ElasticSeasrch DSL语言练习

于 2024-08-20 17:20:08 发布
阅读量657 收藏 10
点赞数 18
文章标签： 数据库 elasticsearch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/aoxiaojun/article/details/141363392
版权

ElasticSeasrch DSL语言练习

有如下一张表，

CREATE TABLE `hotel`  (
                             `id` bigint(20) NOT NULL COMMENT '酒店id',
                             `name` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL COMMENT '酒店名称',
                             `address` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL COMMENT '酒店地址',
                             `price` int(10) NOT NULL COMMENT '酒店价格',
                             `score` int(2) NOT NULL COMMENT '酒店评分',
                             `brand` varchar(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL COMMENT '酒店品牌',
                             `city` varchar(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL COMMENT '所在城市',
                             `star_name` varchar(16) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL COMMENT '酒店星级，1星到5星，1钻到5钻',
                             `business` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL COMMENT '商圈',
                             `latitude` varchar(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL COMMENT '纬度',
                             `longitude` varchar(32) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NOT NULL COMMENT '经度',
                             `pic` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL COMMENT '酒店图片',
                             PRIMARY KEY (`id`) USING BTREE
) ENGINE = InnoDB CHARACTER SET = utf8mb4 COLLATE = utf8mb4_general_ci ROW_FORMAT = Compact;

文章目录

构建mapping

{
  "hotel" : {
    "mappings" : {
      "properties" : {
        "address" : {
          "type" : "text",
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          },
          "analyzer" : "ik_max_word"
        },
        "brand" : {
          "type" : "keyword"
        },
        "business" : {
          "type" : "text",
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          },
          "analyzer" : "ik_max_word"
        },
        "city" : {
          "type" : "keyword"
        },
        "id" : {
          "type" : "long"
        },
        "location" : {
          "type" : "text",
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          },
          "analyzer" : "ik_max_word"
        },
        "name" : {
          "type" : "text",
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          },
          "analyzer" : "ik_max_word"
        },
        "pic" : {
          "type" : "keyword",
          "index" : false
        },
        "price" : {
          "type" : "long"
        },
        "score" : {
          "type" : "long"
        }
      }
    }
  }
}

