elasticsearch搜索功能
分布式搜索elasticsearch搜索功能
1.DSL查询文档
1.1 DSL查询分类
常见的查询类型包括:
- 查询所有:查询出所有数据,一般测试试用。如:mathch_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(compund)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
查询的基本语法如下:
GET /索引库名/_search
{
"query": {
"查询条件": {
"查询条件": "条件值"
}
}
}
例子:
// 查询所有
GET /indexName/_search
{
"query": {
"match_all: {
}
}
}
1.2 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"
}
}
}
multi_match: 与match查询类似,只不过允许同时查询多个字段,语法:
GET /indexName/_search
{
"query": {
"multi_match": {
"query": "TEXT",
"fields": ["FIELD1","FIELD2"]
}
}
}
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
精确查找一般是查找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: 根据词条精确值查找
//term 查询
GET /indexName/_search
{
"query":{
"term": {
"FIELD": {
"value": "VAULE"
}
}
}
}
示例:
# term查询
GET /hotel/_search
{
"query": {
"term": {
"city": {
"value": "上海"
}
}
}
}
- range: 根据值的范围查找
//range 查询
GET /indexName/_search
{
"query":{
"range": {
"FIELD": {
"gte": 10,
"lte": 20
}
}
}
}
示例:
# range查询
GET /hotel/_search
{
"query": {
"range": {
"price": {
"gte": 100,
"lte": 300
}
}
}
}
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
根据经纬度查询。常见的使用场景包括:
- 携程:查询附近的酒店
- 滴滴:搜索附近的出租车
- 微信:搜索附近的人
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 /indexName/_search
{
"query": {
"geo_bounding_box": {
"FIELD": {
"top_left": {
"lat": 31.1,
"lon": 121.5
},
"bottom_right": {
"lat": 30.9,
"lon": 127.7
}
}
}
}
}
示例:
GET /hotel/_search
{
"query": {
"geo_bounding_box": {
"location": {
"top_left": {
"lat": 31.1,
"lon": 121.5
},
"bottom_right": {
"lat": 30.9,
"lon": 127.7
}
}
}
}
}
- geo_distance:查询到指定中心点小于某个距离的所有文档
// geo_distance 查询
GET /indexName/_search
{
"query": {
"geo_distance": {
"distance": "15km",
"FIELD": "31.21,125.5"
}
}
}
示例:
# distance查询
GET /hotel/_search
{
"query": {
"geo_distance": {
"distance": "15km",
"location" : "31.21, 121.5"
}
}
}
1.5 组合查询
复合(compound)查询:复合查询可以将其他简单查询组合起来,实现更复杂的搜索逻辑,例如:
1.5.1 function score
function score: 算分函数查询,可以控制文档相关性算分,控制文档排名。例如百度竞价
相关性算法
当我们利用macth查询时,文档结果会根据搜索词条的关联度打分(_score),返回结果是按照分值降序排列。例如,我们搜索“虹桥如家”,结果如下:
elasticsearch中的相关性打分算法是什么?
- TF-IDF:在elasticsearch5.0之前,会随着词频增加而越来越大
- BM25:在elasticsearch5.0之后,会随着词频增加而增大,但增大的曲线会趋于水平
使用function score query,可以修改文档相关性算法(query score),根据新得到的算分排序。
案例:给“如家”这个品牌的酒店排名靠前一点
把这个问题翻译一下,function score需要的三要素:
1.哪些文档需要算分加权?
品牌为如家的酒店
2.算分函数是什么?
weight就可以
3.加权模式是什么?
