Elasticsearch--搜索

Posted 2021-01-08 51zone

目录

• 基本知识
  • 查询结果返回设置：版本值、得分限制、定制返回字段
  • 搜索类型
  • 搜索执行偏好
  • 基本查询
  • 过滤器类型
  • 高亮
    • 控制高亮的片段
  • 验证查询
  • 数据排序
  • 查询重写

基本知识

查询结果返回设置：版本值、得分限制、定制返回字段

{
    "version":true,
    "min_score":0.75,
    "fields":["a", "b"],
    "query":{
        ...
    }
}

定制字段的返回，从性能角度考虑，不如直接返回_source

搜索类型

通过search_type设置，请求类型是：

1. query_then_fetch:默认设置。第一步在所有分片上执行查询得到对文档进行排序和分级所需信息，然后，在相关分片上查询文档的实际内容。该查询类型返回结果的最大数量等于size参数的值。
2. query_and_fetch:最快最简单的搜索类型，所有分片并行查询，每个分片返回等于size值得结果数。
3. dfs_query_and_fetch:相比query_and_fetch多包含一个额外阶段，在初始查询中执行分布式词频计算，返回的得分更加精确。
4. dfs_query_then_fetch:相比query_then_fetch多包含一个额外阶段，在初始查询中执行分布式词频计算，返回的得分更加精确。
5. count:只返回匹配的文档的数量，不返回文档
6. scan:遍历查询，不计算得分。

搜索执行偏好

参数值	描述
_primary	只在主分片上执行搜索，不使用副本。
_primary_first	如果主分片可用，只在主分片上搜索，否则在其他分片执行
_local	只在发送请求的节点上的可用分片上执行搜索
_only_node:node_id	只在提供标示符的节点上搜索
_prefer_node:node_id	Elasticsearch尝试在提供标示符的节点上搜索，否则，使用其他节点
_shards:1,2	在提供标示符的分片上执行，可以和其他首选项合并，但_shards必须在前。_shards:1,2;_local
自定义值	传入自定义的字符串

基本查询

1. 词条查询（term）
2. 多词条查询，通过mininum_match指定最小匹配的词条数量
3. match_all查询
4. query_string查询。支持全部的Apache Lucene查询语法
5. 标示符查询。针对内部的_id字段
6. more_like_this查询
7. 最大分查询(dismax)。它非常有用，会生成一个由所有子查询返回的文档组成的并集。我们可以控制较低得分的子查询对文档最后得分的影响。最后得分是这样计算的：最高分数的子查询的得分之和，加上其余子查询的得分之和乘以tie参数的值，通过tie参数控制较低得分的查询对最后得分的影响
8. 加权查询(boosting)。该查询封装了两个查询，有三个节点需要定义：positive部分包含所返回文档得分不会被改变；negative部分返回的文档得分将被降低；negative_boost部分包含降低negative部分查询得分的加权值
9. constant_score查询。封装一个查询，被封装查询返回文档得分设置成一个常数

此外，elasticsearch还支持：前缀查询，模糊查询，通配符查询，正则查询

词条和多词条查询elasticsearch没有分析过程。

过滤器类型

1. 范围过滤器
2. exists过滤器
3. missing过滤器
4. 脚本过滤器
5. 类型过滤器，指的是索引的类型
6. 限定过滤器：限定单个分片返回的文档数目
7. 标示符过滤器
8. 命名过滤器。可以给过滤器指定名称，这样当过滤器很复杂时，就可以在查看返回结果中某一文档匹配了哪些过滤器

过滤器缓存：有些过滤器是默认缓存的，有些过滤器则不能缓存(即使打开也是无效的)。通过_cache参数设置

高亮

Lucene提供了三种类型的高亮实现：标准类型；FastVectorHighlighter,它需要词向量和位置才能工作；PostingsHighlighter，信息高亮器（字段定义中的index_options属性设为offsets），对单个词条的查询更智能，匹配句子结束边界。

Elasticsearch会自动选择正确的高亮实现方式，如果字段的配置中，term_vector属性设成了with_positings_offsets,则将使用FastVectorHighlighter。使用词向量将导致索引变大，但高亮执行时间更少，对于存储大量数据的字段来说，推荐使用FastVectorHighlighter

高亮的所有设置既可以在所有字段上设置，也可以针对某个字段单独设置(全局控制和局部控制)。

require_field_match控制高亮的字段只与查询时指定的字段对应，不会显示其他字段的符合条件的高亮信息。

控制高亮的片段

number_of_fragments：返回高亮片段的数量，默认是5。如果设置为0，整个字段将会返回，对于短字段可以这样设置。

fragment_size:高亮片段的最大字符长度，默认值是100

验证查询

ES查询时把请求发送到_search端点，有时候不知道DSL或定义语句是否正确时，将请求发送到_validate_query端点验证请求的正确性（有的错误请求无返回结果，这时无法判断是没有符合要求的数据还是请求错误）。
验证的命令如下

curl -XGET ‘localhost:9200/index/_validate/query?pretty&explain‘ --data-binary @query.json

query.json是命令文件

数据排序

默认的排序是根据得分降序排序，可以通过{"sort":{"_sort":asc}}对结果升序排序

还可以指定字段进行排序，这个字段最好不要分析。

通过这查询中设置missing可以指定缺失字段在查询结果中的排列位置。

查询重写

任何涉及多词条的查询，如前缀查询或通配符查询，都会使用查询重写。它把原始的昂贵的查询修改成一组不太昂贵的查询。

Lucene内部的倒排索引机制记录了词条，对查询进行重写的时候，将条件匹配相关的词条，从而改写查询。

{
    "query":{
        "prefix":{
            "title":"s",
            "rewrite":"constant_score_boolean"
        }
    }
}

rewrite指定了重写的策略：

• scoring_boolean:该选项将每个生成的词项转化为布尔查询中的一个或从句（Boolean should clause）。这种改写方法需要针对每个文档都计算得分。因此，这种方法比较耗费CPU，而且有些查询生成了太多的词项，以至于超出了布尔查询默认的1024个从句的限制。默认的布尔查询限制可以通过设置Elasticsearch.yml文件的index.query.bool.max_clause_count属性来修改。改写后的布尔查询的从句数越多，查询性能越低
• constant_score_boolean:该选项与前面提到过的scoring_boolean类似，但是CPU耗费更少，这是因为并不计算每个从句的得分，而是每个从句得到一个与查询权重相同的一个常数得分，默认情况下等于1，我们也可以通过设置查询权重来改变这个默认值。与scoring_boolean类似，该选项也有布尔从句数的限制。
• constant_score_filter(默认选项):在匹配的词项较少时，与constant_score_boolean类似，匹配的词项较多时，会遍历并查询所有的词项，然后使用相同的常数得分。文档数量较多时，好于上面两个。
• top_terms_N:与scoring_boolean相似之处在于都会对从句计算得分，不同之处在于，该方法只保留最佳的N个词项，以避免触及布尔从句数的限制，并提升查询整体性能。
• top_terms_boost_N:该选项与top_terms_N类似，不同之处在于它的文档得分不是通过计算得出的，而是被设置为跟查询权重（boost）一致，默认值为1。

需要性能更好，但忍受低精度选用topN,需要高精度,但忍受低性能选择constant_score_boolean