【Elasticsearch】-DSL查询（从零到起飞）-天翼云

【Elasticsearch】-DSL查询（从零到起飞）

2025-01-07 09:43:34 阅读次数：19

Elasticsearch提供了DSL ( Domain Specific Language）查询，就是以SON格式来定义查询条件

DSL查询可以分为两大类:

叶子查询(Leaf query clauses)：一般是在特定的字段里查询特定值，属于简单查询，很少单独使用。

复合查询(Compound query clauses)︰以逻辑方式组合多个叶子查询或者更改叶子查询的行为方式。

在查询以后，还可以对查询的结果做处理，包括:

排序:按照1个或多个字段值做排序
分页:根据from和size做分页，类似MySQL
高亮:对搜索结果中的关键字添加特殊样式，使其更加醒目·聚合:对搜索结果做数据统计以形成报表

快速入门

【Elasticsearch】-DSL查询（从零到起飞）

# 查询所有
GET /heima/_search
{
  "query": {
    "match_all": {}
  }
}

叶子查询

叶子查询还可以进一步细分，常见的有:

全文检索（full text)查询：利用分词器对用户输入内容分词，然后去词条列表中匹配。例如:

match_query
multi_match_query

精确查询：不对用户输入内容分词，直接精确匹配，一般是查找keyword、数值、日期、布尔等类型。例如:

ids
range
term

地理(geo)查询：用于搜索地理位置，搜索方式很多。例如:

geo_distance
geo_bounding_box

match查询:全文检索查询的一种，会对用户输入内容分词，然后去倒排索引库检索，语法:

# mach查询
GET /heima/_search
{
  "query": {
    "match": {
      "name": "脱脂牛奶"
    }
  }
}

【Elasticsearch】-DSL查询（从零到起飞）

multi_match: 与match查询类似，只不过允许同时查询多个字段，语法:

【Elasticsearch】-DSL查询（从零到起飞）

精确查询

精确查询，英文是Term-level query，顾名思义，词条级别的查询。也就是说不会对用户输入的搜索条件再分词，而是作为一个词条，与搜索的字段内容精确值匹配。

因此推荐查找keyword、数值、日期、boolean类型的字段。例如id、price、城市、地名、人名等作为一个整体才有含义的字段。

【Elasticsearch】-DSL查询（从零到起飞）

# term查询
GET /items/_search
{
  "query": {
    "term": {
      "brand": {
        "value": "德亚"
      }
    }
  }
}
# range查询
GET /items/_search
{
  "query": {
    "range": {
      "price": {
        "gte": 5000,
        "lte": 10000
      }
    }
  }
}


# ids查询
GET /items/_search
{
  "query": {
    "ids": {
      "values": ["613359"]
    }
  }
}

复合查询

复合查询大致可以分为两类:

第一类:基于逻辑运算组合叶子查询，实现组合条件，例如

bool

第二类:基于某种算法修改查询时的文档相关性算分，从而改变文档排名。例如:

function_score
dis_max

布尔查询是一个或多个查询子句的组合。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

【Elasticsearch】-DSL查询（从零到起飞）

排序和分页

elasticsearch支持对搜索结果排序，默认是根据相关度算分(_score)来排序，也可以指定字段排序。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。

排序

【Elasticsearch】-DSL查询（从零到起飞）

# 排序查询
GET /items/_search
{
  "query": {
    "match_all": {}
  }, 
  "sort": [
    {
      "sold":  "desc"
    },
    {
      "price":  "asc"
    }
  ]
}

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

【Elasticsearch】-DSL查询（从零到起飞）

# 排序及分页查询
GET /items/_search
{
  "query": {
    "match_all": {}
  }, 
  "sort": [
    {
      "sold":  "desc"
    },
    {
      "price":  "asc"
    }
  ],
  "from": 0,
  "size": 10
}

深度分页问题

elasticsearch的数据一般会采用分片存储，也就是把一个索引中的数据分成N份，存储到不同节点上。查询数据时需要汇总各个分片的数据。

【Elasticsearch】-DSL查询（从零到起飞）

假如我们要查询第100页数据，每页查询10条：

那么实现的思路：首先对数据进行排序，然后再去找出990~1000名的数据

在底层是把每一片里的前1000个数据选出来，然后聚合重新排序选取前1000个，当我们的数据非常多并且页数非常靠后时，就会导致效率非常差

解决办法：

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。官方推荐使用的式。

scroll:原理将排序数据形成快照，保存在内存。官方已经不推荐使用。

优点：没有查询上限，支持深度分页

缺点：只能向后逐页查询，不能随机翻页

场景：数据迁移，手机滚动查询

高亮显示

就是在搜索结果中把搜索关键字突出显示

【Elasticsearch】-DSL查询（从零到起飞）

#高量
GET /items/_search
{
  "query": {
    "match": {
      "name": "脱脂牛奶"
    }
  },
  "highlight": {
    "fields": {
      "name": {
        "pre_tags": "<em>",
        "post_tags": "</em>"
      }
    }
  }
}

