美文网首页程序员
搜索引擎ElasticSearch之（6）、搜索详解

搜索引擎ElasticSearch之（6）、搜索详解

作者: 桥头放牛娃 | 来源:发表于2020-05-11 08:21 被阅读0次

1、查询参数

1.1、分页查询

分页查询需指定两个参数。
from：指定起始偏移量，默认为0；
size：指定查询结果包含的文档数。
示例：

GET /city/_doc/_search
{
  "from":0,
  "size":2
}

1.2、返回版本号

当查询结果需要返回文档版本号时，需在查询顶层添加version字段，并设其值为true；
示例：

GET /city/_doc/_search
{
  "version":true
}

1.3、返回指定字段

当查询只需返回文档的部分字段时，可在请求的主体部分添加_source数组，表示只返回指定的字段。
示例：

GET /city/_doc/_search
{
  "_source":["c*","name"]
}

1.4、选择搜索类型

用户可以选择合适的搜索执行方式，在请求中使用search_type参数可指定。

  • query_then_fetch（默认）：查询语句先得到将文档排序所需的信息，然后得到要获取的文档内容的分片。
  • dfs_query_then_fetch（默认）：同query_then_fetch类似，还执行初始查询阶段，该阶段计算分布式的词频以更精准的对返回文档打分。

2、基本查询

2.1、term查询

term查询为精确匹配查询，其仅匹配在给定字段有某个对应词项的文档，查询提供的词条不会被分析器进行分析。
示例：

GET /city/_doc/_search
{
  "query":{
    "term":{"describe":"中国"}
  }
}

2.2、terms查询

terms是term查询的加强，其允许匹配包含多个词项的文档。
示例：

GET /city/_doc/_search
{
  "query":{
    "terms":{"describe":["河北","省会"]},
    "minimum_match":2
  }
}

2.3、match查询

match查询会提取查询参数中给定的取值，分析这些值，并基于分析结果构造合适的查询。match查询会根据对应的字段选择合适的分析器，默认选择索引时使用的分析器。
示例：

GET /city/_doc/_search
{
  "query":{
    "match":{
      "describe":"中国省会"
    }
  }
}

2.4、multi_match查询

multi_match查询与match查询类似，前者同时查询多个字段。
示例：

GET /city/_doc/_search
{
  "query":{
    "multi_match":{
      "query":"中国",
      "fields":["country","describe"]
    }
  }
}

2.5、query_string查询

query_string支持所有lucene的查询语法。
示例：

GET /city/_doc/_search
{
  "query":{
    "query_string":{
      "query":"中国",
      "fields":["country","describe"]
    }
  }
}

2.6、ids查询

ids查询是通过指定的多个返回对应的文档，这类查询作用在_uid字段。
示例：

GET /city/_doc/_search
{
  "query":{
    "ids":{
      "values":["1","2"]
    }
  }
}

2.7、prefix查询

prefix可以查找某个字段以指定前缀开始的文档。
示例：

GET /city/_doc/_search
{
  "query":{
    "prefix":{
      "country":"中"
    }
  }
}

2.8、fuzzy查询

fuzzy为模糊查询，通过计算给定词项与文档的编辑距离来得到结果，此类查询对CPU资源消耗较高，但对需要模糊匹配的场景比较有用。
示例：

GET /city/_doc/_search
{
  "query":{
    "fuzzy":{
      "describe":"中国"
           
    }
  }
}

2.9、match_all查询

match_all查询是一种匹配索引中所有文档的简单查询。
示例：

GET /city/_doc/_search
{
  "query":{
    "match_all":{}
  }
}

2.10、wildcard查询

wildcard查询允许我们在查询内容时使用通配符 * 和？。
示例：

GET /city/_doc/_search
{
  "query":{
    "wildcard":{
      "country":"中*"
    }
  }
}

2.11、range查询

range查询允许按照范围在某个数值型或字符串型字段上查找文档。range查询只作用在单个字段上，并且查询的参数封装在字段的名称中。
range查询支持一下参数：

  • gte：范围大于或等于此参数的文档；
  • gt：范围大于此参数的文档；
  • lte：范围小于或等于此参数的文档；
  • lt：范围小于此参数的文档；

