DSL查询分类:
-
查询所有:查询出所有数据,一般测试用:
# 查询所有
GET /indexName/_search
{
"query":{
"match_all": {
}
}
}
-
全文检索:
- match_query: 根据一个字段查询
#全文检索查询 单个字段: 查询name包含如家的酒店
GET /hotel/_search
{
"query": {
"match": {
"name": "如家"
}
}
}
-
- multi_match_query:根据多个字段查询,参与查询字段越多,查询性能越差
#全文检索查询 多个字段: 查询name、all包含如家的酒店
GET /hotel/_search
{
"query": {
"multi_match": {
"query": "如家",
"fields": ["all","name"]
}
}
}
-
精确查询: 一般查找keyword、日期、数值、boolean等类型
- term:根据词条精确值查询
#精确查询:
GET /hotel/_search
{
"query": {
"term": {
"brand": {
"value": "如家"
}
}
}
}
-
- range :根据值的范围查询
#精确查询 range:查询价格在200-300之间的酒店
GET /hotel/_search
{
"query": {
"range": {
"price": {
"gte": 200,
"lte": 300
}
}
}
}
注意:如果使用term查询text类型的数据会查询为空
# 字段的类型和查询的类型需要匹配起来
GET /hotel/_search
{
"query": {
"term": {
"name": "如家酒店·neo(上海外高桥保税区北地铁站店)"
}
}
}
结果:
-
地理坐标查询:根据经纬度查询
-
- geo_bounding_box 矩形范围查询
// 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
}
}
}
}
}
-
- geo_distance : 距离查询
# 地理位置查询:离陆家嘴15km之内的酒店
GET /hotel/_search
{
"query": {
"geo_distance": {
"distance":"15km",
"location":"31.21,121.5"
}
}
}
-
复合查询:
- 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
-
- 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。
#复合查询:算分函数:让品牌是如家酒店排名靠前
GET /hotel/_search
{
"query": {
"function_score": {
"query": {
"match_all": {}
},
"functions": [
{
"filter": {
"term": {
"brand": "如家"
}
},
"weight": 10
}
],
"boost_mode": "sum"
}
}
}
-
- bool 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
#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” and
#- should:选择性匹配子查询,类似“或” or
#- 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
# bool查询
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
}
}
}
]
}
}
}
-
排序
-
普通字段排序 : keyword、数值、日期类型排序的语法基本一致
-
GET /hotel/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"score": {
"order": "desc"
},
"price": {
"order": "asc"
}
}
]
}
-
-
地理坐标排序
-
#地理坐标排序 找31.034,121.61周围的酒店
GET /hotel/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"_geo_distance": {
"location": {
"lat": 31.034,
"lon": 121.61
},
"order": "asc",
"unit": "km"
}
}
]
}
-
分页
-
基本的分页
-
#类似于mysql中的limit ?,?
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"}
]
}
-
-
深度分页:search after 方案
-
#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
GET /hotel/_search
{
"query": {
"match": {
"brand": "如家"
}
},
"size": 5,
"sort": [
{
"price": {
"order": "asc"
},
"id": {
"order": "asc"
}
}
],
"search_after":[
149,
"541619"
]
}
-
高亮:highlight
模版:
GET /hotel/_search
{
"query": {
"match": {
"FIELD": "TEXT" // 查询条件,高亮一定要使用全文检索查询 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
}
}
}
}
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
#高亮
GET /hotel/_search
{
"query": {
"match": {
"all": "如家"
}
},
"highlight": {
"fields": {
"name": {
"require_field_match": "false"
}
}
}
}
其他查询官方文档