DSL查询文档
我们已经导入了大量数据到elasticsearch中,实现了elasticsearch的数据存储功能。但elasticsearch最擅长的还是搜索和数据分析。
所以今天,我们研究下elasticsearch的数据搜索功能。我们会分别使用DSL和RestClient实现搜索。
elasticsearch的查询依然是基于JSON风格的DSL来实现的。
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
查询的语法基本一致:
GET /indexName/_search
{
"query": {
"查询类型": {
"查询条件": "条件值"
}
}
}
// 查询所有
GET /indexName/_search
{
"query": {
"match_all": {
}
}
}
1.全文检索查询
基本语法
常见的全文检索查询包括:
- match查询:单字段查询
- multi_match查询:多字段查询,任意一个字段符合条件就算符合查询条件
match查询语法如下:
get /hotel/_search
{
"query":{
"match": {
"all":"外滩如家"
}
}
}
mulit_match语法如下:
get /hotel/_search
{
"query":{
"multi_match": {
"query": "外滩如家",
"fields": ["brand","name","business"]
}
}
}
可以看到,两种查询结果是一样的,为什么?
因为我们将brand、name、business值都利用copy_to复制到了all字段中。因此你根据三个字段搜索,和根据all字段搜索效果当然一样了。
但是,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。
总结
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
2.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
-
1.term查询
因为精确查询的字段搜是不分词的字段,因此查询的条件也必须是不分词的词条。查询时,用户输入的内容跟自动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。
get /hotel/_search
{
"query":{
"term": {
"city": {
"value": "上海"
}
}
}
}
2.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。
基本语法:get /hotel/_search
{
"query":{
"range": {
"price": {
"gte": 300,
"lte": 400
}
}
}
}
总结
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
-
3.地理坐标查询
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: 携程:搜索我附近的酒店
- 滴滴:搜索我附近的出租车
-
1.矩形范围查询(不用)
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:
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。
语法如下:GET hotel/_search
{
"query":{
"geo_bounding_box":{
"location":{
"top_left": {
"lat": 31.1,
"lon": 121.5
},
"bottom_right":{
"lat": 30.9,
"lon": 121.7
}
}
}
}
}
2.附近查询
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。get /hotel/_search
{
"query":{
"geo_distance":{
"distance":"15km",
"location":"31.21,121.5"
}
}
}
3.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
3.1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。
在elasticsearch中,早期使用的打分算法是TF-IDF算法
在后来的5.1版本升级中,elasticsearch将算法改进为BM25算法
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:
小结:elasticsearch会根据词条和文档的相关度做打分,算法由两种:TF-IDF算法
BM25算法,elasticsearch5.1版本后采用的算法
3.2算分函数查询
要想人为控制相关性算分,就需要利用elasticsearch中的function score 查询了。
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
- 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
-
事例:
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": {
"match": {
"all": "外滩"
}
}
}
}
}
get /hotel/_search
{
"query":{
"function_score": {
"query": {
"match": {
"all": "外滩"
}
},
"functions": [
{
"filter": {
"term": {
"brand": "如家"
}
},
"weight": 10
}
],
"boost_mode": "sum"
}
}
}
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
4.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
每一个不同的字段,其查询的条件、方式都不一样,必须是多个不同的查询,而要组合这些查询,就必须用bool查询了。
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
GET /hotel/_search
{
"query": {
"bool": {
"must": [
{"term": {"city": "上海" }}
],
"should": [
{"term": {"brand": "皇冠假日" }},
{"term": {"brand": "华美达" }}
],
"must_not": [
{ "range": { "price": { "lte": 500 } }}
],
"filter": [
{ "range": {"score": { "gte": 45 } }}
]
}
}
}
事例:
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": { "gte": 400 } } } ], "filter": [ { "geo_distance": { "distance": "10km", "location": { "lat": 31.21, "lon": 121.5 } } } ] } } }
小结
bool查询有几种逻辑关系?