求和
# function score查询
GET /hotel/_search
{
"query": {
"function_score": {
"query": {
"match": {
"all": "外滩"
}
},
"functions": [
{
"filter": {
"term": {
"brand": "如家"
}
},
"weight": 10
}
],
"boost_mode": "sum"
}
}
}
1.5.2 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
案例:利用bool查询实现功能
需求:搜索名字包含:“如家”,价格不高于400,在坐标31.21,121.5周围10km范围内的酒店。
# bool
GET /hotel/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"name": "如家"
}
}
],
"must_not": [
{
"range": {
"price": {
"gt": 400
}
}
}
],
"filter": [
{
"geo_distance": {
"distance": "10km",
"location": {
"lat": 31.21,
"lon": 121.5
}
}
}
]
}
}
}
总结: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。
案例:对酒店数据按照用户评价降序排序,评价相同的按照价格升序排序
评价是score字段,价格是price字段,按照顺序添加两个排序规则即可。
# sort排序
GET /hotel/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"score": "desc"
},
{
"price": "asc"
}
]
}
案例:实现对酒店数据按照到你的位置坐标的距离升序排序
# 121.612085,31.034647周围的酒店,距离升序排序
GET /hotel/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"_geo_distance": {
"location": {
"lat": 31.034647,
"lon": 121.612085
},
"order": "asc",
"unit": "km"
}
}
]
}
2.2 分页
elasticserach默认情况下返回top10的数据。而如果要查询更多数据就需要修改分页参数了。
elasticserach中通过修改from、size参数来控制要返回的分页结果:
GET /hotel/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"price": "asc"
}
],
"from": 10, //分页开始位置,默认0
"size": 10 //期望获取的文档总数
}
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:
- 首先在每个数据分片上都排序并查询前1000条文档。
- 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
- 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的效果也越高,因此ES设定结果集查询的上限是10000
深度分页解决方案
针对深度分页,ES提供了两种解决方案,
- search after:分也时需要排序,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。官方已经不推荐使用。
总结:
- 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、经度、谷歌、淘宝这样的随机翻页搜索
- after serach:
- 优点:没有查询上限(单次查询的size不超过10000)
- 缺点:只能向后逐步查询,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(单词查询的size不超过10000)
- 缺点:会有额外的内存消耗,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 serach方案。
2.3 高亮
高亮:就是在搜索结果中把搜索关键字突出显示。
原理是这样的:
- 将搜索结果中的关键字用标签标记起来
- 在页面中给标签加css样式
语法:
GET /hotel/_search
{
"query": {
"match": {
"FIELD": "TEXT"
}
},
"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
}
}
}
}
示例:
# 高亮查询
GET /hotel/_search
{
"query": {
"match": {
"all": "如家"
}
},
"highlight": {
"fields": {
"name": {
"require_field_match": "false"
}
}
}
}
2.4 总结
搜索结果处理整体语法:
GET /hotel/_search
{
"query": {
"match": {
"all": "如家"
}
},
"from": 0,
"size": 20,
"sort": [
{
"price": "asc"
},
{
"_geo_distance": {
"location": "31,121",
"order": "asc",
"unit": "km"
}
}
],
"highlight": {
"fields": {
"name": {
"require_field_match": "false"
}
}
}
}
3.RestClient查询文档
3.1 快速入门
通过match_all来演示基本的API,先看请求DSL的组织
通过match_all来演示下基本的API,再看结果的解析:
@Test
void testMatchAll() throws IOException {
//1.准备Request
SearchRequest request = new SearchRequest("hotel");
//2.准备DSL
request.source().query(QueryBuilders.matchAllQuery());
//3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
//4.解析响应
SearchHits searchHits = response.getHits();
//4.1获取总条数
long total = searchHits.getTotalHits().value;
System.out.println("共搜索到" + total + " 条数据");
//4.2获取文档数组
SearchHit[] hits = searchHits.getHits();
//4.3遍历
for (SearchHit hit : hits) {
//获取文档source
String json = hit.getSourceAsString();
//反序列化
JSON.parseObject(json, HotelDoc.class);
}
System.out.println(response);
}
RestAPI中其中构建DSL是通过HighLevelRestClient中的resource()来实现的,其中包含了查询、排序、分页、高亮等所有功能:
总结:查询的基本步骤是
- 创建SearchRequest对象
- 准备Request.source(),也就是DSL。
①QueryBuilders来构建查询条件
②传入Request.source()的query()方法 - 发送请求,得到结果
- 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macth_all的API基本一致。差别是查询条件,也就是query的部分。
同样是利用QueryBuilders提供的方法:
