elasticsearch的入门使用02

╰半橙微兮° 2023-09-25 16:34 65阅读 0赞

#### 目录 ####

*  分布式搜索引擎02
 *  1.DSL查询文档
 *   *  1.1.DSL查询分类
     *  1.2.全文检索查询
     *   *  1.2.1.使用场景
         *  1.2.2.基本语法
         *  1.2.3.示例
         *  1.2.4.总结
     *  1.3.精准查询
     *   *  1.3.1.term查询
         *  1.3.2.range查询
         *  1.3.3.总结
     *  1.4.地理坐标查询
     *   *  1.4.1.矩形范围查询
         *  1.4.2.附近查询
     *  1.5.复合查询
     *   *  1.5.1.相关性算分
         *  1.5.2.算分函数查询
         *   *  1）语法说明
             *  2）示例
             *  3）小结
         *  1.5.3.布尔查询
         *   *  1）语法示例：
             *  2）示例
             *  3）小结
 *  2.搜索结果处理
 *   *  2.1.排序
     *   *  2.1.1.普通字段排序
         *  2.1.2.地理坐标排序
     *  2.2.分页
     *   *  2.2.1.基本的分页
         *  2.2.2.深度分页问题
         *  2.2.3.小结
     *  2.3.高亮
     *   *  2.3.1.高亮原理
         *  2.3.2.实现高亮
     *  2.4.总结
 *  3.RestClient查询文档
 *   *  3.1.快速入门
     *   *  3.1.1.发起查询请求
         *  3.1.2.解析响应
         *  3.1.3.完整代码
         *  3.1.4.小结
     *  3.2.match查询
     *  3.3.精确查询
     *  3.4.布尔查询
     *  3.5.排序、分页
     *  3.6.高亮
     *   *  3.6.1.高亮请求构建
         *  3.6.2.高亮结果解析

## 分布式搜索引擎02 ##

在上一篇中，我们已经导入了大量数据到elasticsearch中，实现了elasticsearch的数据存储功能。但elasticsearch最擅长的还是搜索和数据分析。

所以今天，我们研究下elasticsearch的数据搜索功能。我们会分别使用**DSL**和**RestClient**实现搜索。

## 1.DSL查询文档 ##

elasticsearch的查询依然是基于JSON风格的DSL来实现的。

### 1.1.DSL查询分类 ###

Elasticsearch提供了基于JSON的DSL（[Domain Specific Language][]）来定义查询。常见的查询类型包括：

*  **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

查询的语法基本一致：

GET /hotel/_search
    {
        
      "query": {
        
        "查询类型": {
        
          "查询条件": "条件值"
        }
      }
    }

我们以查询所有为例，其中：

*  查询类型为match\_all
 *  没有查询条件

// 查询所有
    GET /hotel/_search
    {
        
      "query": {
        
        "match_all": {
        
        }
      }
    }

其它查询无非就是**查询类型**、**查询条件**的变化。

### 1.2.全文检索查询 ###

#### 1.2.1.使用场景 ####

全文检索查询的基本流程如下：

*  对用户搜索的内容做分词，得到词条
 *  根据词条去倒排索引库中匹配，得到文档id
 *  根据文档id找到文档，返回给用户

比较常用的场景包括：

*  商城的输入框搜索
 *  百度输入框搜索

例如京东：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oKeW5X5R-1678958338519)(assets/image-20210721165326938.png)\]][img-oKeW5X5R-1678958338519_assets_image-20210721165326938.png]

因为是拿着词条去匹配，因此参与搜索的字段也必须是可分词的text类型的字段。

#### 1.2.2.基本语法 ####

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查询语法如下：

GET /hotel/_search
    {
        
      "query": {
        
        "match": {
        
          "FIELD": "TEXT"
        }
      }
    }

mulit\_match语法如下：

GET /hotel/_search
    {
        
      "query": {
        
        "multi_match": {
        
          "query": "TEXT",
          "fields": ["FIELD1", " FIELD12"]
        }
      }
    }

#### 1.2.3.示例 ####

**match查询示例：**

#match 查询
    GET /hotel/_search
    {
        
      "query": {
        
        "match": {
        
          "all":"外滩如家"
        }
      }
    }

![在这里插入图片描述][c61c2792e49c403cb530dbec9928a2e4.png]

**multi\_match查询示例：**

#multi_match 查询
    GET /hotel/_search
    {
        
      "query": {
        
        "multi_match": {
        
          "query":"外滩如家",
          "fields": ["brand","name","business"]
        }
      }
    }

![在这里插入图片描述][246ff3eb23b74c7580299fdabebfdb4c.png]

