SpringCloud：ElasticSearch之DSL查询文档

拼搏现实的明天。 2024-03-23 12:52 84阅读 0赞

`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 /indexName/_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 /indexName/_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：

![在这里插入图片描述][c9a78b32f9e049688f4e8481dc62d8ac.png_pic_center]

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

`mulit_match`语法如下：

GET /indexName/_search
    {
        
      "query": {
        
        "multi_match": {
        
          "query": "TEXT",
          "fields": ["FIELD1", "FIELD2"]
        }
      }
    }

#### 1.2.3.示例 ####

`match`查询示例：

![在这里插入图片描述][e446b8f42d52465a83ba96c74c7a9163.png_pic_center]

`multi_match`查询示例：

![在这里插入图片描述][3d9e33441ba244eabc09cf4233c55218.png_pic_center]

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 /indexName/_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：

![在这里插入图片描述][7e7ae3b5b72a48fd9f5c0fada62c800b.png_pic_center]

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：

![在这里插入图片描述][19cdffe056524f6c857f1eaeb3cc3264.png_pic_center]

#### 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 /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
          }
        }
      }
    }

示例：

![在这里插入图片描述][92554aa9c9a345e38a230bb12d878cdb.png_pic_center]

#### 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][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

#### 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。

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 /indexName/_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，所以我们就不做了。

#### 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：

![在这里插入图片描述][38caa3087cdd4bd485acc456505973eb.gif_pic_center]

语法说明：

// geo_distance 查询
    GET /indexName/_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：

![在这里插入图片描述][1d2f3199076d494681205e7f05bc8bb7.png_pic_center]

发现共有47家酒店。

然后把半径缩短到3公里：

![在这里插入图片描述][3a686816dec54ad7ae3198667613587a.png_pic_center]

可以发现，搜索到的酒店数量减少到了5家。

### 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：

![在这里插入图片描述][75e02ce99a6f4a7c9e880942a792a6d4.png_pic_center]

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：

![在这里插入图片描述][c2535f5acdc041138fcc6bf87e06a543.png_pic_center]

`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：

![在这里插入图片描述][347da0f721f54241aa13f056da47348d.png_pic_center]

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，`elasticsearch 5.1`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：

![在这里插入图片描述][8e1e2dac0e27474281106ff77c246535.png_pic_center]

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 #####

![在这里插入图片描述][57b39420562440d1853936e4d8ec19fa.png_pic_center]

`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：

![在这里插入图片描述][e62ebc07f50340b8acf654b40a506a94.png_pic_center]

添加了算分函数后，如家得分就提升了：

![在这里插入图片描述][a2ad3f74dd0d40c2885bb4326280fa9f.png_pic_center]

##### 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：

![在这里插入图片描述][165bd6ba7ab24314baad5f0760937a77.png_pic_center]

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

![在这里插入图片描述][a29a8b65afd546459f5ff0f9bf3859f2.png_pic_center]

##### 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

[Domain Specific Language]: https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl.html
[c9a78b32f9e049688f4e8481dc62d8ac.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/47325ea151d64105867548eb6c4bd0c2.png
[e446b8f42d52465a83ba96c74c7a9163.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/3f08943f42f74e079298b7a36c43bac6.png
[3d9e33441ba244eabc09cf4233c55218.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/0bff95d08fbd453a838da06fb88f16c7.png
[7e7ae3b5b72a48fd9f5c0fada62c800b.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/3726ec0d5e164f54a35a0a8b5e8d1da0.png
[19cdffe056524f6c857f1eaeb3cc3264.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/29e035f25245452cb7887e5ff58518d9.png
[92554aa9c9a345e38a230bb12d878cdb.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/d5b70ac01f8b42d096811f27003b3611.png
[https_www.elastic.co_guide_en_elasticsearch_reference_current_geo-queries.html]: https://www.elastic.co/guide/en/elasticsearch/reference/current/geo-queries.html
[38caa3087cdd4bd485acc456505973eb.gif_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/fea9c6b650694dff955224c76c9dcdf6.png
[1d2f3199076d494681205e7f05bc8bb7.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/1103130a7c784f0f949f9513cca5b5ab.png
[3a686816dec54ad7ae3198667613587a.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/9f3adc17d84a43d89b3291f6b6da0e66.png
[75e02ce99a6f4a7c9e880942a792a6d4.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/3194eca4618a43e9967b0165a5e4c321.png
[c2535f5acdc041138fcc6bf87e06a543.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/042a982423a14ebd91c252f9346b2def.png
[347da0f721f54241aa13f056da47348d.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/0c432929cee24d35bdca3f9a584f08b6.png
[8e1e2dac0e27474281106ff77c246535.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/e0eec2fd0fbf4caeb37a3d92e77e120c.png
[57b39420562440d1853936e4d8ec19fa.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/0a2f32d4ad804e37a3dbe228dc27cf1a.png
[e62ebc07f50340b8acf654b40a506a94.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/7076c7845d2846ebaa109c4916c3f70a.png
[a2ad3f74dd0d40c2885bb4326280fa9f.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/49b8800743f14129a5c3162f1125e5b3.png
[165bd6ba7ab24314baad5f0760937a77.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/046cede9cce24db8b62cfbd97c33772b.png
[a29a8b65afd546459f5ff0f9bf3859f2.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/23/b55daddca2ee45078987a309c266acf5.png