导入数据

请访问以下项目(github地址)获取测试数据，帮将数据导入到ES中

常规查询

1. 查询所有价格在100到500之间的酒店，并且品牌为希尔顿，按评分降序排序
POST hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "price": {
              "gte": 100,
              "lte": 500
            }
          }
        },
        {
          "term": {
            "brand": "希尔顿"
          }
        }
      ]
    }
  },
  "sort": [
    {
      "score": {
        "order": "desc"
      }
    }
  ]
}
2. 查询地址中包含“东路”的酒店，但不包括品牌为希尔顿的酒店
POST hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "address": "东路"
          }
        }
      ],
      "must_not": [
        {
          "term": {
            "brand": "希尔顿"
          }
        }
      ]
    }
  }
}
3. 查询所有评分大于等于45的酒店，且名称中包含“如家”字样。
POST hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "score": {
              "gte": 45
            }
          }
        },
        {
          "match": {
            "name": "如家"
          }
        }
      ]
    }
  }
}
4. 查询城市为“北京”且价格低于300的酒店，返回地址和名称字段。
POST hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "city": "北京"
          }
        },
        {
          "range": {
            "price": {
              "lt": 300
            }
          }
        }
      ]
    }
  },
  "_source": ["name","address"]
}
5. 查询所有地址中包含“东路”的酒店，并且业务领域包含“产业园”字样，价格在200到500之间。
POST hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "address": "东路"
          }
        },
        {
          "match": {
            "business": "产业园"
          }
        },
        {
          "range": {
            "price": {
              "gte": 200,
              "lte": 500
            }
          }
        }
      ]
    }
  }
}
6. 查询所有评分在40到45之间的酒店，按价格升序排序，并且返回前10条记录
POST hotel/_search
{
  "query": {
    "range": {
      "score": {
        "gte": 40,
        "lte": 45
      }
    }
  },
  "sort": [
    {
      "price": {
        "order": "asc"
      }
    }
  ],
  "size": 10
}
7. 查询城市为“北京”且价格大于等于600的酒店，且名称中包含“酒店”字样，品牌不为“希尔顿”
POST hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "city": "北京"
          }
        },
        {
          "range": {
            "price": {
              "gte": 600
            }
          }
        },
        {
          "match": {
            "name": "酒店"
          }
        }
      ],
      "must_not": [
        {
          "term": {
            "brand": "希尔顿"
          }
        }
      ]
    }
  }
}
8. 查询地址中包含“宝安”的酒店，且评分不低于45，但不包括“喜来登”品牌。
POST hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "address": "宝安"
          }
        },
        {
          "range": {
            "score": {
              "gte": 45
            }
          }
        }
      ],
      "must_not": [
        {
          "term": {
            "brand": {
              "value": "喜来登"
            }
          }
        }
      ]
    }
  }
}
9. 查询所有业务领域中包含“京基100”的酒店，返回地址和业务领域字段，并按业务领域的长度排序。
POST hotel/_search
{
  "query": {
    "match_phrase": {
      "business": "京基100"
    }
  },
  "_source": ["address","business"],
  "sort": [
    {
      "_script": {
        "type" : "number",
        "script": {
          "source" : "doc['business.keyword'].value.length()"
        },
        "order": "asc"
      }
    }
  ]
}
10. 查询所有地址中包含“宝安”的酒店，并且评分大于40，按评分和价格的加权平均值排序（评分权重为2，价格权重为1）
POST hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "address": "宝安"
          }
        },
        {
          "range": {
            "score": {
              "gt": 40
            }
          }
        }
      ]
    }
  },
  "sort": [
    {
      "_script": {
        "type" : "number",
        "script" : {
          "source" : "doc['score'].value * 2 + doc['price'].value * 1"
        },
        "order": "asc"
      }
    }
  ]
}
11. 查询所有价格在100到250之间，且城市为“深圳”的酒店，返回名称、地址、评分、价格字段。
POST hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "price": {
              "gte": 100,
              "lte": 250
            }
          }
        },
        {
          "term": {
            "city": {
              "value": "深圳"
            }
          }
        }
      ]
    }
  },
  "_source": ["name","address","score","price"]
}
12. 查询所有评分大于等于40且品牌为“喜来登”的酒店，地址中包含“东路”的酒店按价格降序排序。
POST hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "score": {
              "gt": 40
            }
          }
        },
        {
          "term": {
            "brand": {
              "value": "喜来登"
            }
          }
        },
        {
          "match": {
            "address": "东路"
          }
        }
      ]
    }
  },
  "sort": [
    {
      "price": {
        "order": "desc"
      }
    }
  ]
}
13. 查询所有业务领域包含“商圈”的酒店，且价格大于200，并按评分升序和价格升序排序。
POST hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "business": "商圈"
          }
        },
        {
          "range": {
            "price": {
              "gt": 200
            }
          }
        }
      ]
    }
  },
  "sort": [
    {
      "score": {
        "order": "asc"
      }
    },
    {
      "price": {
        "order": "asc"
      }
    }
  ]
}
14. 查询所有评分在40到50之间的酒店，且城市为“北京”或“深圳”，价格不低于150，返回名称和评分字段
POST hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "score": {
              "gte": 40,
              "lte": 50
            }
          }
        },
        {
          "range": {
            "price": {
              "gt": 150
            }
          }
        },
        {
          "query_string": {
            "default_field": "city",
            "query": "北京 OR 深圳"
          }
        }
      ]
    }
  },
  "_source": ["name","score"]
}

聚合查询

1. 按城市分组，计算每个城市的酒店数量
POST hotel/_search
{
  "size": 0,
  "aggs": {
    "bucket_city": {
      "terms": {
        "field": "city",
        "size": 3
      }
    }
  }
}

