微服务Elasticsearch常用查询&结果处理
Posted 观止study
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了微服务Elasticsearch常用查询&结果处理相关的知识,希望对你有一定的参考价值。
🚗Es学习·第三站~
🚩Es学习起始站:【微服务】Elasticsearch概述&环境搭建(一)
🚩本文已收录至专栏:微服务探索之旅
👍希望您能有所收获
在上一站的学习中,我们已经导入了大量数据到es中,实现了数据存储功能。接下来如需看自己实操效果请根据上一站的三.环境搭建部分导入初始数据。
一.DSL查询文档
(1) DSL查询分类
Elasticsearch依然是基于JSON风格的DSL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,一般用于测试。例如:match_all
-
全文检索(full text)查询:先利用分词器对用户输入内容分词,然后再去倒排索引库中匹配查询。例如:
- match:根据单字段查询
- multi_match:根据多字段查询
-
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,所以不会对搜索条件分词。例如:
- term:根据词条精确值查询
- range:根据值的范围查询
-
地理(geo)查询:根据经纬度查询。例如:
- geo_distance:查询到指定中心点小于某个距离值的所有文档。
- geo_bounding_box:查询坐标落在某个矩形范围的所有文档
-
复合(compound)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:
- 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
各种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":
类似的,其它查询无非就是查询类型、查询条件的变化。
(2) 全文检索查询
全文检索查询是先对用户输入的内容分词,再拿着词条去倒排索引库中检索匹配,因此参与搜索的字段也必须是可分词的text类型。
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
常见的有:
- match:根据单字段查询
- multi_match:根据多字段查询
(2.1) 使用场景
常用于搜索框搜索,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:
(2.3) 单字段查询
- 根据单字段
match
查询,返回与倒排索引库中词条匹配的文档
语法如下:
GET /indexName/_search
"query":
"match":
"FIELD": "TEXT"
使用示例:
(2.4) 多查询
根据多字段multi_match
查询,符合其中任意一个字段就算满足查询条件,返回与倒排索引库中词条匹配的文档
语法如下:
GET /indexName/_search
"query":
"multi_match":
"query": "TEXT",
"fields": ["FIELD1", " FIELD12"]
使用示例:
-
可以看到,两种查询结果是一样的,为什么?
-
因为我们在上一站中有说到将brand、name、business值都利用copy_to复制到了all字段中。因此根据三个字段搜索和根据all字段搜索效果一样。
-
这是因为搜索字段越多,对查询性能影响越大,因此建议采用copy_to,然后单字段
match
查询的方式。
-
(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
(3.1) 使用场景
常用于对数据的精确筛选,例如:
- 商城搜索结果筛选
(3.2) 精确查询
因为精确term
查询的字段是不分词的字段,因此查询的条件也必须是不分词的词条。查询时,只有用户输入的内容跟字段值完全匹配时才认为符合条件。因此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"
使用示例:
只有搜索的是精确词条时,才能正确查询出结果:
当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:
(3.3) 范围查询
范围range
查询,一般应用在对数值类型做范围过滤的时候。比如对价格、日期范围过滤,。
基本语法:
// range查询
GET /indexName/_search
"query":
"range":
"FIELD":
"gte": number, // gte 代表大于等于,gt 代表大于
"lte": number // lte 代表小于等于,lt 代表小于
使用示例:
(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
常见的有:
- geo_distance:查询到指定中心点小于某个距离值的所有文档。
- geo_bounding_box:查询坐标落在某个矩形范围的所有文档
(4.1) 使用场景
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:
(4.2) 矩形范围查询
矩形范围查询,也就是geo_bounding_box
查询:
查询时,需要指定矩形的左上、右下两个点的坐标,es会据此画出一个矩形,落在该矩形内的都是符合条件的点。
语法说明:
// 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。
(4.3) 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:
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
使用示例:
我们先搜索陆家嘴附近15km的酒店:
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。
(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
(5.1) 使用场景
- 常见的使用场景包括:
- 广告排名靠前
- 根据多字段组合进行过滤
百度搜索广告:
根据多条件组合过滤:
(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:
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:
(5.2) 算分函数查询
以百度为例,在搜索的结果中,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:
要想人为控制相关性算分,就需要利用elasticsearch中的算法函数function score
查询了。
(5.2.1) 基础语法
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
(5.2.2) 使用示例
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:
添加了算分函数后,如家得分就提升了:
(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
比如在搜索商品时,除了关键字搜索外,我们还可能根据品牌、价格、作用等字段做过滤:
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。
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
(5.3.1) 基础语法
GET /hotel/_search
"query":
"bool":
"must": [
"term": "city": "上海" // 必须匹配字段
],
"should": [
"term": "brand": "皇冠假日" , // 选择性匹配字段
"term": "brand": "华美达" // 选择性匹配字段
],
"must_not": [
"range": "price": "lte": 500 // 必须不匹配字段,不参与算分
],
"filter": [
"range": "score": "gte": 45 // 必须匹配字段,不参与算分
]
(5.3.2) 使用示例
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
二.搜索结果处理
Es搜索的结果可以按照用户指定的方式去处理或展示。
(1) 排序
es默认是根据相关度算分(_score)来排序,但是也支持自定义方式对搜索结果排序。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。
(1.1) 普通字段排序
keyword、数值、日期类型排序的语法基本一致。
基本语法:
GET /indexName/_search
"query":
"match_all":
,
"sort": [
"FIELD": "desc" // 排序字段、排序方式ASC升序、DESC降序
]
排序条件是一个数组,也就是可以写多个排序条件。按照声明的顺序,当第一个条件相等时,再按照第二个条件排序,以此类推
使用示例:
需求描述:酒店数据按照用户评价(score)降序排序,评价相同的按照价格(price)升序排序
(1.2) 地理坐标排序
地理坐标排序略有不同。
基本语法:
GET /indexName/_search
"query":
"match_all":
,
"sort": [
"_geo_distance" :
"FIELD" : "纬度,经度", // 文档中geo_point类型的字段名、目标坐标点
"order" : "asc", // 排序方式
"unit" : "km" // 排序的距离单位
]
这个查询的含义是:
- 指定一个坐标,作为目标点
- 计算每一个文档中,指定字段(必须是geo_point类型)的坐标 到目标点的距离是多少
- 根据距离排序
使用示例:
需求描述:实现对酒店数据按照到你的位置坐标的距离升序排序
提示:获取位置的经纬度的方式:https://lbs.amap.com/demo/jsapi-v2/example/map/click-to-get-lnglat/
假设我的位置是:31.034661,121.612282,寻找我周围距离最近的酒店。
(2) 分页
es默认情况下只返回top10的数据。如果要查询更多数据则需要修改分页参数。可以通过修改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
类似于mysql中的limit ?, ?
(2.1) 基本的分页
分页的基本语法如下:
GET /hotel/_search
"query":
"match_all":
,
"from": 0, // 分页开始的位置,默认为0
"size": 10, // 期望获取的文档总数
"sort": [
"price": "asc"
]
(2.2) 深度分页问题
按照上述,如果我们要查询990~1000的数据,查询逻辑要这么写:
GET /hotel/_search
"query":
"match_all":
,
"from": 990, // 分页开始的位置,默认为0
"size": 10, // 期望获取的文档总数
"sort": [
"price": "asc"
]
这里是查询990开始的数据,也就是 第990~第1000条 数据。
但是elasticsearch内部分页时,必须先查询 0~1000条,然后才能截取其中的990 ~ 1000的这10条:
查询TOP1000,如果es是单点模式,这并无太大影响。
但是elasticsearch将来一定是集群,例如我集群有5个节点,我要查询TOP1000的数据,并不是每个节点查询200条就可以了。
因为节点A的TOP200,在另一个节点可能排到10000名以外了。
因此要想获取整个集群的TOP1000,必须先查询出每个节点的TOP1000,汇总结果后,重新排名,重新截取TOP1000。
-
那如果我要查询9900~10000的数据呢?是不是要先查询TOP10000呢?那每个节点都要查询10000条?汇总到内存中?
-
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,官方文档:
-
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。官方推荐使用的方式。
-
scroll:将排序后的文档id形成快照,保存在内存。官方已经不推荐使用。
-
-
(2.3) 使用对比
分页查询的常见实现方案以及优缺点:
-
from + size
:- 优点:支持随机翻页
- 缺点:深度分页问题,默认查询上限(from + size)是10000
- 场景:百度、京东、谷歌、淘宝这样的随机翻页搜索
-
after search
:- 优点:没有查询上限(单次查询的size不超过10000)
- 缺点:只能向后逐页查询,不支持随机翻页
- 场景:没有随机翻页需求的搜索,例如手机向下滚动翻页
-
scroll
:- 优点:没有查询上限(单次查询的size不超过10000)
- 缺点:会有额外内存消耗,并且搜索结果是非实时的
- 场景:海量数据的获取和迁移。从ES7.1开始不推荐,建议用 after search方案。
(3) 高亮
(3.1) 高亮原理
什么是高亮显示呢?
