分布式搜索引擎Elasticsearch的查询与过滤

Posted 邱明成

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了分布式搜索引擎Elasticsearch的查询与过滤相关的知识,希望对你有一定的参考价值。

一、写入

先来一个简单的官方例子,插入的参数为

-XPUT

,插入一条记录。

curl -XPUT‘http://localhost:9200/test/users/1‘ -d‘{
    "user": "test",
    "post_date": "2009-11-15T14:12:12",
    "message": "Elastic Search"
}‘

{
    "_index": "test",
    "_type": "users",
    "_id": "1",
    "_version": 2,
    "_shards": {
        "total": 2,
        "successful": 1,
        "failed": 0
    },
    "created": false
}


从上面的这个例子中,可以看出ES的http的服务的默认端口9200,后面的

/test/users/1

是这条记录的索引部分,体现了它的RESTful风格
这三级目录分布对应了

_index,
_type,
_id

实际上ES上存放的所有的记录都只能通过三级目录的方式找到

_id

字段可以是数字也可以是字符串。在执行上面的命令时ES会自动创建这些索引

-d

后面跟上了要插入的json格式的记录

-XPUT

表明这是插入一条数据,ES中叫创建一个索引

_version

字段,表明了当前记录的版本号,当你想这个索引重新put一条记录时,版本号会自动加一

二、删除

删除的http请求参数为

-XDELETE

,通过下面的命令可以删除这条记录:

curl -XDELETE ‘http://localhost:9200/test/users/1?pretty‘
{
  "found" : true,
  "_index" : "test",
  "_type" : "users",
  "_id" : "1",
  "_version" : 3,
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  }
}


删除这条记录的时候,

_verison

也会自动加一的。

三、查询

创建了一个索引后,可以通过下面的方式查询(参数

-XGET

)出来

curl -XGET ‘http://localhost:9200/test/users/1?pretty‘       
{
  "_index" : "test",
  "_type" : "users",
  "_id" : "1",
  "_version" : 1,
  "found" : true,
  "_source" : {
    "user" : "test",
    "post_date" : "2009-11-15T14:12:12",
    "message" : "Elastic Search"
  }
}


执行上面的查询命令,可以等到下面的结果,

exists

表示是否有查询结果,

_source

字段是查询到的记录。
查询的时候,可以将

_type

设置成为

_all

,ES就会返回在

_index

下所有type中,第一个匹配

_id

的记录,还可以通过参数对返回结果继续控制,
用fields选取返回的字段,用pretty控制返回的json格式是否更阅读友好

curl -XGET ‘http://localhost:9200/test/users/1?fields=message,user&pretty=true‘
{
  "_index" : "test",
  "_type" : "users",
  "_id" : "1",
  "_version" : 3,
  "found" : true,
  "fields" : {
    "message" : [ "Elastic Search" ],
    "user" : [ "test" ]
  }
}

 

format=yaml

可以设置输入格式为YAML

curl -XGET ‘http://localhost:9200/test/users/1?fields=message,user&format=yaml‘ 
---
_index: "test"
_type: "users"
_id: "1"
_version: 1
found: true
fields:
  message:
  - "Elastic Search"
  user:
  - "test"


当然ES还支持一次查询多组记录,即multi get,在URI中是使用关键字_mget,具体可以参考ES的文档multi get

四、更新

ES同样支持更新,但是更新的方式是通过一个提供的脚本进行的。
ES的做法是,通过index找到相应的存放记录的节点,然后执行脚本,执行完之后,返回新的索引。实际上执行的是一个get和reindex的过程,在这个过程中,通过versioning来控制没有其它的更新操作(这个功能是0.19后可用的)。具体实现的原理应该和elasticsearch Versioning相关。
get,reindex的含义是,ES先取出这条记录,然后根据新数据生成新记录,然后在把新记录放回到ES中(并不会覆盖老的记录)。
首先创建一条记录

curl -XPUTlocalhost:9200/test/type1/1 -d‘{
"counter" : 1,
"tags" : ["red"]
}‘


将counter的值加4

curl -XPOST ‘localhost:9200/test/type1/1/_update‘ -d‘{
"script" : "ctx._source.counter += count",
"params" : {
"count" : 4
}
}‘


也可以添加一个tag的值

curl -XPOST ‘localhost:9200/test/type1/1/_update‘ -d‘{
"script" : "ctx._source.tags += tag",
"params" : {
"tag" : "blue"
}
}‘


现在还支持upsert功能,即在更新的时候,如果记录没有这个key,则插入这个key,下面是一个例子,如果没有

counter

字段,则插入该字段:

curl -XPOST ‘localhost:9200/test/type1/1/_update‘ -d‘{
"script" : "ctx._source.counter += count",
"params" : {
"count" : 4
},
"upsert" : {
"counter" : 1
}
}‘