"buckets" : [
        {
          "key" : "上海",
          "doc_count" : 83
        },
        {
          "key" : "北京",
          "doc_count" : 62
        },
        {
          "key" : "深圳",
          "doc_count" : 56
        }
      ]
2. 计算每个品牌的酒店的平均价格
POST hotel/_search
{
  "size": 0,
  "aggs": {
    "bucket_brand": {
      "terms": {
        "field": "brand"
      },
      "aggs": {
        "avg_price": {
          "avg": {
            "field": "price"
          }
        }
      }
    }
  }
}

"bucket_brand" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 39,
      "buckets" : [
        {
          "key" : "7天酒店",
          "doc_count" : 30,
          "avg_price" : {
            "value" : 446.46666666666664
          }
        },
        {
          "key" : "如家",
          "doc_count" : 30,
          "avg_price" : {
            "value" : 253.2
          }
        },
        {
          "key" : "皇冠假日",
          "doc_count" : 17,
          "avg_price" : {
            "value" : 1036.0
          }
        },
        {
          "key" : "速8",
          "doc_count" : 15,
          "avg_price" : {
            "value" : 369.0
          }
        },
        {
          "key" : "万怡",
          "doc_count" : 13,
          "avg_price" : {
            "value" : 689.1538461538462
          }
        },
        {
          "key" : "华美达",
          "doc_count" : 13,
          "avg_price" : {
            "value" : 620.6923076923077
          }
        },
        {
          "key" : "和颐",
          "doc_count" : 12,
          "avg_price" : {
            "value" : 455.9166666666667
          }
        },
        {
          "key" : "万豪",
          "doc_count" : 11,
          "avg_price" : {
            "value" : 778.3636363636364
          }
        },
        {
          "key" : "喜来登",
          "doc_count" : 11,
          "avg_price" : {
            "value" : 1851.1818181818182
          }
        },
        {
          "key" : "希尔顿",
          "doc_count" : 10,
          "avg_price" : {
            "value" : 1085.8
          }
        }
      ]
    }
  }
3. 按评分区间分组，计算每个评分区间的酒店数量
POST hotel/_search
{
  "size": 0,
  "aggs": {
    "rangs_score": {
      "range": {
        "field": "score",
        "ranges": [
          {
            "key": "0到10", 
            "from": 0,
            "to": 10
          },
          {
            "key": "10到20", 
            "from": 10,
            "to": 20
          },
          {
            "key": "2到30", 
            "from": 20,
            "to": 30
          },
          {
            "key": "30到40", 
            "from": 30,
            "to": 40
          },
          {
            "key": "大于40",
            "from": 40
          }
        ]
      }
    }
  }
}

"aggregations" : {
    "rangs_score" : {
      "buckets" : [
        {
          "key" : "0到10",
          "from" : 0.0,
          "to" : 10.0,
          "doc_count" : 0
        },
        {
          "key" : "10到20",
          "from" : 10.0,
          "to" : 20.0,
          "doc_count" : 0
        },
        {
          "key" : "2到30",
          "from" : 20.0,
          "to" : 30.0,
          "doc_count" : 0
        },
        {
          "key" : "30到40",
          "from" : 30.0,
          "to" : 40.0,
          "doc_count" : 42
        },
        {
          "key" : "大于40",
          "from" : 40.0,
          "doc_count" : 159
        }
      ]
    }
  }
4. 按业务领域分组，计算每个业务领域的最高和最低价格
POST hotel/_search
{
  "size": 0,
  "aggs": {
    "bucket_business": {
      "terms": {
        "field": "business.keyword",
        "size": 3
      },
      "aggs": {
        "max_price": {
          "max": {
            "field": "price"
          }
        },
        "min_price": {
          "min": {
            "field": "price"
          }
        }
      }
    }
  }
}

