二十五、DSL查询文档(全文检索查询、精确查询、地理查询、复合查询)

一、全文检索查询

1、match查询

语法:

2、multi_match查询

语法:

3、match和mult_match的区别

1、geo_bounding_box查询:

[1、fuction score:](#1、fuction score:)

[五、Function Score Query](#五、Function Score Query)

1、bool查询

一、全文检索查询

1、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"
    }
  }
}

2、multi_match查询

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"]
    }
  }
}

3、match和mult_match的区别

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

二、精确查询

精确查询一般是查找keyword、数值、日期、boolean等类型字段。所以不会对搜索条件分词。

1、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

value中的值要确保和文档中的一模一样。

语法：

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

2、range查询：（范围查询）

根据数值范围查询，可以是数值、日期的范围

gte 表示范围下限，lte 表示范围上限；

gt 表示大于而不等于，lt 表示小于而不等于；

语法：

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

三、地理查询

1、geo_bounding_box查询:

查询geo_point值落在某个矩形范围的所有文档

语法：

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

2、geo_distance查询:

查询到指定中心点小于某个距离值的所有文档

语法：

GET /indexName/_search
{
  "query": {
    "geo_distance":{
      "distance":"15km",
      "FIELD":"31.21.121.5"
    }
  }
}

四、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、fuction score:

算分函数查询，可以控制文档相关性算分，控制文档排名。

（1）词条频率

例子：

"你你你你你，是是是，我我我我，的的，谁"，一共有15个字。

"你" 的频率是，"是" 的频率是。

频率越高，分数越高，搜索结果越靠前。

（2）TF-IDF算法

例子：

若我要搜索钢铁侠，在搜索结果中，一共有三个文档：

《你是钢铁侠》

《我是钢铁下》

《都是钢铁虾》

其中"钢铁"出现了三次，而文档个数是三次，它的逆文档频率就是 = 0，分数也就是0，

所以"钢铁"就不代表权重了，而"侠"字只出现了一次，所以它的权重大，此搜索结果也就靠前。

（3）BM25算法

BM25是一种用于信息检索的算法，它是基于词频和文档长度的统计方法，用于计算查询与文档之间的相关性得分。BM25算法是一种改进的TF-IDF算法，它考虑了文档长度的影响，以及对于一些高频词汇的惩罚。BM25算法的公式如下：

score(D,Q) = ∑(i=1 to n) IDF(qi) * ((k+1)*f(qi,D))/(f(qi,D)+k*(1-b+b*(|D|/avgdl)))

其中，D表示文档，Q表示查询，qi表示查询中的第i个词，f(qi,D)表示文档D中qi出现的频率，|D|表示文档D的长度，avgdl表示所有文档的平均长度，IDF(qi)表示逆文档频率，k和b是两个可调参数。

BM25算法的优点是可以处理长文档和短文档，而且对于高频词汇的处理也比较合理。但是，BM25算法的计算复杂度较高，需要对所有文档进行扫描和计算，因此在大规模数据集上的应用需要考虑效率问题。