@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
SearchHits searchHits = response.getHits();
//4.1获取总条数
long value = searchHits.getTotalHits().value;
System.out.println("共搜索到" + value + "条数据");
//4.2文档数组
SearchHit[] hits = searchHits.getHits();
//4.3遍历
for (SearchHit hit : hits) {
//获取文档source
String json = hit.getSourceAsString();
//反序列化
JSON.parseObject(json, HotelDoc.class);
}
System.out.println(response);
}
3.3 精确查询
精确查找常见的有term查询和range查询,同样利用QueryBuilders实现:
@Test
void testMatchPrecise() throws IOException {
//1.准备Request
SearchRequest request = new SearchRequest("hotel");
//2.准备DSL
request.source()
.query(QueryBuilders.termQuery("city", "杭州"));
request.source()
.query(QueryBuilders.rangeQuery("price").gte(100).lte(150));
//3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
//4.解析响应
SearchHits searchHits = response.getHits();
//4.1获取总条数
long total = searchHits.getTotalHits().value;
System.out.println("共搜索到" + total + " 条数据");
//4.2获取文档数组
SearchHit[] hits = searchHits.getHits();
//4.3遍历
for (SearchHit hit : hits) {
//获取文档source
String json = hit.getSourceAsString();
//反序列化
JSON.parseObject(json, HotelDoc.class);
System.out.println(response);
}
}
3.4 复合查询
复合查询-boolean query
精确查询常见的有term查询和range查询,同样利用QueryBuilders实现:
@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", "上海"));
//2.3添加filter
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
SearchHits searchHits = response.getHits();
//4.1获取总条数
long total = searchHits.getTotalHits().value;
System.out.println("共搜索到" + total + " 条数据");
//4.2获取文档数组
SearchHit[] hits = searchHits.getHits();
//4.3遍历
for (SearchHit hit : hits) {
//获取文档source
String json = hit.getSourceAsString();
//反序列化
JSON.parseObject(json, HotelDoc.class);
System.out.println(response);
}
}
3.5 排序、分页、高亮
搜索结果的排序和分页
是与query同级的参数,对应的API如下:
@Test
void testPageAndSort() throws IOException {
//页码,每页大小
int page = 2, 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
SearchHits searchHits = response.getHits();
//4.1获取总条数
long total = searchHits.getTotalHits().value;
System.out.println("共搜索到" + total + " 条数据");
//4.2获取文档数组
SearchHit[] hits = searchHits.getHits();
//4.3遍历
for (SearchHit hit : hits) {
//获取文档source
String json = hit.getSourceAsString();
//反序列化
JSON.parseObject(json, HotelDoc.class);
System.out.println(response);
}
}
高亮
API包括请求DSL构建和结果解析两部分。
高亮结果解析:
高亮的结果处理相对于比较麻烦:
@Test
void testHightLight() throws IOException {
//1.准备Request
SearchRequest request = new SearchRequest("hotel");
//2.准备DSL
//2.1query
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
SearchHits searchHits = response.getHits();
//4.1获取总条数
long total = searchHits.getTotalHits().value;
System.out.println("共搜索到" + total + " 条数据");
//4.2获取文档数组
SearchHit[] hits = searchHits.getHits();
//4.3遍历
for (SearchHit hit : hits) {
//获取文档source
String json = hit.getSourceAsString();
//反序列化
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
//获取高亮结果
Map<String, HighlightField> highlightFields = hit.getHighlightFields();
if (!CollectionUtils.isEmpty(highlightFields)) {
//根据字段名获取高亮结果
HighlightField highlightField = highlightFields.get("name");
if (highlightField != null) {
//获取高亮值
String name = highlightField.getFragments()[0].string();
//覆盖非高亮结果
hotelDoc.setName(name);
}
}
System.out.println(response);
}
}
总结:
- 所有搜索DSL的构建,记住一个API:
SearchRequest的source()
方法。 - 高亮结果解析是参考JSON结果,逐层解析
4.旅游网案例
4.1 酒店搜索和分页
实现黑马旅游网的酒店搜索功能,完成关键字搜索和分页
实现步骤如下:
- 定义实体类,接收前端信息
@Data
public class RequestParams {
private String key;
private Integer page;
private Integer size;
private String sortBy;
}
- 定义Hotelcontroller接口,接收页面请求,调用IHotelService的search方法
- 请求方式:Post