"bucket_business" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 187,
      "buckets" : [
        {
          "key" : "浦东金桥地区",
          "doc_count" : 5,
          "max_price" : {
            "value" : 891.0
          },
          "min_price" : {
            "value" : 218.0
          }
        },
        {
          "key" : "科技园",
          "doc_count" : 5,
          "max_price" : {
            "value" : 508.0
          },
          "min_price" : {
            "value" : 198.0
          }
        },
        {
          "key" : "嘉定新城",
          "doc_count" : 4,
          "max_price" : {
            "value" : 1286.0
          },
          "min_price" : {
            "value" : 328.0
          }
        }
      ]
    }
  }
5. 按城市分组，计算每个城市酒店的平均评分
POST hotel/_search
{
  "size": 0,
  "aggs": {
    "bucket_city": {
      "terms": {
        "field": "city"
      },
      "aggs": {
        "avg_score": {
          "avg": {
            "field": "score"
          }
        }
      }
    }
  }
}

"aggregations" : {
    "bucket_city" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
        {
          "key" : "上海",
          "doc_count" : 83,
          "avg_score" : {
            "value" : 43.33734939759036
          }
        },
        {
          "key" : "北京",
          "doc_count" : 62,
          "avg_score" : {
            "value" : 43.46774193548387
          }
        },
        {
          "key" : "深圳",
          "doc_count" : 56,
          "avg_score" : {
            "value" : 43.964285714285715
          }
        }
      ]
    }
  }
6. 按地址的前缀（例如，前3个字符）分组，计算每个前缀的酒店数量
POST hotel/_search
{
  "size": 0,
  "aggs": {
    "bucket_address_prefix": {
      "terms": {
        "field": "address.keyword",
        "script": {
          "source": "doc['address.keyword'].value.substring(0,3)"
        }, 
        "size": 10
      }
    }
  }
}

"aggregations" : {
    "bucket_address_prefix" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 178,
      "buckets" : [
        {
          "key" : "罗湖区",
          "doc_count" : 4
        },
        {
          "key" : "朝阳北",
          "doc_count" : 3
        },
        {
          "key" : "三间房",
          "doc_count" : 2
        },
        {
          "key" : "南山区",
          "doc_count" : 2
        },
        {
          "key" : "宝安区",
          "doc_count" : 2
        },
        {
          "key" : "新金桥",
          "doc_count" : 2
        },
        {
          "key" : "沪南公",
          "doc_count" : 2
        },
        {
          "key" : "浦建路",
          "doc_count" : 2
        },
        {
          "key" : "海淀北",
          "doc_count" : 2
        },
        {
          "key" : "清河小",
          "doc_count" : 2
        }
      ]
    }
  }
7. 计算所有酒店的总数量、最贵的酒店价格和最便宜的酒店价格
POST hotel/_search
{
  "size": 0,
  "aggs": {
    "total_count": {
      "value_count": {
        "field": "id"
      }
    },
    "max_price" : {
      "max": {
        "field": "price"
      }
    },
    "min_price" : {
      "min": {
        "field": "price"
      }
    }
  }
}
8. 按评分区间（例如，35-40, 40-45, 45-）分组，计算每个评分区间的酒店数量，并计算每个区间的平均价格
POST hotel/_search
{
  "size": 0,
  "aggs": {
    "rangs_score": {
      "range": {
        "field": "score",
        "ranges": [
          {
            "from": 35,
            "to": 40
          },
          {
            "from": 40,
            "to" : 45
          },
          {
            "from": 45
          }
        ]
      },
      "aggs": {
        "avg_price": {
          "avg": {
            "field": "price"
          }
        }
      }
    }
  }
}

"aggregations" : {
    "rangs_score" : {
      "buckets" : [
        {
          "key" : "35.0-40.0",
          "from" : 35.0,
          "to" : 40.0,
          "doc_count" : 42,
          "avg_price" : {
            "value" : 550.1666666666666
          }
        },
        {
          "key" : "40.0-45.0",
          "from" : 40.0,
          "to" : 45.0,
          "doc_count" : 42,
          "avg_price" : {
            "value" : 478.0952380952381
          }
        },
        {
          "key" : "45.0-*",
          "from" : 45.0,
          "doc_count" : 117,
          "avg_price" : {
            "value" : 765.7606837606837
          }
        }
      ]
    }
  }
9. 按城市和品牌分组，计算每个品牌在每个城市的平均价格
POST hotel/_search
{
  "size": 0,
  "aggs": {
    "bucket_by_city": {
      "terms": {
        "field": "city"
      },
      "aggs": {
        "bucket_by_brand": {
          "terms": {
            "field": "brand",
            "size": 3
          },
          "aggs": {
            "avg_price": {
              "avg": {
                "field": "price"
              }
            }
          }
        }
      }
    }
  }
}