示例：

GET /city/_doc/_search
{
  "query":{
    "range":{
      "population":{"gte":"0","lte":"1000"}
    }
  }
}

2.12、regexp查询

regexp查询即为正则查询，可以使用正则表达式来查询文本，此类查询性能取决于所选择的正则表达式，如果正则表达式匹配的词条较多，则性能很慢。
示例：

GET /city/_doc/_search
{
  "query":{
    "regexp":{
      "name":{"value":"北.*"}
    }
  }
}

3、复合查询

3.1、bool查询

bool查询可以与其他查询封装一起使用，并可和选项进行复杂逻辑连接。

  • should：封装在此选项下的查询可以匹配也可以不匹配；
  • must：封装在此选项下的查询必选匹配；
  • must_not：封装此选项下的查询必须不匹配；
    每个选项可以出现多次，而文档分值为匹配的封装的查询分值的总和。
    示例：
GET /city/_doc/_search
{
  "query":{
    "bool":{
      "should":{"term":{"country":"中国"}},
      "must":{"range":{"population":{"gte":1000,"lt":5000}}},
      "boost":10
    }
  }
}

3.2、boosting查询

boosting查询会封装两个查询，并将一个查询的分值保持不变而降低另一个分值，此查询的两个查询结果都会在最终结果中出现。
此查询主要有三个部分：

  • positive查询：此查询返回的分值不变；
  • negative查询：此查询返回的分值会被降低；
  • negative_boost：用于降低negative查询的权重值；
    示例：
GET /city/_doc/_search
{
  "query":{
    "boosting":{
      "positive":{"term":{"country":"中国"}},
      "negative":{"range":{"population":{"gte":1000,"lt":5000}}},
      "negative_boost":0.2
    }
  }
}

3.3、constant_score查询

此查询用于封装另一个查询，被封装查询返回的每个文档都得到设定的分值，此查询允许严格控制被查询或被过滤的匹配文档的分值。
示例：

GET /city/_doc/_search
{
  "query":{
    "constant_score":{
      "filter":{
        "range":{"population":{"gte":1000,"lt":5000}}
      },
    "boost":2
    }
  }
}

3.4、dis_max查询

dis_max查询即分离最大化查询（Disjunction Max Query），是指返回所有与任一查询匹配的文档，但文档评分为最佳匹配的评分。即best_field策略，某一个field中匹配到了尽可能多的关键词，被排在前面。
示例：

GET /city/_doc/_search
{
  "query":{
    "dis_max":{
      "queries":[
        {"match":{"country":"中国"}},
        {"match":{"describe":"中国"}}
      ]
    }
  }
}

4.4、function_score查询

function_score允许为每个与主查询匹配的文档应用一个函数，以达到改变甚至完全替换原始查询评分 _score 的目的。
预定义函数：

  • weight：为每个文档应用一个权重提升值，当weight为N时，最终结果为N * _score；
  • field_value_factor：使用这个值来修改_score，将某些字段作为考虑因素；
  • random_score：为每个用户都使用一个不同的随机评分对结果排序，但对同一用户来说，看到的顺序始终一致；
  • 衰减函数（linear，exp，gauss）：将浮动值结合到评分_score中，如发布时间、地理位置，某个特定价格等。
  • script_score：使用自定义脚本完全控制评分计算；

简单示例：

GET /city/_doc/_search
{
  "query":{
    "function_score":{
      "query":{
        "multi_match":{
          "query":"中国",
          "fields": [ "country", "describe" ]
        }
      }
    }
  }
}

多函数示例：

GET /city/_doc/_search
{
  "query":{
    "function_score":{
      "query":{
        "match":{"country":"中国"}
      },
      "functions":[
        {
          "filter":{"range":{"population":{"gt":1000}}},
          "weight":5
        },
        {
          "filter":{"match":{"describe":"中国"}},
          "weight":1
        }
        ],
        "score_mode": "sum"
    }
  }
}

score_mode评分模式：

  • multiply：函数结果求积（默认）。
  • sum：函数结果求和。
  • avg：函数结果的平均值。
  • max：函数结果的最大值。
  • min：函数结果的最小值。
  • first：使用首个函数（可以有过滤器，也可能没有）的结果作为最终结果