- 请求路径:/hotel/list
- 请求参数:对象,类型为RequestParam
- 返回值:PageResult,包含两个属性
①Long total:总条数
②List hotels:酒店数据
@RestController
@RequestMapping("/hotel")
public class HotelController {
@Autowired
private IHotelService hotelService;
@RequestMapping("/list")
public PageResult search(@RequestBody RequestParams params) throws IOException {
return hotelService.search(params);
}
}
@Data
public class PageResult {
private Long total;
private List<HotelDoc> hotels;
public PageResult() {
}
public PageResult(Long total, List<HotelDoc> hotels) {
this.total = total;
this.hotels = hotels;
}
}
- 定义IHotelService的search方法,利用match查询实现根据关键字酒店搜索酒店信息
@Service
public class HotelService extends ServiceImpl<HotelMapper, Hotel> implements IHotelService {
@Autowired
private RestHighLevelClient client;
@Override
public PageResult search(RequestParams params) {
try {
//1.准备Request
SearchRequest request = new SearchRequest("hotel");
//2.准备DSL
//2.1关键字搜索query
String key = params.getKey();
if (key == null || "".equals(key)) {
request.source().query(QueryBuilders.matchAllQuery());
} else {
request.source().query(QueryBuilders.matchQuery("all", key));
}
//2.2分页
int page = params.getPage();
int size = params.getSize();
request.source().from((page - 1) * size).size(size);
//3.发送请求得到响应
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
return handleResponse(response);
} catch (IOException e) {
throw new RuntimeException(e);
}
}
private PageResult handleResponse(SearchResponse response) {
//4.解析响应
SearchHits searchHits = response.getHits();
//4.1获取总条数
long total = searchHits.getTotalHits().value;
//4.2获取文档数组
SearchHit[] hits = searchHits.getHits();
//4.3遍历
List<HotelDoc> hotels = new ArrayList<>();
for (SearchHit hit : hits) {
//获取文档source
String json = hit.getSourceAsString();
//反序列化
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
hotels.add(hotelDoc);
}
//4.4封装返回
return new PageResult(total, hotels);
}
}
4.2 酒店结果过滤
添加品牌、城市、星级、价格等过滤功能
步骤:
- 修改RequestParams类,添加brand、city、startName、minPrice、maxPrice等参数
@Data
public class RequestParams {
private String key;
private Integer page;
private Integer size;
private String sortBy;
private String brand;
private String startName;
private String city;
private Integer minPrice;
private Integer maxPrice;
}
- 修改search方法的实现,在关键字搜索时,如果brand等参数存在,对其做过滤
过滤条件包括:
- ctiy精确包括
- brand精确匹配
- starName精确匹配
- price范围过滤
注意事项:
- 多个条件之间是AND关系,组合多条件用boolQuery
- 参数存在才需要过滤,做好非空判断
@Service
public class HotelService extends ServiceImpl<HotelMapper, Hotel> implements IHotelService {
@Autowired
private RestHighLevelClient client;
@Override
public PageResult search(RequestParams params) {
try {
//1.准备Request
SearchRequest request = new SearchRequest("hotel");
//2.准备DSL
//2.1关键字搜索query
buildBasicQuery(params, request);
//2.2分页
int page = params.getPage();
int size = params.getSize();
request.source().from((page - 1) * size).size(size);
//3.发送请求得到响应
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
return handleResponse(response);
} catch (IOException e) {
throw new RuntimeException(e);
}
}
private void buildBasicQuery(RequestParams params, SearchRequest request) {
//构建BooleanQuery
BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
// must部分 关键字搜索
String key = params.getKey();
if (key == null || "".equals(key)) {
boolQuery.must(QueryBuilders.matchAllQuery());
} else {
boolQuery.must(QueryBuilders.matchQuery("all", key));
}
// filter条件过滤
// 城市
if (params.getCity() != null && !params.getCity().equals("")) {
boolQuery.filter(QueryBuilders.termQuery("city", params.getCity()));
}
// 品牌
if (params.getBrand() != null && !params.getBrand().equals("")) {
