ElasticSearch 的基础概念与入门使用

IDIOT___IDIOT2023-12-24 14:04

ElasticSearch 的基础概念与入门使用

前言

elasticsearch 是一款非常强大的开源搜索引擎，具备非常多强大的功能，可以帮助我们从海量的数据中快速找到需要的内容。

例如：

  • 在 Github 中搜索代码

  • 在电商网站搜索商品

  • 在 Google 搜索答案

  • ......

elasticsearch结合kibana、Logstash、Beats，也就是elastic stack（ELK）。被广泛应用在日志数据分析、实时监控等领域，而elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。

elasticsearch底层是基于lucene来实现的。

Lucene是一个Java语言的搜索引擎类库，是Apache公司的顶级项目，由DougCutting于1999年研发。官网地址：https://lucene.apache.org/ 。

基础概念

文档

elasticsearch 是面向 文档 存储的，可以是数据库中的一条商品数据，一个订单信息。文档数据会被序列化成 json 格式后存储在 elasticsearch 中，而 json 文档中往往包含很多的字段（Field），类似于数据库中的列。

分词器

作用：

  • 创建倒排索引时对文档分词
  • 用户搜索时，对输入的内容分词

索引与映射

索引（Index） ，就是相同类型的文档的集合。

例如：

  • 所有用户文档，就可以组织在一起，称为用户的索引；
  • 所用商品的文档，可以组织在一起，称为商品的索引；
  • 所有订单的文档，可以组织在一起，称为订单的索引；
json 复制代码 
# 商品索引
{
    "id": 1,
    "name": "电视机",
    "category": "家电",
    "price": 599.99,
    "stock": 50
  },
  {
    "id": 2,
    "name": "手机",
    "category": "电子设备",
    "price": 899.99,
    "stock": 100
  },
  {
    "id": 3,
    "name": "运动鞋",
    "category": "服装",
    "price": 79.99,
    "stock": 200
  }
# 用户索引
{
    "id": 1,
    "name": "电视机",
    "category": "家电",
    "price": 599.99,
    "stock": 50
  },
  {
    "id": 2,
    "name": "手机",
    "category": "电子设备",
    "price": 899.99,
    "stock": 100
  },
  {
    "id": 3,
    "name": "运动鞋",
    "category": "服装",
    "price": 79.99,
    "stock": 200
  }
# 订单索引
{
    "order_id": 1,
    "user_id": 1,
    "products": [
      {
        "product_id": 1,
        "quantity": 2
      },
      {
        "product_id": 2,
        "quantity": 1
      }
    ],
    "total_price": 2099.97,
    "order_date": "2023-12-10",
    "shipping_address": "上海市"
  },
  {
    "order_id": 2,
    "user_id": 3,
    "products": [
      {
        "product_id": 3,
        "quantity": 3
      }
    ],
    "total_price": 239.97,
    "order_date": "2023-12-15",
    "shipping_address": "广州市"
  },

因此，我们可以把索引当作是数据库中的表。

数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。因此，索引库中就有映射（mapping），是索引中文档的字段约束信息，类似表的结构约束。

mysql 与 elasticsearch 一些概念的对比

MySQL Elasticsearch 说明
Table Index 索引(index)，就是文档的集合，类似数据库的表(table)
Row Document 文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式
Column Field 字段（Field），就是JSON文档中的字段，类似数据库中的列（Column）
Schema Mapping Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema）
SQL DSL DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD

是不是说，我们学习了elasticsearch就不再需要mysql了呢？

并不是如此，两者各自有自己的擅长支出：

  • Mysql：擅长事务类型操作，可以确保数据的安全和一致性

  • Elasticsearch：擅长海量数据的搜索、分析、计算

因此在企业中，往往是两者结合使用：

  • 对安全性要求较高的写操作，使用mysql实现
  • 对查询性能要求较高的搜索需求，使用elasticsearch实现
  • 两者再基于某种方式，实现数据的同步，保证一致性