可以看到，两种查询结果是一样的，为什么？

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。

#### 1.2.4.总结 ####

match和multi\_match的区别是什么？

*  match：根据一个字段查询
 *  multi\_match：根据多个字段查询，参与查询字段越多，查询性能越差

### 1.3.精准查询 ###

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

#### 1.3.1.term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。

语法说明：

// term查询
    GET /hotel/_search
    {
        
      "query": {
        
        "term": {
        
          "FIELD": {
        
            "value": "VALUE"
          }
        }
      }
    }

示例：

当我搜索的是精确词条时，能正确查询出结果：

# term 精确 查询
    GET /hotel/_search
    {
        
      "query": {
        
        "term": {
        
          "city": {
        
            "value": "北京"
          }
        }
      }
    }

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DbNsyujU-1678958338522)(assets/image-20210721171655308.png)\]][img-DbNsyujU-1678958338522_assets_image-20210721171655308.png]

但是，当我搜索的内容不是词条，而是多个词语形成的短语时，反而搜索不到：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bldI1ann-1678958338523)(assets/image-20210721171838378.png)\]][img-bldI1ann-1678958338523_assets_image-20210721171838378.png]

#### 1.3.2.range查询 ####

范围查询，一般应用在对数值类型做范围过滤的时候。比如做价格范围过滤。

基本语法：

// range查询
    GET /hotel/_search
    {
        
      "query": {
        
        "range": {
        
          "FIELD": {
        
            "gte": 10, // 这里的gte代表大于等于，gt则代表大于
            "lte": 20 // lte代表小于等于，lt则代表小于
          }
        }
      }
    }

示例：

# range  查询
    GET /hotel/_search
    {
        
      "query": {
        
       "range": {
        
         "price": {
        
           "gte": 100,
           "lte": 300
         }
       }
      }
    }

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MEhVKjlk-1678958338523)(assets/image-20210721172307172.png)\]][img-MEhVKjlk-1678958338523_assets_image-20210721172307172.png]

#### 1.3.3.总结 ####

精确查询常见的有哪些？

*  term查询：根据词条精确匹配，一般搜索keyword类型、数值类型、布尔类型、日期类型字段
 *  range查询：根据数值范围查询，可以是数值、日期的范围

### 1.4.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，官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/geo-queries.html

常见的使用场景包括：

*  携程：搜索我附近的酒店
 *  滴滴：搜索我附近的出租车
 *  微信：搜索我附近的人

附近的酒店：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ObAF3bQV-1678958338524)(assets/image-20210721172645103.png)\]][img-ObAF3bQV-1678958338524_assets_image-20210721172645103.png]

附近的车：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xxJqXtxL-1678958338524)(assets/image-20210721172654880.png)\]][img-xxJqXtxL-1678958338524_assets_image-20210721172654880.png]

#### 1.4.1.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：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MtzrlpZi-1678958338526)(assets/image-20210721175443234.png)\]][img-MtzrlpZi-1678958338526_assets_image-20210721175443234.png]

查询时，需要指定矩形的**左上**、**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。

语法如下：

// geo_bounding_box查询
    GET /hotel/_search
    {
        
      "query": {
        
        "geo_bounding_box": {
        
          "FIELD": {
        
            "top_left": {
         // 左上点
              "lat": 31.1,
              "lon": 121.5
            },
            "bottom_right": {
         // 右下点
              "lat": 30.9,
              "lon": 121.7
            }
          }
        }
      }
    }

这种并不符合“附近的人”这样的需求。  
示例：

#矩形
    GET /hotel/_search
    {
        
      "query":{
        
        "geo_bounding_box":{
        
          "location":{
        
            "top_left":{
         
              "lat":31.1,
              "lon":121.5
            },
            "bottom_right":{
        
              "lat":30.9,
              "lon":121.7
            }
          }
        }
      }
    }

![在这里插入图片描述][e6a6657966794472b8a8e5d94e59d688.png]

#### 1.4.2.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：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CefGI2ro-1678958338526)(assets/image-20210721182031475.png)\]][img-CefGI2ro-1678958338526_assets_image-20210721182031475.png]

语法说明：

// geo_distance 查询
    GET /hotel/_search
    {
        
      "query": {
        
        "geo_distance": {
        
          "distance": "15km", // 半径
          "FIELD": "31.21,121.5" // 圆心
        }
      }
    }

示例：

我们先搜索陆家嘴附近15km的酒店：

# 以自身为中心
    GET /hotel/_search
    {
        
      "query":{
        
        "geo_distance": {
        
          "distance":"15km",
          "location":"31.21,121.5"
        }
      }
    }

发现共有47家酒店。

![在这里插入图片描述][21ae43aea28c4b21b453f5da68b9f940.png]

然后把半径缩短到3公里：

# 以自身为中心
    GET /hotel/_search
    {
        
      "query":{
        
        "geo_distance": {
        
          "distance":"3km",
          "location":"31.21,121.5"
        }
      }
    }

可以发现，搜索到的酒店数量减少到了5家。  
![在这里插入图片描述][47a28069647c4490b8052c472d399870.png]

