Elasticsearch(十)搜索---搜索匹配功能①--查询所有文档和term级别查询_elasticsearch关系型数据库 搜索(1)

一、前言

之前的学习我们已经了解了搜索的辅助功能，从这一章开始就是ES真正核心的功能，搜索。针对不同的数据类型，ES提供了很多搜索匹配功能：既有进行完全匹配的term搜索，也有按照范围匹配的range搜索；既有进行分词匹配的match搜索，也有按照前缀匹配的suggesr搜索。我们同样也会通过在kibana上进行DSL的搜索示例，也会给出java客户端的使用代码。本节我们将介绍两个场景：查询所有文档和term级别的查询。

二、查询所有文档

在关系型数据库中，当需要查询所有文档的数据时，对应的SQL语句为select * from table_name.在ES中是否有类似的功能呢？答案是肯定的，使用ES的match_all查询可以完成类似的功能。使用match_all查询文档时，ES不对文档进行打分计算，默认情况下给每个文档赋予1.0的得分。用户可以通过boost参数设定该分值。以下示例使用match_all查询所有文档，并设定所有文档分值为2.0：

GET /hotel/_search
{
  "\_source": ["title","city"],  //只返回title和city字段
  "query": {
    "match\_all": {   //查询所有文档
      "boost": 2     //设定所有文档的分值为2.0
    }
  }
}

ES返回的数据如下：

{
 ...
 "hits" : {
    "total" : {
      "value" : 6,  //命中6个文档
      "relation" : "eq"
    },
    "max\_score" : 2.0,
    "hits" : [
      {
        "\_index" : "hotel",
        "\_type" : "\_doc",
        "\_id" : "001",
        "\_score" : 2.0,  //最高分为2.0
        "\_source" : {    //命中的文档集合
          "city" : "北京",
          "title" : "文雅酒店"
        }
      },
      {
        "\_index" : "hotel",
        "\_type" : "\_doc",
        "\_id" : "002",
        "\_score" : 2.0,
        "\_source" : {
          "city" : "北京",
          "title" : "京盛酒店"
        }
      },
      ...
    ]
  }
}

通过返回的数据集可以看到，ES返回所有的文档，并且所有文档的得分都为2.0
在Java客户端进行查询时，可以调用QueryBuilders.matchAllQuery()方法新建一个match_all查询，并且通过boost()方法设置boost值。构建完term查询后，调用searchSourceBuilder.query()方法设置查询条件。
为方便演示，下面定义一个打印搜索结果的方法，该方法接收一个SearchRequest实例并将搜索结果设置查询条件。
由于我们的获取结果那一块儿，后面都是共同的，所以我们可以将这块儿代码独立出来：

	private List<Hotel> getQueryResult(SearchRequest searchRequest) throws IOException {
		ArrayList<Hotel> resultList = new ArrayList<>();
		SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);
		RestStatus status = searchResponse.status();
		if (status != RestStatus.OK) {
			return Collections.emptyList();
		}
		SearchHits searchHits = searchResponse.getHits();
		for (SearchHit searchHit : searchHits) {
			Hotel hotelResult = new Hotel();
			hotelResult.setId(searchHit.getId());   //文档\_id
			hotelResult.setIndex(searchHit.getIndex());   //索引名称
			hotelResult.setScore(searchHit.getScore());   //文档得分
			//转换为Map
			Map<String, Object> dataMap = searchHit.getSourceAsMap();
			hotelResult.setTitle((String) dataMap.get("title"));
			hotelResult.setCity((String) dataMap.get("city"));
			String price = (String) dataMap.get("price");
			if (StrUtil.isNotBlank(price)) {
				hotelResult.setPrice(Double.valueOf(price));
			}
			resultList.add(hotelResult);
		}
		return resultList;
	}

然后我们可以在service层使用match_all查询：

public List<Hotel> matchAllQuery(HotelDocRequest hotelDocRequest) throws IOException {
		String indexName = hotelDocRequest.getIndexName();
		if (CharSequenceUtil.isBlank(indexName)) {
			throw new SearchException("索引名不能为空");
		}
		//新建搜索请求
		SearchRequest searchRequest = new SearchRequest(indexName);
		SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
		//这里我直接New MatchAllQueryBuilder,不过更推荐QueryBuilders.matchAllQuery().boost(2.0f)
		//新建match\_all查询，并设置boost值为2.0
		searchSourceBuilder.query(new MatchAllQueryBuilder().boost(2.0f));
		searchRequest.source(searchSourceBuilder);
		return getQueryResult(searchRequest);
	}

在controller层调用service:

	@PostMapping("/query/match\_all")
	public FoundationResponse<List<Hotel>> matchAllQuery(@RequestBody HotelDocRequest hotelDocRequest) {
		try {
			List<Hotel> hotelList = esQueryService.matchAllQuery(hotelDocRequest);
			if (CollUtil.isNotEmpty(hotelList)) {
				return FoundationResponse.success(hotelList);
			} else {
				return FoundationResponse.error(100,"no data");
			}
		} catch (IOException e) {
			log.warn("搜索发生异常，原因为:{}", e.getMessage());
			return FoundationResponse.error(100, e.getMessage());
		} catch (Exception e) {
			log.error("服务发生异常，原因为:{}", e.getMessage());
			return FoundationResponse.error(100, e.getMessage());
		}
	}

postman调用该接口：

三、term级别查询

3.1、term查询

term查询是结构化精准查询的主要查询方式，用于查询待查字段和查询值是否完全匹配，其请求形式如下：

GET /hotel/_search
{
  "query": {
    "term": {
      "${FIELD}": {     //搜索字段名称
        "value": "${VALUE}"  //搜索值
      }
    }
  }
}

其中，FIELD和VALUE分别代表字段名称和查询值，FIELD的数据类型可以是数值型，布尔型、日期型、数组型及关键字等。
例如，下面的例子是查找city为北京的酒店，DSL如下：

GET /hotel/_search
{
  "\_source": ["title","city"],     //希望返回的结果字段
  "from": 0,                        //分页
  "size": 10001,  
  "query": {
    "term": {
      "city": {    //搜索字段是city,字段类型为keyword
        "value": "北京"
      }
    }
  }
}

返回结果如下：

对于日期型的字段查询，需要按照该字段在mappings中定义的格式进行查询。如果格式不对，那么请求将报错：
例如我这边create_time的格式是yyyy-MM-dd HH:mm:ss

如果我拿其他格式进行请求：

GET /hotel/_search
{
  "\_source": ["title","city"],
  "query": {
   "term": {
     "create\_time": {
       "value": "20230121142456"
     }
   }
  }
}


**自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。**

**深知大多数大数据工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！**

**因此收集整理了一份《2024年大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。**
![img](https://img-blog.csdnimg.cn/img_convert/8a760362a555294bf36ef598c7a20a0d.png)
![img](https://img-blog.csdnimg.cn/img_convert/91375096180bf9ca9eee3468269c15d0.png)
![img](https://img-blog.csdnimg.cn/img_convert/0daf85bb284df82de8278ba7c7fc5cfe.png)
![img](https://img-blog.csdnimg.cn/img_convert/a5404efa1554b3044f1ed6d34016c7d2.png)
![img](https://img-blog.csdnimg.cn/img_convert/0ad545fa1977c76e3bbc44f1ff84c492.png)

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上大数据开发知识点，真正体系化！**

**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

**如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）**
![img](https://img-blog.csdnimg.cn/img_convert/4612fbe5cedd511d3943b5f841132ff6.png)

**一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

**如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）**
[外链图片转存中...(img-PKQLXEIS-1712958174643)]

**一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**