ES中高级检索(Query)

Posted

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ES中高级检索(Query)相关的知识,希望对你有一定的参考价值。

参考技术A

ES官方提供了两中检索方式: 一种是通过 URL 参数进行搜索,另一种是通过 DSL(Domain Specified Language) 进行搜索 官方更推荐使用第二种方式第二种方式是基于传递JSON作为请求体(request body)格式与ES进行交互,这种方式更强大,更简洁

GET /ems/emp/_search?q= &sort=age:asc*

GET /ems/emp/_search?q=*&sort=age:desc&size=5&from=0&_source=name,age,bir

NOTE1: 通过使用term查询得知ES中默认使用分词器为标准分词器(StandardAnalyzer),标准分词器对于英文单词分词,对于中文单字分词

NOTE2: 通过使用term查询得知,在ES的Mapping Type 中 keyword , date ,integer, long , double , boolean or ip 这些类型不分词 只有text类型分词

索引区:name:[张:0:1,张:1:1]在0号文档中,出现1次,在1号文档中出现1次。

好玩的ES--第二篇之高级查询,索引原理和分词器

好玩的ES--第二篇


好玩的ES—第一篇之安装和基本CRUD


高级查询

说明

ES中提供了一种强大的检索数据方式,这种检索方式称之为Query DSL ,Query DSL是利用Rest API传递JSON格式的请求体(Request Body)数据与ES进行交互,这种方式的丰富查询语法让ES检索变得更强大,更简洁

语法

# GET /索引名/_doc/_search json格式请求体数据
# GET /索引名/_search json格式请求体数据
  • 测试数据
# 1.创建索引 映射
PUT /products/

  "mappings": 
    "properties": 
      "title":
        "type": "keyword"
      ,
      "price":
        "type": "double"
      ,
      "created_at":
        "type":"date"
      ,
      "description":
        "type":"text"
      
    
  

# 2.测试数据
PUT /products/_doc/_bulk
"index":
  "title":"iphone12 pro","price":8999,"created_at":"2020-10-23","description":"iPhone 12 Pro采用超瓷晶面板和亚光质感玻璃背板,搭配不锈钢边框,有银色、石墨色、金色、海蓝色四种颜色。宽度:71.5毫米,高度:146.7毫米,厚度:7.4毫米,重量:187克"
"index":
  "title":"iphone12","price":4999,"created_at":"2020-10-23","description":"iPhone 12 高度:146.7毫米;宽度:71.5毫米;厚度:7.4毫米;重量:162克(5.73盎司) [5]  。iPhone 12设计采用了离子玻璃,以及7000系列铝金属外壳。"
"index":
  "title":"iphone13","price":6000,"created_at":"2021-09-15","description":"iPhone 13屏幕采用6.1英寸OLED屏幕;高度约146.7毫米,宽度约71.5毫米,厚度约7.65毫米,重量约173克。"
"index":
  "title":"iphone13 pro","price":8999,"created_at":"2021-09-15","description":"iPhone 13Pro搭载A15 Bionic芯片,拥有四种配色,支持5G。有128G、256G、512G、1T可选,售价为999美元起。"

常见检索

查询所有[match_all]

match_all关键字: 返回索引中的全部文档

GET /products/_search

  "query": 
    "match_all": 
  


关键词查询(term)

term 关键字: 用来使用关键词查询,还可以用来查询没有被进行分词的数据类型

GET /products/_search

 "query": 
   "term": 
     "price": 
       "value": 4999
     
   
 

NOTE1: 通过使用term查询得知ES中默认使用分词器为标准分词器(StandardAnalyzer),标准分词器对于英文单词分词,对于中文单字分词

NOTE2: 通过使用term查询得知,在ES的Mapping Type 中 keyword , date ,integer, long , double , boolean or ip 这些类型不分词,只有text类型分词


范围查询[range]

range 关键字: 用来指定查询指定范围内的文档

GET /products/_search

  "query": 
    "range": 
      "price": 
        "gte": 1400,
        "lte": 9999
      
    
  


前缀查询[prefix]

prefix 关键字: 用来检索含有指定前缀的关键词的相关文档

GET /products/_search

  "query": 
    "prefix": 
      "title": 
        "value": "ipho"
      
    
  


