java ElasticResearch DSL查询文档 搜索结果处理 RestClient查询文档 黑马旅游案例

最新推荐文章于 2024-08-25 08:32:05 发布
最新推荐文章于 2024-08-25 08:32:05 发布
阅读量470 收藏
点赞数
分类专栏： java 微服务 文章标签： 旅游 elasticsearch 大数据
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/m0_73859807/article/details/128892583
版权

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.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：

 

查询的语法基本一致：

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

我们以查询所有为例，其中：

  • 查询类型为match_all

  • 没有查询条件

// 查询所有
GET /indexName/_search
{
  "query": {
    "match_all": {
    }
  }
}

其它查询无非就是查询类型、查询条件的变化。

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

比较常用的场景包括：

  • 商城的输入框搜索

  • 百度输入框搜索

因为是拿着词条去匹配，因此参与搜索的字段也必须是可分词的text类型的字段。

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"]
    }
  }
}

1.3.精准查询

 

 

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 [8.6] | 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

矩形范围查询，也就是geo_bounding_box查询，查询坐标落在某个矩形范围的所有文档：

// geo_bounding_box查询
GET /indexName/_search
{
  "query": {
    "geo_bounding_box": {
      "FIELD": {
        "top_left": { // 左上点
          "lat": 31.1,
          "lon": 121.5
        },
        "bottom_right": { // 右下点
          "lat": 30.9,
          "lon": 121.7
        }
      }
    }
  }
} 

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
    }
  }
}

示例：

我们先搜索陆家嘴附近15km的酒店：

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.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。

例如，我们搜索 "虹桥如家"，结果如下：

[
  {
    "_score" : 17.850193,
    "_source" : {
      "name" : "虹桥如家酒店真不错",
    }
  },
  {
    "_score" : 12.259849,
    "_source" : {
      "name" : "外滩如家酒店真不错",
    }
  },
  {
    "_score" : 11.91091,
    "_source" : {
      "name" : "迪士尼如家酒店真不错",
    }
  }
]

在elasticsearch中，早期使用的打分算法是TF-IDF算法，公式如下：

1.5.2.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。

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。如图：

 要想认为控制相关性算分，就需要利用elasticsearch中的function score 查询了。

 

 

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
    }
  }
}

1.5.3.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

比如在搜索酒店时，除了关键字搜索外，我们还可能根据品牌、价格、城市等字段做过滤：

 

 

 

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。

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。

语法：

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

地理坐标排序略有不同。

语法说明：

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

分页的基本语法如下：

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"}
  ]
}

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  

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

    • 就相当于是条件为id>上一页最后一个的，然后开始的第一页。比如第二页id为6那我们设置id大于5，size ：5

  • 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

什么是高亮显示呢？

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

2.3.2.实现高亮

高亮的语法：

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

示例：

 

3.RestClient查询文档

文档的查询同样适用昨天学习的 RestHighLevelClient对象，基本步骤包括：

  • 1）准备Request对象

  • 2）准备请求参数

  • 3）发起请求

  • 4）解析响应

3.1.快速入门

我们以match_all查询为例

3.1.1.发起查询请求

 

代码解读：

  • 第一步，创建SearchRequest对象，指定索引库名

  • 第二步，利用request.source()构建DSL，DSL中可以包含查询、分页、排序、高亮等

    • query()：代表查询条件，利用QueryBuilders.matchAllQuery()构建一个match_all查询的DSL

  • 第三步，利用client.search()发送请求，得到响应

这里关键的API有两个，一个是request.source()，其中包含了查询、排序、分页、高亮等所有功能：

 

另一个是QueryBuilders，其中包含match、term、function_score、bool等各种查询：

3.1.2.解析响应

响应结果的解析：

 

elasticsearch返回的结果是一个JSON字符串，结构包含：

  • hits：命中的结果

    • total：总条数，其中的value是具体的总条数值

    • max_score：所有结果中得分最高的文档的相关性算分

    • hits：搜索结果的文档数组，其中的每个文档都是一个json对象

      • _source：文档中的原始数据，也是json对象

因此，我们解析响应结果，就是逐层解析JSON字符串，流程如下：

  • SearchHits：通过response.getHits()获取，就是JSON中的最外层的hits，代表命中的结果

    • SearchHits#getTotalHits().value：获取总条数信息

    • SearchHits#getHits()：获取SearchHit数组，也就是文档数组

      • SearchHit#getSourceAsString()：获取文档结果中的_source，也就是原始的json文档数据

 

完整测试代码：

@SpringBootTest
public class HotelDemo4Search {

    @Autowired
    private IHotelService hotelService;
    private RestHighLevelClient client = null;