### 1.5.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

#### 1.5.1.相关性算分 ####

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。

例如，我们搜索 “虹桥如家”，结果如下：

[
      {
        
        "_score" : 17.850193,
        "_source" : {
        
          "name" : "虹桥如家酒店真不错",
        }
      },
      {
        
        "_score" : 12.259849,
        "_source" : {
        
          "name" : "外滩如家酒店真不错",
        }
      },
      {
        
        "_score" : 11.91091,
        "_source" : {
        
          "name" : "迪士尼如家酒店真不错",
        }
      }
    ]

在elasticsearch中，早期使用的打分算法是TF-IDF算法，公式如下：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-blcSnpft-1678958338526)(assets/image-20210721190152134.png)\]][img-blcSnpft-1678958338526_assets_image-20210721190152134.png]

在后来的5.1版本升级中，elasticsearch将算法改进为BM25算法，公式如下：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-PA5b3ZPT-1678958338527)(assets/image-20210721190416214.png)\]][img-PA5b3ZPT-1678958338527_assets_image-20210721190416214.png]

TF-IDF算法有一各缺陷，就是词条频率越高，文档得分也会越高，单个词条对文档影响较大。而BM25则会让单个词条的算分有一个上限，曲线更加平滑：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6rJ5EoKq-1678958338527)(assets/image-20210721190907320.png)\]][img-6rJ5EoKq-1678958338527_assets_image-20210721190907320.png]

小结：elasticsearch会根据词条和文档的相关度做打分，算法由两种：

*  TF-IDF算法
 *  BM25算法，elasticsearch5.1版本后采用的算法

#### 1.5.2.算分函数查询 ####

根据相关度打分是比较合理的需求，但**合理的不一定是产品经理需要**的。

以百度为例，你搜索的结果中，并不是相关度越高排名越靠前，而是谁掏的钱多排名就越靠前。如图：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-h7rLqU76-1678958338528)(assets/image-20210721191144560.png)\]][img-h7rLqU76-1678958338528_assets_image-20210721191144560.png]

要想认为控制相关性算分，就需要利用elasticsearch中的function score 查询了。

##### 1）语法说明 #####

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ChXmXee6-1678958338528)(assets/image-20210721191544750.png)\]][img-ChXmXee6-1678958338528_assets_image-20210721191544750.png]

function 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

function score的运行流程如下：

*  1）根据**原始条件**查询搜索文档，并且计算相关性算分，称为**原始算分**（query score）
 *  2）根据**过滤条件**，过滤文档
 *  3）符合**过滤条件**的文档，基于**算分函数**运算，得到**函数算分**（function score）
 *  4）将**原始算分**（query score）和**函数算分**（function score）基于**运算模式**做运算，得到最终结果，作为相关性算分。

因此，其中的关键点是：

*  过滤条件：决定哪些文档的算分被修改
 *  算分函数：决定函数算分的算法
 *  运算模式：决定最终算分结果

##### 2）示例 #####

需求：给“如家”这个品牌的酒店排名靠前一些

翻译一下这个需求，转换为之前说的四个要点：

*  原始条件：不确定，可以任意变化
 *  过滤条件：brand = “如家”
 *  算分函数：可以简单粗暴，直接给固定的算分结果，weight
 *  运算模式：比如求和

因此最终的DSL语句如下：

GET /hotel/_search
    {
        
      "query": {
        
        "function_score": {
        
          "query": {
          .... }, // 原始查询，可以是任意条件
          "functions": [ // 算分函数
            {
        
              "filter": {
         // 满足的条件，品牌必须是如家
                "term": {
        
                  "brand": "如家"
                }
              },
              "weight": 2 // 算分权重为2
            }
          ],
          "boost_mode": "sum" // 加权模式，求和
        }
      }
    }

测试，在未添加算分函数时，如家得分如下：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-W8h8AlZq-1678958338528)(assets/image-20210721193152520.png)\]][img-W8h8AlZq-1678958338528_assets_image-20210721193152520.png]

添加了算分函数后，如家得分就提升了：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-FRD1fs7s-1678958338529)(assets/image-20210721193458182.png)\]][img-FRD1fs7s-1678958338529_assets_image-20210721193458182.png]

##### 3）小结 #####

function score query定义的三要素是什么？

*  过滤条件：哪些文档要加分
 *  算分函数：如何计算function score
 *  加权方式：function score 与 query score如何运算

#### 1.5.3.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**

比如在搜索酒店时，除了关键字搜索外，我们还可能根据品牌、价格、城市等字段做过滤：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6njMMdSi-1678958338529)(assets/image-20210721193822848.png)\]][img-6njMMdSi-1678958338529_assets_image-20210721193822848.png]