通配符查询[wildcard]

wildcard 关键字: 通配符查询 ? 用来匹配一个任意字符 * 用来匹配多个任意字符

GET /products/_search

  "query": 
    "wildcard": 
      "description": 
        "value": "iphon*"
      
    
  


多id查询[ids]

ids 关键字 : 值为数组类型,用来根据一组id获取多个对应的文档

GET /products/_search

  "query": 
    "ids": 
      "values": ["verUq3wBOTjuBizqAegi","vurUq3wBOTjuBizqAegk"]
    
  


模糊查询[fuzzy]

fuzzy 关键字: 用来模糊查询含有指定关键字的文档

GET /products/_search

  "query": 
    "fuzzy": 
      "description": "iphooone"
    
  

注意: fuzzy 模糊查询 最大模糊错误 必须在0-2之间

  • 搜索关键词长度为 2 不允许存在模糊

  • 搜索关键词长度为3-5 允许一次模糊

  • 搜索关键词长度大于5 允许最大2模糊


布尔查询[bool]

bool 关键字: 用来组合多个条件实现复杂查询

must: 相当于&& 同时成立

should: 相当于|| 成立一个就行

must_not: 相当于! 不能满足任何一个

GET /products/_search

  "query": 
    "bool": 
      "must": [
        "term": 
          "price": 
            "value": 4999
          
        
      ]
    
  


多字段查询[multi_match]

可以根据字段类型,决定是否使用分词查询

GET /products/_search

  "query": 
    "multi_match": 
      "query": "iphone13 毫",
      "fields": ["title","description"]
    
  

注意: 字段类型分词,将查询条件分词之后进行查询改字段  如果该字段不分词就会将查询条件作为整体进行查询

默认字段分词查询[query_string]

GET /products/_search

  "query": 
    "query_string": 
      "default_field": "description",
      "query": "屏幕真的非常不错"
    
  

注意: 查询字段分词就将查询条件分词查询  查询字段不分词将查询条件不分词查询

高亮查询[highlight]

highlight 关键字: 可以让符合条件的文档中的关键词高亮

GET /products/_search

  "query": 
    "term": 
      "description": 
        "value": "iphone"
      
    
  ,
  "highlight": 
    "fields": 
      "*":
    
  

自定义高亮html标签: 可以在highlight中使用pre_tagspost_tags

GET /products/_search

  "query": 
    "term": 
      "description": 
        "value": "iphone"
      
    
  ,
  "highlight": 
    "post_tags": ["</span>"], 
    "pre_tags": ["<span style='color:red'>"],
    "fields": 
      "*":
    
  

多字段高亮 使用require_field_match开启多个字段高亮----字段必须能够分词

es默认只有被搜索的字段才可以高亮,如果想要其他指定的高亮字段,也进行高亮显示,就需要开启多字段高亮

GET /products/_search

  "query": 
    "term": 
      "description": 
        "value": "iphone"
      
    
  ,
  "highlight": 
    "require_field_match": "false",
    "post_tags": ["</span>"], 
    "pre_tags": ["<span style='color:red'>"],
    "fields": 
      "*":
    
  


返回指定条数[size]

size 关键字: 指定查询结果中返回指定条数。 默认返回值10条

GET /products/_search

  "query": 
    "match_all": 
  ,
  "size": 5


分页查询[form]

from 关键字: 用来指定起始返回位置,和size关键字连用可实现分页效果

GET /products/_search

  "query": 
    "match_all": 
  ,
  "size": 5,
  "from": 0


指定字段排序[sort]

会让得分失效

GET /products/_search

  "query": 
    "match_all": 
  ,
  "sort": [
    
      "price": 
        "order": "desc"
      
    
  ]


返回指定字段[_source]

_source 关键字: 是一个数组,在数组中用来指定展示那些字段

GET /products/_search

  "query": 
    "match_all": 
  ,
  "_source": ["title","description"]


索引原理

倒排索引

倒排索引(Inverted Index)也叫反向索引,有反向索引必有正向索引。通俗地来讲,正向索引是通过key找value,反向索引则是通过value找key。ES底层在检索时底层使用的就是倒排索引。


索引模型

现有索引和映射如下:


  "products" : 
    "mappings" : 
      "properties" : 
        "description" : 
          "type" : "text"
        ,
        "price" : 
          "type" : "float"
        ,
        "title" : 
          "type" : "keyword"
        