安装

关于安装的话，这里提供 Windows 版本，一个是elasticsearch、一个是 kibana （一个工具）。

安装参考

安装中文分词器

elasticsearch 对中文的分词不是很友好，一般的分词不管你选择的是标准分词器，还是中文分词器，结果都是只能分成一个一个的字，非常不友好。所以我们选择一个开源的分词器。[下载地址](medcl/elasticsearch-analysis-ik: The IK Analysis plugin integrates Lucene IK analyzer into elasticsearch, support customized dictionary. (github.com)) 你只需要把内容下载好，把这个目录解压放到安装 elasticsearch 的文件夹中的 plugins 目录中。例如：

放好以后，直接重启 elasticsearch 就好。

如果出现报错说分词器版本不兼容 elasticsearch 只要进入下载好的分词器目录下面的 plugin-descriptor.properties文件中八版本改成和你的 elasticsearch 版本一致就好了。

使用

了解了上面的一些信息以后，我们接下来就开始使用 elasticsearch 吧。

索引的增删改查

索引库就类似数据库表，mapping映射就类似表的结构。

我们要向es中存储数据，必须先创建"库"和"表"。

mapping 映射属性

mapping是对索引库中文档的约束，常见的mapping属性包括：

  • type：字段数据类型，常见的简单类型有：
    • 字符串：text（可分词的文本）、keyword（精确值，例如：品牌、国家、ip地址）
    • 数值：long、integer、short、byte、double、float、
    • 布尔：boolean
    • 日期：date
    • 对象：object
  • index：是否创建索引，默认为true
  • analyzer：使用哪种分词器
  • properties：该字段的子字段

例如：

json 复制代码 
{
    "age": 21,
    "weight": 52.1,
    "isMarried": false,
    "info": "created by xwhking",
    "email": "2837468248@qq.com",
    "score": [99.1, 99.5, 98.9],
    "name": {
        "firstName": "XWH",
        "lastName": "Z"
    }
}

对应的每个字段映射（mapping）：

  • age：类型为 integer；参与搜索，因此需要index为true；无需分词器
  • weight：类型为float；参与搜索，因此需要index为true；无需分词器
  • isMarried：类型为boolean；参与搜索，因此需要index为true；无需分词器
  • info：类型为字符串，需要分词，因此是text；参与搜索，因此需要index为true；分词器可以用ik_smart
  • email：类型为字符串，但是不需要分词，因此是keyword；不参与搜索，因此需要index为false；无需分词器
  • score：虽然是数组，但是我们只看元素的类型，类型为float；参与搜索，因此需要index为true；无需分词器
  • name：类型为object，需要定义多个子属性
    • name.firstName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器
    • name.lastName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器
创建索引库和映射
基本语法：
  • 请求方式： PUT
  • 请求路径：/{索引库名}， 可以自定义
  • 请求参数：mapping 映射

格式：

json 复制代码 
PUT /索引库名称
{
  "mappings": {
    "properties": {
      "字段名":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "字段名2":{
        "type": "keyword",
        "index": "false"
      },
      "字段名3":{
        "properties": {
          "子字段": {
            "type": "keyword"
          }
        }
      },
      // ...略
    }
  }
}
示例（以上面的数据为例，我们所有的操作都在 Kibana 的中 dev tools 中完成）
json 复制代码 
PUT /xwhking
{
  "mappings": {
    "properties": {
      "age":{
        "type": "integer"
      },
      "weight" :{
        "type": "float"
      },
      "isMarrid":{
        "type": "boolean"
      },
      "info":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "email":{
        "type": "keyword",
        "index": false
      },
      "score" :{
        "type": "float"
      },
      "name":{
        "properties": {
          "firstname":{
            "type":"keyword" 
          },
          "lastname" :{
            "type":"keyword"
          }
        }
      }
    }
  }
}

结果展示：

查询索引库
基本语法：
  • 请求方式：GET
  • 请求路径：/索引库名
  • 请求参数：无

格式：

json 复制代码 
GET /索引库名

示例(上面创建的索引库)：

json 复制代码 
GET /xwhking

结果展示：

修改索引库

倒排索引结构虽然不复杂，但是一旦数据结构改变（比如改变了分词器），就需要重新创建倒排索引，这简直是灾难。因此索引库一旦创建，无法修改mapping。

虽然无法修改mapping中已有的字段，但是却允许添加新的字段到mapping中，因为不会对倒排索引产生影响。

基本语法：
  • 请求方法：PUT
  • 请求路径：/索引库名/_mapping
  • 请求参数：properties （看下面的例子）

格式：

json 复制代码 
PUT /索引库名/_mapping
{
  "properties": {
    "新字段名":{
      "type": "integer"
    }
  }
}