每一个不同的字段，其查询的条件、方式都不一样，必须是多个不同的查询，而要组合这些查询，就必须用bool查询了。

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

##### 1）语法示例： #####

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 } }}
          ]
        }
      }
    }

##### 2）示例 #####

需求：搜索名字包含“如家”，价格不高于400，在坐标31.21,121.5周围10km范围内的酒店。

分析：

*  名称搜索，属于全文检索查询，应该参与算分。放到must中
 *  价格不高于400，用range查询，属于过滤条件，不参与算分。放到must\_not中
 *  周围10km范围内，用geo\_distance查询，属于过滤条件，不参与算分。放到filter中

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wGqBq3oQ-1678958338529)(assets/image-20210721194744183.png)\]][img-wGqBq3oQ-1678958338529_assets_image-20210721194744183.png]

##### 3）小结 #####

bool查询有几种逻辑关系？

*  must：必须匹配的条件，可以理解为“与”
 *  should：选择性匹配的条件，可以理解为“或”
 *  must\_not：必须不匹配的条件，不参与打分
 *  filter：必须匹配的条件，不参与打分

## 2.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。

### 2.1.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][Link 1]。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。

#### 2.1.1.普通字段排序 ####

keyword、数值、日期类型排序的语法基本一致。

**语法**：

GET /hotel/_search
    {
        
      "query": {
        
        "match_all": {
        }
      },
      "sort": [
        {
        
          "FIELD": "desc"  // 排序字段、排序方式ASC、DESC
        }
      ]
    }

排序条件是一个数组，也就是可以写多个排序条件。按照声明的顺序，当第一个条件相等时，再按照第二个条件排序，以此类推

**示例**：

需求描述：酒店数据按照用户评价（score)降序排序，评价相同的按照价格(price)升序排序

#排序
    GET /hotel/_search
    {
        
      "query": {
        
        "match_all": {
        }
      },
      "sort": [
        {
          "score":  "desc" },
        {
          "price":  "asc" }
      ]
    }

![在这里插入图片描述][f9a098cfdac04ecb884a111184a485b3.png]

#### 2.1.2.地理坐标排序 ####

地理坐标排序略有不同。

**语法说明**：

GET /hotel/_search
    {
        
      "query": {
        
        "match_all": {
        }
      },
      "sort": [
        {
        
          "_geo_distance" : {
        
              "FIELD" : "纬度，经度", // 文档中geo_point类型的字段名、目标坐标点
              "order" : "asc", // 排序方式
              "unit" : "km" // 排序的距离单位
          }
        }
      ]
    }

这个查询的含义是：

*  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

**示例：**

需求描述：实现对酒店数据按照到你的位置坐标的距离升序排序

提示：获取你的位置的经纬度的方式：https://lbs.amap.com/demo/jsapi-v2/example/map/click-to-get-lnglat/

假设我的位置是：31.034661，121.612282，寻找我周围距离最近的酒店。

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vxi5oCQA-1678958338531)(assets/image-20210721200214690.png)\]][img-vxi5oCQA-1678958338531_assets_image-20210721200214690.png]

### 2.2.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

类似于mysql中的`limit ?, ?`

#### 2.2.1.基本的分页 ####

分页的基本语法如下：

GET /hotel/_search
    {
        
      "query": {
        
        "match_all": {
        }
      },
      "from": 0, // 分页开始的位置，默认为0
      "size": 10, // 期望获取的文档总数
      "sort": [
        {
        "price": "asc"}
      ]
    }

#### 2.2.2.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, // 分页开始的位置，默认为0
      "size": 10, // 期望获取的文档总数
      "sort": [
        {
        "price": "asc"}
      ]
    }

这里是查询990开始的数据，也就是 第990~第1000条 数据。

不过，elasticsearch内部分页时，必须先查询 0~1000条，然后截取其中的990 ~ 1000的这10条：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Sme92y1p-1678958338531)(assets/image-20210721200643029.png)\]][img-Sme92y1p-1678958338531_assets_image-20210721200643029.png]

查询TOP1000，如果es是单点模式，这并无太大影响。

但是elasticsearch将来一定是集群，例如我集群有5个节点，我要查询TOP1000的数据，并不是每个节点查询200条就可以了。

因为节点A的TOP200，在另一个节点可能排到10000名以外了。

因此要想获取整个集群的TOP1000，必须先查询出每个节点的TOP1000，汇总结果后，重新排名，重新截取TOP1000。

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Lr8z5oTF-1678958338531)(assets/image-20210721201003229.png)\]][img-Lr8z5oTF-1678958338531_assets_image-20210721201003229.png]

那如果我要查询9900~10000的数据呢？是不是要先查询TOP10000呢？那每个节点都要查询10000条？汇总到内存中？

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，[官方文档][Link 2]：

*  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。

#### 2.2.3.小结 ####

分页查询的常见实现方案以及优缺点：

*  `from + size`：
    
     *  优点：支持随机翻页
     *  缺点：深度分页问题，默认查询上限（from + size）是10000
     *  场景：百度、京东、谷歌、淘宝这样的随机翻页搜索
 *  `after search`：
    
