ElasticSearch-DSL查询
详情请参考:https://www.aliyundrive.com/s/Y4ArBxRkvTC
查询操作
1、
Elasticsearch提供了基于JSON的DSL(
查询所有
全文检索(full text)查询:利用分词器对用户输入内容分词,然后去倒排索引库中匹配。例如:
match_query
multi_match_query
精确查询:根据精确词条值查找数据,一般是查找keyword、数值、日期、boolean等类型字段。例如:
ids
range
term
地理(geo)查询:根据经纬度查询。例如:
geo_distance
geo_bounding_box
复合(compound)查询:复合查询可以将上述各种查询条件组合起来,合并查询条件。例如:
bool
function_score
查询的语法基本一致:
GET /indexName/_search
{
"query": {
"查询类型": {
"查询条件": "条件值"
}
}
}我们以查询所有为例,其中:
查询类型为match_all
没有查询条件
// 查询所有
GET /indexName/_search
{
"query": {
"match_all": {
}
}
}其它查询无非就是查询类型、查询条件的变化。
全文检索查询的基本流程如下:
对用户搜索的内容做分词,得到词条
根据词条去倒排索引库中匹配,得到文档id
根据文档id找到文档,返回给用户
因为是拿着词条去匹配,因此参与搜索的字段也必须是可分词的text类型的字段。
常见的全文检索查询包括:
match查询:单字段查询
multi_match查询:多字段查询,任意一个字段符合条件就算符合查询条件
match查询语法如下:
GET /indexName/_search
{
"query": {
"match": {
"FIELD": "TEXT"
}
}
}mulit_match语法如下:
GET /indexName/_search
{
"query": {
"multi_match": {
"query": "TEXT",
"fields": ["FIELD1", " FIELD12"]
}
}
}
搜索字段越多,对查询性能影响越大,因此建议采用copy_to,然后单字段查询的方式。
总结:match和multi_match的区别是什么?
match:根据一个字段查询
multi_match:根据多个字段查询,参与查询字段越多,查询性能越差
精确查询一般是查找keyword、数值、日期、boolean等类型字段。所以不会对搜索条件分词。常见的有:
term:根据词条精确值查询
range:根据值的范围查询
一、term精确查询
语法说明:
// term查询
GET /indexName/_search
{
"query": {
"term": {
"FIELD": {
"value": "VALUE"
}
}
}
}示例:
// term查询
GET /hotel/_search
{
"query": {
"term": {
"city": {
"value": "上海"
}
}
}
}二、range查询
范围查询,一般应用在对数值类型做范围过滤的时候。比如做价格范围过滤。
基本语法:
// range查询 GET /indexName/_search { "query": { "range": { "FIELD": { "gte": 10, // 这里的gte代表大于等于,gt则代表大于 "lte": 20 // lte代表小于等于,lt则代表小于 } } } }示例:
GET /hotel/_search { "query": { "range": { "price": { "gte": 100, "lte": 150 } } } }
精确查询常见的有哪些?
