Elasticsearch系列---实战搜索语法

Posted 2020-11-25 huangying2124

概要

本篇介绍Query DSL的语法案例，查询语句的调试，以及排序的相关内容。

基本语法

空查询

最简单的搜索命令，不指定索引和类型的空搜索，它将返回集群下所有索引的所有文档（默认显示10条）：

GET /_search
{}

搜索多个索引

GET /index1,index2/_doc/_search
{}

指定分页搜索

GET /_search
{
  "from": 0,
  "size": 10
}

get带request body

HTTP协议，GET请求带body是不规范的做法，但由于ES搜索的复杂性，加上HTTP协议GET/POST方法表述的语义，GET更适合用来表述查询的动作，虽然不规范，但还是这么用了。现在大多数浏览器也支持GET+request body，如果遇到不支持的，换成POST即可。了解一下就行，不用太慌张。

查询表达式Query DSL

Query DSL是一种非常灵活、可读性高的查询语言，body为JSON格式，绝大部分功能都可以用它来展现，并且这种查询语句更纯粹，让学习者更专注于本身的功能，避免Client API的干扰。

上一节的空查询，等价于这个：

GET /_search
{
    "query": {
        "match_all": {}
    }
}

基本语法

# 查询语句结构
{
    QUERY_NAME: {
        ARGUMENT: VALUE,
        ARGUMENT: VALUE,...
    }
}

# 针对某个字段的查询
{
    QUERY_NAME: {
        FIELD_NAME: {
            ARGUMENT: VALUE,
            ARGUMENT: VALUE,...
        }
    }
}

合并查询语句

再复杂的查询语句，也是由一个一个的查询条件叠加而成的，查询语句有两种形式：

• 叶子语句：单个条件组成的语句，如match语句，类似mysql的"id = 1"这种。
• 复合语句：有多个条件，需要合并在一起才能组成一个完整的语句，需要使用bool进行组合，里面的条件可以用must必须匹配、must not必须不匹配、should可以匹配修饰，也可以包含过滤器filter。类似mysql的"(status = 1 && language != ‘french‘ && (author = ‘John‘ || author = ‘Tom‘))"这种。

举个例子：

{
    "bool": {
        "must":     { "match": { "status": 1 }},
        "must_not": { "match": { "language":  "french" }},
        "should":   { "match": { "author": "John Tom" }},
        "filter":   { "range": { "length" : { "gt" : 30 }} }
    }
}

复合语句可以嵌套，来实现更复杂的查询需求，在上面的例子上简单延伸一下：

"bool": {
        "must":     { "match": { "status": 1 }},
        "must_not": { "match": { "language":  "french" }},
        "should":   [
            {"match": { "author": "John Tom" }},
            {"bool": {
                "must":     { "match": { "name": "friend" }},
                "must_not": { "match": { "content":  "star" }}
            }}
        ],
        "filter":   { "range": { "length" : { "gt" : 30 }} }
    }

复合语句相关性分数计算

每一个子查询都独自地计算文档的相关性得分。一旦他们的得分被计算出来，bool 查询就将这些得分进行合并并且返回一个代表整个布尔操作的得分，得分高的显示在前面，filter内的条件不参与分数计算。

过滤器filter

我们还是以英文儿歌的索引为案例，看一个搜索需求：歌词内容包含friend，同时歌长大于30秒的记录

GET /music/children/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "content": "friend"
          }
        }
      ],
      "filter": {
        "range": {
          "length": {
            "gte": 30
          }
        }
      }
    }
  }
}

filter与query

• 过滤情况filtering context

仅按照搜索条件把需要的数据筛选出来，不计算相关度分数。

• 查询情况query context

匹配条件的数据，会根据搜索条件的相关度，计算每个document的分数，然后按照分数进行排序，这个才是全文搜索的情况。

性能差异

filter只做过滤，不作排序，并且会缓存结果到内存中，性能非常高。
query匹配条件，要做评分，没有缓存，性能要低一些。

应用场景

filter一个非常重要的作用就是减少不相关数据对query的影响，提升query的性能，二者常常搭配在一起使用。
组合使用的时候，把期望符合条件的document的搜索条件放在query里，把要滤掉的条件放在filter里。

constant_score查询

如果一个查询只有filter过滤条件，可以用constant_score来替代bool查询，这样的查询语句更简洁、更清晰，只是没有评分，示例如下：

GET /music/children/_search
{
  "query": {
    "constant_score": {
      "filter": {
        "term": { "content": "gymbo"}
      }
    }
  }
}

filter内不支持terms语法，注意一下。

最常用的查询

再复杂的查询语句，也是由最基础的查询变化而来的，而最常用的查询其实也就那么几个。

1. match_all查询

查询简单的匹配所有文档

GET /_search
{
    "query": {
        "match_all": {}
    }
}

1. match查询

无论是全文搜索还是精确查询，match查询是最基本的标准

# 全文搜索例子
{ "match": { "content": "loves smile" }}

# 精确搜索
{ "match": { "likes":    15           }}
{ "match": { "date":   "2019-12-05" }}
{ "match": { "isOwner": true         }}
{ "match": { "keyword":    "love you"  }}

