一、DSL查询
Elasticsearch提供了DSL(Domain Specific Language)查询,就是以JSON格式来定义查询条件。类似这样:
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
- 复合:对搜索结果做数据统计以形成报表
1. 快速入门
基于DSL的查询语法如下:
GET /{索引库名}/_search
{
"query": {
"查询类型": {
"查询条件": "条件值"
}
}
}
例如,以最简单的无条件查询为例,无条件查询到类型是:match_all,因此其查询语句如下:
# 查询所有
GET /items/_search
{
"query": {
"match_all": {
}
}
}
查询结果:
你会发现虽然是match_all,但是响应结果中并不会包含索引库中的所有文档,而是仅有10条。这是因为处于安全考虑,elasticsearch设置了默认的查询页数。
2. 叶子查询
Query DSL | Elasticsearch Guide [7.12] | Elastic
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,然后去词表列表中匹配。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
2.1 全文检索查询:
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:
GET /{索引库名}/_search
{
"query": {
"match": {
"字段名": "搜索条件"
}
}
}
例如,
# match查询
GET /items/_search
{
"query": {
"match": {
"name": "女式牛仔裤"
}
}
}
multi_macth查询:与match查询类似,只不过允许同时查询多个字段,参与查询字段越多,查询性能越差,语法:
GET /{索引库名}/_search
{
"query": {
"multi_match": {
"query": "搜索条件",
"fields": ["字段1", "字段2"]
}
}
}
例如,
# multi_match查询
GET /items/_search
{
"query": {
"multi_match": {
"query": "女式牛仔裤",
"fields": ["name", "category"]
}
}
}
2.2 精确查询
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,语法:
GET /{索引库名}/_search
{
"query": {
"term": {
"字段名": {
"value": "搜索条件"
}
}
}
}
例如,
# term查询
GET /items/_search
{
"query": {
"term": {
"brand": {
"value": "德亚"
}
}
}
}
range查询:根据数值范围查询,可以是数值、日期的范围,语法:
GET /{索引库名}/_search
{
"query": {
"range": {
"字段名": {
"gte": {最小值},
"lte": {最大值}
}
}
}
}
例如,
# range查询
GET /items/_search
{
"query": {
"range": {
"price": {
"gte": 50000,
"lte": 100000
}
}
}
}
ids查询:根据id集合进行查询,语法:
GET /{索引库名}/_search
{
"query": {
"ids": {
"value": ["id值1", "id值2"]
}
}
}
}
例如,
# ids查询
GET /items/_search
{
"query": {
"ids": {
"values": ["613359", "627719"]
}
}
}
3. 复合查询
Compound queries | Elasticsearch Guide [7.12] | Elastic
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
3.1 bool查询
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
bool查询的语法如下:
GET /items/_search
{
"query": {
"bool": {
"must": [
{"match": {"name": "手机"}}
],
"should": [
{"term": {"brand": { "value": "vivo" }}},
{"term": {"brand": { "value": "小米" }}}
],
"must_not": [
{"range": {"price": {"gte": 2500}}}
],
"filter": [
{"range": {"price": {"lte": 1000}}}
]
}
}
}
出于性能考虑,与搜索关键字无关的查询尽量采用must_not或filter逻辑运算,避免参与相关性算分。
例如黑马商城的搜索页面:
其中输入框的搜索条件肯定要参与相关性算分,可以采用match。但是价格范围过滤、品牌过滤、分类过滤等尽量采用filter,不要参与相关性算分。
比如,我们要搜索 手机,但品牌必须是 华为,价格必须是900~1599
,那么可以这样写:
GET /items/_search
{
"query": {
"bool": {
"must": [
{"match": {"name": "手机"}}
],
"filter": [
{"term": {"brand": { "value": "华为" }}},
{"range": {"price": {"gte": 90000, "lt": 159900}}}
]
}
}
}
3.2 算分函数查询
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序。
例如,我们搜索”手机“”,结果如下:
从Elasticsearch5.1开始,采用的相关性打分算法是BM25算法,公式如下:
基于这套公式,就可以判断出某个文档与用户搜索的关键字之间的关联度。但是在实际业务需求中,常常会有竞价排名的功能。不是相关度越高排名越靠前,而是掏的钱越多排名越靠前。
要想人为控制相关性算分,就需要利用elasticsearch中的function score查询了。
基本语法:
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
示例:给IPhone这个品牌的手机算分提高十倍,分析如下:
- 过滤条件:品牌必须为IPhone
- 算分函数:常量weight,值为10
- 算分模式:相乘multiply
对应的代码如下:
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Iphone
"term": {
"brand": "Iphone"
}
},
"weight": 10 // 算分权重为2
}
],