boolQuery.filter(QueryBuilders.termQuery("brand", params.getBrand()));
}
// 星级
if (params.getStartName() != null && !params.getStartName().equals("")) {
boolQuery.filter(QueryBuilders.termQuery("startName", params.getStartName()));
}
//价格
if (params.getMinPrice() != null && params.getMaxPrice() != null) {
boolQuery.filter(QueryBuilders
.rangeQuery("price")
.gte(params.getMinPrice())
.lte(params.getMaxPrice()));
}
request.source().query(boolQuery);
}
private PageResult handleResponse(SearchResponse response) {
//4.解析响应
SearchHits searchHits = response.getHits();
//4.1获取总条数
long total = searchHits.getTotalHits().value;
//4.2获取文档数组
SearchHit[] hits = searchHits.getHits();
//4.3遍历
List<HotelDoc> hotels = new ArrayList<>();
for (SearchHit hit : hits) {
//获取文档source
String json = hit.getSourceAsString();
//反序列化
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
hotels.add(hotelDoc);
}
//4.4封装返回
return new PageResult(total, hotels);
}
}
4.3 我周边的酒店
前端页面点击定位后,会将你的位置发送给后台:
根据这个坐标,将酒店结果按照到这个点的距离升序排序。
距离排序:
距离排序与普通字段排序有所差异,API如下:
实现思路如下:
- 修改RequestParams参数,接收location字段
@Data
public class RequestParams {
private String key;
private Integer page;
private Integer size;
private String sortBy;
private String brand;
private String startName;
private String city;
private Integer minPrice;
private Integer maxPrice;
private String location;
}
- 修改search方法业务逻辑,如果location有值,添加根据geo_distance排序的功能
@Service
public class HotelService extends ServiceImpl<HotelMapper, Hotel> implements IHotelService {
@Autowired
private RestHighLevelClient client;
@Override
public PageResult search(RequestParams params) {
try {
//1.准备Request
SearchRequest request = new SearchRequest("hotel");
//2.准备DSL
//2.1关键字搜索query
buildBasicQuery(params, request);
//2.2分页
int page = params.getPage();
int size = params.getSize();
request.source().from((page - 1) * size).size(size);
//2.3添加排序
String location = params.getLocation();
if (location != null && !location.equals("")) {
request.source().sort(SortBuilders.geoDistanceSort("location", new GeoPoint(location))
.order(SortOrder.ASC)
.unit(DistanceUnit.KILOMETERS)
);
}
//3.发送请求得到响应
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
return handleResponse(response);
} catch (IOException e) {
throw new RuntimeException(e);
}
}
private void buildBasicQuery(RequestParams params, SearchRequest request) {
//构建BooleanQuery
BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
// must部分 关键字搜索
String key = params.getKey();
if (key == null || "".equals(key)) {
boolQuery.must(QueryBuilders.matchAllQuery());
} else {
boolQuery.must(QueryBuilders.matchQuery("all", key));
}
// filter条件过滤
// 城市
if (params.getCity() != null && !params.getCity().equals("")) {
boolQuery.filter(QueryBuilders.termQuery("city", params.getCity()));
}
// 品牌
if (params.getBrand() != null && !params.getBrand().equals("")) {
boolQuery.filter(QueryBuilders.termQuery("brand", params.getBrand()));
}
// 星级
if (params.getStartName() != null && !params.getStartName().equals("")) {
boolQuery.filter(QueryBuilders.termQuery("startName", params.getStartName()));
}
//价格
if (params.getMinPrice() != null && params.getMaxPrice() != null) {
boolQuery.filter(QueryBuilders
.rangeQuery("price")
.gte(params.getMinPrice())
.lte(params.getMaxPrice()));
}
request.source().query(boolQuery);
}
private PageResult handleResponse(SearchResponse response) {
//4.解析响应
SearchHits searchHits = response.getHits();
//4.1获取总条数
long total = searchHits.getTotalHits().value;
//4.2获取文档数组
SearchHit[] hits = searchHits.getHits();
//4.3遍历
List<HotelDoc> hotels = new ArrayList<>();
for (SearchHit hit : hits) {
//获取文档source