    // 查询所有的语法格式
//        SearchRequest searchRequest = new SearchRequest();
//        // 创建查询类型对象,用于构建查询类型
//        SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
//        searchSourceBuilder.query(QueryBuilders.matchAllQuery());
//        searchRequest.source(searchSourceBuilder);
    /**
     * 查询的5大类:
     *      查询所有: match_all
     *      全文检索: match mutil_match
     *      精准查询: term range
     *      地理坐标查询: geo_bounding_box geo_distance
     *      复合查询: function_score bool
     */
    /**
     * 查询所有文档信息
     * @throws IOException
     */
    @Test
    public void search01() throws IOException {
        //1.创建请求语义对象
        SearchRequest request = new SearchRequest("hotel");
        // QueryBuilders: 构建查询类型
        request.source().query(QueryBuilders.matchAllQuery());
        //searchRequest.source().query(QueryBuilders.matchQuery("name","如家酒店"));
        //searchRequest.source().query(QueryBuilders.multiMatchQuery("如家酒店","name","brand"));
        //searchRequest.source().query(QueryBuilders.termQuery("brand","如家"));
        //searchRequest.source().query(QueryBuilders.rangeQuery("price").gte("100").lte("200"));
        //2.发送请求给ES
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        //3.处理返回结果
        handleResponse(response);
    }

    /**
     * 处理响应结果
     * @param response
     */
    public void handleResponse(SearchResponse response){
        // 获取命中的所有内容
        SearchHits searchHits = response.getHits();
        // 获取命中的总条数
        long count = searchHits.getTotalHits().value;
        System.out.println("命中的条数为: "+ count);
        // 获取命中的文档对象数组
        SearchHit[] hits = searchHits.getHits();
        for (SearchHit hit : hits) {
            // 解析每一个hit对象得到对应的文档数据
            String json = hit.getSourceAsString();
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
            System.out.println(hotelDoc);
        }
    }

    /**
     * 在单元测试执行前执行
     * 创建RestAPI对象
     */
    @BeforeEach
    public void init() {
        client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("192.168.163.130", 9200, "http")
                        //new HttpHost("localhost", 9201, "http")
                ));
        System.out.println(client);
    }


    /**
     * 在单元测试执行前执行
     * 关闭client对象
     */
    @AfterEach
    public void destory() throws Exception{
        if (client!=null){
            client.close();
        }
    }
}

3.1.4.小结

查询的基本步骤是：

  1. 创建SearchRequest对象

  2. 准备Request.source()，也就是DSL。

    ① QueryBuilders来构建查询条件

    ② 传入Request.source() 的 query() 方法

  3. 发送请求，得到结果

  4. 解析结果（参考JSON结果，从外到内，逐层解析）

3.2.match查询

全文检索的match和multi_match查询与match_all的API基本一致。差别是查询条件，也就是query的部分。

因此，Java代码上的差异主要是request.source().query()中的参数了。同样是利用QueryBuilders提供的方法：

 

完整代码如下：

@Test
void testMatch() throws IOException {
    // 1.准备Request
    SearchRequest request = new SearchRequest("hotel");
    // 2.准备DSL
    request.source()
        .query(QueryBuilders.matchQuery("all", "如家"));
    // 3.发送请求
    SearchResponse response = client.search(request, RequestOptions.DEFAULT);
    // 4.解析响应
    handleResponse(response);
​
}

 

3.3.精确查询

精确查询主要是两者：

  • term：词条精确匹配

  • range：范围查询

与之前的查询相比，差异同样在查询条件，其它都一样。

查询条件构造的API如下：

3.4.布尔查询

布尔查询是用must、must_not、filter等方式组合其它查询，代码示例如下：

 

 

可以看到，API与其它查询的差别同样是在查询条件的构建，QueryBuilders，结果解析等其他代码完全不变。

完整代码如下：

@Test
void testBool() throws IOException {
    // 1.准备Request
    SearchRequest request = new SearchRequest("hotel");
    // 2.准备DSL
    // 2.1.准备BooleanQuery
    BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
    // 2.2.添加term
    boolQuery.must(QueryBuilders.termQuery("city", "杭州"));
    // 2.3.添加range
    boolQuery.filter(QueryBuilders.rangeQuery("price").lte(250));
​
    request.source().query(boolQuery);
    // 3.发送请求
    SearchResponse response = client.search(request, RequestOptions.DEFAULT);
    // 4.解析响应
    handleResponse(response);
​
}

3.5.排序、分页

搜索结果的排序和分页是与query同级的参数，因此同样是使用request.source()来设置。

对应的API如下：

 