"boost_mode": "multipy" // 加权模式,求乘积
}
}
}
4. 排序和分页
排序
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。
语法:
GET /indexName/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"排序字段": {
"order": "排序方式asc和desc"
}
}
]
}
示例,按照商品销量排序,销量一样则按照价格升序排序:
GET /items/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"sold": {
"order": "desc"
}
},
{
"price": {
"order": "asc"
}
}
]
}
分页
基础分页
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
语法:
GET /items/_search
{
"query": {
"match_all": {}
},
"from": 0, // 分页开始的位置,默认为0
"size": 10, // 每页文档数量,默认10
"sort": [
{
"price": {
"order": "desc"
}
}
]
}
深度分页
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。
假如我们需要查询第100页数据,每页查10条:
GET /items/_search
{
"from": 990, // 从第990条开始查询
"size": 10, // 每页查询10条
"sort": [
{
"price": "asc"
}
]
}
实现思路:
- ①对数据排序
- ②找出第990~1000名
要知道每一片的数据都不一样,第1片上的第900~1000,在另1个节点上并不一定依然是900~1000名。所以我们只能在每一个分片上都找出排名前1000的数据,然后汇总到一起,重新排序,才能找出整个索引库中真正的前1000名,此时截取990~1000的数据即可。
试想一下,假如我们现在要查询的是第999页数据呢,是不是要找第9990~10000的数据,那岂不是需要把每个分片中的前10000名数据都查询出来,汇总在一起,在内存中排序?如果查询的分页深度更深呢,需要一次检索的数据岂不是更多?
由此可知,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:Paginate search results | Elasticsearch Guide [7.12] | Elastic
rsearch after:分页式需要排序,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
- 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
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。
5. 高亮显示
高亮显示:就是在搜索结果中把搜索关键字突出显示
实现高亮的思路就是:
-
用户输入搜索关键字搜索数据
-
服务端根据搜索关键字到elasticsearch搜索,并给搜索结果中的关键字词条添加
html
标签 -
前端提前给约定好的
html
标签添加CSS
样式
基本语法如下:
GET /{索引库名}/_search
{
"query": {
"match": {
"搜索字段": "搜索关键字"
}
},
"highlight": {
"fields": { // 指定要高亮的字段
"高亮字段名称": {
"pre_tags": "<em>", // 高亮的前置标签
"post_tags": "</em>" // 高亮的后置标签
}
}
}
}
例如,
# 高亮
GET /items/_search
{
"query": {
"match": {
"name": "脱脂牛奶"
}
},
"highlight": {
"fields": {
"name": {
"pre_tags": "<em>",
"post_tags": "</em>"
}
}
}
}
二、JavaRestClient查询
1. 快速入门
数据搜索的Java代码分为两部分:
- 构建并发起请求
- 解析查询结果
1.1 构建并发起请求
代码解读:
-
第一步,创建
SearchRequest
对象,指定索引库名 -
第二步,利用
request.source()
构建DSL,DSL中可以包含查询、分页、排序、高亮等-
query()
:代表查询条件,利用QueryBuilders.matchAllQuery()
构建一个match_all
查询的DSL
-
-
第三步,利用
client.search()
发送请求,得到响应
这里关键的API有两个,一个是request.source()
,它构建的就是DSL中的完整JSON参数。其中包含了query
、sort
、from
、size
、highlight
等所有功能:
另一个是QueryBuilders
,其中包含了我们学习过的各种叶子查询、复合查询等:
示例:
@Test
void testMatchAll() throws IOException {
// 1. 创建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);
System.out.println("response = " + response);
}
1.2 解析查询结果
解析查询结果的API:
完整代码:
@Test
void testMatchAll() throws IOException {
// 1.创建Request
SearchRequest request = new SearchRequest("items");
// 2.组织请求参数
request.source().query(QueryBuilders.matchAllQuery());
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
handleResponse(response);
}
private void handleResponse(SearchResponse response) {
SearchHits searchHits = response.getHits();
// 1.获取总条数
long total = searchHits.getTotalHits().value;
System.out.println("共搜索到" + total + "条数据");
// 2.遍历结果数组
SearchHit[] hits = searchHits.getHits();
for (SearchHit hit : hits) {
// 3.得到_source,也就是原始json文档
String source = hit.getSourceAsString();
// 4.反序列化并打印
ItemDoc item = JSONUtil.toBean(source, ItemDoc.class);
System.out.println(item);
