文章目录
- 前言
- [5 RestClient操作文档](#5 RestClient操作文档)
-
- [5.4 删除文档](#5.4 删除文档)
- [5.4 修改文档](#5.4 修改文档)
- [5.5 批量导入文档](#5.5 批量导入文档)
- [6 DSL查询文档](#6 DSL查询文档)
-
- [6.1 准备工作](#6.1 准备工作)
- [6.2 全文检索查询](#6.2 全文检索查询)
- [6.3 精准查询](#6.3 精准查询)
- [6.4 地理坐标查询](#6.4 地理坐标查询)
- [6.5 复合查询](#6.5 复合查询)
-
- [6.5.1 相关性算分](#6.5.1 相关性算分)
- [6.5.2 布尔查询](#6.5.2 布尔查询)
- [7 搜索结果处理](#7 搜索结果处理)
-
- [7.1 排序](#7.1 排序)
-
- [7.1.1 普通字段排序](#7.1.1 普通字段排序)
- [7.1.2 地理坐标排序](#7.1.2 地理坐标排序)
前言
ElasticSearch学习笔记(一)倒排索引、ES和Kibana安装、索引操作
ElasticSearch学习笔记(二)文档操作、RestHighLevelClient的使用
5 RestClient操作文档
5.4 删除文档
删除文档的DSL语句示例如下：
json
DELETE /hotel/_doc/2对应的Java代码如下：
java
@Test
public void testDeleteHotelDoc() throws IOException {
// 1.创建Request对象
DeleteRequest request = new DeleteRequest("hotel", "2");
// 2.发送请求
client.delete(request, RequestOptions.DEFAULT);
}执行以上单元测试，在DevTools工具中查询该文档：
5.4 修改文档
上一节已经了解到，修改文档有全量修改 和增量修改两种方式。
在RestClient的API中，全量修改与新增文档的API完全一致，判断依据是文档ID是否已存在：
- 新增时，如果ID已存在，则修改；
- 如果ID不存在，则新增。
而增量修改是修改文档中指定的字段值，其DSL语句示例如下：
json
POST /hotel/_update/2
{
"doc": {
"address": "中山大道"
}
}对应的Java代码如下：
java
@Test
public void testUpdateHotelDoc() throws IOException {
// 1.创建Request对象
UpdateRequest request = new UpdateRequest("hotel", "2");
// 2.设置要修改的字段
request.doc("address", "中山大道");
// 3.发送请求
client.update(request, RequestOptions.DEFAULT);
}执行以上单元测试，在DevTools工具中查询该文档：
5.5 批量导入文档
RestClient提供了一个BulkRequest类用于批量导入文档，其本质就是将多个普通的CRUD请求组合在一起发送，主要使用其add()方法：
可见，能添加的请求包括IndexRequest（新增）、UpdateRequest（修改）、DeleteRequest（删除）等。
对应的Java代码如下：
java
@Test
public void testBulkHotelDoc() throws IOException {
// 1.创建Request对象
BulkRequest request = new BulkRequest();
// 2.准备参数
List<Hotel> hotelList = hotelService.list();
for (Hotel hotel : hotelList) {
HotelDoc hotelDoc = new HotelDoc(hotel);
request.add(new IndexRequest("hotel")
.id(hotelDoc.getId().toString())
.source(JSON.toJSONString(hotelDoc), XContentType.JSON));
}
// 3.发送请求
client.bulk(request, RequestOptions.DEFAULT);
}执行以上单元测试，在DevTools工具中查询该文档：
6 DSL查询文档
6.1 准备工作
首先，向tb_hotel表插入大量数据，例如下图显示已经查了201条数据：
然后执行以下单元测试testSaveBatchHotelDoc()方法，将数据库的数据存储到ES中：
java
@Test
public void testSaveBatchHotelDoc() throws IOException {
// 1.查询酒店数据，遍历处理
List<Hotel> hotelList = hotelService.list();
for (Hotel hotel : hotelList) {
// 2.转换为文档类型
HotelDoc hotelDoc = new HotelDoc(hotel);
