1、DSL查询文档

1.1 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

    1.2 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
• 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

  1.3 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

//term
GET /indexName/_search
{
“query”: {
“term”: {
“FIELD”: {
“value”: “VALUE”
}
}
}
}

// 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
}
}
}
}

1.4 地理坐标查询

1.4.1 矩形范围查询

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。
GET hotel/_search
{
“query”:{
“geo_bounding_box”:{
“location”:{
“top_left”: {
“lat”: 31.1,
“lon”: 121.5
},
“bottom_right”:{
“lat”: 30.9,
“lon”: 121.7
}
}
}
}
}

1.4.2 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
// geo_distance 查询
GET /indexName/_search
{
“query”: {
“geo_distance”: {
“distance”: “15km”, // 半径
“FIELD”: “31.21,121.5” // 圆心
}
}
}

1.5 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

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。
[
{
“_score” : 17.850193,
“_source” : {
“name” : “虹桥如家酒店真不错”,
}
},
{
“_score” : 12.259849,
“_source” : {
“name” : “外滩如家酒店真不错”,
}
},
{
“_score” : 11.91091,
“_source” : {
“name” : “迪士尼如家酒店真不错”,
}
}
]

1.5.2 算分函数查询

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

• 运算模式：决定最终算分结果

  1.5.3 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

  2.对搜索结果进行处理

  2.1排序
  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。
  2.1.1普通字段排序
  keyword、数值、日期类型排序的语法基本一致。
  语法：
  GET /indexName/_search
  {
  “query”: {
  “match_all”: {}
  },
  “sort”: [
  {
  “FIELD”: “desc” // 排序字段、排序方式ASC、DESC
  }
  ]
  }
  排序条件是一个数组，也就是可以写多个排序条件。按照声明的顺序，当第一个条件相等时，再按照第二个条件排序，以此类推
  示例：
  需求描述：酒店数据按照用户评价（score)降序排序，评价相同的按照价格(price)升序排序
  2.1.2.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
  }
  }
  ]
  }
  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
  2.2.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
  类似于mysql中的limit ?, ?
  2.2.1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”}
  ]
  }
  2.2.2深度分页问题
  查询990~1000的数据:
  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”}
  ]
  }
  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。
  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。
  针对深度分页，ES提供了两种解决方案:
  ● 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。
  2.2.3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：
  ○ 优点：没有查询上限（单次查询的size不超过10000）
  ○ 缺点：会有额外内存消耗，并且搜索结果是非实时的
  ○ 场景：海量数据的获取和迁移。从ES7.1开始不推荐，建议用 after search方案。
  2.3高亮
  2.3.1高亮原理
  在百度，京东搜索时，关键字会变成红色，比较醒目，这叫高亮显示：
  高亮显示的实现分为两步：
  ● 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
  2.3.2实现高亮
  高亮的语法：
  GET /hotel/search
  {
  “query”: {
  “match”: {
  “FIELD”: “TEXT” // 查询条件，高亮一定要使用全文检索查询
  }
  },
  “highlight”: {
  “fields”: { // 指定要高亮的字段
  “FIELD”: {
  “pre_tags”: “”, // 用来标记高亮字段的前置标签
  “post_tags”: “” // 用来标记高亮字段的后置标签
  }
  }
  }
  }
  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
  3RestClient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
  ● 4）解析响应
  3.1快速入门
  3.1.1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：
  3.1.2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
  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
  3.2match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。
  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：
  而结果解析代码则完全一致，可以抽取并共享。
  3.3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：
  3.4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。
  3.5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
  3.6.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。
