分布式搜索引擎02
在昨天的学习中，我们已经导入了大量数据到elasticsearch中，实现了elasticsearch的数据存储功能。但elasticsearch最擅长的还是搜索和数据分析。
所以今天，我们研究下elasticsearch的数据搜索功能。我们会分别使用DSL和RestClient实现搜索。
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：
-
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，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 /hotel/_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：
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
GET /hotel/_search
{
"query": {
"match": {
"all": "如家外滩"
}
}
}
# mulit_match查询
GET /hotel/_search
{
"query": {
"multi_match": {
"query": "如家外滩",
"fields": ["name", " brand", "business"]
}
}
}
match查询示例：
multi_match查询示例：
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。
示例：
# term查询
GET /hotel/_search
{
"query": {
"term": {
"city": "上海"
}
}
}
当我搜索的是精确词条时，能正确查询出结果：
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，反而搜索不到：
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。
示例：
# range查询
GET /hotel/_search
{
"query": {
"range": {
"price": {
"gte": 500,
"lte": 1000
}
}
}
}
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
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：
附近的车：
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 /hotel/_search
{
"query": {
"geo_bounding_box": {
"location": {
"top_left": {
"lat": 31.1,
"lon": 121.5
},
"bottom_right": {
"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：
示例：
我们先搜索陆家嘴附近15km的酒店
# geo_distance 查询，distance半径，location圆心
GET /hotel/_search
{
"query": {
"geo_distance": {
"distance": "15km",
"location": "31.21, 121.5"
}
}
}
发现共有47家酒店。
然后把半径缩短到3公里：
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：
在后来的5.1版本升级中，elasticsearch将算法改进为BM25算法，公式如下
标签：02,词条,搜索引擎,搜索,query,查询,geo,match,分布式 From： https://www.cnblogs.com/Zz198/p/16704236.html