

叶子查询子句
叶子查询子句在特定字段中查找特定值，例如match，term或range查询。这些查询可以自己使用。

复合查询子句
复合查询子句包装其他叶查询或复合查询，并用于以逻辑方式组合多个查询（例如bool或dis_max查询），或更改其行为(例如constant_score查询)。复合查询子句包含以下几种：

bool query
boosting query
constant_score query
dis_max query
function_score query

我们通常只会用到bool查询

查询子句的行为会有所不同，具体取决于它们是在查询上下文中(Query)还是在过滤器(Filter)上下文中使用。

全文检索

在query context中，查询子句回答“此文档与该查询子句的匹配程度如何”的问题。除了确定文档是否匹配外，查询子句还计算_score元字段中的相关性得分。es的搜索结果也默认根据_score排名返回。

match

match是标准的全文检索
在匹配之前会先对查询关键字进行分词
可以指定分词器来覆盖mapping中设置的搜索分词器

首先超级羽绒服关键字先会被分词为超级、羽绒服然后再去es中查询与这两个分词相匹配的文档，依据相关度即分值得到以下结果。

GET idx_pro/_search
{
  "query": {
    "match": {
      "name": {
        "query": "超级羽绒服",
        "analyzer": "ik_smart"
      }
    }
  }
}

冬天超级暖心羽绒服 冬天暖心羽绒服 冬日羽绒服 花花公子羽绒服 花花公子暖心羽绒服

不使用配置的话可以采用如下简写方式

"query": {
  "match": {"name": "超级羽绒服"}
}

match_phrase

可以搜索分词相邻的结果，eg 根据新疆苹果可以搜到香甜新疆苹果而搜不到新疆香甜苹果
可以使用slop指定两个匹配的token位置距离的最大值。
可以使用analyzer指定分词器，覆盖mapping中设置的search_analyzer

如下我们对"花花公子羽绒服"进行分词后发现，返回结果除了每个token之外，还拥有位置信息start_offset和end_offset。位置信息可以被保存在倒排索引(Inverted Index)中，像match_phrase这样位置感知(Position-aware)的查询能够使用位置信息来匹配那些含有正确单词出现顺序的文档，且在这些单词之间没有插入别的单词。

GET idx_pro/_analyze
{
  "text":"花花公子羽绒服",
  "analyzer" : "ik_smart"
}

{
  "tokens" : [
    {
      "token" : "花花公子",
      "start_offset" : 0,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "羽绒服",
      "start_offset" : 4,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 1
    }
  ]
}

如下是我们的样本数据

冬日工装裤 花花公子帅气外套 花花公子外套 冬天暖心羽绒服 冬日羽绒服 花花公子羽绒服 花花公子暖心羽绒服
冬天超级暖心羽绒服

我们查询超级羽绒服搜索不到数据，因为没有超级羽绒服这样的短语存在。

GET idx_pro/_search
{
  "query": {
    "match_phrase": {
      "name": "超级羽绒服"
    }
  }
}

搜索暖心羽绒服即可搜索到如下三个数据，因为暖心羽绒服被分词为暖、 心、 羽绒服三部分，搜索到的结果必须符合他们三个分词的位置紧挨着。

GET idx_pro/_search
{
  "query": {
    "match_phrase": {
      "name": "暖心羽绒服"
    }
  }
}

冬天暖心羽绒服 冬天超级暖心羽绒服 花花公子暖心羽绒服

我们在设置了slop后允许超级和羽绒服这两个分词后的token距离最大值为2，可以搜索到如下数据了。因为冬天超级暖心羽绒服分词结果为冬天，超级,暖，心，羽绒服，超级与羽绒服距离正好为2，所以能匹配到。

GET idx_pro/_search
{
  "query": {
    "match_phrase": {
      "name": {
        "query": "超级羽绒服",
        "analyzer": "ik_smart",
        "slop": 2
      }
    }
  }
}

