elasticsearch地理位置查询

最新推荐文章于 2024-10-10 08:50:59 发布
最新推荐文章于 2024-10-10 08:50:59 发布
阅读量1.9k 收藏
点赞数
分类专栏： 大数据 文章标签： elasticsearch 搜索引擎 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/zhangkaixuan456/article/details/122211529
版权

目录

1.1 数据准备

1.2 geo_distance query

1.3 geo_bounding_box query

1.4 geo_polygon query

1.5 geo_shape query

2.ElasticSearch 特殊查询

2.1 more_like_this query

2.2 script query

2.3 percolate query

1.1 数据准备

创建一个索引：

PUT geo
{
  "mappings": {
    "properties": {
      "name":{
        "type": "keyword"
      },
      "location":{
        "type": "geo_point"
      }
    }
  }
}

准备一个 geo.json 文件：

{"index":{"_index":"geo","_id":1}}
{"name":"西安","location":"34.288991865037524,108.9404296875"}
{"index":{"_index":"geo","_id":2}}
{"name":"北京","location":"39.926588421909436,116.43310546875"}
{"index":{"_index":"geo","_id":3}}
{"name":"上海","location":"31.240985378021307,121.53076171875"}
{"index":{"_index":"geo","_id":4}}
{"name":"天津","location":"39.13006024213511,117.20214843749999"}
{"index":{"_index":"geo","_id":5}}
{"name":"杭州","location":"30.259067203213018,120.21240234375001"}
{"index":{"_index":"geo","_id":6}}
{"name":"武汉","location":"30.581179257386985,114.3017578125"}
{"index":{"_index":"geo","_id":7}}
{"name":"合肥","location":"31.840232667909365,117.20214843749999"}
{"index":{"_index":"geo","_id":8}}
{"name":"重庆","location":"29.592565403314087,106.5673828125"}

最后，执行如下命令，批量导入 geo.json 数据：

curl -XPOST "http://localhost:9200/geo/_bulk?pretty" -H "content-type:application/json" --data-binary @geo.json

可能用到的工具网站：

http://geojson.io/#map=6/32.741/116.521

1.2 geo_distance query

给出一个中心点，查询距离该中心点指定范围内的文档：

GET geo/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match_all": {}
        }
      ],
      "filter": [
        {
          "geo_distance": {
            "distance": "600km",
            "location": {
              "lat": 34.288991865037524,
              "lon": 108.9404296875
            }
          }
        }
      ]
    }
  }
}

以(34.288991865037524,108.9404296875) 为圆心，以 600KM 为半径，这个范围内的数据。

1.3 geo_bounding_box query

在某一个矩形内的点，通过两个点锁定一个矩形：

GET geo/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match_all": {}
        }
      ],
      "filter": [
        {
          "geo_bounding_box": {
            "location": {
              "top_left": {
                "lat": 32.0639555946604,
                "lon": 118.78967285156249
              },
              "bottom_right": {
                "lat": 29.98824461550903,
                "lon": 122.20642089843749
              }
            }
          }
        }
      ]
    }
  }
}

以南京经纬度作为矩形的左上角，以舟山经纬度作为矩形的右下角，构造出来的矩形中，包含上海和杭州两个城市。

1.4 geo_polygon query

在某一个多边形范围内的查询。

GET geo/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match_all": {}
        }
      ],
      "filter": [
        {
          "geo_polygon": {
            "location": {
              "points": [
                {
                  "lat": 31.793755581217674,
                  "lon": 113.8238525390625
                },
                {
                  "lat": 30.007273923504556,
                  "lon":114.224853515625
                },
                {
                  "lat": 30.007273923504556,
                  "lon":114.8345947265625
                }
              ]
            }
          }
        }
      ]
    }
  }
}

给定多个点，由多个点组成的多边形中的数据。

1.5 geo_shape query

geo_shape 用来查询图形，针对 geo_shape，两个图形之间的关系有：相交、包含、不相交。

新建索引：

PUT geo_shape
{
  "mappings": {
    "properties": {
      "name":{
        "type": "keyword"
      },
      "location":{
        "type": "geo_shape"
      }
    }
  }
}

