elasticsearch的查询依然是基于JSON风格的DSL来实现的

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

      1. GET /索引库名/_search
      2. {
      3. "query": {
      4. "查询类型": {
      5.  "查询条件": "条件值"
      6. }
      7. }
      8. }

      查询所有

      match_all能查出总数，但是只显示十条，分页了的。
      1. GET /索引库名/_search
      2. {
      3. "query": {
      4. "match_all": {
      5. }
      6. }
      7. }

      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：

  • 淘宝的输入框搜索
  • 百度的输入框搜索

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。

match

单字段查询

  1. GET /索引库名/_search
  2. {
  3.   "query": {
  4.     "match": {
  5.       "字段名": "文本"
  6.     }
  7.   }
  8. }

image.png :::success all这个字段是copyto组合字段，搜索这个字段，就等于联合搜索多个字段，RestClient操作索引库 :::

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

  1. GET /索引库名/_search
  2. {
  3.   "query": {
  4.     "multi_match": {
  5.       "query": "文本",
  6.       "fields": ["字段1", "字段2"]
  7.     }
  8.   }
  9. }

image.png :::danger 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 :::

精准查询

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

    因为精确查询的字段搜是不分词的字段，因此查询的条件也必须是不分词的词条。查询时，用户输入的内容跟字段完全匹配时才认为符合条件。如果用户输入的内容过多或者过少，反而搜索不到数据。

    1. GET /索引库名/_search
    2. {
    3. "query": {
    4.   "term": {
    5.     "字段": {
    6.       "value": "文本"
    7.     }
    8.   }
    9. }
    10. }

    image.png

    range

    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。

    1. GET /索引库名/_search
    2. {
    3. "query": {
    4.   "range": {
    5.     "字段": {
    6.       "gte": 10,
    7.       "lte": 20
    8.     }
    9.   }
    10. }
    11. }

    :::success

  • gte代表大于等于，gt则代表大于

  • lte代表小于等于，lt则代表小于 ::: image.png

    地理查询

    所谓的地理坐标查询，其实就是根据经纬度查询，官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/geo-queries.html
    常见的使用场景包括：

  • 搜索我附近的酒店

  • 搜索我附近的出租车

  • 搜索我附近的人

    geo_bounding_box

    矩形范围查询，也就是geo_bounding_box查询，查询坐标落在某个矩形范围的所有文档：
    DKV9HZbVS6.gif
    查询时，需要指定矩形的左上top_left、右下bottom_right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。

    1. GET /索引库名/_search
    2. {
    3. "query": {
    4.   "geo_bounding_box": {
    5.     "坐标字段": {
    6.       "top_left": {
    7.         "lat": 31.1,
    8.         "lon": 121.5
    9.       },
    10.       "bottom_right": {
    11.         "lat": 30.9,
    12.         "lon": 121.7
    13.       }
    14.     }
    15.   }
    16. }
    17. }

    :::success

  • top_left：左上点

  • bottom_right：右下点
  • lat：纬度

  • lon：经度 ::: image.png

    geo_distance

    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：
    vZrdKAh19C.gif

    1. GET /索引库名/_search
    2. {
    3. "query": {
    4.   "geo_distance": {
    5.     "distance": "15km",
    6.     "坐标字段": "31.21,121.5"
    7.   }
    8. }
    9. }

    image.png

    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，我们搜索 “虹桥如家”，结果如下：

    1. [
    2. {
    3.   "_score" : 17.850193,
    4.   "_source" : {
    5.     "name" : "虹桥如家酒店真不错",
    6.   }
    7. },
    8. {
    9.   "_score" : 12.259849,
    10.   "_source" : {
    11.     "name" : "外滩如家酒店真不错",
    12.   }
    13. },
    14. {
    15.   "_score" : 11.91091,
    16.   "_source" : {
    17.     "name" : "迪士尼如家酒店真不错",
    18.   }
    19. }
    20. ]

    在elasticsearch中，早期使用的打分算法是TF-IDF算法，公式如下：
    image-20210721190152134.png
    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：
    image-20210721190416214.png
    TF-IDF算法有一各缺陷，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：
    image-20210721190907320.png

    function_score算分函数查询

    根据相关度打分是比较合理的需求，但合理的不一定是产品经理需要的。
    以百度为例，你搜索的结果中，并不是相关度越高排名越靠前，而是谁掏的钱多排名就越靠前。
    要想人为控制相关性算分，就需要利用elasticsearch中的function_score 查询了。
    image-20210721191544750.png
    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。

测试：
需求：给“如家”这个品牌的酒店排名靠前一些
image.png

bool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

:::warning 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 :::
    1. GET /索引库名/_search
    2. {
    3. "query": {
    4.   "bool": {
    5.     "must": [
    6.       #子查询“与”
    7.     ],
    8.     "should": [
    9.       #子查询“或”
    10.     ],
    11.     "must_not": [
    12.       #子查询“非”，不算分
    13.     ],
    14.     "filter": [
    15.       #子查询“与”，不算分
    16.     ]
    17.   }
    18. }
    19. }
    测试
    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。
    image.png