示例：

为上面创建的索引添加一个 major 字段（Field）

json 复制代码 
# 为索引添加字段
PUT /xwhking/_mapping
{
  "properties" : {
    "major" : {
      "type" : "keyword"
    }
  }
}

添加结果：

我们重新查看索引看是否有添加字段：

从结果来看我们是成功了的。

删除索引库
基本语法：
  • 请求方式：DELETE
  • 请求路径：/索引库名
  • 请求参数： 无

格式：

json 复制代码 
DELETE /索引库名

例子：

我们删除我们上面传创建的索引库，然后再去查询，看是否能够查询的到

DELETE /xwhking

结果：

很明显我们查询不到了。

文档的增删改查

新增文档
基本语法：
  • 请求方式：POST
  • 请求路径：/索引库名/_doc/文档id 注意这里的文档 id，如果不填，elasticsearch系统会自动帮你添加一个随机的 id 值
  • 请求参数：一条以 json 为格式的数据采用键值对方式

格式：

json 复制代码 
POST /索引库名/_doc/文档id
{
    "字段1": "值1",
    "字段2": "值2",
    "字段3": {
        "子属性1": "值3",
        "子属性2": "值4"
    },
    // ...
}

例子：

我们再把上面删除的索引重新创建一下，把最开始的那条数据插入试试

json 复制代码 
# 创建一个文档
POST /xwhking/_doc/1
{
  "age":21,
  "weight":52.1,
  "isMarried":false,
  "info":"created by xwhking",
  "email":"2837468248@qq.com",
  "score":[99.1, 99.5, 98.9], 
  "name":{
      "firstName":"XWH",
      "lastName":"Z"
  }
}

这里可能会有一个疑问：就是为什么我明明定义 score 的时候只是一个 float 类型，为什么在插入文档的时候就能插入一个数组呢？这是由 elasticsearch 决定的，因为elasticsearch 没有数组这个数据类型，所以就允许接受一个字段的多个值。

结果：

查询文档
基本语法：
  • 请求方式：GET
  • 请求路径：/索引库名/_doc/文档id
  • 请求参数：无

格式：

json 复制代码 
GET /{索引库名称}/_doc/{id}

示例：

json 复制代码 
GET /xwhking/_doc/1

结果：

删除文档
基本语法：
  • 请求方式：DELETE
  • 请求路径：/索引库名/_doc/文档id
  • 请求参数：无

格式：

json 复制代码 
DELETE /{索引库名}/_doc/id值

示例

json 复制代码 
DELETE /xwhking/_doc/1

结果参考

修改文档

修改有两种方式：

  • 全量修改：直接覆盖原来的文档
  • 增量修改：修改文档中的部分字段
全量修改

全量修改是覆盖原来的文档，其本质是：

  • 根据指定的id删除文档
  • 新增一个相同id的文档

注意：如果根据id删除时，id不存在，第二步的新增也会执行，也就从修改变成了新增操作了。

基本语法：
  • 请求方式：PUT
  • 请求路径：/索引库名/_doc/文档id
  • 请求参数：把所有文档信息要修改的进行修改，并且没有修改的也需要

格式：

json 复制代码 
PUT /{索引库名}/_doc/文档id
{
    "字段1": "值1",
    "字段2": "值2",
    // ... 略
}

示例：

我们改变一下上面文档的邮箱

json 复制代码 
PUT /xwhking/_doc/1
{
    "age": 21,
    "weight": 52.1,
    "isMarried": false,
    "info": "created by xwhking",
    "email": "https://www.github.com/xwhking",
    "score": [99.1, 99.5, 98.9],
    "name": {
        "firstName": "XWH",
        "lastName": "Z"
    }
}

结果：

增量修改

增量修改是只修改指定id匹配的文档中的部分字段。

基本语法：
  • 请求方式：POST
  • 请求路径：/索引库名/_update/文档id
  • 请求参数：doc 内容是要修改的字段，以及新的值

基本格式：

json 复制代码 
POST /{索引库名}/_update/文档id
{
    "doc": {
         "字段名": "新的值",
    }
}

