es入门教程

缺乏、安全感 2024-03-01 07:01 42阅读 0赞

## es入门教程 ##

### 前提： Docker搭建es+kibana ###

> 前提:具备docker环境，如果没有环境且os为windows或mac的可以下载docker desktop  
> 详细搭建教程：https://blog.csdn.net/weixin\_45565886/article/details/132396440

### 一、DSL查询 ###

> Elasticsearch提供了基于JSON的DSL（Domain Specific Language）来定义查询。

查询语法：

# 查询格式基本类似
    GET /indexName/_search
    {
        
      "query": {
        
        "查询类型": {
        
          "查询条件": "条件值"
        }
      }
    }

#### 1 查询所有：match\_all ####

> 一般用于测试

#### 2 全文检索查询：match\_query、multi\_match\_query ####

> 利用分词器对用户输入内容分词，然后去倒排索引库匹配

##### 2.1 match：单字段查询 #####

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

##### 2.2 multi\_match：多字段查询，任意一个字段符合条件即可 #####

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

##### 2.3 区别与联系 #####

> 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(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)

#### 3 精确查询：ids、range、term ####

> 一般是查找keyword、数值、日志、boolean等类型字段

##### 3.1 term：根据词条精确值查询 #####

> 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。

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

##### 3.2 range：根据值的范围查询 #####

> 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。

# range查询
    GET /indexName/_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
          }
        }
      }
    }

##### 3.3 区别与联系 #####

> 精确查询常见的有哪些？
> 
> 1.  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
> 2.  range查询：根据数值范围查询，可以是数值、日期的范围

#### 4 地理查询：geo\_distance、geo\_bounding\_box ####

> 根据经纬度查询

##### 4.1 geo\_distance:指定半径画圆 #####

> 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：

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

#### 5 复合查询：bool、function\_score ####

> 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

##### 5.1 相关性算分(使用match查询时自带) #####

> 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：我们搜索上海如家

[
      {
        
        "_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",
        }
      }
    ]

> 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（缺陷：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）
>  *  BM25算法，elasticsearch5.1版本后采用的算法

##### 5.2 function\_score：算分函数查询，我们手动修改算分 #####

> 算分函数查询（important)

*  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：  
    ![在这里插入图片描述][6f029a1c36704afba5c074aca45d8eac.png]

要想控制好得分结果，就需要利用elasticsearch中的function score 查询了

function score查询中包含四部分内容：

###### ①原始查询条件：query部分，并基于BM25算法打原始分 ######

###### ②过滤条件 ######

> filter部分，符合该条件的文档才会重新算分

###### ③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：
> 
> 1.  weight：函数结果是常量
> 2.  field\_value\_factor：以文档中的某个字段值作为函数结果
> 3.  random\_score：以随机数作为函数结果
> 4.  script\_score：自定义算分函数算法

###### ④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。

>  *  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

###### 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

最终DSL语句：

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
        }
      }
    }

##### 5.3 bool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

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：

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

###### ①must：必须匹配，“与” ######

###### ②should：选择性匹配，“或” ######

###### ③must\_not：必须不匹配，“非” ######

###### ④filter：必须匹配，不参与算分 ######

###### 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 } }}
          ]
        }
      }
    }

### 二、搜索结果进行处理 ###

#### 1 排序（与query同级别） ####

> 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。

##### 1.1 普通字段排序:sort #####

> keyword、数值、日期类型排序的语法基本一致。

GET /indexName/_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

![在这里插入图片描述][7338ae71958243cc8212c588c7d169d9.png]

##### 1.2 地理坐标排序 #####

GET /indexName/_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

#### 2 分页:默认返回top10，from、size ####

> 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 ?, ?`

##### 2.1 基本分页 #####

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 深度分页 #####

> 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：

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。

> 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。

*  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。

###### ①search after：从上一次排序值开始，查询下一页（推荐） ######

###### ②scroll：将排序后的文档id形成快照，保存到内存 ######

##### 2.3 区别与联系 #####

> 分页查询的常见实现方案以及优缺点：

1.  `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

1.  `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

1.  `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。

#### 3 高亮 ####

##### 3.1 原理:标签+css样式 #####

> 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：

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，例如标签 
2）页面给标签编写CSS样式

##### 3.2 示例 #####

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": "", // 用来标记高亮字段的前置标签
 "post_tags": "" // 用来标记高亮字段的后置标签
 }
 }
 }
 }

##### 3.3 总结 #####

> 1.  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。
> 2.  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
> 3.  如果要对非搜索字段高亮，则需要添加一个属性：required\_field\_match=false

#### 4 示例 ####

> 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

![在这里插入图片描述][f1de6243500046778a960e3c09ae4d9c.png]

> 查询有四种；全文查询，精确查询，地理查询，符合查循，其中符合查询包含bool与functions；其中bool有must,should,must\_not,filter,前面需要参与算分，后面不用，【query->bool->must/filter…->match/range…\]

[6f029a1c36704afba5c074aca45d8eac.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/01/06c5bb34ef1d47cb956b018b0daef423.png
[7338ae71958243cc8212c588c7d169d9.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/01/c7d01ea832a648769e743729e1294c32.png
[f1de6243500046778a960e3c09ae4d9c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/01/6fc0df702a1b4cc39d2c8798a4ce9810.png