分布式搜索引擎-DSL查询文档

分布式搜索引擎-DSL查询文档

1、DSL Query的分类

Elasticsearch提供了基于JSON的DSL（Domain Specific Language官网）来定义查询。

常见的查询类型包括：

• 查询所有：查询出所有数据，一般测试用。例如：match_all

• 全文检索（full text）查询：利用分词器对用户输入内容分词，然后去倒排索引库中匹配。例如：

  • match_query

  • multi_match_query

• 精确查询：根据精确词条值查找数据，一般是查找keyword、数值、日期、boolean等类型字段。例如：

  • ids

  • range

  • term

• 地理（geo）查询：根据经纬度查询。例如：

  • geo_distance

  • geo_bounding_box

• 复合（compound）查询：复合查询可以将上述各种查询条件组合起来，合并查询条件。例如：

  • bool

  • function_score

查询语法：

GET /indexName/_search
{
  "query": {
    "查询类型": {
      "查询条件": "条件值"
    }
  }
}

示例：

# 查询所有数据
GET /hotel/_search
{
  "query": {
    "match_all": {
    }
  }
}

1.1、全文检索查询

全文检索查询，会对用户输入内容分词，常用于搜索框搜索：

match查询：全文检索查询的一种，会对用户输入内容分词，然后去倒排索引库检索，语法：

GET /indexName/_search
{
  "query": {
    "match": {
      "FIELD": "TEXT"
    }
  }
}

# match查询
GET /hotel/_search
{
  "query": {
    "match": {
      "address": "上海"
    }
  }

multi_match：与match查询类似，只不过允许同时查询多个字段，（查询越多，性能越差）语法：

GET /indexName/_search
{
  "query": {
    "multi_match": {
      "query": "TEXT",
      "fields": ["FIELD1", " FIELD12"]
    }
  }
}

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

1.2、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

  # term查询
  GET /hotel/_search
  {
    "query": {
      "term": {
        "city": {
          "value": "上海"
        }
      }
    }
  }
  

• range：根据值的范围查询

  #Range查询
  GET /hotel/_search
  {
    "query": {
      "range": {
        "price": {
          "gte": 100,
          "lte": 300
        }
      }
    }
  }
  

gte：大于等于

gt：大于

lte：小于等于

lt：小于

1.3、地理查询

根据经纬度查询，ES官方文档关于地理查询。例如：

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

  

  #geo_bounding_box查询
  GET /hotel/_search
  {
    "query": {
      "geo_bounding_box": {
        "location": {
          "top_left": {
            "lat": 31.1,
            "lon": 121.5
          },
          "bottom_right": {
            "lat": 30.9,
            "lon": 121.7
          }
        }
      }
    }
  }
  

• geo_distance：查询到指定中心点小于某个距离值的所有文档

  

  #geo_distance查询
  GET /hotel/_search
  {
    "query": {
      "geo_distance":{
        "distance":"15km",
        "location":"31.21,121.5"
      }
    }
  }
  

1.4、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，例如：

• 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。（意思就是可以可控制搜索的结果）

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。

例如：

搜索条件的公式：

• 算法1：

• 算法2TF_IDF算法（减少关键词打分）：

  

• 算法3BM2.5（不会受词频影响较大）：

  

1.5、Function Score Query

使用 function score query官方分档，可以修改文档的相关性算分（query score），根据新得到的算分排序。

通过对weight进行值的增加，就可以使得搜素的排名靠的更加前面。

• 过滤条件：哪些文档要加分

• 算分函数：如何计算function score

• 加权方式：function score 与 query score如何运算

1.6、复合查询Boolean Query

布尔查询是一个或多个查询子句的组合。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

看这张图就明白了

说白了就是多个条件进行组合查询。

例如：查询名字中有上海的，并且价格不大于100，距离在31.21,121.5方圆100km的所有酒店

# 条件查询boolean
GET /hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "name": "上海"
          }
        }
      ],
      "must_not": [
        {
          "range": {
            "price": {
              "gt": 400
            }
          }
        }
      ],
      "filter": [
        {
          "geo_distance": {
            "distance": "10km",
            "location": {
              "lat": 31.21,
              "lon": 121.5
            }
          }
        }
      ]
    }
  }
}

2、搜索结果处理

elasticsearch支持对搜索结果排序，默认是根据相关度算分（_score）来排序。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。

注意：在进行结果排序之后，默认的相关度算分就没有什么意义了，所以_score就变成了null。

2.1、排序

测试demo1：实现对分数排降序，对价格升序

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

测试2：实现当前位置为基准，按照距离远近升序排序（101.719015,26.568627）

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
       "_geo_distance": {
         "location": {
           "lat": "26.568627",
           "lon": "101.719015"
         },
         "order": "asc",
         "unit": "km"
       }
    }
  ]
}

结果：

2.2、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：

# 分页
GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "from": 990,  //分页开始的位置，默认为0
  "size": 20,  //期望获取的文档总数
  "sort": [
    {
      "price": "asc"
    }
  ]
}

问题：这种分页方式不支持ES的集群环境，所以集群情况下就需要使用深度分页。

2.3、深度分页

介绍：

ES是分布式的，所以会面临深度分页问题。例如按price排序后，获取from = 990，size =10的数据：

1. 首先在每个数据分片上都排序并查询前1000条文档。

2. 然后将所有节点的结果聚合，在内存中重新排序选出前1000条文档

3. 最后从这1000条中，选取从990开始的10条文档

如果搜索页数过深，或者结果集（from + size）越大，对内存和CPU的消耗也越高。因此ES设定结果集查询的上限默认是10000。

解决方案：

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：原理将排序数据形成快照，保存在内存，对内存消耗较大。官方已经不推荐使用。

2.4、高亮

• 高亮：就是在搜索结果中把搜索关键字突出显示。

其内部实现的原理：

• 服务端将搜索结果中的关键字用标签标记出来

• 在页面中给标签添加css样式

查询语句：

#高亮查询
#默认情况下，搜索字段和高亮字段一直方可
GET /hotel/_search
{
  "query": {
    "match": {   //高亮字段
      "name": "上海"
    }
  },
  "highlight": {
    "fields": {
      "name": {
        "pre_tags": "<em>", //标记高亮的前置标签
        "post_tags": "</em>"//标记高亮的后置标签
      }
    }
  }
}

其中：

1. 下面两个字段是无需指定的，默认高亮标签就是em

   "pre_tags": "<em>",
   "post_tags": "</em>"
   

2. 还有，当高亮字段和匹配字段不一致的时候就要使用"require_field_match": "false", 来进行设置，当然查询字段包含高亮字段，例如：

   #高亮查询
   #默认情况下，搜索字段和高亮字段一直方可
   GET /hotel/_search
   {
     "query": {
       "match": {
         "all": "上海"
       }
     },
     "highlight": {
       "fields": {
         "name": {
           "require_field_match": "false",  //与all字段不相匹配，但包含在all字段
         }
       }
     }
   }