}
}
2. 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:
全文检索的查询条件构造API如下:
match查询:
@Test
void testMatch() throws IOException {
// 1.创建Request
SearchRequest request = new SearchRequest("items");
// 2.组织请求参数
request.source().query(QueryBuilders.matchQuery("name", "脱脂牛奶"));
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
handleResponse(response);
}
multi_match查询:
@Test
void testMultiMatch() throws IOException {
// 1.创建Request
SearchRequest request = new SearchRequest("items");
// 2.组织请求参数
request.source().query(QueryBuilders.multiMatchQuery("脱脂牛奶", "name", "category"));
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
handleResponse(response);
}
精确查询的查询条件构造API如下:
range查询:
@Test
void testRange() throws IOException {
// 1.创建Request
SearchRequest request = new SearchRequest("items");
// 2.组织请求参数
request.source().query(QueryBuilders.rangeQuery("price").gte(10000).lte(30000));
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
handleResponse(response);
}
term查询:
@Test
void testTerm() throws IOException {
// 1.创建Request
SearchRequest request = new SearchRequest("items");
// 2.组织请求参数
request.source().query(QueryBuilders.termQuery("brand", "华为"));
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
handleResponse(response);
}
复合查询也是由QueryBuilders来构建,以bool查询为例:
案例:构建复杂条件的搜索
需求:利用JavaRestClient实现搜索功能,条件如下:
- 搜索关键字为脱脂牛奶
- 品牌必须为德亚
- 价格必须低于300元
@Test
void testBool() throws IOException {
// 1.创建Request
SearchRequest request = new SearchRequest("items");
// 2.组织请求参数
// 2.1.准备bool查询
BoolQueryBuilder bool = QueryBuilders.boolQuery();
// 2.2.关键字搜索
bool.must(QueryBuilders.matchQuery("name", "脱脂牛奶"));
// 2.3.品牌过滤
bool.filter(QueryBuilders.termQuery("brand", "德亚"));
// 2.4.价格过滤
bool.filter(QueryBuilders.rangeQuery("price").lte(30000));
request.source().query(bool);
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
handleResponse(response);
}
3. 排序和分页
与query类似,排序和分页参数都是基于request.source()来设置:
@Test
void testPageAndSort() throws IOException {
int pageNo = 1, pageSize = 5;
// 1.创建Request
SearchRequest request = new SearchRequest("items");
// 2.组织请求参数
// 2.1.搜索条件参数
request.source().query(QueryBuilders.matchQuery("name", "脱脂牛奶"));
// 2.2.排序参数
request.source().sort("price", SortOrder.ASC);
// 2.3.分页参数
request.source().from((pageNo - 1) * pageSize).size(pageSize);
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
handleResponse(response);
}
4. 高亮显示
高亮查询与前面的查询有两点不同:
- 条件同样是在request.source()中指定,只不过高亮条件要基于HighlightBuilder来构造
- 高亮响应结果与搜索的文档结果不在一起,需要单独解析
高亮显示的条件构造API如下:
示例代码:
@Test
void testHighlight() throws IOException {
// 1.创建Request
SearchRequest request = new SearchRequest("items");
// 2.组织请求参数
// 2.1.query条件
request.source().query(QueryBuilders.matchQuery("name", "脱脂牛奶"));
// 2.2.高亮条件
request.source().highlighter(
SearchSourceBuilder.highlight()
.field("name")
.preTags("<em>")
.postTags("</em>")
);
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
parseResponseResult(response);
}
高亮显示的结果解析API如下:
完整代码:
@Test
void testHighlight() throws IOException {
int pageNo = 1, pageSize = 5;
// 1. 创建Request
SearchRequest request = new SearchRequest("items");
// 2. 组织请求参数
// 2.1 搜索条件参数