示例（我们再把邮箱改回来）：

json 复制代码 
# 修改文档，增量修改
POST /xwhking/_doc/1
{
  "doc": {
    "email" : "2837468248@qq..com"
  }
}

其中的 version 表示修改次数，创建一次，上面一次全量修改一次，增量修改一次，所以是三次。

利用 RestAPI 在 Java 中使用 ElasticSearch

这里暂不介绍如何使用，具体使用其实看一下官方文档，或者直接按照代码提示就可以做了，我们现在只要知道ElasticSearch原生的用法，再去用 Client 就很容易上手、理解。我们这里只稍微带一下在 Java 项目中如何引入。

三步：

  1. 引入依赖

    xml 复制代码 
    <dependency>
    <groupId>org.elasticsearch.client</groupId>
    <artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>

  2. 因为 springboot 可能管理了 elasticsearch的版本，所以我们需要把这个版本依赖覆盖掉，并且改成我们自己 elasticsearch的版本

    xml 复制代码 
    <properties>
    <java.version>1.8</java.version>
    <elasticsearch.version>7.12.1</elasticsearch.version>
</properties>

  3. 初始化 RestHighLevelClient

    java 复制代码 
    RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(
        HttpHost.create("http://192.168.150.101:9200")
));

TIPS

Elasticsearch 中特殊的数据类型

ES中支持两种地理坐标数据类型：

  • geo_point: 由纬度(latitude)和经度(longitude)确定的一个点。例如："32.8752345,120.2981576"
  • ge0_shape :有多个ge0_point组成的复杂几何图形。例如一条直线，"LINESTRING(-77.0365338.897676,-77.00905138.889939)"

字段拷贝可以使用copy to属性将当前字段拷贝到指定字段。示例：

json 复制代码 
{
    "a11":{
		"type":"text",
		"analyzer":"ik_max_word"
	},
	"brand":{
		"type":"keyword",
		"copy_to":"all"
    }
}

如何搜索 ==> DSL查询文档

数组准备

我这里直接开源一个数据初始化的代码，需要的话直接拉下来，然后通过看项目的 README 文件，配置 elasticsearch, 然后把数据放入elasticsearch 我们就开始进行搜索数据。

项目数据地址)

DSL 查询分类

Elasticsearch提供了基于JSON的DSL（Domain Specific Language）来定义查询。常见的查询类型包括：

  • 查询所有：查询出所有数据，一般测试用。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，一般是查找keyword、数值、日期、boolean等类型字段。例如：

    • ids
    • range
    • term

  • 地理（geo）查询：根据经纬度查询。例如：

    • geo_distance
    • geo_bounding_box

  • 复合（compound）查询：复合查询可以将上述各种查询条件组合起来，合并查询条件。例如：

    • bool
    • function_score
查询基本语法：
  • 请求方式： GET
  • 请求路径：/索引库/_search
  • 请求参数：根据不同请求方式不同

基本格式：

json 复制代码 
GET /indexName/_search
{
  "query": {
    "查询类型": {
      "查询条件": "条件值"
    }
  }
}

示例查询所有：

json 复制代码 
GET /hotel/_search
{
  "query": {
    "match_all": {
    }
  }
}

结果：

全文检索查询

全文检索查询的基本流程如下：

  • 对用户搜索的内容做分词，得到词条
  • 根据词条去倒排索引库中匹配，得到文档id
  • 根据文档id找到文档，返回给用户

比较常用的场景包括：

  • 商城的输入框搜索
  • 百度输入框搜索

TIPS

因为是拿着词条去匹配，因此参与搜索的字段也必须是可分词的text类型的字段。

基本语法
  • 请求方式： GET
  • 请求路径： /索引库/_search
  • 请求参数：
    • match查询：单字段查询
    • multi_match查询：多字段查询，任意一个字段符合条件就算符合查询条件
基本格式：

match 查询格式

json 复制代码 
GET /索引库名/_search
{
  "query": {
    "match": {
      "FIELD": "TEXT"
    }
  }
}

multi_match 查询格式:

json 复制代码 
GET /indexName/_search
{
  "query": {
    "multi_match": {
      "query": "TEXT",
      "fields": ["FIELD1", " FIELD12"]
    }
  }
}

