十Elasticsearch 8.x 分布式搜索引擎 -2
Posted Three-Sides
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了十Elasticsearch 8.x 分布式搜索引擎 -2相关的知识,希望对你有一定的参考价值。
SpringCloud
一、SpringCloud 微服务架构
二、SpringCloud-Eureka 注册中心
三、SpringCloud-Nacos注册中心
四、SpringCloud-Ribbon负载均衡
五、SpringCloud-Feign、OpenFeign 通信
六、SpringCloud-Gateway 网关
七、SpringCloud-Nacos配置管理
八、SpringCloud-RabbitMQ + Spring AMQP 消息队列
九、Elasticsearch 8.x 分布式搜索引擎 -1
上一章介绍了对索引库的存储数据,本章来介绍对索引库的搜索
一、DSL查询文档
1、查询所有
语法:
GET /索引库名/_search
"query":
"查询类型":
"查询条件": "条件值"
查询所有:
- 查询类型为:match_all
- 查询条件:没有
2、全文搜索查询
参与搜索的字段也必须是可分词的text类型的字段
2.1、查询类型:match
(单字段查询)
语法
GET /索引库名/_search
"query":
"match":
"字段名称": "搜索内容"
2.2、查询类型:multi_match
(多字段查询,任意一个字段符合条件就算符合查询条件)
语法
GET /索引库名/_search
"query":
"multi_match":
"query": "搜索内容",
"fields": ["字段名称1", " 字段名称2"]
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。
3.1、查询类型:term
(根据词条精确值查询)
语法
GET /索引库名/_search
"query":
"term":
"字段名称":
"value": "搜索内容"
3.2、查询类型:range
(根据值的范围查询)
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。
语法:
GET /索引库名/_search
"query":
"range":
"字段名称":
"gte": 查询值1, // gte代表大于等于,gt则代表大于
"lte": 查询值2// lte代表小于等于,lt则代表小于
4、地理坐标查询
地理坐标查询,其实就是根据经纬度查询
4.1、查询类型:geo_bounding_box
(矩形范围查询)
查询坐标落在某个矩形范围的所有文档:
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
GET /索引库名/_search
"query":
"geo_bounding_box":
"字段名称":
"top_left": // 左上点
"lat": 31.1, // 纬度
"lon": 121.5 // 经度
,
"bottom_right": // 右下点
"lat": 30.9, // 纬度
"lon": 121.7 // 经度
4.2、查询类型:geo_distance
(附近查询)
查询到指定中心点小于某个距离值的所有文档
语法
GET /索引库名/_search
"query":
"geo_distance":
"distance": "15km", // 半径
"字段名称"": "31.21,121.5" // 圆心
5、复合查询
复合查询: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、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。
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
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。
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
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:
6、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
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
语法
GET /hotel/_search
"query":
"bool":
"must": [
"term": "city": "上海"
],
"should": [
"term": "brand": "皇冠假日" ,
"term": "brand": "华美达"
],
"must_not": [
"range": "price": "lte": 500
],
"filter": [
"range": "score": "gte": 45
]
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
1、排序
elasticsearch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。
语法
GET /索引库名/_search
"query":
"match_all":
,
"sort": [
"字段名称": "desc" // 排序字段、排序方式ASC、DESC
]
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
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
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:获取你的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
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
类似于mysql中的limit ?, ?
2.1、普通分页
语法
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
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。
不过,elasticsearch内部分页时,必须先查询 0~1000条,然后截取其中的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:原理将排序后的文档id形成快照,保存在内存。官方已经不推荐使用。
3、高亮
3.1、高亮原理
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
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
示例:
4、总结
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、ElasticsearchClient
查询文档
1、查询所有
1)在EsClient
添加queryMatchAll
方法实现查询所有
public <T> List<T> queryMatchAll(String indexName,Class<T> targetClass)
SearchResponse<T> response = null;
try
response= elasticsearchClient.search(s -> s
.index(indexName)
.query(q -> q
.matchAll(t-> t)
), targetClass
);
catch (IOException e)
throw new RuntimeException(e);
return handleResponse(response);
// 封装响应
private <T> List<T> handleResponse(SearchResponse<T> response)
List<T> result = new ArrayList<>();
if (response == null)
return result;
HitsMetadata<T> hitsMetadata = response.hits();
if (hitsMetadata == null)
return result;
List<Hit<T>> hitList = response.hits().hits();
for (Hit<T> hit : hitList)
result.add(hit.source());
return result;
2) ESQueryMatchAllTest
测试类中,测试查询所有:
@RunWith(SpringRunner.class)
@SpringBootTest(classes = ESApplication.class)
public class ESQueryMatchAllTest
@Autowired
private EsClient esClient;
@Test
public void queryMatchAllTest()
List<HotelDoc> hotelList =esClient.queryMatchAll("hotel",HotelDoc.class);
for (HotelDoc hotelDoc : hotelList)
System.out.println(hotelDoc);
2、全文搜索查询
2.1 match
搜索 单字段搜索
1)在EsClient
添加queryMatch
方法实现单字段搜索
public <T> List<T> queryMatch(String indexName, String searchField, String searchContent, Class<T> targetClass)
SearchResponse<T> response = null;
try
response = elasticsearchClient.search(s -> s
.index(indexName)
.query(q -> q
.match(t -> t
.field(searchField)
.query(searchContent)
)
), targetClass
);
catch (IOException e)
e.printStackTrace();
return handleResponse(response);
2) ESQueryMatchTest
测试类中,测试单字段搜索:
@RunWith(SpringRunner.class)
@SpringBootTest(classes = ESApplication.class)
public class ESQueryMatchTest
@Autowired
private EsClient esClient;
@Test
public void queryMatchTest()
List<HotelDoc> list = esClient.queryMatch("hotel", "all", "7天连锁酒店", HotelDoc.class);
for (HotelDoc hotelDoc : list)
System.out.println("hotelDoc = " + hotelDoc);
2.1 mulit_match
搜索 多字段搜索
1)在EsClient
添加queryMultiMatch
方法实现多字段搜索文档
/**
* 多字段搜索文档
*
* @param indexName 索引名
* @param searchFields 搜索字段集合
* @param searchContent 搜索内容
* @param targetClass 目标类型
* @param <T> T
* @return 目标类集合
*/
public <T> List<T> queryMultiMatch(String indexName, List<String> searchFields, String searchContent, Class<T> targetClass)
SearchResponse<T> response = null;
try
response = elasticsearchClient.search(s -> s
.index(indexName)
.query(q -> q
.multiMatch(t -> t
.fields(searchFields)
.query(searchContent)
)
), targetClass
);
catch (IOException e)
e.printStackTrace();
以上是关于十Elasticsearch 8.x 分布式搜索引擎 -2的主要内容,如果未能解决你的问题,请参考以下文章
Elasticsearch:使用最新的 Nodejs client 8.x 来创建索引并搜索
Elasticsearch:在 Java 客户端应用中管理索引 - Elastic Stack 8.x