must:必须匹配的条件,可以理解为“与”
- should:选择性匹配的条件,可以理解为“或”
- must_not:必须不匹配的条件,不参与打分
-
搜索结果处理:
elasticsearch默认是根据相关度算分(_score)来排序,但是也支持自定义方式对搜索结果排序。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。
5.排序
1.普通字段排序
keyword、数值、日期类型排序的语法基本一致。
语法如下:get hotel/_search { "query":{ "match_all": {} }, "sort":[ { "score":"desc" }, { "price":"asc" } ] }
2.地理坐标排序
地理坐标排序略有不同。
语法说明:GET /indexName/_search { "query": { "match_all": {} }, "sort": [ { "_geo_distance" : { "FIELD" : "纬度,经度", // 文档中geo_point类型的字段名、目标坐标点 "order" : "asc", // 排序方式 "unit" : "km" // 排序的距离单位 } } ] }
这个查询的含义是:
指定一个坐标,作为目标点
- 计算每一个文档中,指定字段(必须是geo_point类型)的坐标 到目标点的距离是多少
- 根据距离排序
示例:
需求描述:实现对酒店数据按照到你的位置坐标的距离升序排序
提示:获取你的位置的经纬度的方式:https://lbs.amap.com/demo/jsapi-v2/example/map/click-to-get-lnglat/
get /hotel/_search
{
"query":{
"match_all": {}
},
"sort":[
{
"_geo_distance":{
"location":{
"lat":31.270434,
"lon":121.485602
},
"order":"asc",
"unit":"km"
}
}]
}
6.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:
- from:从第几个文档开始
- size:总共查询几个文档
1.基本的分页
分页的基本语法如下:
GET /hotel/_search
{
"query": {
"match_all": {}
},
"from": 0, // 分页开始的位置,默认为0
"size": 10, // 期望获取的文档总数
"sort": [
{"price": "asc"}
]
}
2.深度分页问题
现在,我要查询990~1000的数据,查询逻辑要这么写:
GET /hotel/_search
{
"query": {
"match_all": {}
},
"from": 990, // 分页开始的位置,默认为0
"size": 10, // 期望获取的文档总数
"sort": [
{"price": "asc"}
]
}
这里是查询990开始的数据,也就是 第990~第1000条 数据。
不过,elasticsearch内部分页时,必须先查询 0~1000条,然后截取其中的990 ~ 1000的这10条:
查询TOP1000,如果es是单点模式,这并无太大影响。
但是elasticsearch将来一定是集群,例如我集群有5个节点,我要查询TOP1000的数据,并不是每个节点查询200条就可以了。
因为节点A的TOP200,在另一个节点可能排到10000名以外了。
因此要想获取整个集群的TOP1000,必须先查询出每个节点的TOP1000,汇总结果后,重新排名,重新截取TOP1000。
那如果我要查询9900~10000的数据呢?是不是要先查询TOP10000呢?那每个节点都要查询10000条?汇总到内存中?
当查询分页深度较大时,汇总数据过多,对内存和CPU会产生非常大的压力,因此elasticsearch会禁止from+ size 超过10000的请求。
GET hotel/_search
{
"query": {
"match": {
"all": "外滩如家"
}
},
"size": 3,
"search_after": [379, "433576"],
"sort": [
{
"price": {
"order": "desc"
}
},
{
"id": {
"order": "asc"
}
}
]
}
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:原理将排序后的文档id形成快照,保存在内存。官方已经不推荐使用。
小结
分页查询的常见实现方案以及优缺点:
from + size:
- 优点:支持随机翻页
- 缺点:深度分页问题,默认查询上限(from + size)是10000
- 场景:百度、京东、谷歌、淘宝这样的随机翻页搜索
- after search:
- 优点:没有查询上限(单次查询的size不超过10000)
- 缺点:只能向后逐页查询,不支持随机翻页
- 场景:没有随机翻页需求的搜索,例如手机向下滚动翻页
scroll:
1)给文档中的所有关键字都添加一个标签,例如标签
- 2)页面给标签编写CSS样式
高亮的语法:
注意:
- 高亮是对关键字高亮,因此搜索条件必须带有关键字,而不能是范围这样的查询。
- 默认情况下,高亮的字段,必须与搜索指定的字段一致,否则无法高亮
如果要对非搜索字段高亮,则需要添加一个属性:required_field_match=false
get /hotel/_search { "query":{ "match": { "all": "如家" } }, "highlight":{ "fields": { "name": { "pre_tags": "<em>", "post_tags": "</em>", "require_field_match": "false" } } } }
总结
查询的DSL是一个大的JSON对象,包含下列属性:
query:查询条件
- from和size:分页条件
- sort:排序条件
-
RestClient查询文档
文档的查询同样适用昨天学习的 RestHighLevelClient对象,基本步骤包括:
1)准备Request对象
- 2)准备请求参数
- 3)发起请求
-
1.快速入门
1.1.发起查询请求
代码解读: 第一步,创建SearchRequest对象,指定索引库名
- 第二步,利用request.source()构建DSL,DSL中可以包含查询、分页、排序、高亮等
- query():代表查询条件,利用QueryBuilders.matchAllQuery()构建一个match_all查询的DSL
- 第三步,利用client.search()发送请求,得到响应
这里关键的API有两个,一个是request.source(),其中包含了查询、排序、分页、高亮等所有功能:
另一个是QueryBuilders,其中包含match、term、function_score、bool等各种查询:
1.2.解析响应
响应结果的解析:
elasticsearch返回的结果是一个JSON字符串,结构包含:
- hits:命中的结果
- total:总条数,其中的value是具体的总条数值
- max_score:所有结果中得分最高的文档的相关性算分
- hits:搜索结果的文档数组,其中的每个文档都是一个json对象
- _source:文档中的原始数据,也是json对象
因此,我们解析响应结果,就是逐层解析JSON字符串,流程如下:
SearchHits:通过response.getHits()获取,就是JSON中的最外层的hits,代表命中的结果
- SearchHits#getTotalHits().value:获取总条数信息
