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“
  • should:选择性匹配子查询,类似“
  • must_not:必须不匹配,不参与算分,类似“
  • 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

微服务Elasticsearch概述&环境搭建

微服务实用篇6-分布式搜索elasticsearch篇2

微服务实用篇6-分布式搜索elasticsearch篇2

Elasticsearch学习笔记-p7(数据聚合&自动补全)

微服务java 操作elasticsearch详细总结