      
    
  

先录入如下数据,有三个字段title、price、description等

_idtitlepricedescription
1蓝月亮洗衣液19.9蓝月亮洗衣液高效
2iphone1319.9不错的手机
3小浣熊干脆面1.5小浣熊好吃

在ES中除了text类型分词,其他类型不分词,因此根据不同字段创建索引如下:

title字段:

term_id(文档id)
蓝月亮洗衣液1
iphone132
小浣熊干脆面3

price字段

term_id(文档id)
19.9[1,2]
1.53

description字段

term_idterm_idterm_id
123
123
123
123
123
1
[1:1:9,2:1:6,3:1:6]
1
1
 [1:1:9,2:1:6,3:1:6]解释:
在1号文档中出现了一次,该文档长度为九
在2号文档中出现了一次,该文档长度为六
在3号文档中出现了一次,该文档长度为六

es会根据关键字出现的次数和文档长度,对搜索出来的结果按照相关度得分进行排序

注意: Elasticsearch分别为每个字段都建立了一个倒排索引。因此查询时查询字段的term,就能知道文档ID,就能快速找到文档。


分词器

Analysis 和 Analyzer

Analysis: 文本分析是把全文本转换一系列单词(term/token)的过程,也叫分词(Analyzer)。Analysis是通过Analyzer来实现的分词就是将文档通过Analyzer分成一个一个的Term(关键词查询),每一个Term都指向包含这个Term的文档

Analyzer 组成

  • ​ 注意: 在ES中默认使用标准分词器: StandardAnalyzer 特点: 中文单字分词 单词分词

    我是中国人 this is good man----> analyzer----> 我 是 中 国 人 this is good man

分析器(analyzer)都由三种构件组成的:character filterstokenizerstoken filters

  • character filter 字符过滤器

    • 在一段文本进行分词之前,先进行预处理,比如说最常见的就是,过滤html标签(hello --> hello),& --> and(I&you --> I and you)
  • tokenizers 分词器

    • 英文分词可以根据空格将单词分开,中文分词比较复杂,可以采用机器学习算法来分词。
  • Token filters Token过滤器

    • 将切分的单词进行加工。大小写转换(例将“Quick”转为小写),去掉停用词(例如停用词像“a”、“and”、“the”等等),加入同义词(例如同义词像“jump”和“leap”)。

注意:

  • 三者顺序: Character Filters—>Tokenizer—>Token Filter
  • 三者个数:Character Filters(0个或多个) + Tokenizer + Token Filters(0个或多个)

内置分词器

  • Standard Analyzer - 默认分词器,英文按单词词切分,并小写处理
  • Simple Analyzer - 按照单词切分(符号被过滤), 小写处理
  • Stop Analyzer - 小写处理,停用词过滤(the,a,is)
  • Whitespace Analyzer - 按照空格切分,不转小写
  • Keyword Analyzer - 不分词,直接将输入当作输出

内置分词器测试

  • 标准分词器
    • 特点: 按照单词分词 英文统一转为小写 过滤标点符号 中文单字分词
POST /_analyze

  "analyzer": "standard",
  "text": "this is a , good Man 中华人民共和国"

  • Simple 分词器
    • 特点: 英文按照单词分词 英文统一转为小写 去掉符号 中文按照空格进行分词
POST /_analyze

  "analyzer": "simple",
  "text": "this is a , good Man 中华人民共和国"

  • Whitespace 分词器
    • 特点: 中文 英文 按照空格分词 英文不会转为小写 不去掉标点符号
POST /_analyze

  "analyzer": "whitespace",
  "text": "this is a , good Man"

创建索引设置分词

PUT /索引名

  "settings": ,
  "mappings": 
    "properties": 
      "title":
        "type": "text",
        "analyzer": "standard" //显示指定分词器
      
    
  


中文分词器

在ES中支持中文分词器非常多 如 smartCNIK 等,推荐的就是 IK分词器

安装IK

开源分词器 Ik 的github:https://github.com/medcl/elasticsearch-analysis-ik

  • 注意 IK分词器的版本要你安装ES的版本一致
  • 注意 Docker 容器运行 ES 安装插件目录为 /usr/share/elasticsearch/plugins
# 1. 下载对应版本
- [es@linux ~]$ wget https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.14.0/elasticsearch-analysis-ik-7.14.0.zip

