Elasticsearch之DSL查询语法

​
媒介

在上一篇文章中，我们通过RestClient的Bulk操作导入了大量的hotel数据到elasticsearch，实现了elasticsearch的数据存储功能。但elasticsearch最善于的还是搜索和数据分析。本篇文章会通过利用DSL来介绍elasticsearch的搜索功能。
1. DSL查询分类

​
Elasticsearch提供了基于JSON的DSL（Domain Specific Language）来界说查询。常见的查询范例包罗：
   

• 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
    
  
  
• 准确查询：根据准确词条值查找数据，一般是查找keyword、数值、日期、boolean等范例字段。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
    
  
  

  查询的语法根本一致：

1. GET /{indexName}/_search
2. {
3.   "query": {
4.     "查询类型": {
5.       "查询条件": "条件值"
6.     }
7.   }
8. }

复制代码

我们以查询所有为例，此中：
   

• 查询范例为match_all
  
• 没有查询条件
  

1. // 查询所有
2. GET /{indexName}/_search
3. {
4.   "query": {
5.     "match_all": {
6.     }
7.   }
8. }

复制代码

其他查询无非就是查询范例、查询条件的变革。
2 全文检索查询

2.1 利用场景

全文检索查询的根本流程如下：
   

• 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
  

  比较常用的场景包罗：
   

• 商城的输入框搜索
  
• 百度输入框搜索
  

  例如京东：

由于是拿着词条去匹配，因此到场搜索的字段也必须是可分词的text范例的字段。
2.2 根本语法

常见的全文检索查询包罗：
   

• 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：

1. GET /{indexName}/_search
2. {
3.   "query": {
4.     "match": {
5.       "FIELD": "TEXT"
6.     }
7.   }
8. }

复制代码

mul_match语法如下：

1. GET /{indexName}/_search
2. {
3.   "query": {
4.     "multi_match": {
5.       "query": "TEXT",
6.       "fields": ["FIELD1", " FIELD12"]
7.     }
8.   }
9. }

复制代码

2.3 示例

match示例：

这里的all这个字段是我在创建索引库的时间就创建的字段，用于做搜索利用的。类似于mysql的团结索引。

mulit_match查询示例：

可以看到，两种查询结果是一样的，为什么？
   由于我们将brand、name、city值都利用copy_to复制到all字段中。因此你根据三个字段搜索，和根据all字段搜索结果当然一样了。
  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。
2.4 总结

match和mulit_match的区别是什么？
   

• match：根据一个字段查询
  
• 根据多个字段查询，建议
  

  3. 精准查询

精准查询一般是查找keyword、数值、日期、boolean等范例字段。所以不会对于搜索条件分词。常见的有：
   

• term：根据词条准确值查询
  
• range：根据值的范围查询
  

  3.1 term查询

由于准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以为符合条件。如果用户输入的内容过多，反而搜索不到数据。
语法分析：

1. // term查询
2. GET /{indexName}/_search
3. {
4.   "query": {
5.     "term": {
6.       "FIELD": {
7.         "value": "VALUE"
8.       }
9.     }
10.   }
11. }

复制代码

示例：
当我搜索的是准确词条是，能正确查出结果：

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，反而搜不到：

3.2 range查询

范围查询，一般应用在对数值范例范围过滤的时间。比如做价格范围过滤。
根本语法：

1. // range查询
2. GET /{indexName}/_search
3. {
4.   "query": {
5.     "range": {
6.       "FIELD": {
7.         "gte": 10, // 这里的gte代表大于等于，gt则代表大于
8.         "lte": 20 // lte代表小于等于，lt则代表小于
9.       }
10.     }
11.   }
12. }

复制代码

示例：

3.3 总结

准确查询常见的有哪些？
   

• term查询：根据词条准确匹配，一般搜索keyword范例、数值范例、布尔范例、日期范例字段
  
• range查询：根据数值范围查询，可以是数值、日期的范围
  

  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
常见的利用场景包罗：
   

• 携程：搜索我附近的旅店
  
• 滴滴：搜索我附近的出租车
  
• 微信：搜索我附近的人
  

  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，须要指定矩形的左上、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：

1. // geo_bounding_box查询
2. GET /{indexName}/_search
3. {
4.   "query": {
5.     "geo_bounding_box": {
6.       "FIELD": {
7.         "top_left": { // 左上点
8.           "lat": 31.1,
9.           "lon": 121.5
10.         },
11.         "bottom_right": { // 右下点
12.           "lat": 30.9,
13.           "lon": 121.7
14.         }
15.       }
16.     }
17.   }
18. }

复制代码

示例：

4.2 附近查询

附近查询，也叫做距离查询（geo_distance）：查询到指定中央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，落在园内的坐标都算符合条件：

语法分析：

1. // geo_distance 查询
2. GET /indexName/_search
3. {
4.   "query": {
5.     "geo_distance": {
6.       "distance": "15km", // 半径
7.       "FIELD": "31.21,121.5" // 圆心
8.     }
9.   }
10. }

