分布式搜索引擎-DSL查询文档

文章目录

分布式搜索引擎-DSL查询文档
- 1、DSL Query的分类
- - 1.1、全文检索查询
  - 1.2、精确查询
  - 1.3、地理查询
  - 1.4、复合查询
  - 1.5、Function Score Query
  - 1.6、复合查询Boolean Query
- 2、搜索结果处理
- - 2.1、排序
  - 2.2、分页
  - 2.3、深度分页
  - 2.4、高亮

1、DSL Query的分类

Elasticsearch提供了基于JSON的DSL（Domain Specific Language官网）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

查询语法：

GET /indexName/_search
{"query": {"查询类型": {"查询条件": "条件值"}}
}

示例：

# 查询所有数据
GET /hotel/_search
{"query": {"match_all": {}}
}

1.1、全文检索查询

全文检索查询，会对用户输入内容分词，常用于搜索框搜索：

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"}}
}

# match查询
GET /hotel/_search
{"query": {"match": {"address": "上海"}}

multi_match：与match查询类似，只不过允许同时查询多个字段，（查询越多，性能越差）语法：

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

# multi_match
GET /hotel/_search
{"query": {"multi_match": {"query": "上海","fields": ["name","business","address"]}}
}

1.2、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

# term查询
GET /hotel/_search
{"query": {"term": {"city": {"value": "上海"}}}
}

range：根据值的范围查询

#Range查询
GET /hotel/_search
{"query": {"range": {"price": {"gte": 100,"lte": 300}}}
}

gte：大于等于

gt：大于

lte：小于等于

lt：小于

1.3、地理查询

根据经纬度查询，ES官方文档关于地理查询。例如：

geo_bounding_box：查询geo_point值落在某个矩形范围的所有文档

#geo_bounding_box查询
GET /hotel/_search
{"query": {"geo_bounding_box": {"location": {"top_left": {"lat": 31.1,"lon": 121.5},"bottom_right": {"lat": 30.9,"lon": 121.7}}}}
}

geo_distance：查询到指定中心点小于某个距离值的所有文档

#geo_distance查询
GET /hotel/_search
{"query": {"geo_distance":{"distance":"15km","location":"31.21,121.5"}}
}

1.4、复合查询

复合（compound）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，例如：

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。（意思就是可以可控制搜索的结果）

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：

搜索条件的公式：

算法1：

算法2TF_IDF算法（减少关键词打分）：
算法3BM2.5（不会受词频影响较大）：

1.5、Function Score Query

使用 function score query官方分档，可以修改文档的相关性算分（query score），根据新得到的算分排序。

通过对weight进行值的增加，就可以使得搜素的排名靠的更加前面。

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

1.6、复合查询Boolean Query

布尔查询是一个或多个查询子句的组合。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

看这张图就明白了

说白了就是多个条件进行组合查询。

例如：查询名字中有上海的，并且价格不大于100，距离在31.21,121.5方圆100km的所有酒店

# 条件查询boolean
GET /hotel/_search
{"query": {"bool": {"must": [{"match": {"name": "上海"}}],"must_not": [{"range": {"price": {"gt": 400}}}],"filter": [{"geo_distance": {"distance": "10km","location": {"lat": 31.21,"lon": 121.5}}}]}}
}

2、搜索结果处理

elasticsearch支持对搜索结果排序，默认是根据相关度算分（_score）来排序。可以排序字段类型有：keyword类型、数值类型、地理坐标类型、日期类型等。

注意：在进行结果排序之后，默认的相关度算分就没有什么意义了，所以_score就变成了null。

2.1、排序

测试demo1：实现对分数排降序，对价格升序

#sort排序
GET /hotel/_search
{"query": {"match_all": {}},"sort": [{"score": "desc"},{"price": "asc"}]
}

测试2：实现当前位置为基准，按照距离远近升序排序（101.719015,26.568627）

GET /hotel/_search
{"query": {"match_all": {}},"sort": [{"_geo_distance": {"location": {"lat": "26.568627","lon": "101.719015"},"order": "asc","unit": "km"}}]
}

结果：

2.2、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：

# 分页
GET /hotel/_search
{"query": {"match_all": {}},"from": 990,  //分页开始的位置，默认为0"size": 20,  //期望获取的文档总数"sort": [{"price": "asc"}]
}

问题：这种分页方式不支持ES的集群环境，所以集群情况下就需要使用深度分页。

2.3、深度分页

介绍：

ES是分布式的，所以会面临深度分页问题。例如按price排序后，获取from = 990，size =10的数据：

首先在每个数据分片上都排序并查询前1000条文档。
然后将所有节点的结果聚合，在内存中重新排序选出前1000条文档
最后从这1000条中，选取从990开始的10条文档

如果搜索页数过深，或者结果集（from + size）越大，对内存和CPU的消耗也越高。因此ES设定结果集查询的上限默认是10000。

解决方案：

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：原理将排序数据形成快照，保存在内存，对内存消耗较大。官方已经不推荐使用。

2.4、高亮

高亮：就是在搜索结果中把搜索关键字突出显示。

其内部实现的原理：

服务端将搜索结果中的关键字用标签标记出来
在页面中给标签添加css样式

查询语句：

#高亮查询
#默认情况下，搜索字段和高亮字段一直方可
GET /hotel/_search
{"query": {"match": {   //高亮字段"name": "上海"}},"highlight": {"fields": {"name": {"pre_tags": "<em>", //标记高亮的前置标签"post_tags": "</em>"//标记高亮的后置标签}}}
}

其中：

下面两个字段是无需指定的，默认高亮标签就是em
```
"pre_tags": "<em>",
"post_tags": "</em>"
```

还有，当高亮字段和匹配字段不一致的时候就要使用"require_field_match": "false", 来进行设置，当然查询字段包含高亮字段，例如：

#高亮查询
#默认情况下，搜索字段和高亮字段一直方可
GET /hotel/_search
{"query": {"match": {"all": "上海"}},"highlight": {"fields": {"name": {"require_field_match": "false",  //与all字段不相匹配，但包含在all字段}}}
}