【Elasticsearch】DSL查询文档

我就是我 2024-03-17 20:12 124阅读 0赞

**目录**

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

## 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 /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：

![971bcf41271b473382ce859f3ecf76c3.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 /indexName/_search
    {
      "query": {
        "match": {
          "FIELD": "TEXT"
        }
      }
    }

mulit\_match语法如下：

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

#### 1.2.3.示例 ####

match查询示例：

![eb6b7e270a1c4c91a0adf7140f4a1123.png][]

multi\_match查询示例：

![2a42ae2961924f6e98ea2a8f2365e487.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 /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：

![d592f284bd784735823a55fbb7e2d36a.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：

![de1467e8fa854d50bd761a5ae05b2b10.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 /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：

![5389966eaaf046cb8c09210fd91d3d04.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：[Geo queries | Elasticsearch Guide \[8.8\] | Elastic][Geo queries _ Elasticsearch Guide _8.8_ _ Elastic]

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：

![e2e43f811b6d45afba7398e41f663d4e.png][]

附近的车：

![c98193e4ed6c4f77bb1a5b303932d40a.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：

![ab878ddad3504364a15c161963cfce6c.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 /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：

![829d7a2b960e42e8891d70cce6bdf652.png][]

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：

![af3bec2744844e8a823184eed948f05d.png][]

发现共有47家酒店。

然后把半径缩短到3公里：

![21dc770a1bfb41b1b26100c8ac5c83c7.png][]

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：

![6e6ed3da1e8b4d33b842752042f23126.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：

![3b349325f9c14e9cb32d4756d694764b.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：

![c2e817834972447bb04b6f6f53e586d2.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：

![e250dbbc7af14b4daf3ca8b957af0227.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 #####

![dc187a8f7151426fa380055b915c6a09.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：

![d539f4c2a8ef4ad79ac5ac1b6727e80b.png][]

添加了算分函数后，如家得分就提升了：

![a303ae876574466997e9c2371274ee1c.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：

![3739166f2e0c49e5b97f0fa62991bd3b.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

![dfde65666ad344bca44d483db5e4d1b5.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

[Domain Specific Language]: https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl.html
[971bcf41271b473382ce859f3ecf76c3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/3851baed4d9a421cb976704e8f22efe9.png
[eb6b7e270a1c4c91a0adf7140f4a1123.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/4b60f73c699649a392d26f9acfe138de.png
[2a42ae2961924f6e98ea2a8f2365e487.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/8eb873a9e99d47b79d129175fe4d3094.png
[d592f284bd784735823a55fbb7e2d36a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/178f8816c73a430a9e104a7bfb2676b9.png
[de1467e8fa854d50bd761a5ae05b2b10.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/27b59488cc7a4fe9bf633c28bbb5ca37.png
[5389966eaaf046cb8c09210fd91d3d04.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/488d52343f4c45e8aa7b157c6ceba005.png
[Geo queries _ Elasticsearch Guide _8.8_ _ Elastic]: https://www.elastic.co/guide/en/elasticsearch/reference/current/geo-queries.html
[e2e43f811b6d45afba7398e41f663d4e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/2e5dfdbea9dc4086a1ebe02388bbd202.png
[c98193e4ed6c4f77bb1a5b303932d40a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/3673b9882f314fd9a7d6b2e900cec8dd.png
[ab878ddad3504364a15c161963cfce6c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/0c46cbbf401c42e48345f10ce021fa22.png
[829d7a2b960e42e8891d70cce6bdf652.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/8c383a8178cc4f6f9e84b5493486fa55.png
[af3bec2744844e8a823184eed948f05d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/ce619737f3d84308ac023f82a476f0ce.png
[21dc770a1bfb41b1b26100c8ac5c83c7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/23a6fbcdc13d428f8e03701d53b85e0b.png
[6e6ed3da1e8b4d33b842752042f23126.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/1eba1c0017d34908a13910d4964dd115.png
[3b349325f9c14e9cb32d4756d694764b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/b4a5d3251e6540469865be69809220ee.png
[c2e817834972447bb04b6f6f53e586d2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/ea3303e6073c427d91ecd2eba9f9867d.png
[e250dbbc7af14b4daf3ca8b957af0227.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/53ff436672c54e36afd1ffe65e26139b.png
[dc187a8f7151426fa380055b915c6a09.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/c4117afa4fb24d838549aa5bd87298e1.png
[d539f4c2a8ef4ad79ac5ac1b6727e80b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/858d770b5a58437199b0c0fbfae91b44.png
[a303ae876574466997e9c2371274ee1c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/b96ba29911484daf87d7b796da28b1d5.png
[3739166f2e0c49e5b97f0fa62991bd3b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/15fad4ea93944c34b733d71d451492be.png
[dfde65666ad344bca44d483db5e4d1b5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/14/642a107671134ccda0f56965c5f448b6.png