其他分享
首页 > 其他分享> > Elasticsearch搜索查询语法

Elasticsearch搜索查询语法

作者:互联网

查询简介

叶子查询子句 叶子查询子句在特定字段中查找特定值,例如match,term或range查询。 这些查询可以自己使用。

复合查询子句 复合查询子句包装其他叶查询或复合查询,并用于以逻辑方式组合多个查询(例如bool或dis_max查询),或更改其行为(例如constant_score查询)。复合查询子句包含以下几种:

我们通常只会用到**<font color=red>bool</font>**查询

查询子句的行为会有所不同,具体取决于它们是在查询上下文中(Query)还是在过滤器(Filter)上下文中使用。

全文检索

在query context中,查询子句回答“此文档与该查询子句的匹配程度如何”的问题。除了确定文档是否匹配外,查询子句还计算_score元字段中的相关性得分。es的搜索结果也默认根据_score排名返回。

match

首先超级羽绒服关键字先会被分词为超级、羽绒服然后再去es中查询与这两个分词相匹配的文档,依据相关度即分值得到以下结果。

GET idx_pro/_search
{
  "query": {
    "match": {
      "name": {
        "query": "超级羽绒服",
        "analyzer": "ik_smart"
      }
    }
  }
}

冬天超级暖心羽绒服 冬天暖心羽绒服 冬日羽绒服 花花公子羽绒服 花花公子暖心羽绒服

不使用配置的话可以采用如下简写方式

"query": {
  "match": {"name": "超级羽绒服"}
}

match_phrase

如下我们对"花花公子羽绒服"进行分词后发现,返回结果除了每个token之外,还拥有位置信息start_offset和end_offset。位置信息可以被保存在倒排索引(Inverted Index)中,像match_phrase这样位置感知(Position-aware)的查询能够使用位置信息来匹配那些含有正确单词出现顺序的文档,且在这些单词之间没有插入别的单词。

GET idx_pro/_analyze
{
  "text":"花花公子羽绒服",
  "analyzer" : "ik_smart"
}

{
  "tokens" : [
    {
      "token" : "花花公子",
      "start_offset" : 0,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "羽绒服",
      "start_offset" : 4,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 1
    }
  ]
}

如下是我们的样本数据

冬日工装裤 花花公子帅气外套 花花公子外套 冬天暖心羽绒服 冬日羽绒服 花花公子羽绒服 花花公子暖心羽绒服
冬天超级暖心羽绒服

我们查询超级羽绒服搜索不到数据,因为没有超级羽绒服这样的短语存在。

GET idx_pro/_search
{
  "query": {
    "match_phrase": {
      "name": "超级羽绒服"
    }
  }
}

搜索暖心羽绒服即可搜索到如下三个数据,因为暖心羽绒服被分词为暖、 心、 羽绒服三部分,搜索到的结果必须符合他们三个分词的位置紧挨着。

GET idx_pro/_search
{
  "query": {
    "match_phrase": {
      "name": "暖心羽绒服"
    }
  }
}

冬天暖心羽绒服 冬天超级暖心羽绒服 花花公子暖心羽绒服

我们在设置了slop后允许超级和羽绒服这两个分词后的token距离最大值为2,可以搜索到如下数据了。因为冬天超级暖心羽绒服分词结果为冬天,超级,暖,心,羽绒服,超级与羽绒服距离正好为2,所以能匹配到。

GET idx_pro/_search
{
  "query": {
    "match_phrase": {
      "name": {
        "query": "超级羽绒服",
        "analyzer": "ik_smart",
        "slop": 2
      }
    }
  }
}

冬天超级暖心羽绒服

Filter

其实准确来说,ES中的查询操作分为2种:查询(query)和过滤(filter)。查询即是之前提到的query查询,它(查询)默认会计算每个返回文档的得分,然后根据得分排序。而过滤(filter)只会筛选出符合的文档,并不计算得分,且它可以缓存文档。所以,单从性能考虑,过滤比查询更快。

换句话说,过滤适合在大范围筛选数据,而查询则适合精确匹配数据。一般应用时,应先使用过滤操作过滤数据,然后使用查询匹配数据。

在Filter context中,查询子句回答问题“此文档是否与此查询子句匹配?”答案是简单的“是”或“否”,即不计算分数。过滤器上下文主要用于过滤结构化数据,例如:

Ps:常用过滤器将由Elasticsearch自动缓存,以提高性能。

bool组合查询

bool查询可以组合多种叶子查询,包含如下:

term-level query

我们可以使用term-level根据结构化的数据(例如ip、商品的id、价格等分词后无意义的数据)来精准查询文档,

与full-text全文检索不同,查询的关键字不进行分词,直接去es中匹配文档。

常见的term-level级别的查询有(其他查询请参考官网):

示例

must_not和filter用来过滤,而should是应该满足的条件,不是必须满足的条件,会影响分值的计算。

GET idx_pro/_search
{
  "query": {
    "bool": {
      "must": [
        {    
          "match": {
            "name": "花花公子羽绒服"
          }
        }
      ],
      "must_not": [
        {
          "term": {
            "proId": 6
          }
        }
      ], 
      "should": [
        {
          "terms": {
            "name.keyword": ["花花公子暖心羽绒服", "花花公子外套"]
          }
        }
      ], 
      "filter": {
        "range": {
          "createTime": {
            "gte": "2019-12-12 17:56:56",
            "lte": "2019-12-19 17:56:56",
            "format": "yyyy-MM-dd HH:mm:ss"
          }
        }
      }
    }
  }
}


标签:羽绒服,暖心,查询,语法,Elasticsearch,文档,query,分词
来源: https://blog.51cto.com/u_7605937/2705991