【Elasticsearch】-DSL查询（从零到起飞）

搜索的完整语法

【Elasticsearch】-DSL查询（从零到起飞）

JavaRestClient查询

快速入门

数据搜索的Java代码我们分为两部分:

构建并发起请求
解析查询结果

【Elasticsearch】-DSL查询（从零到起飞）

@Test
    void testMachAll() throws IOException {
        //1.配置request对象
        SearchRequest request = new SearchRequest("items");
        //2.配置request参数
        request.source()
                .query(QueryBuilders.matchAllQuery());
        //3.发送请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);

        //4.解析结果
        SearchHits searchHits = response.getHits();

        //4.1总条数
        long total = searchHits.getTotalHits().value;

        //4.2命中的数据
        SearchHit[] hits = searchHits.getHits();

        for (SearchHit hit : hits) {
            //获取source结果
            String json = hit.getSourceAsString();
            //转成对象
            ItemDoc doc = JSONUtil.toBean(json, ItemDoc.class);
            System.out.println("doc = "+doc);
        }
    }

构建查询条件

在JavaRestAPI中，所有类型的query查询条件都是由QueryBuilders来构建的:

【Elasticsearch】-DSL查询（从零到起飞）

@Test
    void testSearch() throws IOException {
        //1.配置request对象
        SearchRequest request = new SearchRequest("items");
        //2.配置request参数
        request.source().query(
                QueryBuilders.boolQuery()
                        .must(QueryBuilders.matchQuery("name","脱脂牛奶"))
                        .filter(QueryBuilders.termQuery("brand","德亚"))
                        .filter(QueryBuilders.rangeQuery("price").lt(30000))
        );
        //3.发送请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);

        //4.解析结果
        parseResponseResult(response);
    }

排序和分页

【Elasticsearch】-DSL查询（从零到起飞）

    @Test
    void testSortAndPage() throws IOException {
        //模拟前端传来的数据
        int pageNo = 1, pageSize =5;


        //1.配置request对象
        SearchRequest request = new SearchRequest("items");
        //2.配置request参数
        request.source().query(QueryBuilders.matchAllQuery());
        //分页
        request.source().from((pageNo-1)*pageSize).size(pageSize);
        //排序
        request.source()
                .sort("sold", SortOrder.DESC)
                .sort("price",SortOrder.ASC);
        //3.发送请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);

        //4.解析结果
        parseResponseResult(response);
    }

高亮显示

【Elasticsearch】-DSL查询（从零到起飞）

    @Test
    void testHighlight() throws IOException {
        //1.配置request对象
        SearchRequest request = new SearchRequest("items");
        //2.配置request参数
        request.source().query(QueryBuilders.matchQuery("name","脱脂牛奶"));
        //高量条件
        request.source().highlighter(SearchSourceBuilder.highlight().field("name"));
        //3.发送请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);

        //4.解析结果
        parseResponseResult(response);
    }
  
  
  private static void parseResponseResult(SearchResponse response){
        SearchHits searchHits = response.getHits();

        //4.1总条数
        long total = searchHits.getTotalHits().value;

        //4.2命中的数据
        SearchHit[] hits = searchHits.getHits();

        for (SearchHit hit : hits) {
            //获取source结果
            String json = hit.getSourceAsString();
            //转成对象
            ItemDoc doc = JSONUtil.toBean(json, ItemDoc.class);

            //处理高亮结果
            Map<String, HighlightField> hfs = hit.getHighlightFields();
            if(hfs!=null && !hfs.isEmpty()){
                //根据高亮字段名获取高亮结果
                HighlightField hf = hfs.get("name");
                //获取高亮结果，覆盖非高亮结果
                String hfName = hf.getFragments()[0].string();
                doc.setName(hfName);
            }
            System.out.println("doc = "+doc);
        }
    }

数据聚合

聚合(aggregations）可以实现对文档数据的统计、分析、运算。聚合常见的有三类:

桶( Bucket）聚合:用来对文档做分组

TermAggregation:按照文档字段值分组
Date Histogram:按照日期阶梯分组，例如一周为一组，或者一月为一组

度量(Metric）聚合:用以计算一些值，比如:最大值、最小值、平均值等

Avg:求平均值
Max:求最大值
Min:求最小值
Stats:同时求max. min.ava、sum等

管道（ pipeline）聚合:其它聚合的结果为基础做聚合

注意：参与聚合的字段必须是Keyword、数值、日期、布尔的类型的字段

DSL聚合

我们要统计所有商品中共有哪些商品分类，其实就是以分类(category)字段对数据分组。category值一样的放在同一组，属于Bucket聚合中的Term聚合。

