Elasticsearch品读—第五章：DSL语法（第二节）

你的名字 2022-03-22 02:56 666阅读 0赞

上一章：[Elasticsearch品读—第四章：DSL语法（第一节）][Elasticsearch_DSL]

**目录**

1.复合查询

1.1.constant\_score

1.2.bool

1.3.function\_score

2.地理位置查询

2.1.geo\_shape

2.2.geo\_bounding\_box

2.3.geo\_distance

2.4.geo\_polygon

3.连接查询

3.1.nested

4.脚本查询

--------------------

## 1.复合查询 ##

Compound queries，复合查询，包装其他复合或叶子查询，以组合其结果和分数，更改其行为，或从查询切换到筛选器上下文

### 1.1.constant\_score ###

constant\_score  query包装另一个查询(此查询必须是filter类型)，它改变过滤器中每个文档的查询常量分数，默认为1，可以用boost参数修改。constant\_score映射到Lucene ConstantScoreQuery。

**语法：**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70][]

**例子：**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 1][]

## 1.2.bool ##

bool query，布尔查询，将其它查询子句(如match、term...)拼凑成一个布尔组合的文档匹配查询。此查询映射到LuceneBooleanQuery，是由一个或多个布尔子句构建的，每个子句都有一个类型化的子句，它们分别是：

①must:   查询子句必须出现在匹配的文档中，并有助于相关性得分

②filter: 查询子句必须出现在匹配的文档中，但是，忽略掉相关性得分

③should: 查询子句可能出现在匹配的文档中

④must\_not: 查询子句不得出现在匹配的文档中

bool查询将匹配must或should子句的分数将被加在一起，以便为每个文档提供最终的\_score。

**请注意：**

①如果bool query是在过滤器(filter)上下文中使用并且它具有should子句，那么至少需要一个should子句来匹配

②可以通过"minimum\_should\_match"来指定"should"子句的最小匹配度，

若minimum\_should\_match=1则文档至少需要满足"should"的一个条件，

若minimum\_should\_match=2则文档至少需要满足"should"的两个条件，

...依次类推

它出现在有"should"的bool查询中，且紧邻"should"后面书写

**语法：**

bool查询的4个类型化子句：must、must\_not、should、filter，当查询子句只有一条时，它们表示为对象，使用符号"\{\}"；当查询子句有多条时，它们表示为数组，使用符号"\[\]"，每条查询子句定义成一个对象，使用符号"\{\}"。

![2019012515365541.png][]          ![2019012515365587.png][]

例子：

①查询address字段带有"street"的文档，age字段的取值范围在(28,36)之间那最好了(意味着加分)，如果不在也还行(不会加分)：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 2][]

②查询address字段带有"street"，且age字段在(28,36)之间的文档，当有多个查询子句时，类型化子句使用"\[\]"，类型化子句里面的查询子句需要用"\{\}"包裹，查询子句之间用逗号隔开：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 3][]

## 1.3.function\_score ##

function\_score可以修改查询检索到的文档的\_score，使用它必须定义一个查询语句和一个或多个函数，这些函数用来计算查询匹配到的文档的新分数。当得分函数在计算上是昂贵的并且足以在过滤的文档集上计算得分，function\_score会变得很有用。function\_score提供了几种类型的得分函数：

![2019012515384618.png][]

①script\_score，允许使用脚本表达式包装另一个查询并使用从doc中的其它

数字字段值派生的计算来自定义它的评分。若使用缓存脚本编译可以加快执行

速度。若脚本具有需要考虑的参数，则最好重用相同的脚本，并为其提供参数

②weight，即重量分数，让函数分数乘以提供的重量作为最终函数得分

③random\_score，使用\_uid字段的散列生成分数，并使用变种种子。 如果未

指定seed，则使用当前时间

④field\_value\_factor，允许用文档中的字段来影响分数。与script\_score

函数类似，但它避免了脚本的开销。如果在多值字段上使用，则仅在计算中使

用该字段的第一个值。例如，假设有一个使用数字字段索引的文档，并希望使

用此字段影响文档的分数。

**例子：**

①function\_score只能与一个函数一起使用：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 4][]

②function\_score若想与多个函数一起使用，只有当文档与给定的过滤查询匹

配时才可以，例如：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 5][]