     *  优点：没有查询上限（单次查询的size不超过10000）
     *  缺点：只能向后逐页查询，不支持随机翻页
     *  场景：没有随机翻页需求的搜索，例如手机向下滚动翻页
 *  `scroll`：
    
     *  优点：没有查询上限（单次查询的size不超过10000）
     *  缺点：会有额外内存消耗，并且搜索结果是非实时的
     *  场景：海量数据的获取和迁移。从ES7.1开始不推荐，建议用 after search方案。

### 2.3.高亮 ###

#### 2.3.1.高亮原理 ####

什么是高亮显示呢？

我们在百度，京东搜索时，关键字会变成红色，比较醒目，这叫高亮显示：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JgMtRbUO-1678958338532)(assets/image-20210721202705030.png)\]][img-JgMtRbUO-1678958338532_assets_image-20210721202705030.png]

高亮显示的实现分为两步：

*  1）给文档中的所有关键字都添加一个标签，例如`<em>`标签
 *  2）页面给`<em>`标签编写CSS样式

#### 2.3.2.实现高亮 ####

**高亮的语法**：

GET /hotel/_search
    {
        
      "query": {
        
        "match": {
        
          "FIELD": "TEXT" // 查询条件，高亮一定要使用全文检索查询
        }
      },
      "highlight": {
        
        "fields": {
         // 指定要高亮的字段
          "FIELD": {
        
            "pre_tags": "<em>",  // 用来标记高亮字段的前置标签
            "post_tags": "</em>" // 用来标记高亮字段的后置标签
          }
        }
      }
    }

**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\_match=false

**示例**：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YkGnWRS5-1678958338532)(assets/image-20210721203349633.png)\]][img-YkGnWRS5-1678958338532_assets_image-20210721203349633.png]

### 2.4.总结 ###

查询的DSL是一个大的JSON对象，包含下列属性：

*  query：查询条件
 *  from和size：分页条件
 *  sort：排序条件
 *  highlight：高亮条件

示例：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-F1vumGJX-1678958338533)(assets/image-20210721203657850.png)\]][img-F1vumGJX-1678958338533_assets_image-20210721203657850.png]

## 3.RestClient查询文档 ##

文档的查询同样适用昨天学习的 RestHighLevelClient对象，基本步骤包括：

*  1）准备Request对象
 *  2）准备请求参数
 *  3）发起请求
 *  4）解析响应

### 3.1.快速入门 ###

我们以match\_all查询为例

#### 3.1.1.发起查询请求 ####

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LuU9fi92-1678958338533)(assets/image-20210721203950559.png)\]][img-LuU9fi92-1678958338533_assets_image-20210721203950559.png]

代码解读：

*  第一步，创建`SearchRequest`对象，指定索引库名
 *  第二步，利用`request.source()`构建DSL，DSL中可以包含查询、分页、排序、高亮等
    
     *  `query()`：代表查询条件，利用`QueryBuilders.matchAllQuery()`构建一个match\_all查询的DSL
 *  第三步，利用restHighLevelClient.search()发送请求，得到响应

这里关键的API有两个，一个是`request.source()`，其中包含了查询、排序、分页、高亮等所有功能：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9mfQjQ05-1678958338533)(assets/image-20210721215640790.png)\]][img-9mfQjQ05-1678958338533_assets_image-20210721215640790.png]

另一个是`QueryBuilders`，其中包含match、term、function\_score、bool等各种查询：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wplET6LU-1678958338534)(assets/image-20210721215729236.png)\]][img-wplET6LU-1678958338534_assets_image-20210721215729236.png]

#### 3.1.2.解析响应 ####

响应结果的解析：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ps1wUUWZ-1678958338535)(assets/image-20210721214221057.png)\]][img-ps1wUUWZ-1678958338535_assets_image-20210721214221057.png]

elasticsearch返回的结果是一个JSON字符串，结构包含：

*  `hits`：命中的结果
    
     *  `total`：总条数，其中的value是具体的总条数值
     *  `max_score`：所有结果中得分最高的文档的相关性算分
     *  `hits`：搜索结果的文档数组，其中的每个文档都是一个json对象
        
         *  `_source`：文档中的原始数据，也是json对象

因此，我们解析响应结果，就是逐层解析JSON字符串，流程如下：

*  `SearchHits`：通过response.getHits()获取，就是JSON中的最外层的hits，代表命中的结果
    
     *  `SearchHits#getTotalHits().value`：获取总条数信息
     *  `SearchHits#getHits()`：获取SearchHit数组，也就是文档数组
        