String json = hit.getSourceAsString();
//反序列化
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
//获取排序值
Object[] sortValues = hit.getSortValues();
if (sortValues.length > 0) {
Object sortValue = sortValues[0];
hotelDoc.setDistance(sortValue);
}
hotels.add(hotelDoc);
}
//4.4封装返回
return new PageResult(total, hotels);
}
}
4.4 酒店竞价排名
让指定的酒店在搜索结果中排名置顶
给需要置顶的酒店文档添加一个标记,然后利用function score给带有标记的文档增加权重。
步骤:
1.给HotelDoc类添加isAD字段,Boolean类型
private boolean isAD;
2.挑选几个酒店,给它的文档数据添加isAD字段,值为true
# 添加isAD字段
POST /hotel/_update/2056126831
{
"doc":{
"isAD": true
}
}
3.修改search方法,添加function score功能,给isAD值为true的酒店增加权重
组合查询-function score
Function score 查询可以控制文档的相关性算分,使用方式如下:
@Service
public class HotelService extends ServiceImpl<HotelMapper, Hotel> implements IHotelService {
@Autowired
private RestHighLevelClient client;
@Override
public PageResult search(RequestParams params) {
try {
//1.准备Request
SearchRequest request = new SearchRequest("hotel");
//2.准备DSL
//2.1关键字搜索query
buildBasicQuery(params, request);
//2.2分页
int page = params.getPage();
int size = params.getSize();
request.source().from((page - 1) * size).size(size);
//2.3添加排序
String location = params.getLocation();
if (location != null && !location.equals("")) {
request.source().sort(SortBuilders.geoDistanceSort("location", new GeoPoint(location))
.order(SortOrder.ASC)
.unit(DistanceUnit.KILOMETERS)
);
}
//3.发送请求得到响应
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
return handleResponse(response);
} catch (IOException e) {
throw new RuntimeException(e);
}
}
private void buildBasicQuery(RequestParams params, SearchRequest request) {
//构建BooleanQuery
BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
// must部分 关键字搜索
String key = params.getKey();
if (key == null || "".equals(key)) {
// 为空,查询所有
boolQuery.must(QueryBuilders.matchAllQuery());
} else {
// 不为空,根据关键字查询
boolQuery.must(QueryBuilders.matchQuery("all", key));
}
// filter条件过滤
// 城市
if (params.getCity() != null && !params.getCity().equals("")) {
boolQuery.filter(QueryBuilders.termQuery("city", params.getCity()));
}
// 品牌
if (params.getBrand() != null && !params.getBrand().equals("")) {
boolQuery.filter(QueryBuilders.termQuery("brand", params.getBrand()));
}
// 星级
if (params.getStarName() != null && !params.getStarName().equals("")) {
boolQuery.filter(QueryBuilders.termQuery("starName", params.getStarName()));
}
//价格
if (params.getMinPrice() != null && params.getMaxPrice() != null) {
boolQuery.filter(QueryBuilders
.rangeQuery("price")
.gte(params.getMinPrice())
.lte(params.getMaxPrice()));
}
//2.算分控制
FunctionScoreQueryBuilder functionScoreQuery = QueryBuilders.functionScoreQuery(
//原始查询,相关性算分的查询
boolQuery,
//function score的数组l
new FunctionScoreQueryBuilder.FilterFunctionBuilder[]{
//其中的一个functionscore元素
new FunctionScoreQueryBuilder.FilterFunctionBuilder(
//过滤条件
QueryBuilders.termQuery("isAD", true),
//算分函数
ScoreFunctionBuilders.weightFactorFunction(10)
)
}
);
request.source().query(functionScoreQuery);
}
private PageResult handleResponse(SearchResponse response) {
//4.解析响应
SearchHits searchHits = response.getHits();
//4.1获取总条数
long total = searchHits.getTotalHits().value;
//4.2获取文档数组
SearchHit[] hits = searchHits.getHits();
//4.3遍历
List<HotelDoc> hotels = new ArrayList<>();
for (SearchHit hit : hits) {
//获取文档source
String json = hit.getSourceAsString();
//反序列化
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
//获取排序值
Object[] sortValues = hit.getSortValues();
if (sortValues.length > 0) {
Object sortValue = sortValues[0];
hotelDoc.setDistance(sortValue);
}
hotels.add(hotelDoc);
}
//4.4封装返回
return new PageResult(total, hotels);
}
}