微服务分布式搜索引擎 ElasticSearch 搜索结果处理排序、分页与高亮

青旅半醒 2024-05-01 04:47 11阅读 0赞

#### 文章目录 ####

*  ⛄引言
 *  一、排序
 *   *  ⛅普通字段排序
     *  ⚡地理坐标排序
 *  二、分页
 *   *  ⌚基本分页
     *  ⏰深度分页
 *  三、高亮
 *   *  ⚡实现高亮
 *  ⛵小结

## ⛄引言 ##

**本文参考黑马 分布式Elastic search**  
Elasticsearch是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容

> **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。

## 一、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。

### ⛅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 /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][fc81d6b0f3f84913af2e36d6ab03dda1.png_pic_center]

### ⚡地理坐标排序 ###

地理坐标排序略有不同。

**语法说明：**

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

**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/][https_lbs.amap.com_demo_jsapi-v2_example_map_click-to-get-lnglat]**

假设我的位置是：22.537148, 114.051375 寻找我周围距离最近的酒店。

![在这里插入图片描述][a58a4034c29b4dc58b0553c7cc4ea268.png_pic_center]

## 二、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 ?, ?`

### ⌚基本分页 ###

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"}
      ]
    }

执行查询结果

![在这里插入图片描述][12add9a03681443abde01a7a5579e4e3.png_pic_center]

### ⏰深度分页 ###

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：

![在这里插入图片描述][82bb98bb714d4b88a604e7e64b5b3d3b.png_pic_center]

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。

![在这里插入图片描述][fd4d63b2afee433981f40e082d13ecdd.png_pic_center]

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。

**分页小结**

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。

## 三、高亮 ##

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：

![在这里插入图片描述][c45ae3233e2f45509f56f391ed1645dd.png_pic_center]

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

### ⚡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

**搜索结果**

![在这里插入图片描述][92436f15d90e4e309f4a936aabb24716.png_pic_center]

**高亮小结**

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：

![在这里插入图片描述][e17f1c7bd8a449959a41e6b13ddc0bcb.png_pic_center]

## ⛵小结 ##

以上就是【**Bug 终结者**】对 **微服务分布式搜索引擎 Elastic Search RestClient 操作文档** 的简单介绍，**ES搜索引擎无疑是最优秀的分布式搜索引擎，使用它，可大大提高项目的灵活、高效性！** **`技术改变世界！！！`**

> 如果这篇【文章】有帮助到你，希望可以给【**Bug 终结者**】点个赞👍，创作不易，如果有对【**后端技术**】、【**前端领域**】感兴趣的小可爱，也欢迎关注❤️❤️❤️ 【**Bug 终结者**】❤️❤️❤️，我将会给你带来巨大的【收获与惊喜】💝💝💝！

[Link 1]: https://www.elastic.co/guide/en/elasticsearch/reference/current/sort-search-results.html
[fc81d6b0f3f84913af2e36d6ab03dda1.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/d3e46983b48b4690907e47baf9d84c4f.png
[https_lbs.amap.com_demo_jsapi-v2_example_map_click-to-get-lnglat]: https://lbs.amap.com/demo/jsapi-v2/example/map/click-to-get-lnglat/
[a58a4034c29b4dc58b0553c7cc4ea268.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/2059b6ef925143649c2b30c584d781e3.png
[12add9a03681443abde01a7a5579e4e3.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/e5b8128ecb1b48a58ac8f73a92d6b751.png
[82bb98bb714d4b88a604e7e64b5b3d3b.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/b7e1b7a5aae04971a129c2bdfa2eb81c.png
[fd4d63b2afee433981f40e082d13ecdd.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/6e5ec282870e4ed49dfeb27c752d5458.png
[Link 2]: https://www.elastic.co/guide/en/elasticsearch/reference/current/paginate-search-results.html
[c45ae3233e2f45509f56f391ed1645dd.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/ac1c213b27284007bf1573a6071e1a4d.png
[92436f15d90e4e309f4a936aabb24716.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/6d8c8586d6b64805af9d85aaa702b418.png
[e17f1c7bd8a449959a41e6b13ddc0bcb.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/01/c0e9bcf3564448b3beae9065ffec2f15.png