关于update还有其它很多功能,可以参考ES的API update

五、搜索

elasticsearch的名字里面有一个search,那么主要功能也是search了。
es的search有两种形式,一是通过URI,二是通过Requst Body。通过URI查询,即将查询的语句放入到请求的url中,例如:

curl -XGET ‘http://localhost:9200/twitter/tweet/_search?q=user:kimchy‘


第二种方式,即在查询的请求中加入一个doc

curl -XGET ‘http://localhost:9200/twitter/tweet/_search‘ -d‘{
"query" : {
"term" : { "user" : "kimchy" }
}
}‘


query body的定义可以查看query DSL 另外两种查询方式都可以带参数,参数的含义参考URI Request和Request Body
ES的搜索功能是可以跨index和type的,例如下面这几条命令

curl -XGET ‘http://localhost:9200/twitter/_search?q=user:kimchy‘
curl -XGET ‘http://localhost:9200/twitter/tweet,user/_search?q=user:kimchy‘
curl -XGET ‘http://localhost:9200/kimchy,elasticsearch/tweet/_search?q=tag:wow‘
curl -XGET ‘http://localhost:9200/_all/tweet/\_search?q=tag:wow‘
curl -XGET ‘http://localhost:9200/\_search?q=tag:wow‘


第一条是在所有的

twitter

这个index下的所有type中查找,第二条是在

tweet,user

这两个type中查找,第三条是在

kimchy,elasticsearch

这两个index的

tweet

这个type中查找,第四条使用了

_all

关键字,是在所有的index的

tweet

的type中查找,第五条更暴力,在所有的index和type中查找。
查找还有其它的很多选项,sort高亮,选取返回记录的域Fields,还可以对返回的域使用一个脚本进行计算script Fields,或者对返回结果继续统计Facets,Facets的内容比较多,它支持关键词统计,范围内统计,直方图式统计,日期的直方图式统计,过滤,查询,还有记录地理位置距离的统计geo distance。 支持名字过滤Named Filters。 定义搜索类型Search Type 。例如什么Query And Fetch,Query Then Fetch。 索引加速的功能Index Boost,可以让某一个索引的权重大于另外一个。 保持上次检索的环境了结果Scroll。保留每一个命中的score值Explain。 设置命中的min_score。保留版本号Version
Search的参数很多,我也没有一一看,不过果然是名字里面有个search,对检索的各种场景都有支持。
当然还支持多个查询multi search,例如下面这个例子

cat requests
{"index" : "test"}
{"query" : {"match_all" : {}}, "from" : 0, "size" : 10}
{"index" : "test", "search_type" : "count"}
{"query" : {"match_all" : {}}}
{}
{"query" : {"match_all" : {}}}
 
$ curl -XGET localhost:9200/_msearch --data-binary @requests; echo

 

六、DSL

1、match

curl -XGET ‘localhost:9200/test/_search?pretty‘ -d‘{
    "_source": ["title", "allnum"],
    "query": { 
        "match": { "title": "地铁跑酷" } 
    }
}‘

{
  "took" : 2,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "failed" : 0
  },
  "hits" : {
    "total" : 1,
    "max_score" : 6.692047,
    "hits" : [ {
      "_index" : "test",
      "_type" : "external",
      "_id" : "AVicbl1W9iJMapPz5wea",
      "_score" : 6.692047,
      "_source" : {
        "title" : "地铁跑酷",
        "allnum" : 104541
      }
    } ]
  }
} 


显示指定字段,匹配关键字

结果格式

took

– 搜索用的毫秒

timed_out

– 搜索超时时间

_shards

– 搜索了多少个片段 成功搜索多少个 失败了多少个

hits

– 搜索的返回结果集

hits.total

– 结果的总数

hits.hits

– 实际搜索返回的数组

_score

and

max_score

- ignore these fields for now
一旦es搜索返回给你 该链接就断开了 es并不会想MySQL之类的 一直维护一个连接
更多限制条件的搜素

curl -XGET ‘localhost:9200/test/_search?pretty‘ -d‘{
    "from": 0, 
    "size": 1,
    "_source": ["title", "allnum"],
    "query": { 
        "match": { "title": "地铁跑酷" }
    },
   "sort": { "allnum": { "order": "desc" }}
}‘

 

2、使用should

curl -XGET ‘localhost:9200/test/_search?pretty‘ -d‘{
    "from": 0, 
    "size": 2,
    "_source": ["title", "allnum"],
    "query": { 
        "bool": {
            "should": [
                { "match": { "title": "地铁跑酷" } },
                { "match": { "title": "星猫跑酷" } }
            ]
        }
    },
   "sort": { "allnum": { "order": "desc" }}
}‘