随机评分示例：

GET /city/_doc/_search
{
  "query":{
    "function_score":{
      "query":{
        "match":{"country":"中国"}
      },
      "functions":[
        {
          "filter":{"range":{"population":{"gt":1000}}},
          "weight":5
        },
        {
          "filter":{"match":{"describe":"中国"}},
          "weight":1
        },
        {
          "random_score":{
            "seed":"11223344"
          }
        }
        ],
        "score_mode": "sum"
    }
  }
}

基于范围权重：

GET /city/_doc/_search
{
  "query":{
    "function_score":{
      "query":{
        "match":{"country":"中国"}
      },
      "functions":[
        {
          "gauss":{"population":{"origin":1000,"offset":1000,"scale":100}},
          "weight":10
        }
        ],
        "score_mode": "sum"
    }
  }
}

4、地理位置查询

4.1、geo_bounding_box过滤器

geo_bounding_box过滤在指定距离中的点。
示例：

GET /city/_doc/_search
{
 "query": {
    "bool": {
      "must":
        { "match_all": { }},
      "filter": 
        { 
        "geo_bounding_box":{
          "location":{
            "top_left":{
              "lat":40.1111,
              "lon":116.23027
            },
            "bottom_right":{
              "lat":39.777352,
              "lon":116.591448
            }
          }
        }
        }
    }
  }
}

4.2、geo_distance过滤器

geo_distance为地理距离过滤器，以给定位置为圆心画一个圆，找出地理坐标落在其中的文档。
示例：

GET /city/_doc/_search
{
 "query": {
    "bool": {
      "must":
        { "match_all": { }},
      "filter": 
        { 
        "geo_distance":{
          "location":{
              "lat":40.1111,
              "lon":116.23027
            },
            "distance_type": "plane",
            "distance":"100km"
          }
        }
    }
  }
}

distance_type为两点间距离计算的算法：

  • arc：最慢但最精确的计算方式，此方式将世界当球体来处理，精度有限。
  • plane：此方式将地球当做平坦的来计算，速度快一些但精度略差，赤道附近精度最好，两极精度最差；
  • sloppy_arc：是一种精度换取速度的计算方式，比arc计算方式块4-5倍，且距离精度达到99.9%，也是默认的计算方式。

4.3、按经纬度距离排序

可以按远近距离进行排序。
使用示例：

GET /city/_doc/_search
{
 "query": {
    "bool": {
      "must":
        { "match_all": { }},
      "filter": 
        { 
        "geo_bounding_box":{
          "location":{
            "top_left":{
              "lat":40.1111,
              "lon":116.23027
            },
            "bottom_right":{
              "lat":39.777352,
              "lon":116.591448
            }
          }
        }
        }
    }
    
  },
  "sort": [
    {
      "_geo_distance": {
        "location": { 
          "lat":  39.916527,
          "lon": 116.397128
        },
        "order":         "asc",
        "unit":          "km", 
        "distance_type": "plane" 
      }
    }
  ]
}

相关文章

网友评论

    本文标题：搜索引擎ElasticSearch之（6）、搜索详解

    本文链接：https://www.haomeiwen.com/subject/jxegghtx.html

    延伸阅读

    深度阅读

    • 您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

    栏目导航

    热点阅读

    程序员

    关于我们|服务条款|联系我们|搜索引擎ElasticSearch之（6）、搜索详解|投稿指南|网站地图|RSS订阅|排版工具|手机版

    提供经典美文摘抄,优美散文欣赏,现代诗歌精选,短篇小说,心情随笔,表白情书范文,故事会在线阅读欣赏

    Copyright © 2014-2023 Haomeiwen.com All Rights Reserved. 好美文阅读网 版权所有

    备案信息：桂公网安备 45052102000051号 · 桂ICP备13007215号-3

    本站所收录作品、热点评论等信息部分来源互联网，目的只是为了系统归纳学习和传递资讯

    所有作品版权归原创作者所有，与本站立场无关，如不慎侵犯了你的权益，请联系我们告知，我们将做删除处理！