完整代码示例：

@Test
void testPageAndSort() throws IOException {
    // 页码，每页大小
    int page = 1, size = 5;
​
    // 1.准备Request
    SearchRequest request = new SearchRequest("hotel");
    // 2.准备DSL
    // 2.1.query
    request.source().query(QueryBuilders.matchAllQuery());
    // 2.2.排序 sort
    request.source().sort("price", SortOrder.ASC);
    // 2.3.分页 from、size
    request.source().from((page - 1) * size).size(5);
    // 3.发送请求
    SearchResponse response = client.search(request, RequestOptions.DEFAULT);
    // 4.解析响应
    handleResponse(response);
​
}

3.6.高亮

高亮的代码与之前代码差异较大，有两点：

  • 查询的DSL：其中除了查询条件，还需要添加高亮条件，同样是与query同级。

  • 结果解析：结果除了要解析_source文档数据，还要解析高亮结果

3.6.1.高亮请求构建

高亮请求的构建API如下：

上述代码省略了查询条件部分，但是大家不要忘了：高亮查询必须使用全文检索查询，并且要有搜索关键字，将来才可以对关键字高亮。

完整代码如下：

@Test
void testHighlight() throws IOException {
    // 1.准备Request
    SearchRequest request = new SearchRequest("hotel");
    // 2.准备DSL
    // 2.1.query
    request.source().query(QueryBuilders.matchQuery("all", "如家"));
    // 2.2.高亮
    request.source().highlighter(new HighlightBuilder().field("name").requireFieldMatch(false));
    // 3.发送请求
    SearchResponse response = client.search(request, RequestOptions.DEFAULT);
    // 4.解析响应
    handleResponse(response);
​
}

 

3.6.2.高亮结果解析

高亮的结果与查询的文档结果默认是分离的，并不在一起。

因此解析高亮的代码需要额外处理：

 

