06_es分布式搜索引擎2

一、DSL查询文档

1.DSL 查询分类

①查询所有：match_all

②全文检索：利用分词器对用户输入的内容分词，倒排索引去匹配

match_query

multi_match_query

③精确查询：根据精确词条查找数据，查找的是keyword,数值,日期,boolean类型字段

ids,range,term

④地理geo查询：根据经纬度查询

geo_distance

geo_bounding_box

⑤复合查询：将各种条件组合起来，合并查询条件

bool

function_score

总结：查询DSL的基本语法是什么？

GET /索引库名/_search

{ "query": { "查询类型": { "FIELD": "TEXT"}}}

2. 全文检索

全文检索查询，会对用户输入内容进行分词。用于搜索框搜索

①match查询：对用户输入的内容分词，然后倒排索引库查询。一个字段

查询三钻的酒店

GET /hotel/_search
{
  "query": {
    "match": {
      "starName": "三钻"
    }
  }
}

②multi_match：多个字段查询。参与的字段越多，查询性能越差。

查询品牌，酒店名，商业圈有"外滩如家"

GET /hotel/_search
{
  "query": {
    "multi_match": {
      "query": "外滩如家",
      "fields": ["brand","name","business"]
    }
  }
}

3. 精确查询

查询的keyword，不进行分词的字段

①term:根据词条准确值查询

②range:范围查询(价格)

①term:

查询品牌是"7天酒店"

GET /hotel/_search
{
  "query": {
    "term": {
      "brand": {
        "value": "7天酒店"
      }
    }
  }
}

②range:

查询200-250酒店

GET /hotel/_search
{
  "query": {
    "range": {
      "price": {
        "gte": 200,
        "lte": 250
      }
    }
  }
}

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

4. 地理查询

场景：

查询附近的酒店，附近的人，打车附近的出租车

①矩形范围内：geo_bounding_box

②以指定中心点为半径：

查询这个点15公里范围内的酒店

GET /hotel/_search
{
  "query": {
    "geo_distance":{
      "distance":"15km",
      "location":"31.282444,121.479385"
    }
  }
}

5. 相关性算分：竞价排名

①fuction score:算分函数查询，可以控制文档相关性算分，控制文档排名

②词条频率越高，得分越高，排名越靠前

③elasticsearch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，但增长曲线会趋于水平

6. 修改相关性算分：竞价排名

使用 function score query，可以修改文档的相关性算分（query score），根据新得到的算分排序。

①原始条件查询，搜索文档并根据相关性打分(query score)

②过滤条件：符合条件的文档才重新算分

③算分函数：

算分函数，算分函数的结果称为function score ，将来会与query score运算，得到新算分，常见的算分函数有：

• weight：给一个常量值，作为函数结果（function score）
• field_value_factor：用文档中的某个字段值作为函数结果
• random_score：随机生成一个值，作为函数结果
• script_score：自定义计算公式，公式结果作为函数结果

④加权模式，定义function score与query score的运算方式，包括：

• multiply：两者相乘。默认就是这个
• replace：用function score 替换 query score
• 其它：sum、avg、max、min

案例：搜索外滩的酒店，"如家"品牌给公司充钱了，让他的排名靠前一些。

分析:

①文档为品牌是"如家"的

②算分函数是weight

③加权模式是求和sum

GET /hotel/_search
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "all": "外滩"
        }
      },
      "functions": [
        {
          "filter": {
            "term": {
              "brand": "如家"
            }
          },
          "weight": 2
        }
      ],
      "boost_mode": "sum"
    }
  }
}

7. 复合查询Boolean Query

布尔查询是一个或多个查询子句的组合。子句组合方式：

must:"与"，必须匹配每个子查询

should:"或"选择性匹配子查询

must_not：必须不匹配，不参与算分，类似"非"

filter：必须匹配，不算分。

案例1：查询上海的酒店，品牌是皇冠假日或华美达。价格不低于500，评分是大于45分的

案例2：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。

GET /hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "name": "如家"
          }
        }
      ],
      "must_not": [
        {
          "range": {
            "price": {
              "gte": 400
            }
          }
        }
      ],
      "filter": [
        {
          "geo_distance": {
            "distance": "10km",
            "location": {
              "lat": 31.21,
              "lon": 121.5
            }
          }
        }
      ]
      
