ElasticSearch-DSL查询

详情请参考:https://www.aliyundrive.com/s/Y4ArBxRkvTC


 

查询操作

1、DSL查询分类

Elasticsearch提供了基于JSON的DSL(Domain Specific Language)来定义查询。常见的查询类型包括:

  • 查询所有:查询出所有数据,一般测试用。例如:match_all

  • 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。

2、使用场景

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。

3、全文检索查询

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

4、精确查询

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

因为精确查询的字段搜是不分词的字段,因此查询的条件也必须是不分词的词条。查询时,用户输入的内容跟自动值完全匹配时才认为符合条件。如果用户输入的内容过多,反而搜索不到数据。

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:

复制代码
// 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
      }
    }
  }
}
复制代码

示例:

复制代码
GET /hotel/_search
{
  "query": {
    "range": {
      "price": {
        "gte": 100,
        "lte": 150
      }
    }
  }
}
复制代码

 

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

5、地理坐标查询

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

 

 查询时,需要指定矩形的左上右下两个点的坐标,然后画出一个矩形,落在该矩形内的都是符合条件的点。

 

语法如下:

复制代码
// 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
        }
      }
    }
  }
}
复制代码

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:

复制代码
// geo_distance 查询
GET /indexName/_search
{
  "query": {
    "geo_distance": {
      "distance": "15km", // 半径
      "FIELD": "31.21,121.5" // 圆心
    }
  }
}
复制代码

6、复合查询

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:

  1. multiply : 相乘(默认),result_score = query_score * function_score
  2. replace : 替换,result_score = function_score
  3. sum : 相加,result_score = query_score + function_score
  4. avg : 取两者的平均值,result_score = Avg(query_score, function_score)
  5. max : 取两者之中的最大值,result_score = Max(query_score, function_score)
  6. 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:

  1. weight : 加权。
  2. random_score : 随机打分。
  3. field_value_factor : 使用字段的数值参与计算分数。
  4. decay_function : 衰减函数 gauss, linear, exp 等。
  5. 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

 

复制代码
// 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"
    }
  }
}
复制代码

 

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:

复制代码
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 } }}
      ]
    }
  }
}
复制代码

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


搜索结果处理

7、排序

elasticsearch默认是根据相关度算分(_score)来排序,但是也支持自定义方式对搜索结果排序。可以排序字段类型有:keyword类型、数值类型、地理坐标类型、日期类型等。

一、普通字段排序

keyword、数值、日期类型排序的语法基本一致。

语法

复制代码
GET /indexName/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "FIELD": "desc"  // 排序字段、排序方式ASC、DESC
    }
  ]
}
复制代码

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

复制代码
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
      }
    }
  ]
}
复制代码

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:

复制代码
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"}
  ]
}
复制代码

二、深度分页问题

复制代码
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"}
  ]
}
复制代码

 

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,官方文档

  • 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

高亮的语法

复制代码
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
      }
    }
  }
}
复制代码

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


RestClient查询文档

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)

复制代码
 /**
     * 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();
        }
    }
复制代码

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:

 

 另一个是QueryBuilders,其中包含match、term、function_score、bool等各种查询:

 

总结:

查询的基本步骤是:

  1. 创建SearchRequest对象

  2. 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

  3. 发送请求,得到结果

  4. 解析结果(参考JSON结果,从外到内,逐层解析)

11、排序、分页

复制代码
/**
     * 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();
        }
    }
复制代码

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

复制代码
@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();
        }
    }
复制代码

 

posted @   佛祖让我来巡山  阅读(385)  评论(0编辑  收藏  举报

佛祖让我来巡山博客站 - 创建于 2018-08-15

开发工程师个人站,内容主要是网站开发方面的技术文章,大部分来自学习或工作,部分来源于网络,希望对大家有所帮助。

Bootstrap中文网

点击右上角即可分享
微信分享提示