**额外参数：**

①score\_mode，在function\_score与多个函数使用时用到(即例子②)，它指定这些函数得分的组合方式，从而得到文档的最终函数得分。取值如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 6][]

②weight，在function\_score与多个函数使用时用到(即例子②)，它指定每个函数的权重。用它乘以所在函数计算的分数作为此函数的得分

**PS****：**如果score\_mode设为avg，则各个分数将通过加权平均值组合。 例如，两个函数返回得分1和2且它们各自权重是3和4，则  它们的得分将组合为（1 \* 3 + 2 \* 4）/（3 + 4）而不是（1 \* 3 + 2）\* 4）/ 2。

③boost\_mode，定义每个文档的最终函数分数与查询的分数组合方式用来作为作为文档的\_score值，boost\_mode的组合方式有：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 7][]

④max\_boost，可以将新分数限制为不超过某个值。它的默认值为FLT\_MAX

⑤min\_score，默认情况下，修改分数不会更改哪些文档匹配。若想排除不满足特定分数阈值的文档，可以将min\_score参数设置为所需的分数阈值。要使 min\_score起作用，需要对查询返回的所有文档进行评分，然后逐个过滤掉

# 2.地理位置查询 #

## 2.1.geo\_shape ##

geo\_shape query，地理形状查询，用于过滤具有地理形状的文档，这些地理形状要么与指定的地理形状相交，要么包含，要么不与指定的地理形状相交。 geo\_shape query过滤使用geo\_shape datatype索引的文档，它必须在filter(过滤语句)中使用。geo\_shape query使用与geo\_shape datatype相同的网格方形表示来查找具有与查询形状相交的形状的文档，且它还将使用与字段映射定义的相同的PrefixTree配置。

**geo\_shape query****支持两种定义查询形状的语法：**

①提供整个形状定义，使用"shape"

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 8][]

②引用一个文档中预先定义好的形状，使用"indexed\_shape"。这种语法好处是不用每次都去定义坐标，通过index就能引用它。它需要指定4个基本参数：

index：预定义形状所在文档的\_index，默认为shapes

type：预定义形状所在文档的\_type

id：预定义形状所在文档的\_id

path：预定义形状所在的字段名，默认为shape

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 9][]

**额外参数：**

①relation：即查询策略，确定在搜索时可以使用哪些空间关系运算符，有4个取值:

a.INTERSECTS：匹配与查询形状相交的所有文档(默认值)

b.DISJOINT：匹配与查询形状无任何共同点的所有文档

c.WITHIN：匹配位于查询形状中的所有文档

d.CONTAINS：匹配包含查询形状的所有文档

**例子：**

①自定义边界矩形查询形状，查询位于边界矩形内的所有文档

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 10][]

②自定义圆形查询形状，查询不在此圆形内的所有文档

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 9][]

③引用另一个文档定义好的形状，查询与此形状相交的所有文档，且name字段

值为"addr"

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 11][]

## 2.2.geo\_bounding\_box ##

geo\_bounding\_box query，可以用来过滤地理点落在指定矩形内的文档。它可以处理每个文档的多个位置点， 一旦有一个位置点与其符合，文档就会被匹配到。用于查询数据类型为" geo\_point "的字段且必须放在filter语句中。geo\_bounding\_box是geo\_shape的一个分支功能，geo\_shape可以通过指定shape.type为"envelope"，就是geo\_bounding\_box的功能。geo\_bounding\_box可以通过两种方式来指定查询参数-矩形：①是指定左上角和右下角地理点；②是指定"上下维度"和"左右经度"。

**语法**：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 12][]![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 13][]

其中，使用上下左右方式(上面的右图)指定矩形的geo\_bounding\_box，只能用数字表示；对于使用左上角和右下角坐标方式(上面的左图)指定矩形的geo\_bounding\_box，可以有多种方式表示：

①lat(维度)和lon(经度)作为properties

![20190125154313988.png][]

②指定一个Array(注意数组的经纬度表示顺序)

![20190125154313985.png][]

③指定一个字符串(用逗号隔开，前子句表示维度，后子句表示经度)

![20190125154313987.png][]

④指定geohash字符串

![20190125154313987.png][]

**额外参数：**

①\_name：用于标识geo\_bounding\_box的可选名称字段

②validation\_method：有三种取值:

