Elasticsearch 基本使用（三）条件查询_es条件查询(1)

“total” : {
“value” : 1,
“relation” : “eq”
},
“max_score” : 14.199377,
“hits” : [
{
“_index” : “bank”,
“_type” : “_doc”,
“_id” : “0”,
“_score” : 14.199377,
“_source” : {
“account_number” : 0,
“balance” : 16623,
“firstname” : “Bradshaw”,
“lastname” : “Mckenzie”,
“age” : 29,
“gender” : “F”,
“address” : “244 Columbus Place”,
“employer” : “Euron”,
“email” : “bradshawmckenzie@euron.com”,
“city” : “Hobucken”,
“state” : “CO”
}
}
]
}
}

match_phrase_prefix

查询多个连续的词(term)，最后一个词 以 prefix 查询
举例：name = my name is tony
查询条件值为 my n
match_phrase 查不到数据，因为 n 没有在字段分词找到对应的词
match_phrase_prefix 能查到数据，最后一个条件 值为 n，对n执行前缀查询，所以能查到

match_bool_prefix

条件分词后，前面的词以 term 查询，最后一个以 prefix 查询

should [
term: 条件分词1,
term: 条件分词2,
prefix：最后一个条件词
]

multi_match

友视需要在多个字段上查询相同条件。比如搜索商品关键词，既可以在商品名称上匹配，也可以在品牌名称上匹配

“multi_match”: {
“query”: “条件值”,
“fields”: [“goods_name”, “brand”]
}

复合查询

在实际使用中，往往是在多个条件下查询数据。

bool 查询

在 query 下使用 bool 聚合多条件，通过组合内部多个条件的逻辑关系，形成最终的查询条件。
bool 内部 must ，must_not，filter，should 之间为与的关系

以下查询条件为：

• address 分词匹配 244 Columbus Plac 且 age = 29

GET bank/_search
{
“query”: {
“bool”: {
“must”: [
{
“match”: {
“address”: “244 Columbus Place”
}
},
{
“match”: {
“age”: 29
}
}
]
}
}
}

标记数据匹配的条件

查询结果还可以标记当前记录，匹配上了哪些条件
在查询中，指定查询条件值时：
_name标记当前条件
实际测试下来，不同查询方式，写法还不太一样

• term

“term”: {
“age”: {
“value”: “30”,
“_name”: “age”
}
}

• terms

“terms”: {
“age”: [“30”],
“_name”: “age”
}

• match

“match”: {
“name”: { 字段名
“query”: “四”,
“_name”: “name”
}
}

可以看到最后有一个 matched_queries字段，说明本条记录是匹配了哪些条件。
但是，这个机制好像对嵌套查询没效果，后续有机会再了解

bool 子元素区别

• must： 与 (内部做与运算)
• must_not：非（内部做 与 运算，最后在外层做非运算）不进行相关性评分，不影响整体评分
• should：或 （内部做 或运算）
• filter 过滤器，单纯过滤，先于 上述条件执。，不进行相关性评分，不影响整体评分，会使用过滤器缓存。速度更快。
  每个元素内部，还可以嵌套复杂条件(再来一层bool)

boosting 查询（人为降低指定条件得分）

在bool查询中，我们的查询结果是将 bool 内部的所有条件做 与运算，
所有都匹配的数据会查出来，并根据相关性进行计分，默认倒序排列。
而 boosting 查询，则是
先根据 positive下的条件查询结果并得出一个初始评分，
再根据negative 下的条件匹配查询结果，如果匹配上了，则再根据negative_boost的值对其进行降分的处理，使其排名降低。

boosting 查询

GET /stu/_search
{
“query”: {
“boosting”: {
“positive”: {
“match_phrase”: {
“name”: {
“query”: “张三”,
“_name”: “name”
}
}
},
“negative”: {
“term”: {
“age”: {
“value”: “30”,
“_name”: “age”
}
}
},
“negative_boost”: 0.2
}
}
}

简单总结，就是 以 positive 查询数据，再以 negative + negative_boost 对结果降分

constant_score 查询（固定得分）

普通的查询相关性分数是es根据相关性确定的，在此基础上，我们可以通过boosting查询降低匹配特定指标的分数。
还有一种，我们可以返回固定分数。
通过前面的学习，我们知道在 bool 查询中 filter 和 must_not 是不计算分数的；因此 constant_score查询其实就是通过 filter查询，然后为其指定固定分数实现。

constant_score 查询

GET /stu/_search
{
“query”: {
“constant_score”: {
“filter”: { # 查询条件
“term”: {
“age”: “30”
}
},
“boost”: 1.2 # 固定分数
}
}
}

dis_max 查询（单条件 最高分）

其他查询，最终得分是由所有query综合得分构成。
而dis_max 查询只取评分最高的那一项查询，而忽略其他条件的评分
以下条件查询 name 匹配 张三 或者 hobbies 包含 book 的用户

GET /stu/_search
{
“query”: {
“dis_max”: {
“queries”: [
{
“match”: {
“name”: “张三”
}
},
{
“match”: {
“hobbies”: “book”
}
}
]
}
}
}

得到以下得分

“hits” : [
{
“_index” : “stu”,
“_type” : “_doc”,
“_id” : “jToE7YgBKFUjhQBivmyC”,
“_score” : 0.9983525,
“_source” : {
“id” : 1,
“name” : “张三”,
“age” : 10,
“hobbies” : [
“swimming”,
“walk”,
“drive”
],
“address” : [
{
“province” : “500”,
“city” : “023”,
“county” : “1991”
},
{
“province” : “501”,
“city” : “024”,
“county” : “1992”
}
]
}
},
{
“_index” : “stu”,
“_type” : “_doc”,
“_id” : “jzoE7YgBKFUjhQBi_2zu”,
“_score” : 0.9808291,
“_source” : {
“id” : 3,
“name” : “张三四”,
“age” : 30,
“hobbies” : [
“movie”,
“book”,
“swimming”
],
“address” : [
{
“province” : “600”,
“city” : “021”,
“county” : “1887”
},
{
“province” : “601”,
“city” : “073”,
“county” : “1953”
}
]
}
}
]

条件	得分
张三_name	0.9983525
张三_hobbies	0
张三四_name	0.8416345
张三四_hobbies	0.9808291

可以看到，第一条记录虽然只匹配上了 name = 张三，但是它的得分是 0.9983525，
而第二条记录虽然匹配上了两个条件 ，但是单算 name = 张三四 的评分只有 0.8416345，而 单算 hobbies 含有 book 的得分为 0.9808291，因此第二条记录采用了 较高匹配度的 hobbies 的得分。
总体算下来，低于第一条

算上其他 query 的得分

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。

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）

1712516002681)]
[外链图片转存中…(img-RDPvbCHl-1712516002681)]
[外链图片转存中…(img-fk26xN1H-1712516002682)]
[外链图片转存中…(img-A9gUY8N1-1712516002682)]

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）
[外链图片转存中…(img-3P1nXUhm-1712516002682)]