         *  `SearchHit#getSourceAsString()`：获取文档结果中的\_source，也就是原始的json文档数据

#### 3.1.3.完整代码 ####

完整代码如下：

@Test
    void testMatchAll() throws IOException {
        
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        request.source()
            .query(QueryBuilders.matchAllQuery());
        // 3.发送请求
        SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);
    
        // 4.解析响应
        handleResponse(response);
    }
    
    private void handleResponse(SearchResponse response) {
        
        // 4.解析响应
        SearchHits searchHits = response.getHits();
        // 4.1.获取总条数
        long total = searchHits.getTotalHits().value;
        System.out.println("共搜索到" + total + "条数据");
        // 4.2.文档数组
        SearchHit[] hits = searchHits.getHits();
        // 4.3.遍历
        for (SearchHit hit : hits) {
        
            // 获取文档source
            String json = hit.getSourceAsString();
            // 反序列化
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
            System.out.println("hotelDoc = " + hotelDoc);
        }
    }

#### 3.1.4.小结 ####

查询的基本步骤是：

1.  创建SearchRequest对象
2.  准备Request.source()，也就是DSL。
    
    ① QueryBuilders来构建查询条件
    
    ② 传入Request.source() 的 query() 方法
3.  发送请求，得到结果
4.  解析结果（参考JSON结果，从外到内，逐层解析）

### 3.2.match查询 ###

全文检索的match和multi\_match查询与match\_all的API基本一致。差别是查询条件，也就是query的部分。

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nKpiF8ix-1678958338535)(assets/image-20210721215923060.png)\]][img-nKpiF8ix-1678958338535_assets_image-20210721215923060.png]

因此，Java代码上的差异主要是request.source().query()中的参数了。同样是利用QueryBuilders提供的方法：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-80Tz8m9G-1678958338536)(assets/image-20210721215843099.png)\]][img-80Tz8m9G-1678958338536_assets_image-20210721215843099.png]

而结果解析代码则完全一致，可以抽取并共享。

完整代码如下：

@Test
    void testMatch() throws IOException {
        
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        request.source()
            .query(QueryBuilders.matchQuery("all", "如家"));
        // 3.发送请求
        SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);
        // 4.解析响应
        handleResponse(response);
    
    }

### 3.3.精确查询 ###

精确查询主要是两者：

*  term：词条精确匹配
 *  range：范围查询

与之前的查询相比，差异同样在查询条件，其它都一样。

查询条件构造的API如下：

\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZLF2KHkW-1678958338536)(assets/image-20210721220305140.png)\]

### 3.4.布尔查询 ###

布尔查询是用must、must\_not、filter等方式组合其它查询，代码示例如下：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3kcJA3B2-1678958338537)(assets/image-20210721220927286.png)\]][img-3kcJA3B2-1678958338537_assets_image-20210721220927286.png]

可以看到，API与其它查询的差别同样是在查询条件的构建，QueryBuilders，结果解析等其他代码完全不变。

完整代码如下：

@Test
    void testBool() throws IOException {
        
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        // 2.1.准备BooleanQuery
        BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
        // 2.2.添加term
        boolQuery.must(QueryBuilders.termQuery("city", "杭州"));
        // 2.3.添加range
        boolQuery.filter(QueryBuilders.rangeQuery("price").lte(250));
    
        request.source().query(boolQuery);
        // 3.发送请求
        SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);
        // 4.解析响应
        handleResponse(response);
    
    }

### 3.5.排序、分页 ###

搜索结果的排序和分页是与query同级的参数，因此同样是使用request.source()来设置。

对应的API如下：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-yia5UIYT-1678958338537)(assets/image-20210721221121266.png)\]][img-yia5UIYT-1678958338537_assets_image-20210721221121266.png]

完整代码示例：

@Test
    void testPageAndSort() throws IOException {
        
        // 页码，每页大小
        int page = 1, size = 5;
    
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        // 2.1.query
        request.source().query(QueryBuilders.matchAllQuery());
        // 2.2.排序 sort
        request.source().sort("price", SortOrder.ASC);
        // 2.3.分页 from、size
        request.source().from((page - 1) * size).size(5);
        // 3.发送请求
        SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);
        // 4.解析响应
        handleResponse(response);
    
    }

### 3.6.高亮 ###

高亮的代码与之前代码差异较大，有两点：

*  查询的DSL：其中除了查询条件，还需要添加高亮条件，同样是与query同级。
 *  结果解析：结果除了要解析\_source文档数据，还要解析高亮结果

#### 3.6.1.高亮请求构建 ####

高亮请求的构建API如下：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fpFQ1CQ5-1678958338537)(assets/image-20210721221744883.png)\]][img-fpFQ1CQ5-1678958338537_assets_image-20210721221744883.png]

