Elasticsearch 篇之Search API 介绍 二QueryDSL

Query DSL

这是一个基于 JSON 定义的查询语言，主要包含两种类型：

字段查询：如 term、match、range等，只针对某一字段进行查询

复合查询：如bool查询等，包含一个或多个字段类查询或复合查询语句

Query DSL- 字段类查询

字段类查询主要包含下面的两类：

 

 

match query

。这个语句就表示返回包含alfred或way的文档。

 

match query的流程

 

 

match query参数

在前面的查询中待查询语句满足其中的一个即可，es提供了一个参数用来表示查询语句匹配关系：

---这个例子中就表示必须同时包含alfred和way

 

 

 

相关性算分
在match query流程中，汇总的分的过程是es根据内部的相关性算分算法（TF/IDF、BM25等）进行计算的。在es5.x版本后默认使用BM25算法进行相关性算分。

相关性算分是指文档与查询语句之间的相关度（relevance）。其本质是一个排序问题，就是当通过倒排索引获取到匹配的文档列表后，如何将最符合用户需求的文档排在前列。

相关性算分具有如下的重要概念：

 

 

 

 

 

 BM25算法中BM指的是BEST MATCH，25指的是迭代了25次才计算方法，是针对TF/IDF的一种优化，计算公式如下：

 

 

 

 

match phrase query

对字段有检索，有顺序要求，API如下：

----这个例子是：匹配java和engineer关键字的文档，且java要在engineer前面。

 

 

 

match phrase query参数

通过slop参数控制单词间的间隔：

这样额话，就表示允许匹配的文档可以与 java engineer有一个距离的差异。这样，java senior engineer这样的字段就可以返回了。

 

 

query string query

类似于 URI search中的q参数查询：

这个例子就表示返回返回username字段中包含alfred和way的文档

 

 这个表示查询username 和 job字段，条件是包含alfred或同时包含java和ruby

 

 

 

 

simple query string query

类似于query string，但是会忽略掉错误的查询语法，并且仅支持部分的查询语法。不能使用 AND,OR,NOT等关键词，使用 +代替AND， | 代替OR，- 代替 NOT。

 

 

Term query

将查询语句作为一个整体进行查询，不进行分词：

 

 

Terms query

一次传入多个单词进行查询：

 

 

range query

范围查询主要针对日期和数值类型：

 

 

 

 Date Math是针对日期的一种更友好的计算格式：

 

 主要的时间单位有：y（year）、M（months）、w（week）、d（days）、h（hours）、m（minutes）、s（seconds）

 

 

复合查询

复合查询是指包含字段类查询或复合查询的类型，主要有以下几种：

• constant_score query
• bool query
• dis_max query
• function_score query
• boosting query

 

constant_score query将其内部的查询结果文档得分都设定为1或者boost的值，多用于结合bool查询实现自定义得分

：

 

 在返回的结果中，_score的值全部为1

 

bool query由一个或多个bool子句组成，主要包含以下4个：

 

 

 

 filter查询只返回符合条件的文档而不关心相关性，不进行相关性算分。es对filter有智能缓存，所以其执行效率很高。所以在执行简单查询而不考虑相关性的时候推荐使用filter代替query等。

 

 执行结果中的_score的值为0，表示没有进行相关性算分

 

must指定了必须符合的条件：

 

 must_not是指排除must_not中符合条件的文档：

 

 

should的使用有两种情况：

• bool查询中只包含should，不包含must查询
• bool查询中同时包含should和must查询

 

 

query context 和filter context的区别

 

 

 

 

count api

这个api是用于返回符合条件的文档数，endpoint为_count

 

 

source filtering

过滤返回结果中_source的字段，节省网络开销：