 

3、使用must/must not

curl -XGET ‘localhost:9200/test/_search?pretty‘ -d‘{
    "from": 0, 
    "size": 2,
    "_source": ["title", "allnum"],
    "query": { 
        "bool": {
            "must": [
                { "match": { "title": "地铁跑酷" } },
                { "match": { "title": "星猫跑酷" } }
            ]
        }
    },
   "sort": { "allnum": { "order": "desc" }}
}‘


当然 must /should/must not 可以联合起来使用 

4、过滤器

curl -XPOST ‘localhost:9200/test/_search?pretty‘ -d‘{
    "query": { 
        "filtered": {
            "query": { 
                 "match_all": {} 
              }, 
             "filter": { 
                 "range": { "allumn": { "gte": 20000, "lte": 30000 } } } } 
               }
}‘

 

5、聚合

curl  -XPOST  ‘localhost:9200/test/_search?pretty‘ -d‘{
    "size": 0, 
    "aggs": { 
        "group_by_state": { 
            "terms": { "field": "state" } }
         }
}‘

 

6、terms 过滤

curl  -XPOST  ‘localhost:9200/test/_search?pretty‘ -d‘{ 
  "query": { 
    "terms": { 
      "status": [ 
        304, 
        302 
      ] 
    } 
  } 
}

 

7、range 过滤

curl  -XPOST  ‘localhost:9200/test/_search?pretty‘ -d‘{ 
  "query": { 
    "range": { 
      "allnum": { 
        "gt": 1 
      } 
    } 
  } 
}


范围操作符包含:
gt :: 大于
gte:: 大于等于
lt :: 小于
lte:: 小于等于

8、exists 和 missing 过滤

exists 和 missing 过滤可以用于查找文档中是否包含指定字段或没有某个字段,类似于SQL语句中的IS_NULL条件

{ 
    "exists":   { 
        "field":    "title" 
    } 
}

 

9、bool 过滤

bool 过滤可以用来合并多个过滤条件查询结果的布尔逻辑,它包含一下操作符:
must :: 多个查询条件的完全匹配,相当于 and。
must_not :: 多个查询条件的相反匹配,相当于 not。
should :: 至少有一个查询条件匹配, 相当于 or。
这些参数可以分别继承一个过滤条件或者一个过滤条件的数组:

{ 
    "bool": { 
        "must":     { "term": { "folder": "inbox" }}, 
        "must_not": { "term": { "tag":    "spam"  }}, 
        "should": [ 
                    { "term": { "starred": true   }}, 
                    { "term": { "unread":  true   }} 
        ] 
    } 
}

 

七、中文分词

创建索引

curl -XPUThttp://localhost:9200/index

 

创建映射

curl -XPOSThttp://localhost:9200/index/fulltext/_mapping -d‘
{
    "fulltext": {
             "_all": {
            "analyzer": "ik_max_word",
            "search_analyzer": "ik_max_word",
            "term_vector": "no",
            "store": "false"
        },
        "properties": {
            "content": {
                "type": "string",
                "store": "no",
                "term_vector": "with_positions_offsets",
                "analyzer": "ik_max_word",
                "search_analyzer": "ik_max_word",
                "include_in_all": "true",
                "boost": 8
            }
        }
    }
}‘

 

为索引添加一些内容

curl -XPOSThttp://localhost:9200/index/fulltext/1 -d‘
{"content":"美国留给伊拉克的是个烂摊子吗"}
‘
curl -XPOSThttp://localhost:9200/index/fulltext/2 -d‘
{"content":"公安部:各地校车将享最高路权"}
‘
curl -XPOSThttp://localhost:9200/index/fulltext/3 -d‘
{"content":"中韩渔警冲突调查:韩警平均每天扣1艘中国渔船"}
‘
curl -XPOSThttp://localhost:9200/index/fulltext/4 -d‘
{"content":"中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首"}
‘

 

进行查询

curl -XPOSThttp://localhost:9200/index/fulltext/_search  -d‘
{
    "query" : { "term" : { "content" : "中国" }},
    "highlight" : {
        "pre_tags" : ["<tag1>", "<tag2>"],
        "post_tags" : ["</tag1>", "</tag2>"],
        "fields" : {
            "content" : {}
        }
    }
}
‘ 

以上是关于分布式搜索引擎Elasticsearch的查询与过滤的主要内容,如果未能解决你的问题,请参考以下文章

四十五 Python分布式爬虫打造搜索引擎Scrapy精讲—elasticsearch(搜索引擎)的bool组合查询

分布式搜索引擎Elasticsearch的查询与过滤

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

五分钟学会Elasticsearch查询代理设计

五分钟学会Elasticsearch查询代理设计