"IGNORE\_MALFORMED"以接受具有无效纬度或经度的地理点；

"COERCE"以尝试推断正确的纬度或经度；

"STRICT"，默认值，只接受正确的经纬度坐标

③type：定义geo\_bounding\_box是在内存中执行还是索引，两种取值：

"indexed"表示在索引中执行；"memory"表示在内存中执行

(默认情况下，geo\_bounding\_box的type设置为memory，这意味着在内存中检查doc是否在边界框范围内。 在某些情况下，索引选项的执行速度会更快。

请注意，在这种情况下，geo\_point类型必须具有lat和lon索引

请注意，使用索引选项时，不支持每个文档字段的多个位置)

**例子：**

1、通过左上角和右下角指定矩形，注意如果用数组\[\]来表示经纬度，

数组第一个元素表示经度，数组第一个元素才表示维度

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 14][]

2、通过上下左右来指定矩形

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 15][]

## 2.3.geo\_distance ##

geo\_distance query，可以过滤位于指定中心点距离内的地理点所在的文档，它可以处理每个文档的多个地理点，一旦有一个地理点符合geo\_distance，则该文档就会被匹配。同样，geo\_distance也使用在数据类型为geo\_point的字段上且用在filter过滤语句中。使用geo\_distance，需要指定：中心点坐标和距离。

**语法：**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 16][]

中心点坐标可以有多种表示方式：

①lat属性表示维度，lon属性表示经度

![20190125154427591.png][]

②使用坐标数组，注意坐标数组的经纬度是相反的，它是经度在前纬度在后

![20190125154427588.png][]

③使用坐标字符串，它是纬度在前，经度在后

![20190125154427589.png][]

④使用geohash

![20190125154427592.png][]

**额外参数：**

①distance：指定距离中心点的距离，带单位。请看ES的距离单位

②distance\_type：如何计算距离，有两个取值：arc(弧形)和plane(平面)。 默认取值为src；取值为plane时，查询更快，但是在

长距离和靠近极点时不准确。

③\_name：用于标识查询的可选名称字段

④validation\_method：有三种取值：

"IGNORE\_MALFORMED"以接受具有无效纬度或经度的地理点；

"COERCE"以尝试推断正确的纬度或经度；

"STRICT"，默认值，只接受正确的经纬度坐标

**例子：**

1、在location字段中查询地理点位于以中心点(坐标为北纬26，东经119)

100千米的圆形范围内的文档

![20190125154427624.png][]

2、在location字段中查询地理点位于以中心点(坐标为北纬26°，东经119°)

100千米的平面范围内的字段

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 17][]

## 2.4.geo\_polygon ##

geo\_polygon query，可以在指定的多边形内过滤包含地理点的文档。它需要指定一组地理点，通过这组地理点构成一个多边形，来匹配地理点位于这个多边形内的文档。同样用于数据类型为"geo\_point"的字段且必须放在filter过滤语句中使用。

**语法：**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 18][]

多边形的坐标可以表现成多种格式：

①坐标数组，注意坐标数组的经纬度相反，前一元素是经度，后一元素是维度

![20190125154521849.png][]

②坐标字符串，以逗号隔开，第一个子句是维度，第二个子句是经度

![20190125154521851.png][]

③geohash字符串

![20190125154521849.png][]

**例子：**

1、查询地理点位于指定多边形内的文档

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 19][]

# 3.连接查询 #

## 3.1.nested ##

nested query，嵌套查询，用来查询以nested datatype映射的文档。**语法：**

![20190125154716714.png][]

**例子：**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 20][]

**额外参数：**

①score\_mode，允许设置内部对象匹配如何影响父项的评分，默认为avg， 但可以是sum，min，max和none。

②ignore\_unmapped，当设置为true时，将忽略未映射的路径，并且不会匹配此查询的任何文档。默认值为false，如果未映射路径，查询将引发异常

# 4.脚本查询 #

ES在5.x版本后，使用全新的painless脚本，通过脚本可以执行一些DSL难以搭配的复杂查询，详细的painless脚本语法还需要学习。在查询或者过滤子句中，使用“doc”表示文档的内容(即\_source里面我们定义的字段)

**语法：**

![20190125154816891.png][]

**例子：**

①查询age字段大于39的文档

![20190125154816894.png][]

