SpringCloud学习路线（11）——分布式搜索ElasticSeach场景使用

Zain_horse2023-07-26 14:57

一、DSL查询文档

（一）DSL查询分类

ES提供了基于JSON的DSL来定义查询。

1、常见查询类型：

  • 查询所有： 查询出所有的数据，例如，match_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，一般查找精确值，例如：
    • ids
    • range
    • term
  • 地理（geo）坐标查询： 根据经纬度查询，例如：
    • geo_distance
    • geo_bounding_box
  • 复合（compound）查询： 复合查询可以将伤处查询条件组合起来，合并查询条件，例如：
    • bool
    • function_score

2、查询的基本语法

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

3、match_all的使用

GET /indexName/_search
{
	"query": {
		"match_all": { }
	}
}

查询效果

{
  "took" : 446,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "test",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "info" : "这是我的ES拆分Demo",
          "age" : 18,
          "email" : "zengoo@163.com",
          "name" : {
            "firstName" : "Zengoo",
            "lastName" : "En"
          }
        }
      }
    ]
  }
}

（二）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。

1、match查询

（1）结构

GET /indexName/_search
{
	"query": {
		"match": { 
			"FILED": "TEXT"
		}
	}
}

（2）简单使用

GET /test/_search
{
	"query": {
		"match": { 
		  "info": "ES"  #当有联合属性all，进行匹配，就可以进行多条件匹配，按照匹配数量来确定权值大小。
		}
	}
}

使用结果

{
  "took" : 71,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 0.2876821,
    "hits" : [
      {
        "_index" : "test",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 0.2876821,
        "_source" : {
          "info" : "这是我的ES拆分Demo",
          "age" : 18,
          "email" : "zengoo@163.com",
          "name" : {
            "firstName" : "Zengoo",
            "lastName" : "En"
          }
        }
      }
    ]
  }
}

2、multi_match查询

从使用效果上，与条件查询的"all"字段相同。

（1）结构

GET /indexName/_search
{
	"query": {
		"multi_match": { 
			"query": "TEXT",
			"fields": ["FIELD1", "FIELD2"]
		}
	}
}

（2）简单使用

GET /test/_search
{
  "query": {
    "multi_match": {
      "query": "ES",
      "fields": ["info","age"]
    }
  }
}

（三）精准查询

精确查询一般是查找精确值，所以不会对搜索条件分词。

1、term： 根据词条精确值查询，在商城项目中，通常会用在类型筛选上。

（1）结构

GET /test/_search
{
  "query": {
    "term": {
      "FIELD": {
        "value": "VALUE"
      }
    }
  }
}

（2）简单使用

GET /test/_search
{
  "query": {
    "term": {
      "city": {
        "value": "杭州" #精确值
      }
    }
  }
}

2、range： 根据值范围查询，在商城项目中，通常会用在价值筛选上。

（1）结构

GET /test/_search
{
  "query": {
    "range": {
      "FIELD": {
        "gte": 10,
        "lte": 20
      }
    }
  }
}

（2）简单使用

GET /test/_search
{
  "query": {
    "range": {
      "price": {
        "gte": 699, #最低值，gte 大于等于，gt 大于
        "lte": 1899 #最高值，lte 小于等于，lt 小于
      }
    }
  }
}

（四）地理坐标查询

1、geo_distance： 查询到指定中心小于某个距离值的所有文档（圆形范围圈）。

（1）结构

GET /indexName/_search
{
  "query": {
    "geo_distance": {
    	"distance": "15km",
     	"FIELD": "13.21,121.5"
    }
  }
}

（2）简单使用

GET /test/_search
{
  "query": {
    "geo_distance": {
    	"distance": "20km",
     	"location": "13.21,121.5"
    }
  }
}

2、geo_bounding_box： 查询geo_point值落在某个举行范围的所有文档（矩形范围圈）。

（1）结构

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

（五）复合查询

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。

1、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。

当我们利用match查询时，文档结果会根据搜索词条的关联度打分（_score）,返回结果时按照分值降序排列。

例如，在搜索CSDNJava。

[
	{
		"_score": 17.85048,
		"_source": {
			"name": "Java语法菜鸟教程"
		}
	},
	{
		"_score": 12.587963,
		"_source": {
			"name": "Java语法W3CScool"
		}
	},
	{
		"_score": 11.158756,
		"_source": {
			"name": "CSDNJava语法学习树"
		}
	},
]

相关算法：

  • 最开始的算分算法：TF（词条频率） = 词条 / 文档词条总数
  • 避免公共词条改良的算分算法：TF-IDF算法
    • IDF（逆文档频率） = Log( 文档总数 / 包含词条的文档总数 )
    • socre = (∑(i,n) TF) * IDF
  • BM25算法： 现在默认采用的算法，该算法比较复杂，其词频曲度最终会趋于水平。