    }
  }
}

二、搜索结果处理

1. 排序

es支持对搜索结果排序，默认是根据相关度算分(_score)排序。可以排序的字段：keyword类型，数值类型，地理坐标类型，日期类型。

排序语法

地理坐标排序语法

案例1：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

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "score":"desc"
    },
    {
      "price": "asc"
    }
  ]
}

案例2：实现对酒店数据按照到你的位置坐标的距离升序排序

获取经纬度的方式：https://lbs.amap.com/demo/jsapi-v2/example/map/click-to-get-lnglat/

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "_geo_distance": {
        "location": {
          "lat": 31.220393,
          "lon": 121.544427
        },
        "order": "asc",
        "unit": "km"
      }
    }
  ]
}

2. 分页

es的搜索结果默认是top10条。

es通过修改from，size参数控制返回的分页结果

深度分页问题

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：

①首先在每个数据分片上都排序并查询前1000条文档。

②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

③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的消耗也越高。因此ES设定结果集查询的上限是10000

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、京东、谷歌、淘宝这样的随机翻页搜索

after search：

• 优点：没有查询上限（单次查询的size不超过10000）
• 缺点：只能向后逐页查询，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

3. 高亮

搜索关键字突出显示。

原理：

①搜索关键字标记出来

②页面加css样式

案例：如家酒店高亮

三、RestClient查询文档

1. 快速入门

①请求DSL的组织

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

RestAPI中其中构建查询条件的核心部分是由一个名为QueryBuilders的工具类提供的，其中包含了各种查询方法

②解析结果response

③查询全部酒店的完整代码

@Test
void testMatchAll() throws IOException {
   // 1.准备查询请求,参数是索引库名
   SearchRequest request = new SearchRequest("hotel");
   // 2.组织DSL参数
   request.source().query(QueryBuilders.matchAllQuery());
   // 3.发送请求，得到响应
   SearchResponse response = client.search(request, RequestOptions.DEFAULT);
   // 4.解析结果
   SearchHits searchHits = response.getHits();
   // 4.1 获取查询的条数
   long total = searchHits.getTotalHits().value;
   // 4.2 获取查询的集合
   SearchHit[] hits = searchHits.getHits();
   // 4.3 遍历
   List<HotelDoc>hotelDocList = new ArrayList<>();
   for (SearchHit hit : hits) {
      // 转换为Json
      String json = hit.getSourceAsString();
      // 转换为java对象
      HotelDoc hotelDoc = JSONObject.parseObject(json, HotelDoc.class);
      // 保存在集合中
      hotelDocList.add(hotelDoc);
   }
   System.out.println(hotelDocList);
}

查询的基本步骤是：

• 创建SearchRequest对象
• 准备Request.source()，也就是DSL。
  • QueryBuilders来构建查询条件
  • 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）

2. 构建查询条件，只要记住一个类：QueryBuilders

①全文检索查询(分词，模糊查询)

单字段：QueryBuilders.matchQuery(字段名，值)

多字段：QueryBuilders.multiMatchQuery(值, 字段1,字段2);

演示：酒店名字带有"如家"的有哪些？

request.source().query(QueryBuilders.termQuery("name","如家"));

②精确查询，不分词

精确查询常见的有term查询和range查询

③复合查询boolean query

查询品牌为如家，价格在200元内的酒店

// 创建bool查询
BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
// 添加must条件
boolQuery.must(QueryBuilders.termQuery("brand","如家"));
// 添加filter条件
boolQuery.filter(QueryBuilders.rangeQuery("price").lte(200));
request.source().query(boolQuery);

3. 分页和排序

演示：查询名为"如家"的酒店，查询结果进行价格降序，每页显示3条

// 页码
int page = 1,size=3;
// 2.组织DSL
// 2.1 查询
request.source().query(QueryBuilders.termQuery("name","如家"));
// 2.2 分页 从from序号数size个
request.source().from((page-1)*size).size(size);
// 2.3 价格排序
request.source().sort("price", SortOrder.DESC);

