},
“sort”: [
{
“FIELD”: “desc” // 排序字段、排序方式ASC、DESC
}
]
}
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
例子：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
[](()1.2 地理坐标排序
地理坐标排序略有不同。
语法：
GET /indexName/_search
{
“query”: {
“match_all”: {}
},
“sort”: [
{
“_geo_distance” : {
“FIELD” : “纬度，经度”, // 文档中geo_point类型的字段名、目标坐标点
“order” : “asc”, // 排序方式
“unit” : “km” // 排序的距离单位
}
}
]
}
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
例子：实现对酒店数据按照到你的位置坐标的距离升序排序
获取你的位置的经纬度的方式：https://lbs.amap.com/demo/jsapi-v2/example/map/click-to-get-lnglat/
假设我的位置是：31.034661，121.612282，寻找我周围距离最近的酒店：
[](()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：
-
from：从第几个文档开始 -
size：总共查询几个文档
类似于mysql中的limit ?, ?
[](()2.1 基本的分页
语法：
GET /hotel/_search
{
“query”: {
“match_all”: {}
},
“from”: 0, // 分页开始的位置，默认为0
“size”: 10, // 期望获取的文档总数
“sort”: [
{“price”: “asc”}
]
}
[](()2.2 深度分页问题
现在，我要查询990~1000的数据，查询逻辑要这么写：
GET /hotel/_search
{
“query”: {
“match_all”: {}
},
“from”: 990, // 分页开始的位置，默认为0
“size”: 10, // 期望获取的文档总数
“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：
这样带来什么问题呢？
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。
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。
[](()2.3 总结
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
-
after search： -
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 after search方案。
[](()3.高亮
958
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