M00SE
关注
专栏目录
Simple-DSL:用Java编写简单的DSL的实用程序
05-28
简单DSL Simple-DSL是一种写用于LMAX Exchange的验收测试的样式，旨在平衡人机可读性。 目的是使开发人员和非开发人员都可以轻松阅读和理解接受测试，并且开发人员IDE可以充分理解接受测试以支持有用的（但不一定是全面的）搜索，重构和名称完成。 Simple-DSL库提供了DSL的一个组件，用于编写验收测试-着重于解析方法的参数。 DSL的其余部分在很大程度上取决于被测系统，但是提供了许多模式，这些模式已被证明可以成功地构建经得起时间考验的DSL。 例子 一个简单的在交易所下订单的测试用例可能看起来像： package com.lmax.exchange.acceptance.test.api; import com.lmax.exchange.acceptance.dsl.DslTestCase; import org.junit.Before; import o
【java】仿级联查询 | Java通过DSL字符串查询ES （es8 dsl java）
CTRA®王大大技术中心
02-22 3346
模拟aws中级联查询一、需求二、设计1、背景2、思路三、Java代码实现四、DSL表达式五、前端拼接 DSL 字符串六、Java使用ES查询DSL字符串 一、需求 1、实现一个搜索框，可以实现所有的字段的查询，并且每个字段可以支持不同的查询方式 如下图所示 2、点击任何一个字段，弹出该字段支持的查询方式 二、设计 1、背景 由于项目是前后端分离项目，这里就需要前端的配合 由于我们的数据库选择是 mysql+es 今天这篇文章主要是使用es进行业务查询 2、思路 如何获取该表的所有列字段？ 如果根据字段
推荐文章：JMeter Java DSL —— 开启性能测试的现代之旅
最新发布
gitblog_00228的博客
08-25 521
推荐文章：JMeter Java DSL —— 开启性能测试的现代之旅 jmeter-java-dslSimple JMeter performance tests API项目地址:https://gitcode.com/gh_mirrors/jm/jmeter-java-dsl 在性能测试领域，寻找一种既适应敏捷开发流程，又能够与程序员无缝协作的方式，一直是工程师们的一大挑战。今天，我们向您...
Java中的DSL（领域特定语言）设计与实现
微赚淘客系统开发者博客
07-28 746
Java中的DSL设计与实现提供了一种灵活的方式，使得开发者可以根据特定领域的需求设计专用的语言。通过内部DSL和外部DSL，可以实现简洁、直观的领域特定语言，提高代码的可维护性和可读性。内部DSL（Internal DSL）是利用现有语言的语法和功能来创建的领域特定语言。外部DSL（External DSL）是独立于现有编程语言的领域特定语言，需要单独设计语法和解析器。方法链是一种常用的DSL实现方式，通过将多个方法调用链接在一起，实现简洁的DSL语法。DSL的设计应保持一致性，避免混乱的语法规则。
es的自动补全查询——DSL语句&java代码实现
LINING_GG的博客
12-07 2839
es的自动补全查询——DSL语句&java代码实现
java dsl的应用_Java DSL简介（收集整理）
weixin_34212182的博客
02-13 1300
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...
elasticsearch-rest-client-6.3.0-API文档-中英对照版.zip
06-12
标签：elasticsearch、client、rest、中英对照文档、jar包、java； 使用方法：解压翻译后的API文档，用浏览器打开“index.html”文件，即可纵览文档内容。 人性化翻译，文档中的代码和结构保持不变，注释和说明精准...
restclient java
03-17
Wisdom RESTClient https://github.com/Wisdom-Projects/rest-client
elasticsearch-rest-client-6.8.3-API文档-中文版.zip
07-13
标签：elasticsearch、client、rest、中文文档、jar包、java； 使用方法：解压翻译后的API文档，用浏览器打开“index.html”文件，即可纵览文档内容。 人性化翻译，文档中的代码和结构保持不变，注释和说明精准翻译...
java restclient jar
03-13
Wisdom RESTClient https://github.com/Wisdom-Projects/rest-client
java利用RestClient进行dsl的查询
weixin_64035133的博客
04-16 265
3.精确查询（term词条精准查询，range范围精准查询）与matchall查询有区别的地方为第二步的准备dsl。与上方一致只有2.准备dsl发生变化。2.match条件查询。
Elasticsearch之DSL:常用语法与用法
智者千虑，必有一失；愚者千虑，必有一得。
03-15 3905
一、DSL 简单用法 二、query 和 filter 差异 三、多搜索条件组合查询（最常用）
Elasticsearch文档操作:初学者指南(2023年最新版包含DSL语句的使用和RestHighLevelClient在Java中的使用)
Jacob的博客
05-23 1402
Elasticsearch是一个分布式的RESTful搜索和分析引擎。它是建立在Lucene之上的，Lucene是一个强大的全文搜索引擎。Elasticsearch被设计为可伸缩、容错和易于使用。它被各种各样的组织使用，包括eBay、思Cisco和Spotify。本文提供了在ES中的分别使用原始DSL语句和JavaRestClient实现的CRUD的概述。最后,本文概述了Elasticsearch如何分别使用DSL语句和RestHighLevelClient处理文档。
ES基础知识总结含SQL、DSL、GOLANG
qq_45366447的博客
05-12 1887
Elasticsearch生态简介+es与kibana的紧密结合使用方法+es多种混合查询使用+golang框架调用以及源码解析
Elasticsearch中【文档查询】DSL语句以及对应的Java实现
m0_69594200的博客
04-29 1238
Elasticsearch提供了基于JSON的DSL（）来定义查询。：查询出所有数据，一般测试用。例如：match_all：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：：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：idsrangeterm：根据经纬度查询。例如：：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。
Elasticsearch DSL查询语法-关键字排序（数值,keyword）和地理位置排序（_geo_distance）包括使用script对keyword类型的数值排序
后端开发
05-24 5509
概述 排序：es支持对于检索结果进行排序，通常默认的检索是根据相关度算分（_score）降序排序，相关度较高的数据排在最前。我们也可以指定排序字段和排序方式自定义排序，此时相关度算分就不会执行，执行效率会有提升。 排序字段类型：keyword、地理坐标、date、数值 排序DSL语法 POST /book/_search { "query": { #查询语句 "match_all": {} }, "sort": [ #排序是数组，说明支持多个排序字段， { 如果靠前的
ElasticSearch中DSL搜索（java客户端实现）
weixin_43382874的博客
08-06 3555
DSL搜索 DSL(Domain Specific Language) 是 ES 提出的基于 json 的搜索方式，在搜索时传入特定的 json 格式的数据来完成不同的搜索需求。DSL 比 URI (在url传递搜索参数) 搜索方式功能强大，在项目中建议使用 DSL 方式来完成搜索。 查询所有文档 查询所有索引库的文档。 发送：post http://localhost:9200/_ search 查询指定索引库 指定类型 下的文档。（通过使用此方法） { "query": {
java直接使用dsl语句查询ES
JavaBigData的博客
11-05 1036
客户端配置 dsl查询 结果
Elastic Search入门
qq_39601612的博客
03-05 2142
简介 ES是一个基于Lucence构建的一个搜索服务, 它从搜索库搜索符合条件的索引数据。 Lucence不是一个完整的全文搜索引擎, 而是一个全文检索引擎架构, 提供了完整的查询引擎和索引引擎, 部分文本分析引擎. 开发人员可以通过Java语言将Lucence直接集成到应用程序中, 而Lucence非常复杂, 是的开发者自己开发搜索引擎非常困难, 而Elastic Search是一个已经写好了的...
Elasticsearch分布式搜索DSL查询详解
"分布式搜索相关的PPT说明资料，主要涵盖了Elasticsearch的分布式搜索引擎功能，特别是DSL查询的使用，包括搜索结果处理、RestClient查询、黑马旅游案例的DSL查询示例，以及各种类型的查询方法，如全文检索、精准、...
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