4. 高亮

根据name搜索高亮

代码

@Test
void testHight() throws IOException{
   // 1.请求request
   SearchRequest request = new SearchRequest("hotel");
   // 2. 组织DSL
   request.source().query(QueryBuilders.matchQuery("all","如家"));
   request.source().highlighter(new HighlightBuilder().field("name").requireFieldMatch(false));
   // 3.发送请求，得到响应
   SearchResponse response = client.search(request, RequestOptions.DEFAULT);
   // 4.分析结果
   SearchHits searchHits = response.getHits();
   // 5.解析
   SearchHit[] hitss = searchHits.getHits();
   // 6.遍历
   for (SearchHit hit : hitss) {
      // 转换为json
      String json = hit.getSourceAsString();
      // 得到对象
      HotelDoc hotelDoc = JSONObject.parseObject(json, HotelDoc.class);
      // 获取高亮结果
      Map<String, HighlightField> highlightFields = hit.getHighlightFields();
      // 根据字段获取
      HighlightField highlightField = highlightFields.get("name");
      // 获取高亮值
       String name = highlightField.getFragments()[0].string();
       // 覆盖结果
      hotelDoc.setName(name);
      System.out.println(name);

   }

}

四、黑马旅游案例

@Override
	public PageResult search(RequestParams params) throws IOException {
		// 1.得到请求参数
		String key = params.getKey();
		Integer page = params.getPage();
		Integer size = params.getSize();
		String sortBy = params.getSortBy();
		String brand = params.getBrand();
		String starName = params.getStarName();
		String city = params.getCity();
		Integer minPrice = params.getMinPrice();
		Integer maxPrice = params.getMaxPrice();
		String location = params.getLocation();

		// 2.创建搜索请求
		SearchRequest request = new SearchRequest(HotelConstants.HOTEL_INDEX);
		// 3.编写DSL 组合查询boolQuery
		BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
		// 3.1.1 输入框关键字must
		if (key != null && !"".equals(key)) { //输入框不为空，模糊查询
			boolQuery.must(QueryBuilders.matchQuery("all", key));
		} else {//输入框为空，查询全部
			boolQuery.must(QueryBuilders.matchAllQuery());
		}
		// 3.1.2 城市--filter
		if (city != null && !"".equals(city)) {
			boolQuery.filter(QueryBuilders.termQuery("city", city));
		}
		// 3.1.3 品牌--filter
		if (brand != null && !"".equals(brand)) {
			boolQuery.filter(QueryBuilders.termQuery("brand", brand));
		}
		// 3.1.4 星级--filter
		if (starName != null && !"".equals(starName)) {
			boolQuery.filter(QueryBuilders.termQuery("starName", starName));
		}
		// 3.1.5 价格--filter
		if (minPrice != null && maxPrice != null) {
			boolQuery.filter(QueryBuilders.rangeQuery("price").gte(minPrice).lte(maxPrice));
		}
		// 3.1.6 查询条件
		// 3.1.7 =====广告推荐算分查询(查询条件，算分条件)
		 FunctionScoreQueryBuilder functionScoreQuery = QueryBuilders.functionScoreQuery(boolQuery,
				 new FunctionScoreQueryBuilder.FilterFunctionBuilder[]{
				 		new FunctionScoreQueryBuilder.FilterFunctionBuilder(
				 				QueryBuilders.termQuery("isAD",true),// 算分条件
							    ScoreFunctionBuilders.weightFactorFunction(10) // 算分比例
					    )
				 });


		request.source().query(functionScoreQuery);
		// 3.2 页码
		request.source().from((page - 1) * size).size(size);
		// 3.3 排序
		if (location != null && !"".equals(location)) {
			request.source().sort(SortBuilders.geoDistanceSort("location", new GeoPoint(location))
					.order(SortOrder.ASC)
					.unit(DistanceUnit.KILOMETERS));
		}
		if (!SortConstants.DEFAULT.equals(sortBy)) {
			request.source().sort(sortBy, SortOrder.DESC);
		}

		//4. 发送请求得到响应
		SearchResponse response = client.search(request, RequestOptions.DEFAULT);
		// 5.解析响应
		PageResult pageResult = handleResponse(response);
		return pageResult;
	}