SearchHits#getHits():获取SearchHit数组,也就是文档数组
- SearchHit#getSourceAsString():获取文档结果中的_source,也就是原始的json文档数据
1.3.完整代码
```json @Test void testMatchAll() throws IOException { // 1.准备Request SearchRequest request = new SearchRequest(“hotel”); // 2.准备DSL request.source() .query(QueryBuilders.matchAllQuery()); // 3.发送请求 SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应 handleResponse(response); }
- SearchHit#getSourceAsString():获取文档结果中的_source,也就是原始的json文档数据
private void handleResponse(SearchResponse response) { // 4.解析响应 SearchHits searchHits = response.getHits(); // 4.1.获取总条数 long total = searchHits.getTotalHits().value; System.out.println(“共搜索到” + total + “条数据”); // 4.2.文档数组 SearchHit[] hits = searchHits.getHits(); // 4.3.遍历 for (SearchHit hit : hits) { // 获取文档source String json = hit.getSourceAsString(); // 反序列化 HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class); System.out.println(“hotelDoc = “ + hotelDoc); } }
<a name="ZHrd8"></a>
#### 1.4.小结
查询的基本步骤是:
1. 创建SearchRequest对象
1. 准备Request.source(),也就是DSL。① QueryBuilders来构建查询条件② 传入Request.source() 的 query() 方法
1. 发送请求,得到结果
1. 解析结果(参考JSON结果,从外到内,逐层解析)
<a name="p9wRs"></a>
## 2.match查询
全文检索的match和multi_match查询与match_all的API基本一致。差别是查询条件,也就是query的部分。<br />![image.png](https://cdn.nlark.com/yuque/0/2022/png/26568475/1655642524855-2390ad55-3e62-4f04-9ee1-725faf02f5c2.png#clientId=u87947fac-4b0f-4&crop=0&crop=0&crop=1&crop=1&from=paste&height=314&id=u95777e8a&margin=%5Bobject%20Object%5D&name=image.png&originHeight=627&originWidth=455&originalType=binary&ratio=1&rotation=0&showTitle=false&size=85258&status=done&style=none&taskId=uba7cbff0-05eb-4089-98b4-1c02ee3af5b&title=&width=227.5)<br />因此,Java代码上的差异主要是request.source().query()中的参数了。同样是利用QueryBuilders提供的方法:<br />![image.png](https://cdn.nlark.com/yuque/0/2022/png/26568475/1655642542660-c2cf4ca6-a09f-468f-9463-b8daf2981754.png#clientId=u87947fac-4b0f-4&crop=0&crop=0&crop=1&crop=1&from=paste&height=89&id=ud2027876&margin=%5Bobject%20Object%5D&name=image.png&originHeight=177&originWidth=867&originalType=binary&ratio=1&rotation=0&showTitle=false&size=75370&status=done&style=none&taskId=u30eac85b-838f-4c32-b29c-31b5e6cc311&title=&width=433.5)<br />而结果解析代码则完全一致,可以抽取并共享。<br />完整代码如下:
```json
@Test
void testMatch() throws IOException {
// 1.准备Request
SearchRequest request = new SearchRequest("hotel");
// 2.准备DSL
request.source()
.query(QueryBuilders.matchQuery("all", "如家"));
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
handleResponse(response);
}
3.精确查询
精确查询主要是两者:
- term:词条精确匹配
- range:范围查询
与之前的查询相比,差异同样在查询条件,其它都一样。
查询条件构造的API如下:
@Test
void testTermMatch() throws IOException {
SearchRequest hotel = new SearchRequest("hotel");
hotel.source().query(QueryBuilders.termQuery("city","杭州"));
SearchResponse response = client.search(hotel, RequestOptions.DEFAULT);
handleResponse(response);
}
@Test
void testRangeMatch() throws IOException {
SearchRequest hotel = new SearchRequest("hotel");
hotel.source().query(QueryBuilders.rangeQuery("price").gte(100).lte(150));
SearchResponse response = client.search(hotel, RequestOptions.DEFAULT);
handleResponse(response);
}
4.布尔查询
布尔查询是用must、must_not、filter等方式组合其它查询,代码示例如下:
可以看到,API与其它查询的差别同样是在查询条件的构建,QueryBuilders,结果解析等其他代码完全不变。
完整代码如下:
@Test
void testBool() throws IOException {
// 1.准备Request
SearchRequest request = new SearchRequest("hotel");
// 2.准备DSL
// 2.1.准备BooleanQuery
BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
// 2.2.添加term
boolQuery.must(QueryBuilders.termQuery("city", "杭州"));
// 2.3.添加range
boolQuery.filter(QueryBuilders.rangeQuery("price").lte(250));
request.source().query(boolQuery);
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
handleResponse(response);
}
5.排序、分页
搜索结果的排序和分页是与query同级的参数,因此同样是使用request.source()来设置。
对应的API如下:
@Test
void testPageAndSort() throws IOException {
// 页码,每页大小
int page = 1, size = 5;
// 1.准备Request
SearchRequest request = new SearchRequest("hotel");
// 2.准备DSL
// 2.1.query
request.source().query(QueryBuilders.matchAllQuery());
// 2.2.排序 sort
request.source().sort("price", SortOrder.ASC);
// 2.3.分页 from、size
request.source().from((page - 1) * size).size(5);
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
handleResponse(response);
}
6.高亮
高亮的代码与之前代码差异较大,有两点:
- 查询的DSL:其中除了查询条件,还需要添加高亮条件,同样是与query同级。
- 结果解析:结果除了要解析_source文档数据,还要解析高亮结果
3.6.1.高亮请求构建
高亮请求的构建API如下:
上述代码省略了查询条件部分,但是大家不要忘了:高亮查询必须使用全文检索查询,并且要有搜索关键字,将来才可以对关键字高亮。
完整代码如下: ```java @Test void testHighlight() throws IOException { // 1.准备Request SearchRequest request = new SearchRequest(“hotel”); // 2.准备DSL // 2.1.query request.source().query(QueryBuilders.matchQuery(“all”, “如家”)); // 2.2.高亮 request.source().highlighter(new HighlightBuilder().field(“name”).requireFieldMatch(false)); // 3.发送请求 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.解析响应 handleResponse(response);
}
<a name="muTiG"></a>
### 6.2.高亮结果解析
高亮的结果与查询的文档结果默认是分离的,并不在一起。<br />因此解析高亮的代码需要额外处理:<br />![image.png](https://cdn.nlark.com/yuque/0/2022/png/26568475/1655642815456-a61dd45b-63d3-4084-b1df-afb87e70cf51.png#clientId=u87947fac-4b0f-4&crop=0&crop=0&crop=1&crop=1&from=paste&height=303&id=u8d9ea138&margin=%5Bobject%20Object%5D&name=image.png&originHeight=605&originWidth=1383&originalType=binary&ratio=1&rotation=0&showTitle=false&size=247429&status=done&style=none&taskId=u358e9da8-b150-4d0f-9800-4b94a7879bd&title=&width=691.5)<br />代码解读:
- 第一步:从结果中获取source。hit.getSourceAsString(),这部分是非高亮结果,json字符串。还需要反序列为HotelDoc对象
- 第二步:获取高亮结果。hit.getHighlightFields(),返回值是一个Map,key是高亮字段名称,值是HighlightField对象,代表高亮值
- 第三步:从map中根据高亮字段名称,获取高亮字段值对象HighlightField
- 第四步:从HighlightField中获取Fragments,并且转为字符串。这部分就是真正的高亮字符串了
- 第五步:用高亮的结果替换HotelDoc中的非高亮结果
完整代码如下:
```java
private void handleResponse(SearchResponse response) {
// 4.解析响应
SearchHits searchHits = response.getHits();
// 4.1.获取总条数
long total = searchHits.getTotalHits().value;
System.out.println("共搜索到" + total + "条数据");
// 4.2.文档数组
SearchHit[] hits = searchHits.getHits();
// 4.3.遍历
for (SearchHit hit : hits) {
// 获取文档source
String json = hit.getSourceAsString();
// 反序列化
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
// 获取高亮结果
Map<String, HighlightField> highlightFields = hit.getHighlightFields();
if (!CollectionUtils.isEmpty(highlightFields)) {
// 根据字段名获取高亮结果
HighlightField highlightField = highlightFields.get("name");
if (highlightField != null) {
// 获取高亮值
String name = highlightField.getFragments()[0].string();
// 覆盖非高亮结果
hotelDoc.setName(name);
}
}
System.out.println("hotelDoc = " + hotelDoc);
}
}
自己写的练习代码:
//查询所有
@Test
void testMathchAll() throws IOException {
//1.准备request
SearchRequest request = new SearchRequest("hotel");
//2.准备DSL
request.source().query(QueryBuilders.matchAllQuery());
//3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
//4.解析响应
handleResponse(response);
}
//match查询
@Test
void testMatch() throws IOException {