  3.6.2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。
  因此解析高亮的代码需要额外处理：
  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
  4黑马旅游案例
  下面，我们通过黑马旅游的案例来实战演练下之前学习的知识。
  我们实现四部分功能：
  ● 酒店搜索和分页
  ● 酒店结果过滤
  ● 我周边的酒店
  ● 酒店竞价排名
  启动我们提供的hotel-demo项目，其默认端口是8089，访问http://localhost:8090，就能看到项目页面了：
  4.1酒店搜索和分页
  4.1.1需求分析
  在项目的首页，有一个大大的搜索框，还有分页按钮：
  点击搜索按钮，可以看到浏览器控制台发出了请求：
  请求参数如下：
  由此可以知道，我们这个请求的信息如下：
  ● 请求方式：POST
  ● 请求路径：/hotel/list
  ● 请求参数：JSON对象，包含4个字段：
  ○ key：搜索关键字
  ○ page：页码
  ○ size：每页大小
  ○ sortBy：排序，目前暂不实现
  ● 返回值：分页查询，需要返回分页结果PageResult，包含两个属性：
  ○ total：总条数
  ○ List：当前页的数据
  实现业务的流程如下：
  ● 步骤一：定义实体类，接收请求参数的JSON对象
  ● 步骤二：编写controller，接收页面的请求
  ● 步骤三：编写业务实现，利用RestHighLevelClient实现搜索、分页
  4.1.2定义实体类
  实体类有两个，一个是前端的请求参数实体，一个是服务端应该返回的响应结果实体。
  1）请求参数
  前端请求的json结构如下：
  {
  “key”: “搜索关键字”,
  “page”: 1,
  “size”: 3,
  “sortBy”: “default”
  }
  因此，我们在cn.itcast.hotel.pojo包下定义一个实体类
  2）返回值
  分页查询，需要返回分页结果PageResult，包含两个属性：
  ● total：总条数
  ● List：当前页的数据
  因此，我们在cn.itcast.hotel.pojo中定义返回结果
  4.1.3定义controller
  定义一个HotelController，声明查询接口，满足下列要求：
  ● 请求方式：Post
  ● 请求路径：/hotel/list
  ● 请求参数：对象，类型为RequestParam
  ● 返回值：PageResult，包含两个属性
  ○ Long total：总条数
  ○ List hotels：酒店数据
  因此，我们在cn.itcast.hotel.web中定义HotelController
  4.1.4.实现搜索业务
  在controller调用了IHotelService，并没有实现该方法，因此下面就在IHotelService中定义方法，并且去实现业务逻辑。
  1）在cn.itcast.hotel.service中的IHotelService接口中定义一个方法
  2）实现搜索业务，肯定离不开RestHighLevelClient，我们需要把它注册到Spring中作为一个Bean。在cn.itcast.hotel中的HotelDemoApplication中声明这个Bean
  3）在cn.itcast.hotel.service.impl中的HotelService中实现search方法
  4.2酒店结果过滤
  4.2.1需求分析
  在页面搜索框下面，会有一些过滤项：
  传递的参数如图：
  包含的过滤条件有：
  ● brand：品牌值
  ● city：城市
  ● minPrice~maxPrice：价格范围
  ● starName：星级
  需要做两件事情：
  ● 修改请求参数的对象RequestParams，接收上述参数
  ● 修改业务逻辑，在搜索条件之外，添加一些过滤条件
  4.2.2.修改实体类
  修改在cn.itcast.hotel.pojo包下的实体类RequestParams
  4.2.3修改搜索业务
  在HotelService的search方法中，只有一个地方需要修改：requet.source().query( … )其中的查询条件。
  在之前的业务中，只有match查询，根据关键字搜索，现在要添加条件过滤，包括：
  ● 品牌过滤：是keyword类型，用term查询
  ● 星级过滤：是keyword类型，用term查询
  ● 价格过滤：是数值类型，用range查询
  ● 城市过滤：是keyword类型，用term查询
  多个查询条件组合，肯定是boolean查询来组合：
  ● 关键字搜索放到must中，参与算分
  ● 其它过滤条件放到filter中，不参与算分
  因为条件构建的逻辑比较复杂，这里先封装为一个函数：buildBasicQuery
  4.3我周边的酒店
  4.3.1需求分析
  在酒店列表页的右侧，有一个小地图，点击地图的定位按钮，地图会找到你所在的位置：
  并且，在前端会发起查询请求，将你的坐标发送到服务端：
  我们要做的事情就是基于这个location坐标，然后按照距离对周围酒店排序。实现思路如下：
  ● 修改RequestParams参数，接收location字段
  ● 修改search方法业务逻辑，如果location有值，添加根据geo_distance排序的功能
  4.3.2修改实体类
  修改在cn.itcast.hotel.pojo包下的实体类RequestParams
  4.3.3.距离排序API
  排序功能，包括两种：
  ● 普通字段排序
  ● 地理坐标排序
  地理坐标排序只学过DSL语法，如下：
  GET /indexName/_search
  {
  “query”: {
  “match_all”: {}
  },
  “sort”: [
  {
  “price”: “asc”
  },
  {
  “_geo_distance” : {
  “FIELD” : “纬度，经度”,
  “order” : “asc”,
  “unit” : “km”
  }
  }
  ]
  }
  4.3.4添加距离排序
  在cn.itcast.hotel.service.impl的HotelService的search方法中，添加一个排序功能
  4.3.5排序距离显示
  排序完成后，页面还要获取我附近每个酒店的具体距离值，这个值在响应结果中是独立的：
  在结果解析阶段，除了解析source部分以外，还要得到sort部分，也就是排序的距离，然后放到响应结果中。
  要做两件事：
  ● 修改HotelDoc，添加排序距离字段，用于页面显示
  ● 修改HotelService类中的handleResponse方法，添加对sort值的获取
  1）修改HotelDoc类，添加距离字段
  2）修改HotelService中的handleResponse方法
  4.4.酒店竞价排名
  需求：让指定的酒店在搜索结果中排名置顶
  4.4.1需求分析
  要让指定酒店在搜索结果中排名置顶
  页面会给指定的酒店添加广告标记
  让指定的酒店排名置顶？
  function_score包含3个要素：
  ● 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
  这里的需求是：让指定酒店排名靠前。因此我们需要给这些酒店添加一个标记，这样在过滤条件中就可以根据这个标记来判断，是否要提高算分。
  比如，我们给酒店添加一个字段：isAD，Boolean类型：
  ● true：是广告
  ● false：不是广告
  这样function_score包含3个要素就很好确定了：
  ● 过滤条件：判断isAD 是否为true
  ● 算分函数：我们可以用最简单暴力的weight，固定加权值
  ● 加权方式：可以用默认的相乘，大大提高算分
  因此，业务的实现步骤包括：