（1）结构

GET /hotel/_search
{
	"query": {
		"function_socre": {    #查询类型
			"query": {  #查询原始数据
				"match": {
					"all": "外滩"
				}
			},
			"functions": [  #解析方法
				{
					"filter": {     # 过滤条件
						"term": {
							"id": "1"
						}
					},
					"weight": 10  # score算分方法，weight是直接以常量为函数结果，其它的还有feild_value_factor：以某字段作为函数结果，random_score： 随机值作为函数结果，script_score：定义计算公式
				}
			],
			"boost_mode": "multiply"  # 加权模式，定义function score 与 query score的运算方式，包括 multiply：两者相乘（默认）；replace：用function score 替换 query score；其它： sum、avg、max、min
		}
	}
}

（2）简单使用

需求： 将用户给的词条排名靠前

需要考虑的元素：

  • 哪些文档需要算分加权 ： 包含词条内容的文档
  • 算分函数是什么： weight
  • 加权模式用哪个： sum

实现：

GET /hotel/_search
{
	"query": {
		"function_socre": {	# 算分算法
			"query": {
				"match": {
					"all": "速8快捷酒店"
				}
			},
			"functions": [ 
				{
					"filter": {	# 满足条件，品牌必须是速8
						"term": {
							"brand": "速8"
						}
					},
					"weight": 2  #算分权重为 2
				}
			],
			"boost_mode": "sum"
		}
	}
}

2、复合查询 Boolean Query

子查询的组合方式：

  • 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： 排除匹配模式，不参与算分，类似 "非"
  • filter： 必须匹配，不参与算分

实现案例

#搜查位置位于上海，品牌为"皇冠假日"或是"华美达"，并且价格500<price<600元，且评分大于等于45的酒店
GET /hotel/_search
{
	"query": {
		"bool": {
			"must": [	# 必须匹配的条件
				{ "term": { "city: "上海" } }
			],
			"should": [	# 可以匹配到条件
				{ "term": { "brand": "皇冠假日" } },
				{ "term": { "brand": "华美达" } }
			],
			"must_not": [	#不匹配的条件
				{ "range": { "price": {"lte": 500, "gte": 600} }}
			],
			"filter": [	#筛选条件
				{ "range": { "score": { "gte": 45 } } }
			]
		}	
	}
}

二、搜索结果处理

（一）排序

ES支持对搜索结果排序，默认根据（_score）来排序，可以排序的字段类型有：keyword、数值类型、地理坐标类型、日期类型等

1、结构：

# 普通类型排序
GET /test/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "FIELD": {
        "order": "desc"		# 排序字段和排序方式ASC、DESC
      }
    }
  ]
}

# 地理坐标型排序
GET /test/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "_geo_distance": {
        "FIELD": {  #精度维度
          "lat": 40,
          "lon": -70
        },
        "order": "asc",
        "unit": "km"
      }
    }
  ]
}

2、实现案例

排序需求： 按照用户评价降序，评价相同的按照价格升序。

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "score": {  # 简化结构可以使用，"score": "desc"
        "order": "desc"
      },
      "price": {
        "order": "asc"
      }
    }
  ]
}

排序需求： 按照距离用户位置的距离进行升序。

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "_geo_distance": {
        "location": {
          "lat": 40.58489,
          "lon": -70.59873
        },
        "order": "asc",
        "unit": "km"
      }
    }
  ]
}

（二）分页

修改分页参数

GET /hotel/_search
{
  "query": {
    "match_all": {}
  }，
  "sort": [
    {
      "price": "asc"
    }
  ],
  "from": 100,	#	分页开始的位置，默认为0
  "size": 20,	#	期望获取的文档总数
}

深度分页问题

当我们将ES做成一个集群服务，那么我们需要选择前10的数据时，ES底层会如何去实现呢？

ES由于使用的是倒排索引，每一台ES都会分片数据。

1、每个数据分片上都排序并查询前1000条文档。

2、聚合所有节点的结果，在内存中重新排序选出前1000条文档。

3、从前1000挑中，选取from=990，size=10的文档

如果搜索页数过深，或者结果集过大，对内存和CPU的消耗越高，因此ES设置的结果集查询上限是10000条。

如何解决深度分页的问题？

  • seach 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）。
  • scroll： 原理是将排序数据形成缓存保存在内存（官方不推荐）。

（三）高亮

1、概念： 在搜索结果中搜索关键字突出显示。

2、原理

  • 将搜索结果中的关键字用标签标记出来
  • 在页面中给标签添加css样式

3、语法：

GET /indexName/_search
{
 "query": {
   "match": {
     "FIELD": "TEXT"
   }
 },
 "highlight": { 	#高亮字段
   "fields": {
     "FIELD": {
       "pre_tags": "<em>",  	#标签前缀
       "post_tags": "</em>", 	#标签后缀
       "require_field_match": "false"	#判断该字段是否与前面查询的字段匹配
     }
   }
 }
}

