Elasticsearch 实现距离查询、排序和筛选


Elasticsearch 实现距离查询、排序和筛选

前言

在现代应用中,位置相关的查询需求越来越普遍。无论是查找附近的餐厅、计算两个地点之间的距离,还是根据用户位置进行排序和筛选,Elasticsearch 都提供了强大的地理位置查询功能。本文将介绍如何在 Elasticsearch 中实现基于距离的查询、排序和筛选。

1. 准备工作

1.1 安装和配置 Elasticsearch

首先,需要确保已经安装并配置好了 Elasticsearch。可以参考官方文档进行安装配置。安装完成后,我们可以通过 Kibana 或者直接使用 REST API 来进行查询操作。

1.2 创建索引并映射地理位置字段

在 Elasticsearch 中,我们需要为地理位置数据定义一个 geo_point 类型的字段。假设我们有一个 locations 索引,存储了各个地点的经纬度信息:

json 复制代码
PUT /locations
{
  "mappings": {
    "properties": {
      "location": {
        "type": "geo_point"
      }
    }
  }
}

2. 实现距离查询

2.1 查询指定距离范围内的地点

我们可以使用 geo_distance 查询来查找位于特定距离范围内的地点。比如,查找距离给定经纬度 5 公里范围内的所有地点:

json 复制代码
GET /locations/_search
{
  "query": {
    "bool": {
      "filter": {
        "geo_distance": {
          "distance": "5km",
          "location": {
            "lat": 40.7128,
            "lon": -74.0060
          }
        }
      }
    }
  }
}

2.2 根据距离进行排序

在有多个匹配结果时,我们通常希望根据与目标位置的距离进行排序。可以通过 geo_distance 函数进行排序:

json 复制代码
GET /locations/_search
{
  "sort": [
    {
      "_geo_distance": {
        "location": {
          "lat": 40.7128,
          "lon": -74.0060
        },
        "order": "asc",
        "unit": "km",
        "mode": "min",
        "distance_type": "arc"
      }
    }
  ],
  "query": {
    "match_all": {}
  }
}

3. 结合筛选条件的距离查询

在实际应用中,距离查询通常与其他筛选条件结合使用。以下示例展示了如何根据用户评分筛选出特定范围内的地点:

json 复制代码
GET /locations/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "rating": {
              "gte": 4
            }
          }
        }
      ],
      "filter": {
        "geo_distance": {
          "distance": "10km",
          "location": {
            "lat": 40.7128,
            "lon": -74.0060
          }
        }
      }
    }
  },
  "sort": [
    {
      "_geo_distance": {
        "location": {
          "lat": 40.7128,
          "lon": -74.0060
        },
        "order": "asc",
        "unit": "km"
      }
    }
  ]
}
相关推荐
无忧智库8 小时前
某制造企业售后服务智能体(Agent)工单自动分派与处置闭环系统详细设计方案(WORD)
大数据·人工智能·制造
zxd0203118 小时前
EFK(Elasticsearch + Fluentd + Kibana) 日志收集系统
运维·docker·jenkins
2601_957786778 小时前
矩阵系统深度解析:从冷启动困局到智能化运营的技术演进
大数据·人工智能·矩阵
科技小花8 小时前
全球数据治理:合规与AI双引擎驱动
大数据·人工智能·数据治理·数据中台
终端行者8 小时前
Jenkins Pipeline 企业级用法 参数化构建+Ansible发布---上
docker·ansible·jenkins·cicd
liana87448 小时前
即时通讯IM:从聊天工具到企业数字底座
大数据
WL_Aurora8 小时前
Hadoop HA高可用架构深度解析
大数据·hadoop·架构
清平乐的技术专栏9 小时前
【Flink学习】(六)Flink 三大时间语义 + 水位线 Watermark
大数据·学习·flink
清平乐的技术专栏9 小时前
【Flink学习】(一)初识 Flink,大数据实时计算核心认知
大数据·flink