term查询:根据词条精确匹配,一般搜索keyword类型、数值类型、布尔类型、日期类型字段
range查询:根据数值范围查询,可以是数值、日期的范围
所谓的地理坐标查询,其实就是根据经纬度查询,官方文档:https://www.elastic.co/guide/en/elasticsearch/reference/current/geo-queries.html
常见的使用场景包括:
携程:搜索我附近的酒店
滴滴:搜索我附近的出租车
微信:搜索我附近的人
一、矩形范围查询
矩形范围查询,也就是geo_bounding_box查询,查询坐标落在某个矩形范围的所有文档
语法如下:
// geo_bounding_box查询 GET /indexName/_search { "query": { "geo_bounding_box": { "FIELD": { "top_left": { // 左上点 "lat": 31.1, "lon": 121.5 }, "bottom_right": { // 右下点 "lat": 30.9, "lon": 121.7 } } } } }二、附近查询
附近查询,也叫做距离查询(geo_distance):查询到指定中心点小于某个距离值的所有文档。
语法说明:
// geo_distance 查询 GET /indexName/_search { "query": { "geo_distance": { "distance": "15km", // 半径 "FIELD": "31.21,121.5" // 圆心 } } }
复合(compound)查询:复合查询可以将其它简单查询组合起来,实现更复杂的搜索逻辑。常见的有两种:
fuction score:算分函数查询,可以控制文档相关性算分,控制文档排名
bool query:布尔查询,利用逻辑关系组合多个其它的查询,实现复杂搜索
一、算分函数查询
1、语法
function score 查询中包含四部分内容:
原始查询条件:query部分,基于这个条件搜索文档,并且基于BM25算法给文档打分,原始算分(query score)
过滤条件:filter部分,符合该条件的文档才会重新算分
算分函数:符合filter条件的文档要根据这个函数做运算,得到的函数算分(function score),有四种函数
weight:函数结果是常量
field_value_factor:以文档中的某个字段值作为函数结果
random_score:以随机数作为函数结果
script_score:自定义算分函数算法
运算模式:算分函数的结果、原始查询的相关性算分,两者之间的运算方式,包括:
multiply:相乘
replace:用function score替换query score
其它,例如:sum、avg、max、min
function score的运行流程如下:
1)根据原始条件查询搜索文档,并且计算相关性算分,称为原始算分(query score)
2)根据过滤条件,过滤文档
3)符合过滤条件的文档,基于算分函数运算,得到函数算分(function score)
4)将原始算分(query score)和函数算分(function score)基于运算模式做运算,得到最终结果,作为相关性算分。
因此,其中的关键点是:
过滤条件:决定哪些文档的算分被修改
算分函数:决定函数算分的算法
运算模式:决定最终算分结果
boost_mode:
最终的分数 result_score 是由 query_score 与 func_score 进行计算而来,计算方式由参数 boost_mode 定义:
- multiply : 相乘(默认),result_score = query_score * function_score
- replace : 替换,result_score = function_score
- sum : 相加,result_score = query_score + function_score
- avg : 取两者的平均值,result_score = Avg(query_score, function_score)
- max : 取两者之中的最大值,result_score = Max(query_score, function_score)
- min : 取两者之中的最小值,result_score = Min(query_score, function_score)
function_score
function_score 提供了以下几种打分的函数:
- weight : 加权。
- random_score : 随机打分。
- field_value_factor : 使用字段的数值参与计算分数。
- decay_function : 衰减函数 gauss, linear, exp 等。
- script_score : 自定义脚本。
总结:
function score query定义的三要素是什么?
- 过滤条件:哪些文档要加分
- 算分函数:如何计算function score
- 加权方式:function score 与 query score如何运算
// 单纯广告优先 GET /hotel/_search { "query": { "function_score": { "query": {"match_all": {}}, "functions": [ { "filter": {"term": {"isAD": "true"}}, "weight": 10 } ], "boost_mode": "multiply" } } } // 竞价排名 GET /hotel/_search { "query": { "function_score": { "query": {"match_all": {}}, "functions": [ { "filter": {"term": {"isAD": "true"}}, "field_value_factor": { "field": "AD_Price" } } ], "boost_mode": "sum" } } }
二、布尔查询
布尔查询是一个或多个查询子句的组合,每一个子句就是一个子查询。子查询的组合方式有:
must:必须匹配每个子查询,类似“与”
should:选择性匹配子查询,类似“或”
must_not:必须不匹配,不参与算分,类似“非”
filter:必须匹配,不参与算分
语法:
GET /hotel/_search { "query": { "bool": { "must": [ {"term": {"city": "上海" }} ], "should": [ {"term": {"brand": "皇冠假日" }}, {"term": {"brand": "华美达" }} ], "must_not": [ { "range": { "price": { "lte": 500 } }} ], "filter": [ { "range": {"score": { "gte": 45 } }} ] } } }bool查询有几种逻辑关系?