对于精确值的查询，我们可以使用filter来替代，filter有缓存的效果。

1. multi_match查询

可以在多个字段上执行相同的match查询

{
    "multi_match": {
        "query":    "my sunshine",
        "fields":   [ "name", "content" ]
    }
}

1. range查询

查询指定区间内的数字或时间，query和filter都支持，一般是filter用得多，允许的操作符如下：

• gt 大于
• gte 大于或等于
• lt 小于
• lte 小于或等于

{
    "range": {
        "length": {
            "gte":  45,
            "lt":   60
        }
    }
}

1. term查询

用于精确值匹配，精确值可以是数字，日期，boolean或keyword类型的字符串

{ "term": { "likes":    15           }}
{ "term": { "date":   "2019-12-05" }}
{ "term": { "isOwner": true         }}
{ "term": { "keyword":    "love you"  }}

建立索引时mapping设置为not_analyzed时，match等同于term，用得多的是match和range。

1. terms查询

跟term类似，只是允许一次指定多个值进行匹配，只要有任何一个匹配上，都满足条件

{ "terms": { "content": [ "love", "gymbo", "sunshine" ] }}

查询语句调试

复杂的查询语句，可能会有几百行，可以先使用调试工具检测一下查询语句，定位不合法的搜索及原因，完整语法如下：

GET /index/type/_validate/query?explain
{
  "query": {
    ...
  }
}

explain参数可以提供更详细的查询不合法的信息，便于问题定位。写一个错误的例子，比如使用中文标点符号：

GET /music/children/_validate/query?explain
{
  "query": {
    "terms": { "content“: [ "love", "gymbo", "sunshine" ] }
  }
}

错误提示如下：

{
  "valid": false,
  "error": """
ParsingException[Failed to parse]; nested: JsonParseException[Unexpected character ('l' (code 108)): was expecting a colon to separate field name and value
 at [Source: org.elasticsearch.transport.netty4.ByteBufStreamInput@5e57280e; line: 3, column: 33]];; com.fasterxml.jackson.core.JsonParseException: Unexpected character ('l' (code 108)): was expecting a colon to separate field name and value
 at [Source: org.elasticsearch.transport.netty4.ByteBufStreamInput@5e57280e; line: 3, column: 33]
"""
}

valid关键字，true为验证通过，false为不通过，如上提示信息，会指明3行33列错误，原因是使用了中文的引号。将语法修正后，得到的正确响应如下：

{
  "_shards": {
    "total": 1,
    "successful": 1,
    "failed": 0
  },
  "valid": true,
  "explanations": [
    {
      "index": "music",
      "valid": true,
      "explanation": "+content:(gymbo love sunshine) #*:*"
    }
  ]
}

排序

查询请求得到的结果，默认排序是相关性得分降序。如果我们只使用filter过滤，符合filter条件的文档，评分都是一样的（bool的filter得分是null，constant_score得分是1），结果文档还是随机返回，显然这样的排序不符合我们的预期。

sort排序规则

为此，我们可以使用sort属性，对文档进行排序，sort的用法与mysql如出一辙，示例如下：

GET /music/children/_search
{
  "query": {
    "bool": {
        "filter":   { "range": { "length" : { "gt" : 30 }} }
    }
  },
  "sort": [
    {
      "length": {
        "order": "desc"
      }
    }
  ]
}

sort内可以同时指定多个排序字段，一旦使用sort排序后，_score得分将变成null，因为我们指定了排序规则，_score没有实际意义了，就不用耗费精力再去计算它。

字符串排序问题

我们知道text类型的字段，会有关键词分词处理，对这样的字段进行排序，结果往往都不准确，6.x版本以后的text类型，会再自动建立一个keyword类型的字段，这个字段是不分词的，所以这样就有了分工，text类型的负责搜索，keyword类型则负责排序。
我们回顾一下music索引的mapping信息(节选)：

{
  "music": {
    "mappings": {
      "children": {
        "properties": {
          "content": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "name": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          }
        }
      }
    }
  }
}

例如name字段，有一个text类型的，里面fields还有一个类型为keyword，名称也为keyword的字段，所以在排序的场景中，我们应该使用name.keyword，示例如下：

GET /music/children/_search
{
  "sort": [
    {
      "name.keyword": {
        "order": "asc"
      }
    }
  ]
}

小结

本篇介绍Query DSL的语法及基础实战内容，顺带点了一下filter与query的区别，面对复杂查询语句时，建议先用验证工具进行排查，最后介绍了一下排序方面的知识，基础语法、上机案例多实践即可。

专注Java高并发、分布式架构，更多技术干货分享与心得，请关注公众号：Java架构社区