查询示例：

match 示例：

json 复制代码 
GET /hotel/_search
{
  "query": {
    "match": {
      "all": "希尔顿"
    }
  }
}

result :

multi_match 示例：

json 复制代码 
GET /hotel/_search
{
  "query": {
    "multi_match": {
      "query": "如家",
      "fields": ["brand","name"]
    }
  }
}

result:

TIPS

如果这里我们使用同样的查询词，查询出来的结果会是一样的，为什么呢？

因为我们将brand、name、business值都利用copy_to复制到了all字段中。因此你根据三个字段搜索，和根据all字段搜索效果当然一样了。

但是，搜索字段越多，对查询性能影响越大，因此建议采用copy_to，然后单字段查询的方式。

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。常见的有：

  • term：根据词条精确值查询
  • range：根据值的范围查询
Term 查询

因为精确查询的字段搜是不分词的字段，因此查询的条件也必须是不分词的词条。查询时，用户输入的内容跟自动值完全匹配时才认为符合条件。如果用户输入的内容过多，反而搜索不到数据。

基本语法
  • 请求方式： GET
  • 请求路径： /索引库/_search
  • 请求参数：见示例

基本格式：

json 复制代码 
// term查询
GET /indexName/_search
{
  "query": {
    "term": {
      "FIELD": {
        "value": "VALUE"
      }
    }
  }
}

示例：

json 复制代码 
GET /hotel/_search
{
  "query": {
    "term": {
      "city": {
        "value": "上海"
      }
    }
  }
}

result:

因为词条是精匹配如果我们输入的是杭州上海则不会有结果

++但是，当我搜索的内容不是词条，而是多个词语形成的短语时，反而搜索不到：++

range 查询

范围查询，一般应用在对数值类型做范围过滤的时候。比如做价格范围过滤。

基本语法
  • 请求方式： GET
  • 请求路径： /索引库/_search
  • 请求参数: 看具体示例

基本格式:

json 复制代码 
// range查询
GET /indexName/_search
{
  "query": {
    "range": {
      "FIELD": {
        "gte": 10, // 这里的gte代表大于等于，gt则代表大于
        "lte": 20 // lte代表小于等于，lt则代表小于
      }
    }
  }
}

示例:

json 复制代码 
GET /hotel/_search
{
  "query": {
    "range": {
      "score": {
        "gte": 40,
        "lte": 3000
      }
    }
  }
}

result:

出现的都是在 40 以上的！

地理坐标查询

所谓的地理坐标查询，其实就是根据经纬度查询，官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/geo-queries.html

常见的使用场景包括：

  • 携程：搜索我附近的酒店
  • 滴滴：搜索我附近的出租车
  • 微信：搜索我附近的人
矩形范围查询
基本语法
  • 请求方式：GET
  • 请求路径：/索引库/_search
  • 请求参数：请看示例

查询时，需要指定矩形的左上 、右下两个点的坐标，然后画出一个矩形，落在该矩形内的都是符合条件的点。

json 复制代码 
// 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
        }
      }
    }
  }
}
附近查询

附近查询，也叫做距离查询（geo_distance）：查询到指定中心点小于某个距离值的所有文档。

换句话来说，在地图上找一个点作为圆心，以指定距离为半径，画一个圆，落在圆内的坐标都算符合条件：

基本语法：
  • 请求方式：GET
  • 请求路径：/索引库/_search
  • 请求参数：请看示例

格式：

json 复制代码 
// geo_distance 查询
GET /indexName/_search
{
  "query": {
    "geo_distance": {
      "distance": "15km", // 半径
      "FIELD": "31.21,121.5" // 圆心
    }
  }
}

示例：

json 复制代码 
GET /hotel/_search
{
  "query": {
    "geo_distance": {
      "distance" : "15km",
      "location" : "31.21,121.5"
    }
  }
}

result:

缩小一下半径（就是陆家嘴附近啦）：

复合查询

当我们利用match查询时，文档结果会根据与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，我们搜索 "虹桥如家"，结果如下：

json 复制代码 
[
  {
    "_score" : 17.850193,
    "_source" : {
      "name" : "虹桥如家酒店真不错",
    }
  },
  {
    "_score" : 12.259849,
    "_source" : {
      "name" : "外滩如家酒店真不错",
    }
  },
  {
    "_score" : 11.91091,
    "_source" : {
      "name" : "迪士尼如家酒店真不错",
    }
  }
]

在elasticsearch中，早期使用的打分算法是TF-IDF算法，公式如下：

在后来的5.1版本升级中，elasticsearch将算法改进为BM25算法，公式如下：

TF-IDF算法有一各缺陷，就是词条频率越高，文档得分也会越高，单个词条对文档影响较大。而BM25则会让单个词条的算分有一个上限，曲线更加平滑：

算分函数查询

根据相关度打分是比较合理的需求，但合理的不一定是产品经理需要的。

以百度为例，你搜索的结果中，并不是相关度越高排名越靠前，而是谁掏的钱多排名就越靠前。

要想认为控制相关性算分，就需要利用elasticsearch中的function score 查询了。

基本语法：

function score 查询中包含四部分内容：

  • 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。

因此，其中的关键点是：

  • 过滤条件：决定哪些文档的算分被修改
  • 算分函数：决定函数算分的算法
  • 运算模式：决定最终算分结果

示例：

需求：给"如家"这个品牌的酒店排名靠前一些

翻译一下这个需求，转换为之前说的四个要点：

  • 原始条件：不确定，可以任意变化
  • 过滤条件：brand = "如家"
  • 算分函数：可以简单粗暴，直接给固定的算分结果，weight
  • 运算模式：比如求和

因此最终的DSL语句如下：

json 复制代码 
GET /hotel/_search
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "all": "外滩"
        }
      },
      "functions": [
        {
          "filter": {
            "term": {
              "brand": "如家"
            }
          },
          "weight": 100
        }
      ],
      "boost_mode": "sum"
    }
  }
}

result:

function score query定义的三要素是什么？

  • 过滤条件：哪些文档要加分
  • 算分函数：如何计算function score
  • 加权方式：function score 与 query score如何运算
布尔查询

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"
  • should：选择性匹配子查询，类似"或"
  • 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

比如在搜索酒店时，除了关键字搜索外，我们还可能根据品牌、价格、城市等字段做过滤：

每一个不同的字段，其查询的条件、方式都不一样，必须是多个不同的查询，而要组合这些查询，就必须用bool查询了。

需要注意的是，搜索时，参与打分的字段越多，查询的性能也越差。因此这种多条件查询时，建议这样做：

  • 搜索框的关键字搜索，是全文检索查询，使用must查询，参与算分
  • 其它过滤条件，采用filter查询。不参与算分
基本语法
json 复制代码 
GET /hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {"term": {"city": "上海" }}
      ],
      "should": [
        {"term": {"brand": "皇冠假日" }},
        {"term": {"brand": "华美达" }}
      ],
      "must_not": [
        { "range": { "price": { "lte": 500 } }}
      ],
      "filter": [
        { "range": {"score": { "gte": 45 } }}
      ]
    }
  }
}

示例：

需求：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。

分析：

  • 名称搜索，属于全文检索查询，应该参与算分。放到must中
  • 价格不高于400，用range查询，属于过滤条件，不参与算分。放到must_not中
  • 周围10km范围内，用geo_distance查询，属于过滤条件，不参与算分。放到filter中

result：

搜索结果处理
排序

地理坐标排序略有不同。

语法说明：

json 复制代码 
GET /indexName/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "_geo_distance" : {
          "FIELD" : "纬度，经度", // 文档中geo_point类型的字段名、目标坐标点
          "order" : "asc", // 排序方式
          "unit" : "km" // 排序的距离单位
      }
    }
  ]
}

这个查询的含义是：

  • 指定一个坐标，作为目标点
  • 计算每一个文档中，指定字段（必须是geo_point类型）的坐标 到目标点的距离是多少
  • 根据距离排序
分页

elasticsearch 默认情况下只返回top10的数据。而如果要查询更多数据就需要修改分页参数了。elasticsearch中通过修改from、size参数来控制要返回的分页结果：

  • from：从第几个文档开始
  • size：总共查询几个文档

类似于mysql中的limit ?, ?

