前言
Elasticsearch 中的结构化搜索，即面向数值、日期、时间、布尔等类型数据的搜索，这些数据类型格式精确，通常使用基于词项的term精确匹配或者prefix前缀匹配。本文还将新版本的“text”，“keyword”进行说明，还有Term查询。
结构化搜索
结构化搜索（Structured search） 是指对结构化的数据进行搜索。比如日期、时间和数字都是结构化的，它们有精确的格式，我们可以对这些格式进行逻辑操作。比较常见的操作包括比较数字或时间的范围、判定两个值的大小、前缀匹配等。
文本也可以是结构化的。如彩色笔可以有离散的颜色集合： 红（red） 、 绿（green） 、 蓝（blue） 。一个博客可能被标记了关键词 分布式（distributed） 和 搜索（search） 。电商网站上的商品都有 UPCs（通用产品码 Universal Product Codes）或其他的唯一标识，它们都需要遵从严格规定的、结构化的格式。
在结构化查询中，我们得到的结果只有“是”或“否”两个值，可以根据场景需要，决定结构化搜索是否需要打分，但通常我们是不需要打分的。
精确值查找
让我们以下面的例子开始介绍，创建并索引一些表示产品的文档，文档里有字段 price ，productID，show，createdAt，tags （ 价格，产品ID，是否展示，创建时间， 打标信息）
POST products/_doc/_bulk
{ "index": { "_id": 1 }}
{ "price" : 10, "productID" : "XHDK-A-1293-#fJ3", "show":true, "createdAt":"2021-03-03", "tags":"abc" }
{ "index": { "_id": 2 }}
{ "price" : 20, "productID" : "KDKE-B-9947-#kL5", "show":true, "createdAt":"2021-03-04" }
{ "index": { "_id": 3 }}
{ "price" : 30, "productID" : "JODL-X-1937-#pV7", "show":false, "createdAt":"2021-03-05"}
{ "index": { "_id": 4 }}
{ "price" : 30, "productID" : "QQPX-R-3956-#aD8", "show":true, "createdAt":"2021-03-06"}
数字
现在我们想要做的是查找具有某个价格的所有产品，假设我们要获取价格是20元的商品，我们可以使用 term 查询，如下
GET products/_search
{
"query": {
"term": {
"price": 20
}
}
}
通常查找一个精确值的时候，我们不希望对查询进行评分计算。只希望对文档进行包括或排除的计算，所以我们会使用 constant_score 查询以非评分模式来执行 term 查询并以1.0作为统一评分。
最终组合的结果是一个 constant_score 查询，它包含一个 term 查询：
GET products/_search
{
"query": {
"constant_score": {
"filter": {
"term": {
"price": 20
}
}
}
}
}
对于数字，一般还有范围查询
GET products/_search
{
"query": {
"constant_score": {
"filter": {
"range": {
"price": {
"gte": 10,
"lte": 20
}
}
}
}
}
}
range 支持的选项
- gt: > 大于（greater than）
- lt: < 小于（less than）
- gte: >= 大于或等于（greater than or equal to）
- lte: <= 小于或等于（less than or equal to）
布尔值
GET products/_search
{
"query": {
"constant_score": {
"filter": {
"term": {
"show": true
}
}
}
}
}
日期
搜索一定时间范围内的文档
POST products/_search
{
"query": {
"constant_score": {
"filter": {
"range": {
"createdAt": {
"gte": "now-9d"
}
}
}
}
}
}
POST products/_search
{
"query": {
"constant_score": {
"filter": {
"range": {
"createdAt": {
"gte": "2021-01-05"
}
}
}
}
}
}
日期匹配表达式
- y 年
- M 月
- w 周
- d 天
- H/h 小时
- m 分钟
- s 秒
文本
POST products/_search
{
"query": {
"constant_score": {
"filter": {
"terms": {
"productID.keyword": [
"XHDK-A-1293-#fJ3",
"KDKE-B-9947-#kL5"
]
}
}
}
}
}
“productID.keyword”中的“keyword”不是关键字，而是Elasticsearch在插入文档的时候，自动为“productID”生成的子字段，名字是“keyword”。
null 处理
存在用“exists”，不存在用“must_not”搭配“exists”
// 存在“tags”字段
POST products/_search
{
"query" : {
"constant_score" : {
"filter" : {
"exists": {
"field":"tags"
}
}
}
}
}
// 不存在“tags”字段，老版本用“missing”关键字，现在已经废除了
POST products/_search
{
"query": {
"constant_score": {
"filter": {
"bool": {
"must_not": {
"exists": {
"field": "tags"
}
}
}
}
}
}
}
注意，新版本不要再使用“missing”关键字，现在已经废除了，用“must_not”做取反。
使用“missing”会报错，报错信息如下：
"reason": "no [query] registered for [missing]"
keyword
在2.x版本里面文本使用的是string字段。
5.0之后，把string字段设置为了过时字段，引入text与keyword字段，这两个字段都可以存储字符串使用。
“text”用于全文搜索，“keyword”用于结构化搜索。“keyword”类似Java中的枚举。在新版本中，如果没有自己创建mapping，那么在文本的处理中，会把文本自动映射为“text”，同时会生成一个子字段“keyword”，类型是“keyword”。
在存储上，“text”会被分词器进行分词，而“keyword”会被原样保留。比如“Rabit is jumping”，“text”的情况下可能被存储为“rabit”，“jump”，而“keyword”情况下就会存储为“Rabit is jumping”。
Term查询
在ES中，term查询，对输入不做分词，会将输入作为一个整体，在倒排索引中查找精确的词项，并且使用相关性算分公式为每个包含该词项的文档进行相关度算分。
比如上面的（"productID": "QQPX-R-3956-#aD8"），会被分词为“qqpx”，“r”，“3956”，“ad8”。
“productID.keyword”的类型是keyword，所以即使使用match查询，最终也会变成Term查询。
// "productID.keyword": "qqpx-r-3956-#ad8" 没搜索出数据，其他都有
GET products/_search
{
"query": {
"match": {
//"productID": "QQPX-R-3956-#aD8"
//"productID": "qqpx"
//"productID": "qqpx-r-3956-#ad8"
//"productID.keyword": "QQPX-R-3956-#aD8"
"productID.keyword": "qqpx-r-3956-#ad8"
}
}
}
// "productID": "qqpx" 与 "productID.keyword": "QQPX-R-3956-#aD8" 可以搜索出数据，其他不行
GET products/_search
{
"query": {
"term": {
"productID": "QQPX-R-3956-#aD8"
//"productID": "qqpx"
//"productID": "qqpx-r-3956-#ad8"
//"productID.keyword": "QQPX-R-3956-#aD8"
//"productID.keyword": "qqpx-r-3956-#ad8"
}
}
}
网友评论