Elasticsearch初探（3）——简单查询与中文分词

叁歲伎倆 2022-05-08 09:34 123阅读 0赞

## 一、简单查询 ##

### 1.1 查询全部 ###

**请求方式：** GET

**请求路径：** ES服务的IP：端口/索引名/\{分组，可省略\}/\_search

以上篇文章建立的索引为例，搜索结果如下：

{ 
        "took": 0,
        "timed_out": false,
        "_shards": { 
            "total": 5,
            "successful": 5,
            "skipped": 0,
            "failed": 0
        },
        "hits": { 
            "total": 2,
            "max_score": 1,
            "hits": [
                { 
                    "_index": "user",
                    "_type": "novel",
                    "_id": "Bg36UmYBBzXJKYP4RwNP",
                    "_score": 1,
                    "_source": { 
                        "name": "zhangsan",
                        "age": 15,
                        "create_date": "2018-05-20"
                    }
                },
                { 
                    "_index": "user",
                    "_type": "novel",
                    "_id": "1",
                    "_score": 1,
                    "_source": { 
                        "name": "jitwxs",
                        "age": 20,
                        "create_date": "2018-10-08"
                    }
                }
            ]
        }
    }

默认情况下，是查询出来10条数据，并且按照score的降序排列的（因为搜索全部，这里没有score，当条件搜索的时候，会出现）。其中部分属性含义如下：

<table> 
 <thead> 
  <tr> 
   <th align="left">属性</th> 
   <th align="left">含义</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="left">took</td> 
   <td align="left">Elasticsearch执行搜索的时间（ms）</td> 
  </tr> 
  <tr> 
   <td align="left">timed_out</td> 
   <td align="left">请求是否超时</td> 
  </tr> 
  <tr> 
   <td align="left">_shards</td> 
   <td align="left">搜索了碎片成功/失败次数</td> 
  </tr> 
  <tr> 
   <td align="left">hits</td> 
   <td align="left">搜索结果</td> 
  </tr> 
  <tr> 
   <td align="left">hits.total</td> 
   <td align="left">符合我们搜索条件的文件总数</td> 
  </tr> 
  <tr> 
   <td align="left">hits.hits</td> 
   <td align="left">实际的搜索结果数组</td> 
  </tr> 
  <tr> 
   <td align="left">hits.sort</td> 
   <td align="left">对结果进行排序的键（默认使用score排序时隐藏）</td> 
  </tr> 
  <tr> 
   <td align="left">hits.hits._score与hits.max_score</td> 
   <td align="left">单个结果的匹配程度和最高的匹配程度</td> 
  </tr> 
  <tr> 
   <td align="left">hits.hits._source</td> 
   <td align="left">搜索到的结果</td> 
  </tr> 
 </tbody> 
</table>

### 1.2 单条件查询 ###

*  `match`：match查询的时候，Elasticsearch会根据你给定的字段提供合适的分析器，将查询语句**分词之后去匹配含有分词之后的词语**。
 *  `term`：不进行分词，直接**完全匹配查询**。

需要注意的是：如果你搜索的字段是`keyword`类型，那么无论match和term都是一样的，都不进行分词（在上篇字段数据类型中说过）。

//match进行查询
    GET user/novel/_search
    { 
      "query": { 
        "match": { 
          "name": "jitwxs"
        }
      }
    }
    //term进行查询
    GET user/novel/_search
    { 
      "query": { 
        "term": { 
          "name": "zhangsan"
        }
      }
    }

> 你可能注意到我下面的截图并没有使用GET请求，这是因为我没有找到Postman GET请求附带请求体的方法，因此使用POST请求来查询，当然官方推荐使用GET请求。如果你安装有curl工具，可以使用这种方式请求：
> 
>     curl 'localhost:9200/user/novel/_search' -d '{"query":{"match":{"name":"jitwxs"}}}'

![2018100818415238][]

![2018100818431118][]

### 1.3 多条件查询 ###

请求方式和单条件查询一致，请求体形如：

{ 
    	"query": { 
    		"bool": { 
    			"must": { 
    				"match": { 
    					"email": "business opportunity"
    				}
    			},
    			"should": [{ 
    					"match": { 
    						"starred": true
    					}
    				},
    				{ 
    					"bool": { 
    						"must": { 
    							"match": { 
    								"folder": "inbox"
    							}
    						},
    						"must_not": { 
    							"match": { 
    								"spam": true
    							}
    						}
    					}
    				}
    			]
    		}
    	}
    }

其中`bool`可以用来实现多条件查询，bool包含的属性如下：

<table> 
 <thead> 
  <tr> 
   <th align="left">属性</th> 
   <th align="left">含义</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="left">must</td> 
   <td align="left">必须匹配的属性，匹配这些条件才能被包含进来</td> 
  </tr> 
  <tr> 
   <td align="left">must_not</td> 
   <td align="left">不能匹配这些条件才能被包含进来</td> 
  </tr> 
  <tr> 
   <td align="left">should</td> 
   <td align="left">如果满足这些语句中的任意语句，将增加 _score ，否则无任何影响。主要用于修正每个文档的相关性得分</td> 
  </tr> 
  <tr> 
   <td align="left">filter</td> 
   <td align="left">必须匹配，但它以不评分、过滤模式来进行。这些语句对评分没有贡献，只是根据过滤标准来排除或包含文档</td> 
  </tr> 
 </tbody> 
</table>

