ElasticSearch7.x入门教程之全文搜索（九）

文章目录

前言
一、地理位置查询
- [1、点位距离查询：geo_distance query](#1、点位距离查询：geo_distance query)
- [2、矩形面内查询：geo_bounding_box query](#2、矩形面内查询：geo_bounding_box query)
- [3、多边形范围内查询：geo_polygon query](#3、多边形范围内查询：geo_polygon query)
- [4、集合图形关系查询：geo_shape query](#4、集合图形关系查询：geo_shape query)
二、特殊查询
- [1、内容推荐查询：more_like_this query](#1、内容推荐查询：more_like_this query)
- [2、脚本查询：script query](#2、脚本查询：script query)
- [3、percolate query](#3、percolate query)
总结

前言

最近除了再用es的基础全文查询外，也频繁用到了ES的地理位置查询与特殊查询，故而再次记录一下。

一、地理位置查询

1、点位距离查询：geo_distance query

例如：给出一个中心点，查询距离该中心点指定范围内的文档：

javascript 复制代码

GET /address_point/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match_all": {}
        }
      ],
      "filter": [
        {
          "geo_distance": {
            "distance": "600km",
            "location": {
              "lat": 34.288991,
              "lon": 108.940429
            }
          }
        }
      ]
    }
  }
}

查询以(34.288991,108.940429) 为圆心，以 600KM 为半径，这个范围内的数据。

2、矩形面内查询：geo_bounding_box query

在某一个矩形内的点，通过两个点锁定一个矩形：

javascript 复制代码

GET /address_point/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match_all": {}
        }
      ],
      "filter": [
        {
          "geo_bounding_box": {
            "location": {
              "top_left": {
                "lat": 32.0639555946604,
                "lon": 118.78967285156249
              },
              "bottom_right": {
                "lat": 29.98824461550903,
                "lon": 122.20642089843749
              }
            }
          }
        }
      ]
    }
  }
}

以南京经纬度作为矩形的左上角，以舟山经纬度作为矩形的右下角，构造出来的矩形中，包含上海和杭州两个城市。

3、多边形范围内查询：geo_polygon query

在某一个多边形范围内的查询：

javascript 复制代码

GET /address_point/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match_all": {}
        }
      ],
      "filter": [
        {
          "geo_polygon": {
            "location": {
              "points": [
                {
                  "lat": 31.793755581217674,
                  "lon": 113.8238525390625
                },
                {
                  "lat": 30.007273923504556,
                  "lon":114.224853515625
                },
                {
                  "lat": 30.007273923504556,
                  "lon":114.8345947265625
                }
              ]
            }
          }
        }
      ]
    }
  }
}

给定多个点，由多个点组成的多边形中的数据。

4、集合图形关系查询：geo_shape query

geo_shape 用来查询图形，针对 geo_shape，两个图形之间的关系有：相交、包含、不相交。

新建索引：

javascript 复制代码

PUT geo_shape
{
  "mappings": {
    "properties": {
      "name":{
        "type": "keyword"
      },
      "location":{
        "type": "geo_shape"
      }
    }
  }
}

添加一条线：

javascript 复制代码

PUT geo_shape/_doc/1
{
  "name":"西安-郑州",
  "location":{
    "type":"linestring",
    "coordinates":[
      [108.9404296875,34.279914398549934],
      [113.66455078125,34.768691457552706]
      ]
  }
}

查询某一个图形中是否包含该线：

javascript 复制代码

GET geo_shape/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match_all": {}
        }
      ],
      "filter": [
        {
          "geo_shape": {
            "location": {
              "shape": {
                "type": "envelope",
                "coordinates": [
                  [
            106.5234375,
            36.80928470205937
          ],
          [
            115.33447265625,
            32.24997445586331
          ]
                ]
              },
              "relation": "within"
            }
          }
        }
      ]
    }
  }
}

relation 属性表示两个图形的关系：

1、within 包含

2、intersects 相交

3、disjoint 不相交

二、特殊查询

1、内容推荐查询：more_like_this query

more_like_this query 可以实现基于内容的推荐，给定一篇文章，可以查询出和该文章相似的内容。

javascript 复制代码

GET books/_search
{
  "query": {
    "more_like_this": {
      "fields": [
        "info"
      ],
      "like": "大学战略",
      "min_term_freq": 1,
      "max_query_terms": 12
    }
  }
}

说明：

1、fields：要匹配的字段，可以有多个。

2、like：要匹配的文本。

3、min_term_freq：词项的最低频率，默认是 2。特别注意，这个是指词项在要匹配的文本中的频率，而不是 es 文档中的频率 。

4、max_query_terms：query 中包含的最大词项数目。

5、min_doc_freq：最小的文档频率，搜索的词，至少在多少个文档中出现，少于指定数目，该词会被忽略。

6、max_doc_freq：最大文档频率。

7、analyzer：分词器，默认使用字段的分词器

8、stop_words：停用词列表。

9、minmum_should_match

2、脚本查询：script query

脚本查询，例如查询所有价格大于 200 的图书：

javascript 复制代码

GET books/_search
{
  "query": {
    "bool": {
      "filter": [
        {
          "script": {
            "script": {
              "lang": "painless",
              "source": "if(doc['price'].size()!=0){doc['price'].value > 200}"
            }
          }
        }
      ]
    }
  }
}

3、percolate query

percolate query 译作渗透查询或者反向查询。

1、正常操作：根据查询语句找到对应的文档 query->document
2、percolate query：根据文档，返回与之匹配的查询语句，document->query

应用场景：价格监控、库存报警、股票警告等等

例如阈值告警，假设指定字段值大于阈值，报警提示。

percolate mapping 定义：

javascript 复制代码

PUT log
{
  "mappings": {
    "properties": {
      "threshold":{
        "type": "long"
      },
      "count":{
        "type": "long"
      },
      "query":{
        "type":"percolator"
      }
    }
  }
}

percolator 类型相当于 keyword、long 以及 integer 等。

插入文档：

javascript 复制代码

PUT log/_doc/1
{
  "threshold":10,
  "query":{
    "bool":{
      "must":{
        "range":{
          "count":{
            "gt":10
          }
        }
      }
    }
  }
}

查询：

javascript 复制代码

GET log/_search
{
  "query": {
    "percolate": {
      "field": "query",
      "documents": [
        {
          "count":3
        },
        {
          "count":6
        },
        {
          "count":90
        },
        {
          "count":12
        },
        {
          "count":15
        }
        ]
    }
  }
}

查询结果中会列出不满足条件的文档。

查询结果中的 _percolator_document_slot 字段表示文档的 position，从 0 开始计。

总结

上面简单介绍了ES中比较少用的查询方法，更多可以查看官网。