然后添加一条线：

PUT geo_shape/_doc/1
{
  "name":"西安-郑州",
  "location":{
    "type":"linestring",
    "coordinates":[
      [108.9404296875,34.279914398549934],
      [113.66455078125,34.768691457552706]
      ]
  }
}

接下来查询某一个图形中是否包含该线：

GET geo_shape/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match_all": {}
        }
      ],
      "filter": [
        {
          "geo_shape": {
            "location": {
              "shape": {
                "type": "envelope",
                "coordinates": [
                  [
            106.5234375,
            36.80928470205937
          ],
          [
            115.33447265625,
            32.24997445586331
          ]
                ]
              },
              "relation": "within"
            }
          }
        }
      ]
    }
  }
}

relation 属性表示两个图形的关系：

  • within 包含

  • intersects 相交

  • disjoint 不相交

2.ElasticSearch 特殊查询

2.1 more_like_this query

more_like_this query 可以实现基于内容的推荐，给定一篇文章，可以查询出和该文章相似的内容。

GET books/_search
{
  "query": {
    "more_like_this": {
      "fields": [
        "info"
      ],
      "like": "大学战略",
      "min_term_freq": 1,
      "max_query_terms": 12
    }
  }
}

  • fields：要匹配的字段，可以有多个

  • like：要匹配的文本

  • min_term_freq：词项的最低频率，默认是 2。特别注意，这个是指词项在要匹配的文本中的频率，而不是 es 文档中的频率

  • max_query_terms：query 中包含的最大词项数目

  • min_doc_freq：最小的文档频率，搜索的词，至少在多少个文档中出现，少于指定数目，该词会被忽略

  • max_doc_freq：最大文档频率

  • analyzer：分词器，默认使用字段的分词器

  • stop_words：停用词列表

  • minmum_should_match

2.2 script query

脚本查询，例如查询所有价格大于 200 的图书：

GET books/_search
{
  "query": {
    "bool": {
      "filter": [
        {
          "script": {
            "script": {
              "lang": "painless",
              "source": "if(doc['price'].size()!=0){doc['price'].value > 200}"
            }
          }
        }
      ]
    }
  }
}

2.3 percolate query

percolate query 译作渗透查询或者反向查询。

  • 正常操作：根据查询语句找到对应的文档 query->document

  • percolate query：根据文档，返回与之匹配的查询语句，document->query

应用场景：

  • 价格监控

  • 库存报警

  • 股票警告

  • ...

例如阈值告警，假设指定字段值大于阈值，报警提示。

percolate mapping 定义：

PUT log
{
  "mappings": {
    "properties": {
      "threshold":{
        "type": "long"
      },
      "count":{
        "type": "long"
      },
      "query":{
        "type":"percolator"
      }
    }
  }
}

percolator 类型相当于 keyword、long 以及 integer 等。

插入文档：

PUT log/_doc/1
{
  "threshold":10,
  "query":{
    "bool":{
      "must":{
        "range":{
          "count":{
            "gt":10
          }
        }
      }
    }
  }
}

最后查询：

GET log/_search
{
  "query": {
    "percolate": {
      "field": "query",
      "documents": [
        {
          "count":3
        },
        {
          "count":6
        },
        {
          "count":90
        },
        {
          "count":12
        },
        {
          "count":15
        }
        ]
    }
  }
}

