目录
-
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：查询出所有的数据，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
- 查询的基本语法
- GET /indexName/_search
- {
- "query": {
- "查询类型": {
- "查询条件": "条件值"
- }
- }
- }
- 以查询所有为例，其中：
- 查询类型为match_all
- 没有查询条件
- // 查询所有
- GET /indexName/_search
- {
- "query": {
- "match_all": {
- }
- }
- }
-
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
- 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
- 常用的全文检索查询包括：
- match查询：单字段查询
- multi_match：多字段查询，任意一个字段符合条件就可算符合查询条件
- match查询示例
- GET /indexName/_search
- {
- "query": {
- "match": {
- "FIELD": "TEXT"
- }
- }
- }
- multi_match查询示例
- GET /indexName/_search
- {
- "query": {
- "multi_match": {
- "query": "TEXT",
- "fields": ["FIELD1", "FIELD12"]
- }
- }
- }
- 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
- 小结
- match和multi_match的区别是什么？
- match：根据一个字段查询
- multi_match：根据多个字段查询，参与查询字段越多，查询性能越差
-
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，因此查询的条件必须是不分词的词条
- 查询时，用户输入的内容跟字段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
- 语法示例：
- // term查询
- GET /indexName/_search
- {
- "query": {
- "term": {
- "FIELD": {
- "value": "VALUE"
- }
- }
- }
- }
- 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
- 语法示例：
- // 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
- }
- }
- }
- }
- 小结
- 精确查询常见的有哪些？
- term查询：根据词条精确匹配，一般搜索keyword类型、数值类型、布尔类型、日期类型字段
- range查询：根据数值范围查询，可以是数值、日期的范围
-
地理查询
- 所谓的地理坐标查询，其实就是根据经纬度查询
- 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
- 也就是geo_bounding_box查询，查询坐标值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
- 语法示例：
- // 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
- 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
- 语法示例：
- // geo_distance 查询
- GET /indexName/_search
- {
- "query": {
- "geo_distance": {
- "distance": "15km", // 半径
- "FIELD": "31.21,121.5" // 圆心
- }
- }
- }
-
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
- 常见的有两种：
- 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
-
相关性算分
- 当利用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
- 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算法有一个缺陷，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
- 小结：
- elasticsearch会根据词条和文档的相关度做打分，算法有两种：
- TF-IDF算法
- BM25算法，elasticsearch5.1版本后采用的算法
-
算分函数查询
- 要想人为的控制相关性算分
- 就需要利用elasticsearch中的function_score 查询
- 语法说明
- 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
- 运算加权模式：
- 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，默认就是这个
- 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：
- GET /hotel/_search
- {
- "query": {
- "function_score": {
- "query": { .... }, // 原始查询，可以是任意条件
- "functions": [ // 算分函数
- {
- "filter": { // 满足的条件，品牌必须是如家
- "term": {
- "brand": "如家"
- }
- },
- "weight": 2 // 算分权重为2
- }
- ],
- "boost_mode": "sum" // 加权模式，求和
- }
- }
- }
- 小结
- 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
-
BooleanQuery
- 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
- 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
- 语法示例：
- GET /hotel/_search
- {
- "query": {
- "bool": {
- "must": [
- {"term": {"city": "长沙" }}
- ],
- "should": [
- {"term": { "brand": "希尔顿" } },
- {"term": { "brand": "万豪" } }
- ],
- "must_not": [
- { "range": { "price": {"lte": 500 } }}
- ],
- "filter": [
- {"range": { "score": { "gte": 45} }}
- ]
- }
- }
- }
- 案例：
- 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
- 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"}
- }}
- ]
- }
- }
- }
转载：https://blog.csdn.net/weixin_59624686/article/details/128779209
查看评论