冬天超级暖心羽绒服

Filter

其实准确来说，ES中的查询操作分为2种：查询（query）和过滤（filter）。查询即是之前提到的query查询，它（查询）默认会计算每个返回文档的得分，然后根据得分排序。而过滤（filter）只会筛选出符合的文档，并不计算得分，且它可以缓存文档。所以，单从性能考虑，过滤比查询更快。

换句话说，过滤适合在大范围筛选数据，而查询则适合精确匹配数据。一般应用时，应先使用过滤操作过滤数据，然后使用查询匹配数据。

在Filter context中，查询子句回答问题“此文档是否与此查询子句匹配？”答案是简单的“是”或“否”，即不计算分数。过滤器上下文主要用于过滤结构化数据，例如：

该食品的生产日期是否在2018-2019之间
该商品的状态是否为"已上架"

Ps：常用过滤器将由Elasticsearch自动缓存，以提高性能。

bool组合查询

bool查询可以组合多种叶子查询，包含如下：

must：出现于匹配查询当中，有助于匹配度(_score)的计算
filter：必须满足才能出现，属于过滤，不会影响分值的计算，但是会过滤掉不符合的数据
should：该条件下的内容是应该满足的内容，如果符合会增加分值，不符合降低分值，不会不显示
must_not：满足的内容不会出现，与filter功能相反，属于过滤，不会影响分值的计算，但是会过滤掉不符合的数据

term-level query

我们可以使用term-level根据结构化的数据（例如ip、商品的id、价格等分词后无意义的数据）来精准查询文档，

与full-text全文检索不同，查询的关键字不进行分词，直接去es中匹配文档。

常见的term-level级别的查询有（其他查询请参考官网）：

term query
返回文档中精确包含关键字的文档，苏布尔贵族大米不会分词，直接去es中匹配文档
```
GET idx_item/_search
{
  "query": {
    "term": {"title": "东北贵族大米"}
  }
}
```

terms query
相当于多个term查询

GET idx_item/_search
{
  "query": {
    "terms": {"title": ["苏泊尔","小米"]}
  }
}

exists query
返回有name字段的文档，注意，如下情况将搜索不到文档：
- 该字段的值为null或者是[],空字符串是可以搜索到的""
- 该字段在mapping中设置了index:false
- 该字段长度超出了mapping中的ignore_above的设置
- The field value was malformed and ignore_malformed was defined in the mapping
```
GET idx_pro/_search
{
  "query": {
    "exists": {
      "field": "name"
    }
  }
}
```

range query
Returns documents that contain terms within a provided range.

GET _search
{
    "query": {
        "range" : {
            "age" : {
                "gte" : "2019-12-10",
                "lte" : "2020-11-11",
                "format" : "yyyy-MM-dd"
            }
        }
    }
}

ids query
根据文档的_id返回文档

GET /_search
{
    "query": {
        "ids" : {
            "values" : ["1", "4", "100"]
        }
    }
}

示例

must_not和filter用来过滤，而should是应该满足的条件，不是必须满足的条件，会影响分值的计算。

GET idx_pro/_search
{
  "query": {
    "bool": {
      "must": [
        {    
          "match": {
            "name": "花花公子羽绒服"
          }
        }
      ],
      "must_not": [
        {
          "term": {
            "proId": 6
          }
        }
      ], 
      "should": [
        {
          "terms": {
            "name.keyword": ["花花公子暖心羽绒服", "花花公子外套"]
          }
        }
      ], 
      "filter": {
        "range": {
          "createTime": {
            "gte": "2019-12-12 17:56:56",
            "lte": "2019-12-19 17:56:56",
            "format": "yyyy-MM-dd HH:mm:ss"
          }
        }
      }
    }
  }
}

posted @ 2019-12-25 11:08 海向阅读(16918) 评论(6) 编辑收藏举报

会员力量，点亮园子希望

刷新页面返回顶部

Hai Xiang