"aggregations" : {
    "bucket_by_city" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
        {
          "key" : "上海",
          "doc_count" : 83,
          "bucket_by_brand" : {
            "doc_count_error_upper_bound" : 0,
            "sum_other_doc_count" : 53,
            "buckets" : [
              {
                "key" : "7天酒店",
                "doc_count" : 10,
                "avg_price" : {
                  "value" : 286.1
                }
              },
              {
                "key" : "万怡",
                "doc_count" : 10,
                "avg_price" : {
                  "value" : 714.6
                }
              },
              {
                "key" : "如家",
                "doc_count" : 10,
                "avg_price" : {
                  "value" : 247.1
                }
              }
            ]
          }
        },
        {
          "key" : "北京",
          "doc_count" : 62,
          "bucket_by_brand" : {
            "doc_count_error_upper_bound" : 0,
            "sum_other_doc_count" : 32,
            "buckets" : [
              {
                "key" : "7天酒店",
                "doc_count" : 10,
                "avg_price" : {
                  "value" : 570.9
                }
              },
              {
                "key" : "和颐",
                "doc_count" : 10,
                "avg_price" : {
                  "value" : 462.6
                }
              },
              {
                "key" : "如家",
                "doc_count" : 10,
                "avg_price" : {
                  "value" : 339.1
                }
              }
            ]
          }
        },
        {
          "key" : "深圳",
          "doc_count" : 56,
          "bucket_by_brand" : {
            "doc_count_error_upper_bound" : 0,
            "sum_other_doc_count" : 26,
            "buckets" : [
              {
                "key" : "7天酒店",
                "doc_count" : 10,
                "avg_price" : {
                  "value" : 482.4
                }
              },
              {
                "key" : "如家",
                "doc_count" : 10,
                "avg_price" : {
                  "value" : 173.4
                }
              },
              {
                "key" : "汉庭",
                "doc_count" : 10,
                "avg_price" : {
                  "value" : 343.8
                }
              }
            ]
          }
        }
      ]
    }
  }
10. 按地址的前缀（前3个字符）分组，计算每个前缀的最大和最小评分，并计算评分和价格的差异的平均值
POST hotel/_search
{
  "size": 0,
  "aggs": {
    "address_prefixes": {
      "terms": {
        "field": "address.keyword",
        "script": {
          "source": "doc['address.keyword'].value.substring(0, 3)"
        },
        "size": 3
      },
      "aggs": {
        "max_score": {
          "max": {
            "field": "score"
          }
        },
        "min_score": {
          "min": {
            "field": "score"
          }
        },
        "average_price" : {
          "avg": {
            "field": "price"
          }
        },
        "score_price_diff_avg": {
          "bucket_script": {
            "buckets_path": {
              "maxScore": "max_score",
              "minScore": "min_score",
              "priceAvg": "average_price"
            },
            "script": "params.maxScore - params.minScore + params.priceAvg"
          }
        }
      }
    }
  }
}