request.source().query(QueryBuilders.matchQuery("name", "脱脂牛奶"));
// 2.2 高亮条件
request.source().highlighter(
SearchSourceBuilder
.highlight()
.field("name")
.preTags("<em>")
.postTags("</em>")
);
// 3. 发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4. 解析响应
parseResponseResult(response);
}
private static void parseResponseResult(SearchResponse response) {
SearchHits searchHits = response.getHits();
// 4.1 总条数
long total = searchHits.getTotalHits().value;
System.out.println("total = " + total);
// 4.2 命中的数据
SearchHit[] hits = searchHits.getHits();
for (SearchHit hit : hits) {
// 4.2.1 获取source结果
String json = hit.getSourceAsString();
// 4.2.2 转为ItemDoc
ItemDoc doc = JSONUtil.toBean(json, ItemDoc.class);
// 4.3 处理高亮结果
Map<String, HighlightField> hfs = hit.getHighlightFields();
if(hfs != null && !hfs.isEmpty()) {
// 4.3.1 根据高亮字段名获取高亮结果
HighlightField hf = hfs.get("name");
// 4.3.2 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);
}
}
}
三、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、avg、sum等
管道(pipeline)聚合:其他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、布尔等类型的字段。
1. DSL聚合
1.1 桶(Bucket)聚合
基本语法:
GET /items/_search
{
"query": {"match_all": {}}, // 可以省略
"size": 0, // 设置size为0,结果中不包含文档,只包含聚合结果
"aggs": { // 定义聚合
"category_agg": { // 给聚合起个名字
"terms": { // 聚合的类型,按照品牌值聚合,所以选择term
"field": "category", // 参与聚合的字段
"size": 20 // 希望获取的聚合结果数量
}
}
}
}
案例1: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)字段做数据分组。category值一样的放在同一组,属于Bucket聚合中的Term聚合。
示例:
# Bucket聚合
GET /items/_search
{
"size": 0,
"aggs": {
"cate_agg": {
"terms": {
"field": "category",
"size": 5
}
},
"brand_agg": {
"terms": {
"field": "brand",
"size": 5
}
}
}
}
结果:
{
"took" : 101,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 10000,
"relation" : "gte"
},
"max_score" : null,
"hits" : [ ]
},
"aggregations" : {
"brand_agg" : {
"doc_count_error_upper_bound" : 0,
"sum_other_doc_count" : 73002,
"buckets" : [
{
"key" : "华为",
"doc_count" : 7145
},
{
"key" : "南极人",
"doc_count" : 2432
},
{
"key" : "奥古狮登",
"doc_count" : 2035
},
{
"key" : "森马",
"doc_count" : 2005
},
{
"key" : "恒源祥",
"doc_count" : 1856
}
]
},
"cate_agg" : {
"doc_count_error_upper_bound" : 0,
"sum_other_doc_count" : 7583,
"buckets" : [
{
"key" : "休闲鞋",
"doc_count" : 20612
},
{
"key" : "牛仔裤",
"doc_count" : 19611
},
{
"key" : "老花镜",
"doc_count" : 16222
},
{
"key" : "拉杆箱",
"doc_count" : 14347
},
{
"key" : "手机",
"doc_count" : 10100
}
]
}
}
}
案例2: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,我们想知道价格高于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": 10
}
}
}
}
结果:
{
"took" : 4,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 14,
"relation" : "eq"
},
"max_score" : null,
"hits" : [ ]
},
"aggregations" : {
"brand_agg" : {
"doc_count_error_upper_bound" : 0,
"sum_other_doc_count" : 0,
"buckets" : [
{
"key" : "Apple",
"doc_count" : 7
},
{
"key" : "华为",
"doc_count" : 4
},
{
"key" : "小米",
"doc_count" : 2
},
{
"key" : "三星",
"doc_count" : 1
}
]
}
}
}
1.2 度量(Metric)聚合
除了对数据分组(Bucket)之外,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,我们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"
}
}
}
}
}
}
结果:
{
"took" : 4,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 11,
"relation" : "eq"