②查询addr\_name字段值的长度大于5的文档，注意：这种需求的查询有两个需要注意的地方：

a.被查询的"text"数据类型的字段，必须设置fielddata=true

b.ES是将字段值分词后拿来查询的，如果要整个字段值的长度拿来比较，需要

设置为keyword，让ES不分词

[下一章：Elasticsearch品读—第六章：聚合（第一节）][Elasticsearch]![20190125154816892.png][]

[Elasticsearch_DSL]: https://blog.csdn.net/sym542569199/article/details/85018527
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70]: /images/20220322/893e199c09984f4eb6d74c7ec9f140f0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 1]: /images/20220322/10973260f84a41178560d5c5165615eb.png
[2019012515365541.png]: https://img-blog.csdnimg.cn/2019012515365541.png
[2019012515365587.png]: /images/20220322/ed364d9558bb4dfb874d90dca2f84449.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 2]: /images/20220322/aad4817a474f48a6a15c0cf34dca76ea.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 3]: /images/20220322/33913a3adbb448b3a6e8aabca1c895d7.png
[2019012515384618.png]: /images/20220322/0b6f566d4c77412cbd361ae25fdcf6c1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 4]: /images/20220322/b6f8b0343137488aa7d33f3368adfe01.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 5]: /images/20220322/c5b2dc13b3f64280971eb905f9f04436.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 6]: /images/20220322/d04466ac3d414fe689e2ff928fa5a2ad.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 7]: /images/20220322/99e3b28802034fcaadb25c488e165131.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 8]: /images/20220322/57a22cf7d38b4e7e871d55935ecc7053.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 9]: /images/20220322/6d26dcb14d1b4adaa72d227f2bce251e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 10]: /images/20220322/b387cc408f9641b4ae52d4229012ef7f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 11]: /images/20220322/ec92b3058a2d4306bf784a9cf47d72ca.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 12]: https://img-blog.csdnimg.cn/20190125154313952.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 13]: /images/20220322/5ac89f1673a04d6aa8e4fcd8108642e5.png
[20190125154313988.png]: /images/20220322/916bd65a60074591857d7086ac6aa5bd.png
[20190125154313985.png]: /images/20220322/9ddd974187034a8b9afc03266d87c5b2.png
[20190125154313987.png]: /images/20220322/39b19816a70f4926bebd7e13cbd14df2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 14]: /images/20220322/9dd090f9a5754d89ae945a5b009074e8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 15]: /images/20220322/0ce6d970edc140b8a73692399f76d19b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 16]: /images/20220322/431fa2bcdc4e4740aa0917cedd9ad1e4.png
[20190125154427591.png]: /images/20220322/6af3668f6f284945b575c594ac7b1ef1.png
[20190125154427588.png]: /images/20220322/3603f19d7f8542559b992e6ad6cf08fc.png
[20190125154427589.png]: /images/20220322/f30ec4edb6c345ce8524354a488c643e.png
[20190125154427592.png]: /images/20220322/e2f72f77895b4d38914dd4042782beb5.png
[20190125154427624.png]: /images/20220322/94bc912cc07f49378bbb36ae7e2d15c5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 17]: /images/20220322/0b843039a096487aada0a942158896af.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 18]: /images/20220322/7cb455d19eb743cabbf4a69eae162bea.png
[20190125154521849.png]: /images/20220322/f07a84d0493d4a4bba31912c57372c84.png
[20190125154521851.png]: /images/20220322/453768dddeb644f0aec31ff55e92d019.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 19]: /images/20220322/2948f3ef04f64946880c3675ba496a7d.png
[20190125154716714.png]: /images/20220322/c8709e1779a84824b3866c5bbfd549d0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ_size_16_color_FFFFFF_t_70 20]: /images/20220322/c8709e1779a84824b3866c5bbfd549d0.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N5bTU0MjU2OTE5OQ==,size_16,color_FFFFFF,t_70
[20190125154816891.png]: /images/20220322/c6c142da158442bba43bcb0b5e43dd98.png
[20190125154816894.png]: /images/20220322/7f2a208bd61d46918e1ac00bc4db1175.png
[Elasticsearch]: https://blog.csdn.net/sym542569199/article/details/86647441
[20190125154816892.png]: /images/20220322/4df8fb9d9c884ecdafb3f4775082346d.png