【Elasticsearch】-DSL查询（从零到起飞）

GET /items/_search
{
  "size": 0, 
  "aggs": {
    "category_agg": {
      "terms": {
        "field": "category",
        "size": 20
      }
    }
  }
}

默认情况下，Bucket聚合是对索引库的所有文档做聚合，我们可以限定要聚合的文档范围，只要添加query条件即可。例如，我想知道价格高于3000元的手机品牌有哪些:

GET /items/_search
{
  "query": {
    "bool": {
      "filter": [
        {
          "term": {
            "category": "手机"
          }
        },
        {
          "range": {
            "price": {
              "gte": 300000
            }
          }
        }
      ]
    }
  }, 
  "size": 0, 
  "aggs": {
    "brand_agg": {
      "terms": {
        "field": "brand",
        "size": 20
      }
    }
  }
}

除了对数据分组（Bucket)以外，我们还可以对每个Bucket内的数据进一步做数据计算和统计。例如:我想知道手机有哪些品牌，每个品牌的价格最小值、最大值、平均值。

GET /items/_search
{
  "query": {
    "bool": {
      "filter": [
        {
          "term": {
            "category": "手机"
          }
        },
        {
          "range": {
            "price": {
              "gte": 300000
            }
          }
        }
      ]
    }
  }, 
  "size": 0, 
  "aggs": {
    "brand_agg": {
      "terms": {
        "field": "brand",
        "size": 20
      },
      "aggs": {
        "stats_meric": {
          "stats": {
            "field": "price"
          }
        }
      }
    }
  }
}

RestClient聚合

【Elasticsearch】-DSL查询（从零到起飞）

@Test
void testAgg() throws IOException {
    // 1.创建Request
    SearchRequest request = new SearchRequest("items");
    // 2.准备请求参数
    BoolQueryBuilder bool = QueryBuilders.boolQuery()
            .filter(QueryBuilders.termQuery("category", "手机"))
            .filter(QueryBuilders.rangeQuery("price").gte(300000));
    request.source().query(bool).size(0);
    // 3.聚合参数
    request.source().aggregation(
            AggregationBuilders.terms("brand_agg").field("brand").size(5)
    );
    // 4.发送请求
    SearchResponse response = client.search(request, RequestOptions.DEFAULT);
    // 5.解析聚合结果
    Aggregations aggregations = response.getAggregations();
    // 5.1.获取品牌聚合
    Terms brandTerms = aggregations.get("brand_agg");
    // 5.2.获取聚合中的桶
    List<? extends Terms.Bucket> buckets = brandTerms.getBuckets();
    // 5.3.遍历桶内数据
    for (Terms.Bucket bucket : buckets) {
        // 5.4.获取桶内key
        String brand = bucket.getKeyAsString();
        System.out.print("brand = " + brand);
        long count = bucket.getDocCount();
        System.out.println("; count = " + count);
    }
}

活动

智算服务

应用商城

合作伙伴

开发者

支持与服务

了解天翼云

【Elasticsearch】-DSL查询（从零到起飞）

【Elasticsearch】-DSL查询（从零到起飞）

快速入门

叶子查询

复合查询

排序和分页

排序

分页

深度分页问题

高亮显示

JavaRestClient查询

快速入门

构建查询条件

排序和分页

高亮显示

数据聚合

DSL聚合

RestClient聚合

相关文章

【NetApp数据恢复】误操作导致NetApp存储的卷丢失，卷内虚拟机无法访问的数据恢复案例

mysql只有在任务处于完成状态才能运行

MySQL 复合查询（重点）

画图时使用的函数和一些错误处理

超级好用的C++实用库之国密sm4算法

30天拿下Rust之引用

30天拿下Rust之所有权

【MySQL】-数据库优化（索引）

MySQL 索引优化以及慢查询优化

超级好用的C++实用库之Base64编解码

作者介绍

最新文章

画图时使用的函数和一些错误处理

30天拿下Rust之引用

springmvc五种数据提交方式

【30天玩转python】数据分析与可视化

【30天玩转python】机器学习入门

【 数据建模与预测】数据建模的基本方法与预测技术

热门文章

5、使用PyTorch 实现线性回归

一次k8s 数据卷异常问题的解决

Dataloader有哪些使用方法

Vue:自定义v-model数据双向绑定

2022-04-01 访问k8s内的etcd的数据

提升网络训练的准确率

热门标签

相关产品

弹性云主机

天翼云电脑（公众版）

对象存储

云硬盘

随机文章

按天备份mongodb的数据

详细分析Pandas中的Series对象（附Demo）

Flask ORM 学习笔记Part11：数据查询（四）

Flask ORM 学习笔记Part05：marshmallow的使用（中）

文件操作细探微，技术精髓解析全

使用LinkedHashMap实现简单的LRU

【数据建模与预测】数据建模的基本方法与预测技术