must:必须匹配的条件,可以理解为“与”
should:选择性匹配的条件,可以理解为“或”
must_not:必须不匹配的条件,不参与打分
filter:必须匹配的条件,不参与打分
7、排序
keyword、数值、日期类型排序的语法基本一致。
语法:
GET /indexName/_search { "query": { "match_all": {} }, "sort": [ { "FIELD": "desc" // 排序字段、排序方式ASC、DESC } ] }排序条件是一个数组,也就是可以写多个排序条件。按照声明的顺序,当第一个条件相等时,再按照第二个条件排序,以此类推
二、地理坐标排序
地理坐标排序略有不同。
语法说明:
GET /indexName/_search { "query": { "match_all": {} }, "sort": [ { "_geo_distance" : { "FIELD" : "纬度,经度", // 文档中geo_point类型的字段名、目标坐标点 "order" : "asc", // 排序方式 "unit" : "km" // 排序的距离单位 } } ] }这个查询的含义是:
指定一个坐标,作为目标点
计算每一个文档中,指定字段(必须是geo_point类型)的坐标 到目标点的距离是多少
根据距离排序
8、分页
elasticsearch 默认情况下只返回top10的数据。而如果要查询更多数据就需要修改分页参数了。elasticsearch中通过修改from、size参数来控制要返回的分页结果:
from:从第几个文档开始
size:总共查询几个文档
类似于mysql中的
limit ?, ?
一、基本分页
分页的基本语法如下:
GET /hotel/_search { "query": { "match_all": {} }, "from": 0, // 分页开始的位置,默认为0 "size": 10, // 期望获取的文档总数 "sort": [ {"price": "asc"} ] }二、深度分页问题
GET /hotel/_search { "query": { "match_all": {} }, "from": 990, // 分页开始的位置,默认为0 "size": 10, // 期望获取的文档总数 "sort": [ {"price": "asc"} ] }
分页查询是查询出前n页,然后截取最后一页返回实现分页查询。
当查询分页深度较大时,汇总数据过多,对内存和CPU会产生非常大的压力,因此elasticsearch会禁止from+ size 超过10000的请求。
针对深度分页,ES提供了两种解决方案,
search after:分页时需要排序,原理是从上一次的排序值开始,查询下一页数据。官方推荐使用的方式。
scroll:原理将排序后的文档id形成快照,保存在内存。官方已经不推荐使用。
分页查询的常见实现方案以及优缺点:
from + size
:
优点:支持随机翻页
缺点:深度分页问题,默认查询上限(from + size)是10000
场景:百度、京东、谷歌、淘宝这样的随机翻页搜索
after search
:
优点:没有查询上限(单次查询的size不超过10000)
缺点:只能向后逐页查询,不支持随机翻页
场景:没有随机翻页需求的搜索,例如手机向下滚动翻页
scroll
:
优点:没有查询上限(单次查询的size不超过10000)
缺点:会有额外内存消耗,并且搜索结果是非实时的
场景:海量数据的获取和迁移。从ES7.1开始不推荐,建议用 after search方案。
9、高亮
高亮显示的实现分为两步:
1)给文档中的所有关键字都添加一个标签,例如
<em>
标签2)页面给
<em>
标签编写CSS样式
GET /hotel/_search { "query": { "match": { "FIELD": "TEXT" // 查询条件,高亮一定要使用全文检索查询 } }, "highlight": { "fields": { // 指定要高亮的字段 "FIELD": { "pre_tags": "<em>", // 用来标记高亮字段的前置标签 "post_tags": "</em>" // 用来标记高亮字段的后置标签 } } } }注意:
高亮是对关键字高亮,因此搜索条件必须带有关键字,而不能是范围这样的查询。
默认情况下,高亮的字段,必须与搜索指定的字段一致,否则无法高亮
如果要对非搜索字段高亮,则需要添加一个属性:required_field_match=false
文档的查询同样适用昨天学习的 RestHighLevelClient对象,基本步骤包括:
1)准备Request对象
2)准备请求参数
3)发起请求
4)解析响应
10、快速进入(查询)
/** * 测试查询 */ @Test public void match_all(){ try { // 1 构建查询请求 SearchRequest request=new SearchRequest("hotel"); // 2 设定查询方式 // 2.1 match_all //request.source().query(QueryBuilders.matchAllQuery()); // 2.2 match //request.source().query(QueryBuilders.matchQuery("all","如家")); // 2.3 term查询 //request.source().query(QueryBuilders.termQuery("city","上海")); // 2.4 range查询 request.source().query(QueryBuilders.rangeQuery("price").gte(100).lte(300)); // 2.5 bool查询 BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery(); boolQueryBuilder.must(QueryBuilders.matchQuery("all","如家")); boolQueryBuilder.should(QueryBuilders.termQuery("city","上海")); boolQueryBuilder.filter(QueryBuilders.rangeQuery("price").gte(100).lte(300)); request.source().query(boolQueryBuilder); // 