复制代码

示例：
我们先搜索陆家嘴附近15km的旅店：

发现共有47家旅店。
然后把半径缩小到2公里：

可以发现，搜索到的旅店数量淘汰到了5家。
5. 复合查询

复合（compound）查询：复合查询可以将其他简朴组合起来，实现更复杂的搜索逻辑。常见的有两种：

• function 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他的查询，实现复杂搜索
  

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：

1. [
2.   {
3.     "_score" : 17.850193,
4.     "_source" : {
5.       "name" : "虹桥如家酒店真不错",
6.     }
7.   },
8.   {
9.     "_score" : 12.259849,
10.     "_source" : {
11.       "name" : "外滩如家酒店真不错",
12.     }
13.   },
14.   {
15.     "_score" : 11.91091,
16.     "_source" : {
17.       "name" : "迪士尼如家酒店真不错",
18.     }
19.   }
20. ]

复制代码

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

拿第一条数据举例，返回的name是”虹桥如家旅店真不错“，他的词条可以分为"虹桥/如家/旅店/真不错"，这里文档中词条总数是4，搜索的词条分为“虹桥/如家”，那么先以“虹桥”来搜索的话，词条出现次数是1，那么TF算下来就是0.25。在加上“如家”这个词条总的TF就是0.5。由于搜索出来的三条文档都包含"如家"这个词条，其实“如家”的词条频率加上跟不加一样。
后续继承演变，变成下面这样：

这里引入了一个IDF的概念，就是为了低落同一词条在查出来的所有文档中的权重比例。但是这一个算法还是有一些问题。
在厥后的5.1版本升级中，elasticsearch将算法改进为BM25算法，公式如下：

TF-IDF算法有一个缺陷，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：

小结：elasticsearch会根据词条和文档的相关度打分，算法分为两种：

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

5.2 算分函数查询

根据相关度打分是比较合理的需求，但合理的不肯定是产物经理须要的。以百度为例，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。
要想人为控制相关性算法，就须要利用elasticsearch中的function score查询了。
1）语法分析

function score查询中包含四个部分：

• 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：一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：自界说算分函数算法
    
  
  
• 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，包罗：
  
  
  
  • multiply：相乘
    
  • replace：用function_score替换query score
    
  • 其他，例如sum、avg、max、min
    
  
  

function_score的运行流程如下：
   

• 根据原始条件查询搜索文档，并且盘算相关性算分，称为原始算分（query score）
  
• 根据过滤条件，过滤文档
  
• 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）
  
• 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，此中的关键点是：
   

• 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”这个品牌的旅店排名靠前一点
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，可以任意变革
  
• 过滤条件：brand=“如家”
  
• 算分函数：可以简朴粗暴，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：

1. GET /hotel/_search
2. {
3.   "query": {
4.     "function_score": {
5.       "query": {  .... }, // 原始查询，可以是任意条件
6.       "functions": [ // 算分函数
7.         {
8.           "filter": { // 满足的条件，品牌必须是如家
9.             "term": {
10.               "brand": "如家"
11.             }
12.           },
13.           "weight": 2 // 算分权重为2
14.         }
15.       ],
16.       "boost_mode": "sum" // 加权模式，求和
17.     }
18.   }
19. }

复制代码

测试，在未添加算分函数时，如家得分如下：

添加了算分函数后，如家得分就提拔了：

3）小结
function score query界说的三要素是什么？
   

• 过滤条件：哪些文档要加分
  
• 算分函数：怎样盘算function score
  
• 加权方式：function score 与 query score怎样运算
  

  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，不到场算分，类似“非”
  
• filter：必须匹配，不到场算分
  

  比如在搜索旅店时，除了关键字搜索外，我们还大概根据品牌、价格、都会等字段做过滤。
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。
须要注意的是，搜索时，到场打分的字段越多，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，利用must查询，到场算分
  
• 其它过滤条件，采用filter查询。不到场算分
  

  1）语法示例：

1. GET /hotel/_search
2. {
3.   "query": {
4.     "bool": {
5.       "must": [
6.         {"term": {"city": "上海" }}
7.       ],
8.       "should": [
9.         {"term": {"brand": "皇冠假日" }},
10.         {"term": {"brand": "华美达" }}
11.       ],
12.       "must_not": [
13.         { "range": { "price": { "lte": 500 } }}
14.       ],
15.       "filter": [
16.         { "range": {"score": { "gte": 45 } }}
17.       ]
18.     }
19.   }
20. }

复制代码

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范围内的旅店。
分析：
   

• 名称搜索，属于全文检索查询，应该到场算分。放到must中
  
• 价格不高于400，用range查询，属于过滤条件，不到场算分。放到must_not中
  
• 周围10km范围内，用geo_distance查询，属于过滤条件，不到场算分。放到filter中
  

  

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，不到场打分
  
• filter：必须匹配的条件，不到场打分
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。