"aggregations" : {
    "address_prefixes" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 192,
      "buckets" : [
        {
          "key" : "罗湖区",
          "doc_count" : 4,
          "max_score" : {
            "value" : 43.0
          },
          "average_price" : {
            "value" : 443.25
          },
          "min_score" : {
            "value" : 39.0
          },
          "score_price_diff_avg" : {
            "value" : 447.25
          }
        },
        {
          "key" : "朝阳北",
          "doc_count" : 3,
          "max_score" : {
            "value" : 47.0
          },
          "average_price" : {
            "value" : 425.0
          },
          "min_score" : {
            "value" : 36.0
          },
          "score_price_diff_avg" : {
            "value" : 436.0
          }
        },
        {
          "key" : "三间房",
          "doc_count" : 2,
          "max_score" : {
            "value" : 47.0
          },
          "average_price" : {
            "value" : 290.0
          },
          "min_score" : {
            "value" : 47.0
          },
          "score_price_diff_avg" : {
            "value" : 290.0
          }
        }
      ]
    }
  }
11. 计算所有城市的酒店数量，计算每个城市酒店的平均评分，同时计算评分与价格的加权平均值（评分权重为3，价格权重为0.5）
POST hotel/_search
{
  "size": 0,
  "aggs": {
    "bucket_city": {
      "terms": {
        "field": "city"
      },
      "aggs": {
        "total_count": {
          "value_count": {
            "field": "id"
          }
        },
        "avg_score" : {
          "avg": {
            "field": "score"
          }
        },
        "avg_price" : {
          "avg": {
            "field": "price"
          }
        },
        "avg_weight_price_score" : {
          "bucket_script": {
            "buckets_path": {
              "avgScore" : "avg_score",
              "avgPrice" : "avg_price"
            },
            "script": "params.avgScore * 3 + params.avgPrice * 0.5"
          }
        }
      }
    }
  }
}