// 3.将HotelDoc转json
String json = JSON.toJSONString(hotelDoc);
// 4.准备Request对象
IndexRequest request = new IndexRequest("hotel").id(hotelDoc.getId().toString());
// 5.准备Json文档
request.source(json, XContentType.JSON);
// 6.发送请求
client.index(request, RequestOptions.DEFAULT);
}
}执行完毕后，可以在Kibana中看到此时hotel索引中有201个文档：
6.2 全文检索查询
ES的查询是基于JSON的DSL查询。而全文检索查询就是利用分词器对用户输入的内容进行分词，然后去倒排索引库中匹配，例如电商系统的商品搜索、百度关键词搜索等。
其基本流程如下：
- 1）对用户输入的内容进行分词，得到词条；
- 2）根据词条去倒排索引中匹配，得到文档id；
- 3）根据文档id找到文档，返回给用户。
常见的全文检索查询包括：
- match：单字段查询
- multi_match：多字段查询，任意一个字段符合条件就算符合查询条件
其DSL语句示例如下：
json
# match查询
GET /hotel/_search
{
"query": {
"match": {
"all": "外滩如家"
}
}
}
# multi_match查询
GET /hotel/_search
{
"query": {
"multi_match": {
"query": "外滩如家",
"fields": ["brand", "name", "business"]
}
}
}例如：
可以看到，两种查询结果是一样的，这是因为在索引hotel将brand、name、business三个字段利用copy_to复制到了all字段中 。因此根据这三个字段搜索，和根据all字段搜索效果是一样的。
因此，使用multi_match查询时，搜索字段越多，对查询性能影响越大，建议采用copy_to将多个字段复制到一个字段中，然后单字段查询的方式。
6.3 精准查询
精确查询一般是查找keyword、数值、日期、boolean等类型的字段，所以不会对搜索条件进行分词。
常见的精准查询类型有：
- term：根据词条精确值查询
- range：根据值的范围查询
其DSL语句示例如下：
json
# term查询
GET /hotel/_search
{
"query": {
"term": {
"city": { //要查询的字段
"value": "上海" //字段值
}
}
}
}
# range查询
GET /{索引名}/_search
{
"query": {
"range": {
"price": { //要查询的字段
"gte": 1000, // >=1000
"lte": 3000 // <=3000
}
}
}
}例如：
term查询时，当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查询例子：
6.4 地理坐标查询
地理坐标查询，就是根据经纬度查询，常见的场景有滴滴搜索附近的出租车、微信搜索附近的人等。
常见的地理坐标查询类型有：
- geo_bounding_box ：矩阵范围查询，即查询坐标落在某个矩形范围的所有文档。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。
- geo_distance：附近查询，也叫距离查询，查询到指定中心点小于某个距离值的所有文档。也就是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。
其DSL语句示例如下：
json
# geo_bounding_box查询
GET /hotel/_search
{
"query": {
"geo_bounding_box": {
"location": { //要查询的字段
"top_left": { //左上点
"lat": "32.00", //左上点纬度
"lon": "120.00" //左上点经度
},
"bottom_right": { //右下点
"lat": "30.00", //右下点纬度
"lon": "122.00" //右下点经度
}
}
}
}
}
# geo_distance查询
GET /hotel/_search
{
"query": {
"geo_distance": {
"distance": "10km", //半径
"location": "30.00,122.00" //要查询的字段:圆心坐标
}
}
}例如：
6.5 复合查询
复合查询，就是将其它简单查询组合起来，实现更复杂的搜索逻辑。
常见的符合查询有两种：
- 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
- bool query：布尔查询，利用逻辑关系组合多个其它的查询，实现复杂搜索
6.5.1 相关性算分
在前面的match查询时，查询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。
根据相关度打分再进行排序是比较合理的，但并不一定是项目需要的。