1. 给HotelDoc类添加isAD字段，Boolean类型
2. 挑选几个你喜欢的酒店，给它的文档数据添加isAD字段，值为true
3. 修改search方法，添加function score功能，给isAD值为true的酒店增加权重
   4.4.2修改HotelDoc实体
   给cn.itcast.hotel.pojo包下的HotelDoc类添加isAD字段
   4.4.3添加广告标记
   酒店，添加isAD字段，设置为true：
   POST /hotel/_update/1902197537
   {
   “doc”: {
   “isAD”: true
   }
   }
   POST /hotel/_update/2056126831
   {
   “doc”: {
   “isAD”: true
   }
   }
   POST /hotel/_update/1989806195
   {
   “doc”: {
   “isAD”: true
   }
   }
   POST /hotel/_update/2056105938
   {
   “doc”: {
   “isAD”: true
   }
   }
   4.4.4添加算分函数查询
   修改查询条件了。之前是用的boolean 查询，现在要改成function_socre查询。
   function_score查询结构如下：
   对应的JavaAPI如下：
   我们可以将之前写的boolean查询作为原始查询条件放到query中，接下来就是添加过滤条件、算分函数、加权模式了。所以原来的代码依然可以沿用。
   修改cn.itcast.hotel.service.impl包下的HotelService类中的buildBasicQuery方法，添加算分函数查询.