"aggregations" : {
    "bucket_city" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
        {
          "key" : "上海",
          "doc_count" : 83,
          "total_count" : {
            "value" : 83
          },
          "avg_price" : {
            "value" : 879.8674698795181
          },
          "avg_score" : {
            "value" : 43.33734939759036
          },
          "avg_weight_price_score" : {
            "value" : 569.9457831325301
          }
        },
        {
          "key" : "北京",
          "doc_count" : 62,
          "total_count" : {
            "value" : 62
          },
          "avg_price" : {
            "value" : 545.3548387096774
          },
          "avg_score" : {
            "value" : 43.46774193548387
          },
          "avg_weight_price_score" : {
            "value" : 403.08064516129036
          }
        },
        {
          "key" : "深圳",
          "doc_count" : 56,
          "total_count" : {
            "value" : 56
          },
          "avg_price" : {
            "value" : 463.2142857142857
          },
          "avg_score" : {
            "value" : 43.964285714285715
          },
          "avg_weight_price_score" : {
            "value" : 363.5
          }
        }
      ]
    }
  }
12. 按品牌和城市分组，计算每个品牌在每个城市的最大价格、最小价格以及价格的标准差
POST hotel/_search
{
  "size": 0,
  "aggs": {
    "by_city": {
      "terms": {
        "field": "city"
      },
      "aggs": {
        "by_brand": {
          "terms": {
            "field": "brand",
            "size": 3  
          },
          "aggs": {
            "max_price": {
              "max": {
                "field": "price"
              }
            },
            "min_price": {
              "min": {
                "field": "price"
              }
            },
            "price_std_dev": {
              "extended_stats": {
                "field": "price"
              }
            }
          }
        }
      }
    }
  }
}
tuoerke
关注
  • 18
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【ChatGPT】使用大型语言模型 (LLM) 进行特定领域语言（DSL）生成
禅与计算机程序设计艺术
06-01 1万+
随着深度学习和自然语言处理技术的快速发展，大型语言模型（LLM）已经在各种任务中取得了显著的成果。这些模型通过学习大量的文本数据，能够理解和生成复杂的自然语言。在这篇文章中，我们将探讨如何使用LLM进行特定领域语言（DSL）的生成，以及如何利用Backus-Naur Form(BNF)表示进行学习。
DSL 领域特定语言
热门推荐
Sunny的专栏
05-05 3万+
一、DSL介绍 DSL（Domain Specific Language）是针对某一领域，具有受限表达性的一种计算机程序设计语言。 常用于聚焦指定的领域或问题，这就要求 DSL 具备强大的表现力，同时在使用起来要简单。说到DSL，大家也会自然的想到通用语言（如Java、C等）。 为什么没有一种语言同时 兼具『简洁』和『业务表达』能力呢？ 从信息论本质上来讨论这个问题，每个语言的程序都可以抽象为一个字符串，每个字符串由有限数量的合法字符组成，它在运行时会实现某个功能，因而可以看作是一种需求的信源编码。每
dsl java 语言_Java DSL简介（收集整理）
weixin_42109598的博客
02-13 651
一、领域特定语言(DSL)领域特定语言(DSL)通常被定义为一种特别针对某类特殊问题的计算机语言，它不打算解决其领域外的问题。对于DSL的正式研究已经持续很多年，直 到最近，在程序员试图采用最易读并且简炼的方法来解决他们的问题的时候，内部DSL意外地被写入程序中。近来，随着关于Ruby和其他一些动态语言的出 现，程序员对DSL的兴趣越来越浓。这些结构松散的语言给DSL提供某种方法，使得DSL允许最...
Drools使用dsl语言
程序新视界
01-24 3364
Drools 为了对非开发人员更加友好，提供了dsl语言的支持，通过dsl再转换成drl文件来进行执行。 DSL简介 DSL == Domain Specific Language 以贴近业务领域的方式,即以类自然语言的方式来构造软件,使得我们不用花费太多精力就能看懂代码所对应的业务含义 。 它是创建规则语言的一种方式，致力于解决我们的问题域 。 DSL相当于一个转换器,它能将某一领域内的术语...
