完整版【系统学ES系列】请移步公号!
带着问题学习才高效
Term-level queries 与 Full text queries 的主要区别是什么?
Term-level queries 有哪些查询类型?运用场景有哪些?DSL如何书写?
Term-level queries 的各种查询对应到sql是怎样的
01 Term-level queries 简介
Term-level queries 术语级查询就是根据结构化数据中的精确值查找文档。与( Full text queries)全文查询的不同之处在于,术语级查询不会分析检索词,而是匹配存储在字段中的确切术语。不知道这是什么意思?没关系,下面TeHero结合实例进行讲解。
Term-level queries系列脑图
ps:上图的xmind文件获取方式见文末!
通过上图可以看到,Term-level queries 一共有11种查询类型,标红的四种查询是我们常用的查询:term query、terms query、range query、wildcard query。本文将先介绍:term query、terms query这两种查询!Let's Go!
02 数据准备
以博客的数据为例,数据结构如下:
创建blogs_index 和 tags_index(就是tag的详情):
PUT /blogs_index { "settings": { "index": { "number_of_shards": 1, "number_of_replicas": 1 } }, "mappings": { "_doc": { "dynamic": false, "properties": { "id": { "type": "integer" }, "author": { "type": "keyword" }, "title": { "type": "text", "analyzer": "ik_smart" }, "tag":{ "type": "integer" }, "influence": { "type": "integer_range" }, "createAt": { "type": "date" } } } } } PUT /tags_index { "settings": { "index": { "number_of_shards": 1, "number_of_replicas": 1 } }, "mappings": { "_doc": { "dynamic": false, "properties": { "id": { "type": "integer" }, "tag_name": { "type": "keyword" } } } } }
批量导入数据:
POST _bulk
{"index":{"_index":"blogs_index","_type":"_doc","_id":"1"}}
{"id":1,"author":"方才兄","title":"关注我,系统学编程"}
{"index":{"_index":"blogs_index","_type":"_doc","_id":"2"}}
{"id":2,"author":"方才","title":"系统学编程,关注我"}
03term query
核心点:检索词不会被分词,作为一个Token/term
3.1 通过实例理解
语句1:检索文档1的title字段的完整内容,发现居然检索不到文档!
POST /blogs_index/_doc/_search
{
"query": {
"term" : { "title" : "关注我,系统学编程" }
}
}
语句2:只检索关键词“编程”,可以检索文档1和文档2
POST /blogs_index/_doc/_search { "query": { "term" : { "title" : "编程" } } }
3.2 分析DSL执行过程
在【ElasticSearch系列05:倒排序索引与分词Analysis】我们已经知道了es的检索过程【ps:该过程非常重要,一定要掌握,明白了这个检索过程,对于理解DSL语句非常有用】:
-
1)对于title字段,我们使用的是ik_smart分词,所以这5条文档,得到的PostingList的Token列表为【关注】【我】【系统学】【编程】【方才】【兄】;
-
2)因为是term查询,所以语句1检索词的Token列表就是【关注我,系统学编程】;语句2检索词的Token列表为【编程】;
-
3)在PostingList中检索,很明显语句1等价于sql语句【where Token = “关注我,系统学编程”】;语句2等价于sql语句【where Token = “编程”】。
-
4)所以语句1检索不到结果,语句2是可以检索到文档1和文档2的。
ps:如何知道es中文档的PostingList呢?直接使用_anlyze接口分析即可:
GET blogs_index/_analyze { "text": [ "关注我,系统学编程"], "field": "title" }
得到针对字段title,建立的PostingList:
{ "tokens": [ { "token": "关注", "start_offset": 0, "end_offset": 2, "type": "CN_WORD", "position": 0 }, { "token": "我", "start_offset": 2, "end_offset": 3, "type": "CN_CHAR", "position": 1 }, { "token": "系统学", "start_offset": 4, "end_offset": 7, "type": "CN_WORD", "position": 2 }, { "token": "编程", "start_offset": 7, "end_offset": 9, "type": "CN_WORD", "position": 3 } ] }
3.3 与match query的对比
1、检索会被分词的字段,match语句与term语句区别较大。
match 语句1:检索文档1的title字段的完整内容,得到文档1和文档2;
POST /blogs_index/_doc/_search { "query": { "match" : { "title" : "关注我,系统学编程" } } }
简单分析下:
-
1)因为是match 查询,所以语句1检索词的Token列表就是【关注】【我】【系统学】【编程】;(注意和term查询时检索词的Token列表做对比【关注我,系统学编程】)
-
2)在PostingList中检索,该语句等价于sql语句【where Token in (“关注”,"我","系统学","编程")】;
-
3)所以可以检索到文档1和文档2。
2、检索不会分词的字段:mathc语句与term语句效果一致
POST /blogs_index/_doc/_search { "query": { "term" : { "author" : "方才兄" } } } POST /blogs_index/_doc/_search { "query": { "match" : { "author" : "方才兄" } } }
注意:match语句会对检索词分词,使用的分词器默认与被检索字段一致【对于author这个字段,type为keyword,所以哪怕使用的是match查询,检索词依然不会被分词】。上述两个语句都只能检索到文档1!
3.4 term query 的使用场景
一般用于检索不会被分词的字段,主要是类型为:integer、keyword、boolean 的字段。比如说我们这个blogs_index中的author字段,假如我们只想看作者为“方才兄”的blog,DSL语句如下:
POST /blogs_index/_doc/_search { "query": { "term" : { "author" : "方才兄" } } }
04 terms query
4.1 等价于mysql 的 in()
比如,我想检索作者是【方才兄】和【方才】的文章:
POST /blogs_index/_doc/_search { "query": { "terms" : { "author" : ["方才兄","方才"]} } }
该语句等价于sql语句【where author in (“"方才兄","方才")】
4.2 Terms lookup mechanism——等价于mysql的联表查询
比如:有如下数据:
POST _bulk {"index":{"_index":"blogs_index","_type":"_doc","_id":"3"}} {"id":3,"author":"方才兄","title":"关注我,系统学编程","tag":[1,2,3]} {"index":{"_index":"tags_index","_type":"_doc","_id":"1"}} {"id":1,"tag_name":"这是标签1"} {"index":{"_index":"tags_index","_type":"_doc","_id":"2"}} {"id":2,"tag_name":"这是标签2"} {"index":{"_index":"tags_index","_type":"_doc","_id":"3"}} {"id":3,"tag_name":"这是标签3"}}
对于blogs_index中文档3,我们获取到了tag的idList集合,我们需要把tag的详细情况查出来:
GET /tags_index/_search { "query": { "terms": { "id": { "index": "blogs_index", "type": "_doc", "id": "3", "path": "tag" } } } } 参数解释: index:从中获取术语值的索引。 type:从中获取术语值的类型。 id:用于获取术语值的文档的ID,是源字段_id,而不是我们自定义的字段id。 path:指定为获取terms过滤器实际值的路径的字段 。
使用场景:当需要terms语句包含大量术语时,从索引中的文档中获取这些术语值将是有益的。其实这种垮索引的查询方法,在实际中很难应用到,对数据结构有强制的要求,而且针对另一个index的查询条件,只能是 _id = xx,不能像sql一样随意书写where条件。
上述DSL语句等价于将sql语句【select * from tags_index where id in (1,2,3)】转化为了sql【select * from tags_index where id in (select tag from blogs_index where _id = 3)】。
下期预告:Term-level queries剩下的9种查询
●ES系列07:match_phrase与match_phrase_prefix query
你点的每个赞我都认真当成了喜欢