},
"max_score" : null,
"hits" : [ ]
},
"aggregations" : {
"brand_agg" : {
"doc_count_error_upper_bound" : 0,
"sum_other_doc_count" : 0,
"buckets" : [
{
"key" : "Apple",
"doc_count" : 7,
"stats_meric" : {
"count" : 7,
"min" : 628900.0,
"max" : 688000.0,
"avg" : 653871.4285714285,
"sum" : 4577100.0
}
},
{
"key" : "华为",
"doc_count" : 2,
"stats_meric" : {
"count" : 2,
"min" : 429400.0,
"max" : 544000.0,
"avg" : 486700.0,
"sum" : 973400.0
}
},
{
"key" : "三星",
"doc_count" : 1,
"stats_meric" : {
"count" : 1,
"min" : 474200.0,
"max" : 474200.0,
"avg" : 474200.0,
"sum" : 474200.0
}
},
{
"key" : "小米",
"doc_count" : 1,
"stats_meric" : {
"count" : 1,
"min" : 889400.0,
"max" : 889400.0,
"avg" : 889400.0,
"sum" : 889400.0
}
}
]
}
}
}
2. RestClient聚合
我们以品牌聚合为例:
结果解析:
完整代码:
@Test
void testAgg() throws IOException {
// 1. 创建Request
SearchRequest request = new SearchRequest("items");
// 2. 组织请求参数
// 2.1 分页
request.source().size(0);
// 2.2 聚合条件
String brandAggName = "brandAgg";
request.source().aggregation(
AggregationBuilders.terms(brandAggName).field("brand").size(10)
);
// 3. 发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4. 解析响应
// 4.1 解析聚合结果
Aggregations aggregations = response.getAggregations();
// 4.2 根据名称获取聚合结果
Terms brandTerms = aggregations.get("brandAgg");
// 4.3 获取桶
List<? extends Terms.Bucket> buckets = brandTerms.getBuckets();
// 4.4 遍历
for (Terms.Bucket bucket : buckets) {
// 4.4.1 获取key,也就是品牌信息
String brandName = bucket.getKeyAsString();
System.out.println("brand = " + brandName);
}
}
结果:
四、作业
参考代码:
package com.hmall.item.controller;
import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONUtil;
import com.baomidou.mybatisplus.core.metadata.OrderItem;
import com.baomidou.mybatisplus.extension.plugins.pagination.Page;
import com.hmall.common.domain.PageDTO;
import com.hmall.item.domain.po.Item;
import com.hmall.item.domain.po.ItemDoc;
import com.hmall.item.domain.query.ItemPageQuery;
import io.swagger.annotations.Api;
import io.swagger.annotations.ApiOperation;
import org.apache.http.HttpHost;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.index.query.BoolQueryBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.SearchHits;
import org.elasticsearch.search.aggregations.AggregationBuilders;
import org.elasticsearch.search.aggregations.bucket.MultiBucketsAggregation;
import org.elasticsearch.search.aggregations.bucket.terms.Terms;
import org.elasticsearch.search.sort.SortOrder;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import java.io.IOException;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;
@Api(tags = "搜索相关接口")
@RestController
@RequestMapping("/search")
public class SearchController {
private RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(
HttpHost.create("http://192.168.126.151:9200")
));
@ApiOperation("搜索商品")
@GetMapping("/list")
public PageDTO<ItemDoc> search(ItemPageQuery query) throws IOException {
// 1. 准备Request
SearchRequest request = new SearchRequest("items");
// 2. 构造查询条件
BoolQueryBuilder queryBuilder = QueryBuilders.boolQuery();
// 2.1 查询关键字
if(StrUtil.isNotBlank(query.getKey())) {
queryBuilder.must(QueryBuilders.matchQuery("name", query.getKey()));
