ElasticSearch (DSL）语句

1. DSL查询文档

elasticsearch的查询依然是基于JSON风格的DSL来实现的。

1.1 查询所有

• 查询类型为match_all，没有查询条件

GET /hotel/_search
{
  "query": {
    "match_all": {}
  }
}

1.2 全文检索查询

• match查询：会对用户输入内容分词，然后倒排索引检索

GET /hotel/_search
{
  "query": {
    "match": {
      "name": "北京"
    }
  }
}

• multi_match 多个字段查询

GET /hotel/_search
{
  "query": {
    "multi_match": {
      "query": "上海",
      "fields": ["city","name"]
    }
  }
}

• 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

1.3 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：根据数值范围查询，可以是数值、日期的范围

• term精确查询

  GET /hotel/_search
  {
    "query": {
      "term": {
        "brand": {
          "value": "7天酒店"
        }
      }
    }
  }
  

• range范围查询：

  GET /hotel/_search
  {
    "query": {
      "range": {
        "price": {
          "gte": 100,
          "lte": 200
        }
      }
    }
  }
  

1.4 地理查询

地理查询：根据经纬度查询。

• geo_bounding_box：查询geo_point值落在某个矩形范围的所有文档

GET /hotel/_search
{
  "query": {
    "geo_bounding_box": {
      "location": {
        "top_left": {
          "lat": "31.1",
          "lon": "121.5"
        },
        "bottom_right": {
          "lat": "30.9",
          "lon": "121.1"
        }
      }
    }
  }
}

• geo_distance：查询到指定中心点小于某个距离值的所有文档

GET /hotel/_search
{
  "query": {
    "geo_distance": {
      "distance": "15km",
      "location": "31.216843,121.533446"
    }
  }
}

1.5 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

1）相关性算分

当我们利用match查询时，文档结果会根据与搜索词条的关联度打分（_score），返回结果时按照分值降序排列。

[
    {
		"_score": 17.850193,
		"_source": {
			"name": "xx酒店真不错",
		}
	},
	{
		"_score": 12.259849,
		"_source": {
			"name": "xx2酒店真不错",
		}
	},
	{
		"_score": 11.91091,
		"_source": {
			"name": "xx3酒店真不错",
		}
	}
]

elasticsearch会根据词条和文档的相关度做打分，算法由两种

• TF-IDF算法
• BM25算法，elasticsearch5.1版本后采用的算法

2）算分函数查询

根据相关度打分是比较合理的需求，但合理的不一定是产品经理需要的。

要想人为控制相关性算分，就需要利用elasticsearch中的 function score 查询。

• 语法说明

GET /hotel/_search
{
  "query": {
    "function_score": {
    
      "query": {"match": {"name": "上海外滩"} # 原始查询条件，搜索文档并根据相关性打分(query score)
      },
      "functions": [
        {
          "filter": {"term": {"brand": "如家"}}, # 过滤条件，符合条件的文档才会被重新算分
          "weight": 5 # 算分函数，算法函数称为function score，将来会与query score运算，得到新算法
        }
      ],
      "boost_mode": "sum" # 加权模式，定义function score与query score 的运算方式
    }
  }
}

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。

3）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

注意：参与打分的字段越多，查询的性能也越差

建议：

• 搜索框的关键字搜索，是全文检索查询，使用must查询，参与算分
• 其它过滤条件，采用filter查询。不参与算分

2. 搜索结果处理

搜索的结果可以按照用户指定的方式去处理或展示。

2.1 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。

1）普通字段排序

• keyword、数值、日期类型排序的语法基本一致。

• 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

例：酒店数据按照用户评价（score)降序排序，评价相同的按照价格(price)升序排序

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "score": "desc"
    },
    {
      "price": "desc"
    }
  ]
}

2）地理坐标排序

地理坐标排序略有不同。

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

高德地图获取自身经纬度：高德地图API

例：按照到自己位置坐标的距离升序排序

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "_geo_distance": {
        "location": "31.034,121.612",
        "order": "asc",
        "unit": "km"
      }
    }
  ]
}

2.2 分页

1）基本分页

• 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

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "from": 0,
  "size": 5,
  "sort": {
    "price": "asc"
  }
}

2）深度分页问题

如果要查询990~1000的数据，查询逻辑要这么写

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "from": 990,
  "size": 10,
  "sort": {
    "price": "asc"
  }
}

这里是查询990开始的数据，也就是 第990~第1000条 数据。

不过，elasticsearch内部分页时，必须先查询 0~1000条，然后截取其中的990 ~ 1000的这10条：

查询TOP1000，如果es是单点模式，这并无太大影响。

但是elasticsearch将来一定是集群，例如我集群有5个节点，我要查询TOP1000的数据，并不是每个节点查询200条就可以了。

因为节点A的TOP200，在另一个节点可能排到10000名以外了。

因此要想获取整个集群的TOP1000，必须先查询出每个节点的TOP1000，汇总结果后，重新排名，重新截取TOP1000。

那如果我要查询9900~10000的数据呢？是不是要先查询TOP10000呢？那每个节点都要查询10000条？汇总到内存中？

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

• search after：

  • 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 search after方案。

2.3 亮高

1）亮高原理

我们在百度，京东搜索时，关键字会变成红色，比较醒目，这叫高亮显示：

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

2）实现亮高

• 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

示例：

# 高亮查询，条件一定要使用全文检索查询
GET /hotel/_search
{
  "query": {
    "match": {
      "all": "如家"
    }
  },
  "highlight": {
    "fields": {
      "name": {
        "pre_tags": "<em>",
        "post_tags": "</em>",
        "require_field_match": "false"
      }
    }
  }
}