上述代码省略了查询条件部分，但是大家不要忘了：高亮查询必须使用全文检索查询，并且要有搜索关键字，将来才可以对关键字高亮。

完整代码如下：

@Test
    void testHighlight() throws IOException {
        
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        // 2.1.query
        request.source().query(QueryBuilders.matchQuery("all", "如家"));
        // 2.2.高亮
        request.source().highlighter(new HighlightBuilder().field("name").requireFieldMatch(false));
        // 3.发送请求
        SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);
        // 4.解析响应
        handleResponse(response);
    
    }

#### 3.6.2.高亮结果解析 ####

高亮的结果与查询的文档结果默认是分离的，并不在一起。

因此解析高亮的代码需要额外处理：

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6rvv4lSK-1678958338538)(assets/image-20210721222057212.png)\]][img-6rvv4lSK-1678958338538_assets_image-20210721222057212.png]

代码解读：

*  第一步：从结果中获取source。hit.getSourceAsString()，这部分是非高亮结果，json字符串。还需要反序列为HotelDoc对象
 *  第二步：获取高亮结果。hit.getHighlightFields()，返回值是一个Map，key是高亮字段名称，值是HighlightField对象，代表高亮值
 *  第三步：从map中根据高亮字段名称，获取高亮字段值对象HighlightField
 *  第四步：从HighlightField中获取Fragments，并且转为字符串。这部分就是真正的高亮字符串了
 *  第五步：用高亮的结果替换HotelDoc中的非高亮结果

完整代码如下：

private void handleResponse(SearchResponse response) {
        
        // 4.解析响应
        SearchHits searchHits = response.getHits();
        // 4.1.获取总条数
        long total = searchHits.getTotalHits().value;
        System.out.println("共搜索到" + total + "条数据");
        // 4.2.文档数组
        SearchHit[] hits = searchHits.getHits();
        // 4.3.遍历
        for (SearchHit hit : hits) {
        
            // 获取文档source
            String json = hit.getSourceAsString();
            // 反序列化
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
            // 获取高亮结果
            Map<String, HighlightField> highlightFields = hit.getHighlightFields();
            if (!CollectionUtils.isEmpty(highlightFields)) {
        
                // 根据字段名获取高亮结果
                HighlightField highlightField = highlightFields.get("name");
                if (highlightField != null) {
        
                    // 获取高亮值
                    String name = highlightField.getFragments()[0].string();
                    // 覆盖非高亮结果
                    hotelDoc.setName(name);
                }
            }
            System.out.println("hotelDoc = " + hotelDoc);
        }
    }

