医院网站建设步骤,代销网站源码,wordpress支持iframe,js检测网站是否能打开DSL查询分类 查询所有#xff1a;查询出所有数据#xff0c;一般测试用。例如#xff1a;match_all 全文检索#xff08;full text#xff09;查询#xff1a;利用分词器对用户输入内容分词#xff0c;然后去倒排索引库中匹配。例如#xff1a; match_query multi_ma…DSL查询分类 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 全文检索查询 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
match查询单字段查询
GET /hotel/_search
{query: {match: {all: 如家}}
}
结果 mulit_match
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
GET /hotel/_search
{query: {multi_match: {query: 百家,fields: [brand, name]}}
} 结果 两种查询结果是一样的因为我们将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。
精准查询
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 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查询
根据词条精确值查询
GET /hotel/_search
{query: {term: {city: {value: 北京}}}
}
结果 range查询
根据值的范围查询,这里的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
GET /hotel/_search
{query: {range: {price: {gte: 10, lte: 200 }}}
}
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
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,需要指定矩形的top_left:左上、bottom_right: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}}}}
} 结果获得附近的人 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 }}
}
获得附近15km为圆形的结果 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 算分函数查询
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 unction 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 GET /hotel/_search
{query: {function_score: {query: { match: {all: 百家}}, functions: [{filter: {term: {brand: 如家}},weight: 2}],boost_mode: sum }}}
结果 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 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 } }}]}}
} 结果 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
搜索结果处理
搜索的结果可以按照用户指定的方式去处理或展示
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
普通字段排序
keyword、数值、日期类型排序的语法基本一致
GET /hotel/_search
{query: {match_all: {}},sort: [{score: desc},{price:asc}]
}
结果 地理坐标排序
GET /hotel/_search
{query: {match_all: {}},sort: [{_geo_distance : {location : {lat:31.030001,lon:121.610000}, order : asc, unit : km }}]
} 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 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
基本的分页
GET /hotel/_search
{query: {match_all: {}},from: 0,size: 10,sort: [{price: asc}]
} 结果
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,size: 10, sort: [{price: asc}]
}
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。
高亮
GET /hotel/_search
{query: {match: {all: 百家 }},highlight: {fields: { name: {pre_tags: em, post_tags: /em,require_field_match: false}}}
} 结果 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_matchfalse