elasticsearch-dsl语言
陌陌龙的博客
06-11 1236
目录 1 什么是DSL 2 DSL校验 - 定位不合法的查询语句 3 match query的使用 3.1 简单功能示例 3.1.1 查询所有文档 3.1.2 查询满足一定条件的文档 3.1.3 分页查询文档 3.1.4 指定返回的结果中包含的字段 3.2 精确查询 - match_phrase 3.2.1 精确匹配 - exact value...
dsl java 语言_DSL实现要点(3)--利用脚本语言实现DSL
weixin_34221154的博客
02-15 2808
由于脚本语言通常提供了更为简洁的语法及Java所不具有的一些新的语言特性(如：闭包，元编程等)，所以在一些情况下可以创造出比Java程序更具有可读性的代码。另外，众多基于JVM的脚本语言也为与Java程序整合带来了便利。Client: 语义模型实例的调用者SemanticConcept: 语义模型定义,可以通过脚本语言或Java实现ModelBuilder: 语义模型实例创建者，使用语义模型定义创...
浅谈领域特定语言
pl_lab_001的博客
07-16 6656
0 序言 近年来，随着移动应用、人工智能、区块链、量子计算、芯片逻辑、音乐工程等领域的蓬勃发展，软件在各行各业的应用得到爆发式的增长，各行各业的研究人员和领域专家加入到软件开发的队伍，比如：芯片研发工程师需要通过编程来写芯片逻辑，人工智能算法研究人员需要通过编程写计算逻辑，音乐工程师需要通过编程构建音乐的交互式系统。这些领域专家不是计算机科班出身，但是他们对自己的领域研究非常深入，他们非常期待能有一门面向领域的编程语言来帮助他们屏蔽计算机底层的复杂度，聚焦自己的领域，高效的进行编程。 在这样的背景下，.
业务规则治理之规则DSL
xsgnzb的专栏
05-18 968
背景 在业务部门，我们日常的工作模式是业务提供业务逻辑，我们通过”CRUD“将业务逻辑转成可执行的代码。业务逻辑出现分叉时，就加if-else来解决；当出现多个分支时，就用switch-case来解决；当出现成百上千的分支时，要怎么办？ 第一阶段 版本一 简单的办法是通过策略模式，将不同的业务规则归类成一批批策略，每个策略下包含一些规则。不同业务场景选择一个或多个策略执行。这种方式有很好的扩展性，没有增加额外组件所以也有很强的维护性。问题是规则结构没有约束（标准）、规则也无法动态修改。 第二阶段 当工程里
领域专用语言（DSL）简介
杨春建的博客
02-17 2万+
原文地址：http://blog.csdn.net/u010278882/article/details/50554299 主要回答几下几个问题  1 什么是 DSL  2 为什么使用 DSL  3 何时使用 DSL 什么是 DSL DSL（Domain Specified Language）领域专用语言。  要理解什么是领域专用语言，需要先了解其创建背景。即
spark DSL练习题
weixin_44704605的博客
04-21 1544
点击查看
DSL领域定制语言实战
11-02
本书是第一本领域专用语言（DSL）的实战类图书，它面向真正的实践者，是一本让奋战在开发第一线的实干家备感实用的专著！ 《领域专用语言实战》基于一系列JVM语言（Java、Ruby、Groovy、Scala和Clojure），分析了...
用Groovy实现DSL领域定义语言
01-21
在groovy中实现DSL领域特定语言的技术。 版权声明： 本系列文章是从原著《Groovy For Domain-Specific Languages》（原作者： Fergal Dearle）中翻译而来，从中加入了一些本人自己的读书笔记和理解。本系列文章不为...
用XText工具开发的自定义DSL语言
12-05
XText是一款强大的、开源的Java库，用于构建领域特定语言（DSL）的语法和解析器。DSL是一种专门针对某一特定领域或任务设计的编程语言，它通常比通用编程语言更简洁，更容易理解。在本案例中，我们用XText创建了一个...
联接语言：Haskell联接演算DSL
02-04
【标题】：“联接语言：Haskell 联接演算DSL” 【正文】： Haskell是一种纯函数式编程语言，以其强大的类型系统、 lazy evaluation（惰性求值）和丰富的库而闻名。在Haskell中，Domain-Specific Language（DSL，...
dsl.rar_dsl
09-21
DSL（Domain-Specific Language，领域特定语言）是一种为了特定应用领域设计的计算机语言，它通常比通用编程语言更简洁、直观，更容易理解。在VHDL（Very High-Speed Integrated Circuit Hardware Description ...
webjs 数据库 离线读取本地数据库源码-SAAS 本地化及未来之窗行业应用跨平台架构
cybersnow精通 28 门计算机语言，凭借其超凡的技术能力，成功开发过上万个应用，广泛涉及政府、商业、个人等众多领域，甚至在检察院、环保局、公安局等专业场景中也大放异彩。不仅熟练掌握单片机和物联网开发，在软件架构设计方面更是独树一帜，自创了跨平台软件
08-15 276
【代码】webjs 数据库 离线读取本地数据库源码-SAAS 本地化及未来之窗行业应用跨平台架构。
linux安装达梦数据库
最新发布
HAN_789的博客
08-19 118
如果无法创建dmdba 文件夹，需要进入root用户下 在管理员用户下，这种安装方式一般只用于验证，开发，测试，生产最好还是安装传统的方式安装。在 home/dmdba/dmdbms/bin 目录下执行。（1）将文件上传到 /home/dmdba/ 目录下。（2）加压：tar -xzvf dmdb.tar.gz。进入到root就可以创建dmdba 文件夹了。1、后台启动，一般建议用后台启动。
网上商品订单转手系统bootpf
weixin_43213064的博客
08-18 466
【代码】springboot网上商品订单转手系统bootpf
mysql介绍
weixin_57763462的博客
08-14 406
丰富的存储引擎：MySQL 提供了多种存储引擎，如 InnoDB、MyISAM、Memory 等，每种存储引擎都有其特定的应用场景和优势。多语言支持：MySQL 支持多种编程语言，包括 C、C++、Python、Java、Perl、PHP 等，并提供了相应的 API。安全性：MySQL 提供了灵活的权限和密码系统，支持基于主机的验证，并且所有的密码传输都采用加密形式，确保了数据的安全性。管理工具：MySQL 提供了丰富的管理工具，如命令行客户端、图形界面管理工具等，方便用户进行数据库的管理和维护。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值