查询结果中会列出不满足条件的文档。

查询结果中的 _percolator_document_slot 字段表示文档的 position，从 0 开始计。

ElasticSearch地理空间数据查询
孙霸天的专栏
06-25 201
之前已经介绍了在ElasticSearch中的地理空间数据结构，并且已经将示例数据写入了ES中，接下来我们一起详细看看在ElasticSearch中是如何查询地理空间数据的。
ElasticSearch地理空间数据了解
孙霸天的专栏
06-16 324
Elasticsearch 的地理空间索引配置可以显著优化查询性能，特别是在创建包含 `geo_shape` 字段的索引时。主要配置参数包括树结构类型（如 `quadtree` 或 `geohash`）、精度（如 `1m` 表示1米）、树层级数（决定索引精度和大小）、以及距离误差百分比（平衡查询精度和索引复杂度）。例如，使用 `quadtree` 结构，设置 `precision` 为 `10m`、`tree_levels` 为 15、`distance_error_pct` 为 0.01，可以在复杂地理形
Elasticsearch——Geo-bounding box query
qq_37107851的博客
10-21 982
匹配与边界框相交的geo_point和geo_shape。 例子： 假设以下文档已编制索引： PUT /my_locations { "mappings": { "properties": { "pin": { "properties": { "location": { "type": "geo_point" } } } } } } PUT /my_loc
Elasticsearch地理位置总结
热门推荐
Elasticsearch
02-10 2万+
翻译版本：https://es.xiaoleilu.com/310_Geopoints/00_Intro.html 官方原文：https://www.elastic.co/guide/en/elasticsearch/guide/current/geoloc.html本文只是针对这些内容通过具体的例子用java来实现其具体细节，如果只想看java实现部分，请直接往下面代码实现部分看地理坐标点（ge
Elasticsearch 入门
最新发布
junxinsiwo的专栏
10-10 1379
Elasticsearch 是一个分布式的开源搜索和分析引擎，适用于各种数据，包括文本、数字、元数据等。它能够实现实时的文档检索、分析和可视化，被广泛应用于网站和应用的全文搜索功能中。Elasticsearch 基于 Lucene 开发，但它的目标是比 Lucene 更加简单易用，通过 RESTful API 提供了强大的功能集合，允许用户执行复杂的多字段查询，并能快速获取结果。
5-Elasticsearch地理位置-查询
donghaixiaolongwang的博客
11-29 257
一起来玩Elasticsearch，加我微信：wx1250134974 Elasticsearch认证复习准备 https://www.elastic.co/guide/cn/elasticsearch/guide/current/getting-started.html ##地理位置 找一辆离我最近的共享单车，定个周边好吃的外卖，找下周边所有的酒店和中式餐厅，叫个滴滴快车，这些应用所提供的功能Elasticsearch完全可以实现，而且有过之而无不及。 GET attractions..
基于Elasticsearch 地理位置的查询
qq_31158409的博客
03-13 1976
地理坐标点（geo-point） 是指地球表面可以用经纬度描述的一个点。地理坐标点可以用来计算两个坐标位置间的距离，或者判断一个点是否在一个区域中。地理坐标点不能被动态映射（dynamic mapping）自动检测，而是需要显式声明对应字段类型为 geo_point。"name": {},如上例，location 被声明为 geo_point 后，我们就可以索引包含了经纬度信息的文档了。经纬度信息的形式可以是字符串，数组或者对象。
Elasticsearch：位置搜索介绍
Elastic 中国社区官方博客
04-16 1040
在这个互联网和信息时代，在应用程序和应用程序中启用基于位置的搜索是一个普遍的要求。基于位置的搜索根据邻近度获取场所或地点，例如附近的餐馆、半径不超过 1 公里的待售房屋等。我们还使用基于位置的搜索来查找前往某个地方或兴趣点的方向。好消息是地理空间支持是 Elasticsearch 中的一等公民。专用数据类型允许我们定义用于索引地理空间数据的模式，从而实现集中搜索。Elasticsearch 提供一组地理空间搜索查询，例如和，具体取决于给定的用例。这些查询足以满足大多数用例。
Springboot整合ES地理位置查询
weixin_44008460的博客
09-10 2659
ES的地理位置查询 1、背景 店铺有实体类，在地图上搜索显示当前位置附近店铺，并显示距当前位置距离；当前位置由前端传参（经度与纬度）。 比如我们有很多的4s店，给用户一个app，在某个地方的时候，可以根据当前的地理位置搜索一下，自己附近的4s店。 （刚学会代码实现，做个笔记，原理和源码暂时没研究） 2、代码示例 /** * @description: 门店实体 **/ ...