三、RestClient查询文档

（一）实现简单查询案例

java 复制代码 
//1、准备Request
SearchRequest request = new SearchRequest("hotel");
//2、组织DSL参数，QueryBuilders是ES的查询API库
request.source().query(QueryBuilders.matchAllQuery());
//3、发送请求，得到响应结果
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
//4、解析响应结果，搜索结果会放置在Hits集合中
SearchHits searchHits = response.getHits();
//5、查询总数
long total = searchHits.getTotalHits().value;
//6、查询的结果数组
SearchHit[] hits = searchHits.getHits();
for(SearchHit hit: hits) {
	//得到source，source就是查询出来的实体信息
	String json = hit.getSourceAsString();
	//序列化
	HotelDoc hotelDoc = JSON.parseObject(json,HotelDoc.class);
}

（二）match查询

java 复制代码 
//1、准备Request
SearchRequest request = new SearchRequest("hotel");
//2、组织DSL参数，QueryBuilders是ES的查询API库
//单字段查询
request.source().query(QueryBuilders.matchQuery("all","皇家"));
//多字段查询
//request.source().query(QueryBuilders.multiMatchQuery("皇家","name","buisiness"));
//3、发送请求，得到响应结果
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
//4、解析响应结果，搜索结果会放置在Hits集合中
SearchHits searchHits = response.getHits();
//5、查询总数
long total = searchHits.getTotalHits().value;
//6、查询的结果数组
SearchHit[] hits = searchHits.getHits();
for(SearchHit hit: hits) {
	//得到source，source就是查询出来的实体信息
	String json = hit.getSourceAsString();
	//序列化
	HotelDoc hotelDoc = JSON.parseObject(json,HotelDoc.class);
}

（三）精确查询

java 复制代码 
//词条查询
QueryBuilders.termQuery("city","杭州");
//范围查询
QueryBuilders.rangeQuery("price").gte(100).lte(150);

（四）复合查询

java 复制代码 
//创建布尔查询
BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
//添加must条件
boolQuery.must(QueryBuilders.termQuery("city","杭州"));
//添加filter条件
boolQuery.filter(QueryBuilders.rangeQuery("price").lte(250));

（五）排序、分页、高亮

1、排序与分页

java 复制代码 
// 查询
request.source().query(QueryBuilders.matchAllQuery());
// 分页配置
request.source().from(0).size(5);
// 价格排序
request.source().sort("price", SortOrder.ASC);

2、高亮

高亮查询请求

java 复制代码 
request.source().highlighter(new HighLightBuilder().field("name").requireFieldMatch(false));

处理高亮结果

java 复制代码 
// 获取source
HotelDoc hotelDoc = JSON.parseObject(hit.getSourceAsString(), HotelDoc.class);
// 处理高亮
Map<String, HighlightFields> highlightFields = hit.getHighlightFields();
if(!CollectionUtils.isEmpty(highlightFields)) {
	// 获取字段结果
	HighlightField highlightField = highlightFields.get("name");
	if (highlightField != null) {
		// 去除高亮结果数组的第一个
		String name = highlightField.getFragments()[0].string();
		hotelDoc.setName(name);
	}
}
相关推荐
叫我二蛋1 小时前
大数据技术之Hadoop ：我是恁爹
大数据·hadoop·分布式
埋头编程~1 小时前
【C++】踏上C++的学习之旅（六）：深入“类和对象“世界，掌握编程的黄金法则（一）
开发语言·c++·学习
非概念1 小时前
STM32学习笔记-----UART的概念
笔记·stm32·单片机·嵌入式硬件·学习
谢李由202303220811 小时前
Hadoop 学习心得
大数据·hadoop·分布式
qq_446598041 小时前
Hadoop高可用集群工作原理
大数据·hadoop·分布式
mirevass1 小时前
【嵌入式软件-STM32】OLED显示屏+调试方法
stm32·单片机·嵌入式硬件·学习·keil
songqq272 小时前
kafka和Flume的整合
分布式·kafka·flume
xfcloud2 小时前
2024世界职业技能大赛大数据平台搭建hadoop(容器环境)
大数据·hadoop·分布式·jdk
GOSIM 全球开源创新汇2 小时前
对话 OpenCV 之父 Gary Bradski：灾难性遗忘和持续学习是尚未解决的两大挑战 | Open AGI Forum
opencv·学习·计算机视觉·ai·自动驾驶
L_cl3 小时前
Python学习从0到1 day29 Python 高阶技巧 ⑦ 正则表达式
学习
热门推荐
01Ubuntu 20.04使用Livox mid 360 测试 FAST_LIO02【HarmonyOS】HUAWEI DevEco Studio 下载地址汇总03组基轨迹建模 GBTM的介绍与实现（Stata 或 R）04玄机平台应急响应—webshell查杀05软件工程从理论到实践客观题汇总(头歌第一章至第八章)06基于YOLOv10深度学习的CT扫描图像肾结石智能检测系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标检测07Vue3优化之实现懒加载和子组件异步加载08全面解析：构建基于深度学习的安全帽检测系统（UI界面+YOLO代码+数据集）09优化手机性能，解决卡顿问题：关闭这3个微信开关，释放内存空间10聊聊 Python 中的同步原语，为什么有了 GIL 还需要同步原语