我们已经导入了大量数据到elasticsearch中，实现了elasticsearch的数据存储功能。但elasticsearch最擅长的还是搜索和数据分析。所以今天，我们研究下elasticsearch的数据搜索功能。我们会分别使用DSL和RestClient实现搜索。
1.DSL查询文档
1.1.DSL查询分类
Elasticsearch提供了基于JSON的DSL（Domain Specific Language）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
-
1.2.全文检索查询
1.2.1.使用场景
全文检索查询的基本流程如下：
-
对用户搜索的内容做分词，得到词条
-
根据词条去倒排索引库中匹配，得到文档id
-
根据文档id找到文档，返回给用户
1.2.2.基本语法
常见的全文检索查询包括：
-
match查询：单字段查询
-
multi_match查询：多字段查询，任意一个字段符合条件就算符合查询条件
match查询语法如下：
GET /indexName/_search
{
"query": {
"match": {
"FIELD": "TEXT"
}
}
}
mulit_match语法如下：
GET /indexName/_search
{
"query": {
"multi_match": {
"query": "TEXT",
"fields": ["FIELD1", " FIELD12"]
}
}
}
1.2.4.总结
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.精准查询
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：根据值的范围查询
1.3.1.term查询
因为精确查询的字段是不分词的字段，因此查询的条件也必须是不分词的词条。查询时，用户输入的内容跟自动值完全匹配时才认为符合条件。如果用户输入的内容过多，反而搜索不到数据。
// term查询
GET /indexName/_search
{
"query": {
"term": {
"FIELD": {
"value": "VALUE"
}
}
}
}
1.3.2.range查询
范围查询，一般应用在对数值类型做范围过滤的时候。比如做价格范围过滤。
// range查询
GET /indexName/_search
{
"query": {
"range": {
"FIELD": {
"gte": 10, // 这里的gte代表大于等于，gt则代表大于
"lte": 20 // lte代表小于等于，lt则代表小于
}
}
}
}
1.3.3.总结
精确查询常见的有哪些？
-
term查询：根据词条精确匹配，一般搜索keyword类型、数值类型、布尔类型、日期类型字段
-
range查询：根据数值范围查询，可以是数值、日期的范围
1.4.地理坐标查询
所谓的地理坐标查询，其实就是根据经纬度查询，官方文档：Geo queries | Elasticsearch Guide [8.10] | Elastic
常见的使用场景包括：
-
携程：搜索我附近的酒店
-
滴滴：搜索我附近的出租车
-
微信：搜索我附近的人
1.4.1.矩形范围查询（少用）
1.4.2.附近查询
附近查询，也叫做距离查询（geo_distance）：查询到指定中心点小于某个距离值的所有文档。
换句话来说，在地图上找一个点作为圆心，以指定距离为半径，画一个圆，落在圆内的坐标都算符合条件。语法说明：
// geo_distance 查询
GET /indexName/_search
{
"query": {
"geo_distance": {
"distance": "15km", // 半径
"FIELD": "31.21,121.5" // 圆心
}
}
}
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
1.5.1.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。以百度为例，你搜索的结果中，并不是相关度越高排名越靠前，而是谁掏的钱多排名就越靠前。
要想认为控制相关性算分，就需要利用elasticsearch中的function score 查询了。
1）语法说明
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 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。
因此，其中的关键点是：
-
过滤条件：决定哪些文档的算分被修改
-
算分函数：决定函数算分的算法
-
运算模式：决定最终算分结果
2）示例
需求：给“如家”这个品牌的酒店排名靠前一些
翻译一下这个需求，转换为之前说的四个要点：
-
原始条件：不确定，可以任意变化
-
过滤条件：brand = "如家"
-
算分函数：可以简单粗暴，直接给固定的算分结果，weight
-
运算模式：比如求和
因此最终的DSL语句如下：
GET /hotel/_search
{
"query": {
"function_score": {
"query": { .... }, // 原始查询，可以是任意条件
"functions": [ // 算分函数
{
"filter": { // 满足的条件，品牌必须是如家
"term": {
"brand": "如家"
}
},
"weight": 2 // 算分权重为2
}
],
"boost_mode": "sum" // 加权模式，求和
}
}
}
3）小结
function score query定义的三要素是什么？
-
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
1.5.2.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
每一个不同的字段，其查询的条件、方式都不一样，必须是多个不同的查询，而要组合这些查询，就必须用bool查询了。
需要注意的是，搜索时，参与打分的字段越多，查询的性能也越差。因此这种多条件查询时，建议这样做：
-
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
1）语法示例：
GET /hotel/_search
{
"query": {
"bool": {
"must": [
{"term": {"city": "上海" }}
],
"should": [
{"term": {"brand": "皇冠假日" }},
{"term": {"brand": "华美达" }}
],
"must_not": [
{ "range": { "price": { "lte": 500 } }}
],
"filter": [
{ "range": {"score": { "gte": 45 } }}
]
}
}
}2）示例
需求：搜索名字包含“如家”，价格不低于400，在坐标31.21,121.5周围10km范围内的酒店。
分析：
-
名称搜索，属于全文检索查询，应该参与算分。放到must中
-
价格不低于400，用range查询，属于过滤条件，不参与算分。放到must_not中
-
周围10km范围内，用geo_distance查询，属于过滤条件，不参与算分。放到filter中
3）小结
bool查询有几种逻辑关系？
-
must：必须匹配的条件，可以理解为“与”
-
should：选择性匹配的条件，可以理解为“或”
-
must_not：必须不匹配的条件，不参与打分
-
filter：必须匹配的条件，不参与打分
2.搜索结果处理
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。
2.1.1.普通字段排序
keyword、数值、日期类型排序的语法基本一致。
GET /indexName/_search
{
"query": {
"match_all": {}
},
"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
示例：
需求描述：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
2.1.2.地理坐标排序
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
示例：
需求描述：实现对酒店数据按照到你的位置坐标的距离升序排序
提示：获取你的位置的经纬度的方式：获取鼠标点击经纬度-地图属性-示例中心-JS API 2.0 示例 | 高德地图API
假设我的位置是：31.034661，121.612282，寻找我周围距离最近的酒店。
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：
-
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 ?, ?
2.2.1.基本的分页
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"}
]
}2.2.2.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。
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。
2.2.3.小结
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。
-
2.3.高亮
2.3.1.高亮原理
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
2.3.2.实现高亮
GET /hotel/_search
{
"query": {
"match": {
"FIELD": "TEXT" // 查询条件，高亮一定要使用全文检索查询
}
},
"highlight": {
"fields": { // 指定要高亮的字段
"FIELD": {
"pre_tags": "<em>", // 用来标记高亮字段的前置标签
"post_tags": "</em>" // 用来标记高亮字段的后置标签
}
}
}
}注意：
-
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
2.4.总结
查询的DSL是一个大的JSON对象，包含下列属性：
-
query：查询条件
-
from和size：分页条件
-
sort：排序条件
-
highlight：高亮条件
1952
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