我们在百度,京东搜索时,关键字会变成红色,比较醒目,这叫高亮显示:
高亮显示的实现分为两步:
- 1)给文档中的所有关键字都添加一个标签,例如
<em>
标签 - 2)页面给
<em>
标签编写CSS样式
(3.2) 实现高亮
基本语法:
GET /hotel/_search
"query":
"match":
"FIELD": "TEXT" // 查询条件,高亮一定要使用全文检索查询
,
"highlight":
"fields": // 指定要高亮的字段
"FIELD":
"pre_tags": "<em>", // 用来标记高亮字段的前置标签
"post_tags": "</em>" // 用来标记高亮字段的后置标签
注意:
- 高亮是对关键字高亮,因此搜索条件必须带有关键字,而不能是范围这样的查询。
- 默认情况下,高亮的字段,必须与搜索指定的字段一致,否则无法高亮
- 如果要对非搜索字段高亮,则需要添加一个属性:required_field_match=false
使用示例:
(4) 综合小结
查询的DSL是一个大的JSON对象,包含下列属性:
- query:查询条件
- from和size:分页条件
- sort:排序条件
- highlight:高亮条件
示例:
三.RestClient查询文档
文档的查询同样是使用上一站学习到的RestHighLevelClient对象,其基本步骤也是类似的,包括:
- 1)准备Request对象
- 2)准备请求参数
- 3)发起请求
- 4)解析响应
(1) 整体步骤
我们以match_all查询为例
(1.1) 发起查询请求
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()
,其中包含了查询、排序、分页、高亮等所有功能:
另一个是QueryBuilders
,其中包含match、term、function_score、bool等各种查询:
(1.2) 解析响应
响应结果的解析:
elasticsearch返回的结果是一个JSON字符串,结构包含:
hits
:命中的结果total
:总条数,其中的value是具体的总条数值max_score
:所有结果中得分最高的文档的相关性算分hits
:搜索结果的文档数组,其中的每个文档都是一个json对象_source
:文档中的原始数据,也是json对象
因此,我们解析响应结果,就是逐层解析JSON字符串,流程如下:
SearchHits
:通过response.getHits()获取,就是JSON中的最外层的hits,代表命中的结果SearchHits#getTotalHits().value
:获取总条数信息SearchHits#getHits()
:获取SearchHit数组,也就是文档数组SearchHit#getSourceAsString()
:获取文档结果中的_source,也就是原始的json文档数据
(1.3) 完整代码
完整代码如下:
// 查询所有
@Test
void testMatchAll() throws IOException
// 1.准备Request
SearchRequest request = new SearchRequest("hotel");
// 2.准备DSL
request.source()
.query(QueryBuilders.matchAllQuery());
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
handleResponse(response);
// 封装解析查询结果方法
private void handleResponse(SearchResponse response)
// 4.解析响应
SearchHits searchHits = response.getHits();
// 4.1.获取总条数
long total = searchHits.getTotalHits().value;
System.out.println("共搜索到" + total + "条数据");
// 4.2.文档数组
SearchHit[] hits = searchHits.getHits();
// 4.3.遍历
for (SearchHit hit : hits)
// 获取文档source
String json = hit.getSourceAsString();
// 反序列化
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
System.out.println("hotelDoc = " + hotelDoc);
(2) match查询
全文检索的match和multi_match查询与match_all的API基本一致。差别是查询条件,也就是query的部分。
因此,Java代码上的差异主要是request.source().query()中的参数了。同样是利用QueryBuilders提供的方法:
而结果解析代码则完全一致,可以抽取并共享。
完整代码如下:
match
单字段查询
@Test
void testMatch() throws IOException
// 1.准备Request
SearchRequest request = new SearchRequest("hotel");
// 2.准备DSL
request.source()
.query(QueryBuilders.matchQuery("all", "如家"));
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.使用上述封装方法解析响应
handleResponse(response)以上是关于微服务Elasticsearch常用查询&结果处理的主要内容,如果未能解决你的问题,请参考以下文章
微服务Elasticsearch数据聚合&自动补全&数据同步