如果想人为控制相关性算分，就需要利用ES中的function score查询。
其基本语法如下：
- query ：原始查询条件，基于这个条件搜索文档并给文档打分，这个分数叫原始算分（query score）
- filter：过滤条件，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
- boost_mode ：运算模式，即原始算分和函数算分两者之间的运算方式，包括：
- multiply：相乘
- replace：用function score替换query score
- sum、avg、max、min等
function score查询的基本流程如下：
- 1）根据原始条件 搜索文档，并且计算原始算分（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。
例如有如下需求：让上海的"如家"这个品牌的酒店排名靠前一些。该需求转换为function score查询的要点如下：
- 原始条件：city = "上海"
- 过滤条件：brand = "如家"
- 算分函数：直接给固定的算分结果，weight
- 运算模式：求和
最终的DSL语句如下：
json
# function score查询
GET /hotel/_search
{
"query": {
"function_score": {
"query": {
"match": {
"city": "上海"
}
},
"functions": [
{
"filter": {
"term": {
"brand" : "如家"
}
},
"weight": 2 //算分权重为2
}
],
"boost_mode": "sum" //加权模式，求和
}
}
}原始查询的结果如下：
使用function score查询的结果如下：
6.5.2 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，除了根据关键字搜索外，还可能根据品牌、价格、城市等字段进行过滤。由于这些字段的查询方式各不相同，因此就需要用到布尔查询。
需要注意的是，进行布尔搜索时，参与打分的字段越多，查询的性能也越差。因此布尔查询一般建议：
- 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。
例如有如下需求：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。该需求转换为布尔查询的要点如下：
- 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。
最终的DSL语句如下：
json
# 布尔查询
GET /hotel/_search
{
"query": {
"bool": {
"must": {
"match": {
"name": "如家"
}
},
"must_not": {
"range": {
"price": {
"gt": 400
}
}
},
"filter": {
"geo_distance": {
"distance": "10km",
"location": {
"lat": 31.21,
"lon": 121.5
}
}
}
}
}
}
7 搜索结果处理
7.1 排序
ES默认是根据相关度算分（_score）来倒序排序的，但是也支持自定义方式对搜索结果进行排序。
支持排序的字段类型有：keyword类型、数值类型、地理坐标类型、日期类型等。
7.1.1 普通字段排序
keyword、数值、日期类型排序的语法基本一致。
例如有以下需求：各酒店按照用户评分（score）降序排序，评分相同再按照价格（price）升序排序。其DSL语句如下：
json
# 普通字段排序
GET /hotel/_search
{
"query": {
"match_all": { //查询条件，这里指匹配全部
}
},
"sort": [
{
"score": "desc" //按照用户评分（score）降序排序
},
{
"price": "asc" //按照价格（price）升序排序
}
]
}可见，排序条件是一个数组，也就是说可以同时写多个排序条件，此时会按照声明的顺序进行排序，当第1个排序条件相等时，则再按照第2个排序条件进行排序，以此类推。
7.1.2 地理坐标排序
地理坐标排序需要指定一个坐标坐标作为目标点，然后计算文档中指定字段（必须是geo_point类型）的坐标到目标点的距离，根据距离进行排序。
例如，有以下需求：实现对酒店按照到当前位置坐标的距离升序排序。其DSL语句如下：
json
# 地理坐标排序
GET /hotel/_search
{
"query": {
"match_all": {
}
},
"sort": [
{
"_geo_distance": {
"location": { //指定的geo_point类型的字段
"lat": 31.034661, //当前位置纬度
"lon": 121.612282 //当前位置经度
},
"order": "asc", //asc、desc
"unit": "km" //距离单位
}
}
]
}
...
本节完，更多内容请查阅分类专栏：微服务学习笔记
感兴趣的读者还可以查阅我的另外几个专栏：