### 1.4 排序、分页 ###

GET user/novel/_search
    { 
      "query": { 
        "match": { 
          "name": "jitwxs"
        }
      },
      "from": 0, 
      "size":10,
      "sort": [
        { 
          "age": { 
            "order": "desc"
          }
        }
      ]
    }

from表示分页开始的条数（从0开始），size表示你要查询的数量，sort表示排序的字段，order表示排序方式。

## 二、中文分词 ##

### 2.1 下载IK分词器 ###

默认的分词器对中文很差，这里还是使用我们的老朋友——IK分词器，到[elasticsearch-analysis-ik][]下载与版本对应的IK分词器。

![20181008190944524][]

解压并将将文件复制到Elasticsearch的安装目录`/plugin/ik`下面即可，完成之后效果如下：

![20181008191123447][]

重新启动Elasticsearch服务。

以对“我是中国人”分词为例，使用默认分词结果：

POST http://localhost:9200/_analyze
    
    { 
      "text":"我是中国人"
    }
    
    // 响应内容
    { 
        "tokens": [
            { 
                "token": "我",
                "start_offset": 0,
                "end_offset": 1,
                "type": "<IDEOGRAPHIC>",
                "position": 0
            },
            { 
                "token": "是",
                "start_offset": 1,
                "end_offset": 2,
                "type": "<IDEOGRAPHIC>",
                "position": 1
            },
            { 
                "token": "中",
                "start_offset": 2,
                "end_offset": 3,
                "type": "<IDEOGRAPHIC>",
                "position": 2
            },
            { 
                "token": "国",
                "start_offset": 3,
                "end_offset": 4,
                "type": "<IDEOGRAPHIC>",
                "position": 3
            },
            { 
                "token": "人",
                "start_offset": 4,
                "end_offset": 5,
                "type": "<IDEOGRAPHIC>",
                "position": 4
            }
        ]
    }

IK分词器结果：

POST http://localhost:9200/_analyze
    
    { 
    	"analyzer": "ik_max_word",
    	"text":"我是中国人"
    }
    
    // 响应内容
    { 
        "tokens": [
            { 
                "token": "我",
                "start_offset": 0,
                "end_offset": 1,
                "type": "CN_CHAR",
                "position": 0
            },
            { 
                "token": "是",
                "start_offset": 1,
                "end_offset": 2,
                "type": "CN_CHAR",
                "position": 1
            },
            { 
                "token": "中国人",
                "start_offset": 2,
                "end_offset": 5,
                "type": "CN_WORD",
                "position": 2
            },
            { 
                "token": "中国",
                "start_offset": 2,
                "end_offset": 4,
                "type": "CN_WORD",
                "position": 3
            },
            { 
                "token": "国人",
                "start_offset": 3,
                "end_offset": 5,
                "type": "CN_WORD",
                "position": 4
            }
        ]
    }

对于上面两个分词效果的解释：

1.  如果未安装IK分词器，那么，你如果写 “analyzer”: “ik\_max\_word”，那么程序就会报错，因为你没有安装IK分词器
2.  如果你安装了IK分词器之后，你不指定分词器，不加上 “analyzer”: “ik\_max\_word” 这句话，那么其分词效果跟你没有安装IK分词器是一致的，也是分词成每个汉字。

### 2.2 创建指定分词器的索引 ###

索引创建之后就可以使用IK进行分词了，当你使用ES搜索的时候也会使用ik对搜索语句进行分词，进行匹配。下面给出一个例子以供参考：

PUT  http://localhost:9200/book
    { 
      "settings":{ 
        "number_of_shards": "6",
        "number_of_replicas": "1",  
        "analysis":{    
          "analyzer":{ 
            "ik":{ 
              "tokenizer":"ik_max_word"
            }
          }
        }
      },
      "mappings":{ 
        "novel":{ 
          "properties":{ 
            "author":{ 
              "type":"text"
            },
            "wordCount":{ 
              "type":"integer"
            },
            "publishDate":{ 
              "type":"date",
              "format":"yyyy-MM-dd HH:mm:ss || yyyy-MM-dd"
            },
            "bookName":{ 
              "type":"text"
            }
          }
        }
      }
    }

关于IK分词器的分词类型（可以根据需求进行选择）：

*  `ik_max_word`：会将文本做**最细粒度的拆分**，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,中华人民,中华,华人,人民共和国,人民,人,民,共和国,共和,和,国国,国歌”，会穷尽各种可能的组合；
 *  `ik_smart`：会做**最粗粒度的拆分**，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,国歌”。

[2018100818415238]: /images/20220508/2a45a30c142f4e22a457e47e931132ac.png
[2018100818431118]: /images/20220508/76784c0f3a23491dab19fab72969fdba.png
[elasticsearch-analysis-ik]: https://github.com/medcl/elasticsearch-analysis-ik
[20181008190944524]: /images/20220508/845ef416d289406b84f72ef63e849d0b.png
[20181008191123447]: /images/20220508/7c6592d668c54ff6a402e58e883437e5.png