SearchRequest request = new SearchRequest("hotel");
request.source().query(QueryBuilders.matchQuery("all", "如家"));
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
handleResponse(response);
}
//多字段查询
@Test
void testMultiMatch() throws IOException {
SearchRequest hotel = new SearchRequest("hotel");
hotel.source().query(QueryBuilders.multiMatchQuery("如家", "brand", "name"));
SearchResponse response = client.search(hotel, RequestOptions.DEFAULT);
handleResponse(response);
}
//精确
@Test
void testTermMatch() throws IOException {
SearchRequest hotel = new SearchRequest("hotel");
hotel.source().query(QueryBuilders.termQuery("city", "杭州"));
SearchResponse response = client.search(hotel, RequestOptions.DEFAULT);
handleResponse(response);
}
//范围
@Test
void testRangeMatch() throws IOException {
SearchRequest hotel = new SearchRequest("hotel");
hotel.source().query(QueryBuilders.rangeQuery("price").gte(100).lte(150));
SearchResponse response = client.search(hotel, RequestOptions.DEFAULT);
handleResponse(response);
}
//bool查询
@Test
void testBoolSearch() throws IOException {
SearchRequest request = new SearchRequest("hotel");
request.source().query(QueryBuilders.boolQuery()
.must(QueryBuilders.termQuery("city", "杭州"))
.filter(QueryBuilders.rangeQuery("price").lte(250)));
SearchResponse rs = client.search(request, RequestOptions.DEFAULT);
handleResponse(rs);
}
//排序
@Test
void testPageSort() throws IOException {
SearchRequest request = new SearchRequest("hotel");
request.source().query(QueryBuilders.matchAllQuery())
.from(0).size(5).sort("price", SortOrder.DESC);
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
handleResponse(response);
}
//高亮
@Test
void testHighLight() throws IOException {
SearchRequest request = new SearchRequest("hotel");
request.source().query(QueryBuilders.matchQuery("all", "如家"))
.highlighter(new HighlightBuilder().field("name").requireFieldMatch(false));
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
highLightResponse(response);
}
//高亮结果解析
private void highLightResponse(SearchResponse response) {
SearchHits hits = response.getHits();
long value = hits.getTotalHits().value;
System.out.println("文档的总数据:" + value);
SearchHit[] hits1 = hits.getHits();
for (SearchHit documentFields : hits1) {
String json = documentFields.getSourceAsString();
System.out.println(json);
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
Map<String, HighlightField> highlightFields = documentFields.getHighlightFields();
if (!CollectionUtils.isEmpty(highlightFields)) {
HighlightField highlightField = highlightFields.get("name");
if (highlightField != null) {
String name = highlightField.getFragments()[0].string();
hotelDoc.setName(name);
}
}
System.out.println("hotelDoc=" + hotelDoc);
}
}
//结果解析
private void handleResponse(SearchResponse response) {
SearchHits hits = response.getHits();
long value = hits.getTotalHits().value;
System.out.println("文档的总数据:" + value);
SearchHit[] hits1 = hits.getHits();
for (SearchHit documentFields : hits1) {
String sourceAsString = documentFields.getSourceAsString();
System.out.println(sourceAsString);
}
}
RestHighLevelClient client;
@BeforeEach
public void init() {
// 1. 准备好Es的客户端对象
client = new RestHighLevelClient(RestClient.builder(
HttpHost.create("http://192.168.200.130:9200")
));
}
@AfterEach
public void close() {
try {
client.close();
} catch (IOException e) {
e.printStackTrace();
}
}