分页的基本语法如下：

json 复制代码 
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"}
  ]
}

现在，我要查询990~1000的数据，查询逻辑要这么写：

json 复制代码 
GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "from": 990, // 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"}
  ]
}

这里是查询990开始的数据，也就是 第990~第1000条 数据。

不过，elasticsearch内部分页时，必须先查询 0~1000条，然后截取其中的990 ~ 1000的这10条：

查询TOP1000，如果es是单点模式，这并无太大影响。

但是elasticsearch将来一定是集群，例如我集群有5个节点，我要查询TOP1000的数据，并不是每个节点查询200条就可以了。

因为节点A的TOP200，在另一个节点可能排到10000名以外了。

因此要想获取整个集群的TOP1000，必须先查询出每个节点的TOP1000，汇总结果后，重新排名，重新截取TOP1000。

那如果我要查询9900~10000的数据呢？是不是要先查询TOP10000呢？那每个节点都要查询10000条？汇总到内存中？

当查询分页深度较大时，汇总数据过多，对内存和CPU会产生非常大的压力，因此elasticsearch会禁止from+ size 超过10000的请求。

针对深度分页，ES提供了两种解决方案，官方文档：

  • search 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。官方推荐使用的方式。
  • scroll：原理将排序后的文档id形成快照，保存在内存。官方已经不推荐使用。
高亮

高亮显示的实现分为两步：

  • 1）给文档中的所有关键字都添加一个标签，例如<em>标签
  • 2）页面给<em>标签编写CSS样式

高亮的语法：

json 复制代码 
GET /hotel/_search
{
  "query": {
    "match": {
      "FIELD": "TEXT" // 查询条件，高亮一定要使用全文检索查询
    }
  },
  "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
相关推荐
激流丶2 分钟前
【Kafka 实战】如何解决Kafka Topic数量过多带来的性能问题？
java·大数据·kafka·topic
测试界的酸菜鱼18 分钟前
Python 大数据展示屏实例
大数据·开发语言·python
时差95320 分钟前
【面试题】Hive 查询：如何查找用户连续三天登录的记录
大数据·数据库·hive·sql·面试·database
Mephisto.java22 分钟前
【大数据学习 | kafka高级部分】kafka中的选举机制
大数据·学习·kafka
Mephisto.java28 分钟前
【大数据学习 | kafka高级部分】kafka的优化参数整理
大数据·sql·oracle·kafka·json·database
道可云30 分钟前
道可云人工智能&元宇宙每日资讯｜2024国际虚拟现实创新大会将在青岛举办
大数据·人工智能·3d·机器人·ar·vr
成都古河云41 分钟前
智慧场馆：安全、节能与智能化管理的未来
大数据·运维·人工智能·安全·智慧城市
软工菜鸡1 小时前
预训练语言模型BERT——PaddleNLP中的预训练模型
大数据·人工智能·深度学习·算法·语言模型·自然语言处理·bert
武子康2 小时前
大数据-212 数据挖掘 机器学习理论 - 无监督学习算法 KMeans 基本原理 簇内误差平方和
大数据·人工智能·学习·算法·机器学习·数据挖掘
lzhlizihang3 小时前
【Hive sql 面试题】求出各类型专利top 10申请人，以及对应的专利申请数（难）
大数据·hive·sql·面试题
热门推荐
01【HarmonyOS】HUAWEI DevEco Studio 下载地址汇总02(欧拉)openEuler系统添加网卡文件配置流程、(欧拉)openEuler系统手动配置ipv6地址流程、(欧拉)openEuler系统网络管理说明03组基轨迹建模 GBTM的介绍与实现（Stata 或 R）04【AIGC】重塑未来的科技巨轮05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）06【经验分享】Ubuntu22.04安装微信(linux官方版)07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08Ubuntu 20.04使用Livox mid 360 测试 FAST_LIO09RAG 实践- Ollama+RagFlow 部署本地知识库10【TC3xx芯片】TC3xx芯片电源管理系统PMS详解