# 2. 解压
- [es@linux ~]$ unzip elasticsearch-analysis-ik-6.2.4.zip #先使用yum install -y unzip

# 3. 移动到es安装目录的plugins目录中
- [es@linux ~]$ ls elasticsearch-6.2.4/plugins/
	[es@linux ~]$ mv elasticsearch elasticsearch-6.2.4/plugins/
	[es@linux ~]$ ls elasticsearch-6.2.4/plugins/
	 	elasticsearch
	[es@linux ~]$ ls elasticsearch-6.2.4/plugins/elasticsearch/
		commons-codec-1.9.jar    config                               httpclient-4.5.2.jar  		plugin-descriptor.properties
		commons-logging-1.2.jar  elasticsearch-analysis-ik-6.2.4.jar  httpcore-4.4.4.jar
		
# 4. 重启es生效

# 5. 本地安装ik配置目录为  
- es安装目录中/plugins/analysis-ik/config/IKAnalyzer.cfg.xml

将解压完的压缩包删除


docker方式处理插件:

前面两步不变,还是先下载后解压缩


通过共享数据卷的方式,可以将lk插件放入es的plugins目录下

version: "3.0"
volumes:
  data:
  config:
networks:
  es:
services:
  elasticsearch:
    image: "elasticsearch:7.14.0"
    ports:
      - "9200:9200"
      - "9300:9300"
    networks:
      - "es"
    environment:
      - "discovery.type=single-node"
      - "ES_JAVA_OPTS=-Xms512m -Xmx521m"
    volumes:
      #别名的方式
      - "data:/usr/share/elasticsearch/data"
      - "config:/usr/share/elasticsearch/config"
      #指定为lk文件目录所在路径
      - "/dhy/elasearch/lk:/usr/share/elasticsearch/plugins"
  kibana:
    image: "kibana:7.14.0"
    ports:
      - "5601:5601"
    networks:
      - "es"

这里不需要修改kinbana的配置文件,因为现在两者在同一自定义网络下面,可以通过服务名访问


IK使用

IK有两种颗粒度的拆分:

  • ik_smart: 会做最粗粒度的拆分

  • ik_max_word: 会将文本做最细粒度的拆分

POST /_analyze

  "analyzer": "ik_smart",
  "text": "中华人民共和国国歌"

POST /_analyze

  "analyzer": "ik_max_word",
  "text": "中华人民"


扩展词、停用词配置

IK支持自定义扩展词典停用词典

  • 扩展词典就是有些词并不是关键词,但是也希望被ES用来作为检索的关键词,可以将这些词加入扩展词典。
  • 停用词典就是有些词是关键词,但是出于业务场景不想使用这些关键词被检索到,可以将这些词放入停用词典。

定义扩展词典和停用词典可以修改IK分词器中config目录中IKAnalyzer.cfg.xml这个文件。

1. 修改vim IKAnalyzer.cfg.xml

    <?xml version="1.0" encoding="UTF-8"?>
    <!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
    <properties>
        <comment>IK Analyzer 扩展配置</comment>
        <!--用户可以在这里配置自己的扩展字典 -->
        <entry key="ext_dict">ext_dict.dic</entry>
         <!--用户可以在这里配置自己的扩展停止词字典-->
        <entry key="ext_stopwords">ext_stopword.dic</entry>
    </properties>

2. 在ik分词器目录下config目录中创建ext_dict.dic文件   编码一定要为UTF-8才能生效
	vim ext_dict.dic 加入扩展词即可

3. 在ik分词器目录下config目录中创建ext_stopword.dic文件 
	vim ext_stopword.dic 加入停用词即可

4.重启es生效

注意: 词典的编码必须为UTF-8,否则无法生效!


以上是关于ES中高级检索(Query)的主要内容,如果未能解决你的问题,请参考以下文章

elasticSearch多条件高级检索语句,包含多个mustmust_notshould嵌套示例,并考虑nested对象的特殊检索

ES 23 - 检索和过滤的区别 (query vs. filter)

SpringBoot迁移数据库数据到ES+操纵ES进行高级检索源码

ES 高级用法

ES 高级用法

elasticSearch - 高级检索