}
// 2.2 查询的品牌
if(StrUtil.isNotBlank(query.getBrand())) {
queryBuilder.filter(QueryBuilders.termQuery("brand", query.getBrand()));
}
// 2.3 查询的分类
if(StrUtil.isNotBlank(query.getCategory())) {
queryBuilder.filter(QueryBuilders.matchQuery("category", query.getCategory()));
}
// 2.4 查询的价格区间
if(query.getMaxPrice() != null) {
queryBuilder.filter(QueryBuilders.rangeQuery("price").gte(query.getMinPrice()).lte(query.getMaxPrice()));
}
// 3. 组织DSL参数
request.source()
.query(queryBuilder)
.size(query.getPageSize())
.from(query.from());
// 4. 排序
List<OrderItem> orders = query.toMpPage("updateTime", false).getOrders();
for (OrderItem orderItem : orders) {
request.source().sort(orderItem.getColumn(), orderItem.isAsc() ? SortOrder.ASC : SortOrder.DESC);
}
// 5. 发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 6. 解析响应结果
SearchHits hits = response.getHits();
// 6.1 查询的总条数
long total = hits.getTotalHits().value;
// 6.2 查询的页码
long pages = query.getPageNo();
// 6.3 查询的结果数组
SearchHit[] searchHits = hits.getHits();
ArrayList<ItemDoc> itemDocs = new ArrayList<>();
if(searchHits != null) {
for (SearchHit searchHit : searchHits) {
itemDocs.add(JSONUtil.toBean(searchHit.getSourceAsString(), ItemDoc.class));
}
}
// 7. 封装并返回
Page<Item> page = new Page<>();
page.setTotal(total);
page.setPages(pages);
return PageDTO.of(page, itemDocs);
}
@ApiOperation("搜索商品分类")
@PostMapping("/filters")
public Map filters(ItemPageQuery query) throws IOException {
// 1. 准备Request
SearchRequest request = new SearchRequest("items");
// 2. 组织请求参数
BoolQueryBuilder queryBuilder = QueryBuilders.boolQuery();
// 2.1 查询关键字
if (StrUtil.isNotBlank(query.getKey())) {
queryBuilder.must(QueryBuilders.matchQuery("name", query.getKey()));
}
// 2.2 查询的品牌
if (StrUtil.isNotBlank(query.getBrand())) {
queryBuilder.filter(QueryBuilders.termQuery("brand", query.getBrand()));
}
// 2.3 查询的分类
if (StrUtil.isNotBlank(query.getCategory())) {
queryBuilder.filter(QueryBuilders.matchQuery("category", query.getCategory()));
}
// 2.4 查询的价格区间
if(query.getMaxPrice() != null) {
queryBuilder.filter(QueryBuilders.rangeQuery("price").gte(query.getMinPrice()).lte(query.getMaxPrice()));
}
// 2.5 聚合条件
String categoryAgg = "category_agg";
String brandAgg = "brand_agg";
request.source().query(queryBuilder).aggregation(
AggregationBuilders.terms(categoryAgg).field("category"))
.aggregation(AggregationBuilders.terms(brandAgg).field("brand"));
// 3. 发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4. 解析响应
HashMap<String, List<String>> resultMap = new HashMap<>();
// 4.1 获取并解析聚合结果
Terms terms = response.getAggregations().get(categoryAgg);
// 4.2 获取分类信息
if(terms != null) {
resultMap.put("category", terms.getBuckets().
stream().
map(MultiBucketsAggregation.Bucket::getKeyAsString)
.collect(Collectors.toList()));
}
// 4.3 获取品牌信息
terms = response.getAggregations().get(brandAgg);
if(terms != null) {
resultMap.put("brand", terms.getBuckets().
stream().
map(MultiBucketsAggregation.Bucket::getKeyAsString)
.collect(Collectors.toList()));
}
// 5. 封装并返回
return resultMap;
}
}
标签:实战,Day09,request,search,查询,Elasticsearch,import,query,response
From: https://blog.csdn.net/ltt159264/article/details/139703865