[Domain Specific Language]: https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl.html
[img-oKeW5X5R-1678958338519_assets_image-20210721165326938.png]: https://img-blog.csdnimg.cn/e9924c8ae4bb41138271d6b79600f44c.png
[c61c2792e49c403cb530dbec9928a2e4.png]: https://img-blog.csdnimg.cn/c61c2792e49c403cb530dbec9928a2e4.png
[246ff3eb23b74c7580299fdabebfdb4c.png]: https://img-blog.csdnimg.cn/246ff3eb23b74c7580299fdabebfdb4c.png
[img-DbNsyujU-1678958338522_assets_image-20210721171655308.png]: https://img-blog.csdnimg.cn/c056c10124154a54918c23d144d281e7.png
[img-bldI1ann-1678958338523_assets_image-20210721171838378.png]: https://img-blog.csdnimg.cn/4290ac18c3d94772826936b526e59140.png
[img-MEhVKjlk-1678958338523_assets_image-20210721172307172.png]: https://img-blog.csdnimg.cn/e9fd2f12303847479ce3e8704fd94479.png
[img-ObAF3bQV-1678958338524_assets_image-20210721172645103.png]: https://img-blog.csdnimg.cn/77dfdc7c94304659b6aebd3a1d648f2e.png
[img-xxJqXtxL-1678958338524_assets_image-20210721172654880.png]: https://img-blog.csdnimg.cn/571da3569ae4464197a1bbbaa05506b5.png
[img-MtzrlpZi-1678958338526_assets_image-20210721175443234.png]: https://img-blog.csdnimg.cn/ec08b3c28ebf457b98fafbb009b188bb.gif
[e6a6657966794472b8a8e5d94e59d688.png]: https://img-blog.csdnimg.cn/e6a6657966794472b8a8e5d94e59d688.png
[img-CefGI2ro-1678958338526_assets_image-20210721182031475.png]: https://img-blog.csdnimg.cn/520d305c590f49d188ed06ec6218bc74.gif
[21ae43aea28c4b21b453f5da68b9f940.png]: https://img-blog.csdnimg.cn/21ae43aea28c4b21b453f5da68b9f940.png
[47a28069647c4490b8052c472d399870.png]: https://img-blog.csdnimg.cn/47a28069647c4490b8052c472d399870.png
[img-blcSnpft-1678958338526_assets_image-20210721190152134.png]: https://img-blog.csdnimg.cn/97716c27e40847319b38539b500b3f70.png
[img-PA5b3ZPT-1678958338527_assets_image-20210721190416214.png]: https://img-blog.csdnimg.cn/e732fcef96764ba1a0be02949e8694d0.png
[img-6rJ5EoKq-1678958338527_assets_image-20210721190907320.png]: https://img-blog.csdnimg.cn/24f6207c567c4060891f2e978c9f9997.png
[img-h7rLqU76-1678958338528_assets_image-20210721191144560.png]: https://img-blog.csdnimg.cn/a483fd2063384f1e9eece08262ea84d2.png
[img-ChXmXee6-1678958338528_assets_image-20210721191544750.png]: https://img-blog.csdnimg.cn/55e155a3fa194f11a2ebad07e4b6ae68.png
[img-W8h8AlZq-1678958338528_assets_image-20210721193152520.png]: https://img-blog.csdnimg.cn/a28961094d0446f08efc1421dd0eb671.png
[img-FRD1fs7s-1678958338529_assets_image-20210721193458182.png]: https://img-blog.csdnimg.cn/564470f923704da98e687e4ddcdc185d.png
[img-6njMMdSi-1678958338529_assets_image-20210721193822848.png]: https://img-blog.csdnimg.cn/1640f4277e5e44b88b86ae8f35518e8f.png
[img-wGqBq3oQ-1678958338529_assets_image-20210721194744183.png]: https://img-blog.csdnimg.cn/510437ef4a294f43915e5f7b76140a51.png
[Link 1]: https://www.elastic.co/guide/en/elasticsearch/reference/current/sort-search-results.html
[f9a098cfdac04ecb884a111184a485b3.png]: https://img-blog.csdnimg.cn/f9a098cfdac04ecb884a111184a485b3.png
[img-vxi5oCQA-1678958338531_assets_image-20210721200214690.png]: https://img-blog.csdnimg.cn/799bd021552e4b2aac58675aee88749d.png
[img-Sme92y1p-1678958338531_assets_image-20210721200643029.png]: https://img-blog.csdnimg.cn/458e36c1ba9b4fc6ad6fc646f5c82afb.png
[img-Lr8z5oTF-1678958338531_assets_image-20210721201003229.png]: https://img-blog.csdnimg.cn/2dbe452ced72486f93b418574e6c38fd.png
[Link 2]: https://www.elastic.co/guide/en/elasticsearch/reference/current/paginate-search-results.html
[img-JgMtRbUO-1678958338532_assets_image-20210721202705030.png]: https://img-blog.csdnimg.cn/52ac5ec9e2904190b35d0068122e6990.png
[img-YkGnWRS5-1678958338532_assets_image-20210721203349633.png]: https://img-blog.csdnimg.cn/363ddba81ca84b8aad4bf57856e36fec.png
[img-F1vumGJX-1678958338533_assets_image-20210721203657850.png]: https://img-blog.csdnimg.cn/d76fe876617f490797f5e3ac270e13bf.png
[img-LuU9fi92-1678958338533_assets_image-20210721203950559.png]: https://img-blog.csdnimg.cn/3e64829525324204b85b839912ff7435.png
[img-9mfQjQ05-1678958338533_assets_image-20210721215640790.png]: https://img-blog.csdnimg.cn/0d20812ff4084188864934ff066cf923.png
[img-wplET6LU-1678958338534_assets_image-20210721215729236.png]: https://img-blog.csdnimg.cn/7d580f08d2fb4163be6216a39bc72d38.png
[img-ps1wUUWZ-1678958338535_assets_image-20210721214221057.png]: https://img-blog.csdnimg.cn/92c71fe9eb3949e280a7b9a27c4ddabd.png
[img-nKpiF8ix-1678958338535_assets_image-20210721215923060.png]: https://img-blog.csdnimg.cn/ecf7d1a1ccc04560aa0e56fbb6dbe898.png
[img-80Tz8m9G-1678958338536_assets_image-20210721215843099.png]: https://img-blog.csdnimg.cn/d05632d36a0744ea9c85a0f6b218332b.png
[img-3kcJA3B2-1678958338537_assets_image-20210721220927286.png]: https://img-blog.csdnimg.cn/3cce7d1b41c04d15a109e4e6a6c8237b.png
[img-yia5UIYT-1678958338537_assets_image-20210721221121266.png]: https://img-blog.csdnimg.cn/ce3eadb9ca93457f898fdc077138b57f.png
[img-fpFQ1CQ5-1678958338537_assets_image-20210721221744883.png]: https://img-blog.csdnimg.cn/5e1e844fb0474f6f80c8a63fbe1b933b.png
[img-6rvv4lSK-1678958338538_assets_image-20210721222057212.png]: https://img-blog.csdnimg.cn/cbddc9c5442042fcafd75b1e91ff95a6.png