Elasticsearch（Es搜索（简单使用、全文查询、复合查询）、地理位置查询、特殊查询、聚合操作、桶聚合、管道聚合)
weixin_43360488的博客
09-24 3407
match_phrase_prefix 是针对分片级别的查询，假设 max_expansions 为 1，可能返回多个文档，但是只有一个词，这是我们预期的结果。有的时候实际返回结果和我们预期结果并不一致，原因在于这个查询是分片级别的，不同的分片确实只返回了一个词，但是结果可能来自不同的分片，所以最终会看到多个词。换句话说，上面的查询和下面的查询等价。即 term 查询，就是根据词去查询，查询指定字段中包含给定单词的文档，term 查询不被解析，只有搜索的词和文档中的词精确匹配，才会返回文档。
ElasticSearch地理空间数据写入
孙霸天的专栏
06-20 329
我习惯使用Java+PostgreSQL+PostGIS的方式处理地理数据。这次的数据主要分两类：点（Point）的POI数据和Shape（点、线、面）混合数据。原始数据使用arcmap处理成一个矢量 ，并且将坐标系转换设置为EPSG4326（WGS84经纬度坐标）创建PostgreSQL数据库，并添加PostGIS扩展windows环境下，使用PostGIS自带的工具或QGIS将矢量导入pg数据库中ES数据库中根据数据字段创建对应的mappings。
Elasticsearch 基于地理位置的搜索查询
汉南最後の読書人
09-21 2828
ES为用户提供了基于地理位置的搜索功能。它主要支持两种类型的地理查询：一种是地理点（geo_point）,即经纬度查询，另一种是地理形状查询（geo_shape）,即支持点，线，圆形和多边形等查询。从实用性来说，地理点（即geo_point）数据类型的使用更多一些，对于geo_point字段类型的查询方式有三种，分别为geo_distance查询（圆形区域查询），geo_bounding_box查询（矩形区域查询）和geo_polygon查询（多边形区域查询）。
用Elasticsearch搜索匹配功能实现基于地理位置的查询
青鸟飞鱼
11-27 1536
用Elasticsearch搜索匹配功能实现基于地理位置的查询，查询附近的人，查询沿途加油站，查询沿途充电站方案
ElasticSearch——地理坐标查询
黄先生的博客
06-28 903
所谓的地理坐标查询，其实就是根据经纬度查询
地理位置查询——elasticsearch
qq_26915707的博客
12-13 876
1.含地理位置索引创建 https://es.xiaoleilu.com/310_Geopoints/20_Geopoints.html 2.按经纬度距离排序 https://es.xiaoleilu.com/310_Geopoints/50_Sorting_by_distance.html
elasticsearch之地理位置查询geo_shape
Just Do IT
06-16 1729
geo_shape
ElasticSearch系列十：ElasticSearch搜索技术深入讲解之搜索模板，搜索建议和地理位置搜索
qq_40595922的博客
10-12 458
介绍es的搜索模板，搜索建议和地理位置搜索
ElasticSearch之基于地理位置的搜索
congge
08-15 3941
在某些时候，我们希望搜索到某个区域内的特定目标建筑物，或者说要查询某个城市某个区内的楼盘等，诸如此类的需求，还有我们看到的在百度地图或者高德地图上，在某个区域内显示出我们关心的数据，都可以算是一种基于地理位置的查询，在es中，可以通过geo_point来实现，其实现原来描述起来很容易理解，如下图所示，当我们只关心一个范围内的所有大学时，可以在地图上显示出一个区域内的所有大学， 它主要支持两种类型...
Elasticsearch(十五)搜索---搜索匹配功能⑥--基于地理位置查询
学习不止境的博客
10-24 1983
随着互联网+的热门，越来越多的传统行业将全部或者部分业务转移到互联网上，其中不乏一些和地理位置强相关的行业。基于地理位置的搜索功能，大大提升了人们的生活和工作效率。例如，外出旅行时，只需要用手机打开订酒店的应用软件，查找附近心仪的酒店下单即可；又或者打车行业，人们不用在寒冷的户外拦截出租车，只需要在室内打开打车APP定位到当前位置，然后确定目的地，系统就可以为附近的车辆派发订单。幸运的是，ES为用户提供了基于地理位置的搜索功能。
Elasticsearch 地理位置查询
跨语言，跨平台，跨应用
06-26 3068
本文参考自Elacticsearch的中文版翻译：https://es.xiaoleilu.com/ 并对基于Es 6.6.0版本进行API的更正。 地理位置 我们拿着纸质地图漫步城市的日子一去不返了。得益于智能手机，我们现在总是可以知道自己所处的准确位置，也预料到网站会使用这些信息。我想知道从当前位置步行 5 分钟内可到的那些餐馆，对伦敦更大范围内的其他餐馆并不感兴趣。 但地理位置功能仅仅是 E...
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

打赏作者

zhangkaixuan456

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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