3 发起查询请求 SearchResponse searchResponse = client.search(request, RequestOptions.DEFAULT); // 4 解析查询结果 SearchHits hits = searchResponse.getHits(); // 4.1 获取查询结果总数 long value = hits.getTotalHits().value; System.out.println("共查询"+value+"条数据"); // 4.2 获取查询结果数据 SearchHit[] hitsResult = hits.getHits(); for (SearchHit searchHit : hitsResult) { // 将查询结果转成json字符串 String sourceAsString = searchHit.getSourceAsString(); System.out.println(searchHit); } } catch (IOException e) { e.printStackTrace(); } }
这里关键的API有两个,一个是request.source()
,其中包含了查询、排序、分页、高亮等所有功能:
总结:
查询的基本步骤是:
-
创建SearchRequest对象
-
准备Request.source(),也就是DSL。
① QueryBuilders来构建查询条件
② 传入Request.source() 的 query() 方法
-
发送请求,得到结果
-
解析结果(参考JSON结果,从外到内,逐层解析)
11、排序、分页
/** * 测试分页、排序 */ @Test public void page_test(){ try { // 1 构建查询请求 SearchRequest request=new SearchRequest("hotel"); // 2 设定查询方式 request.source().query(QueryBuilders.matchQuery("all","如家")); // 分页操作 request.source().from(0).size(3); // 排序 request.source().sort("price", SortOrder.ASC); // 3 发起查询请求 SearchResponse searchResponse = client.search(request, RequestOptions.DEFAULT); // 4 解析查询结果 SearchHits hits = searchResponse.getHits(); // 4.1 获取查询结果总数 long value = hits.getTotalHits().value; System.out.println("共查询"+value+"条数据"); // 4.2 获取查询结果数据 SearchHit[] hitsResult = hits.getHits(); for (SearchHit searchHit : hitsResult) { // 将查询结果转成json字符串 String sourceAsString = searchHit.getSourceAsString(); System.out.println(searchHit); } } catch (IOException e) { e.printStackTrace(); } }
12、高亮
高亮的代码与之前代码差异较大,有两点:
查询的DSL:其中除了查询条件,还需要添加高亮条件,同样是与query同级。
结果解析:结果除了要解析_source文档数据,还要解析高亮结果
@Test public void high_light(){ try { // 1 构建查询请求 SearchRequest request=new SearchRequest("hotel"); // 2 设定查询方式 request.source().query(QueryBuilders.matchQuery("all","如家")); request.source().highlighter(new HighlightBuilder() .field("name") .requireFieldMatch(false) ); // 3 发起查询请求 SearchResponse searchResponse = client.search(request, RequestOptions.DEFAULT); // 4 解析查询结果 SearchHits hits = searchResponse.getHits(); // 4.1 获取查询结果总数 long value = hits.getTotalHits().value; System.out.println("共查询"+value+"条数据"); // 4.2 获取查询结果数据 SearchHit[] hitsResult = hits.getHits(); for (SearchHit searchHit : hitsResult) { Map<String, HighlightField> highlightFields = searchHit.getHighlightFields(); HighlightField name = highlightFields.get("name"); Text fragment = name.getFragments()[0]; // 将查询结果转成json字符串 HotelDoc hotelDoc = JSON.parseObject(searchHit.getSourceAsString(), HotelDoc.class); hotelDoc.setName(fragment.string()); System.out.println(hotelDoc); } } catch (IOException e) { e.printStackTrace(); } }