【ElasticSearch】Elasticsearch 操作语法全解

elasticsearch
一个开源的分布式搜索引擎，可以用来实现搜索、日志统计、分析、系统监控等功能
elastic stack（ELK）
是以elasticsearch为核心的技术栈，包括beats、Logstash(数据抓取）、kibana（数据可视化）、elasticsearch（存储、计算、搜索数据）
Lucene
是Apache的开源搜索引擎类库，提供了搜索引擎的核心API
正向索引和倒排索引
正向索引
即根据id查文档再在文档中扫描关键字记录位置信息（全表扫描
倒排索引
根据关键字找文档，创建一个词条表记录每个词条所在文档的id记录下来
搜索流程
:

1. es概念

文档和字段：
文档(Document)相当于数据库表中的一条记录，字段(Field)相当于列
索引和映射：
索引（index)是所有文档的集合相当于数据库中的表，数据库中的表有表结构，字段名，类型等约束信息，那么映射（mapping)就是索引中文档的约束信息。
DSL:相当于mysql中的sql语句

2. es操作

2.1 mapping映射属性

type:字段的数据类型，常见的简单类型有

字符串：text(可分词的文本）、keyword（精确值，如ip地址
数值：long, integer, short , byte, double , float
布尔：boolean
日期：date
对象：object

index: 是否创建索引（是否参与搜索），默认为true
analyzer: 使用哪种分词器
properties: 字段，可以在字段中嵌套字段

2.2 索引库的CRUD

创建索引库映射关系: PUT /{索引库名} 请求参数：js
查询索引库: GET /{索引库名}
修改索引库：

请求方式：PUT
请求路径：/索引库名/_mapping
请求参数：js
倒排索引一旦数据结构发生改变需要重新创建倒排索引，因此索引库一旦创建无法修改mapping 但可以在mapping中添加新字段
基本语法：

删除索引库：DELETE /{索引库名}

2.3 文档操作

新增文档：POST /{索引库名}/_doc/{文档ID}
查询文档：GET /{索引库名}/_doc/{文档ID}
删除文档：DELETE /{索引库名}/_doc/{文档ID}
修改文档：

语法：POST /{索引库名}/_update/{文档id} 参数：js
语法：PUT /{索引库名}/_doc/{文档id} 参数：js
全量修改（根据id先删除再新增相同id的文档 :
增量修改：（只修改指定id匹配的文档中的部分字段 :

2.4 DSL条件查询分类

查询通用语法 :

GET /indexName/_search
{
  "query": {
    "查询类型": {
      "查询条件": "条件值"
    }
  }
}

查询所有 :

全文检索（full text)查询:
- 使用场景：输入框搜索
- match：单字段查询（语法如下） :

GET /indexName/_search
{
  "query": {
    "match": {
      "FIELD": "TEXT"
    }
  }
}

- multi_match : 多字段查询，任意一个字段符合条件即可（参与查询字段越多，查询性能越差） :

GET /indexName/_search
{
  "query": {
    "multi_match": {
      "query": "TEXT",
      "fields": ["FIELD1", " FIELD12"]
    }
  }
}

精确查询
- 精确查询一般是查找keyword、数值、日期、boolean等类型字段。不会对搜索条件分词
- term: 根据词条精确值查询，输入的内容跟自动值完全匹配时才认为符合条件。

// term查询
GET /indexName/_search
{
  "query": {
    "term": {
      "FIELD": {
        "value": "VALUE"
      }
    }
  }
}

- range: 一般应用在对数值类型做范围过滤的时候。比如做价格范围过滤。

// range查询
GET /indexName/_search
{
  "query": {
    "range": {
      "FIELD": {
        "gte": 10, // 这里的gte代表大于等于，gt则代表大于
        "lte": 20 // lte代表小于等于，lt则代表小于
      }
    }
  }
}

地理（geo）查询
- 查询到指定中心点小于某个距离值的所有文档。
- 矩形范围查询，查询坐标落在某个矩形范围的所有文档，需要指定矩形的左上、右下两个点的坐标，然后画出一个矩形，落在该矩形内的都是符合条件的点。
- 根据经纬度查询,一般用于搜索附近酒店附近人等

- geo_bounding_box：

// geo_bounding_box查询
GET /indexName/_search
{
  "query": {
    "geo_bounding_box": {
      "FIELD": {
        "top_left": { // 左上点
          "lat": 31.1,
          "lon": 121.5
        },
        "bottom_right": { // 右下点
          "lat": 30.9,
          "lon": 121.7
        }
      }
    }
  }
}

- geo_distance：

// geo_distance 查询
GET /indexName/_search
{
  "query": {
    "geo_distance": {
      "distance": "15km", // 半径
      "FIELD": "31.21,121.5" // 圆心
    }
  }
}

复合（compound)查询
- 相关性算分：当我们利用match查询时，文档结果会根据与搜索词条的关联度打分（_score），返回结果时按照分值降序排列
- 控制相关性算分
- 算法有TF- IDF和BM25算法，es5.1版本后采用BM25
- 原始查询条件：query部分，基于这个条件搜索文档，并且基于BM25算法给文档打分，原始算分（query score)
- 过滤条件：filter部分，符合该条件的文档才会重新算分（决定哪些文档的算分被修改
- 算分函数：符合filter条件的文档要根据这个函数做运算，得到的函数算分（function score），有四种函数
- 运算模式：算分函数的结果、原始查询的相关性算分，两者之间的运算方式（决定最终算分结果），包括：
- 运行流程：
- weight：函数结果是常量
- field_value_factor：以文档中的某个字段值作为函数结果
- random_score：以随机数作为函数结果=
- script_score：自定义算分函数算法
- multiply：相乘
- replace：用function score替换query score
- 其它，例如：sum、avg、max、min
- 1）根据原始条件查询搜索文档，并且计算相关性算分，称为原始算分（query score）
- 2）根据过滤条件，过滤文档
- 3）符合过滤条件的文档，基于算分函数运算，得到函数算分（function score）
- 4）将原始算分（query score）和函数算分（function score）基于运算模式做运算，得到最终结果，作为相关性算分。
- 语法 :
- 组成：
- 复合查询可以将其它简单查询组合起来，实现更复杂的搜索逻辑
- fuction score：算分函数查询，可以控制文档相关性算分，控制文档排名
- bool query：布尔查询，利用逻辑关系组合多个其它的查询，实现复杂搜索。布尔查询是一个或多个查询子句的组合，每一个子句就是一个子查询,子查询的组合方式有
- must: 必须匹配每个子查询，类似“与”
- should：选择性匹配子查询，类似“或”
- must_not：必须不匹配，不参与算分，类似“非”
- filter：必须匹配，不参与算

GET /hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {"term": {"city": "上海" }}
      ],
      "should": [
        {"term": {"brand": "皇冠假日" }},
        {"term": {"brand": "华美达" }}
      ],
      "must_not": [
        { "range": { "price": { "lte": 500 } }}
      ],
      "filter": [
        { "range": {"score": { "gte": 45 } }}
      ]
    }
  }
}

2.5 搜索结果处理

2.5.1 排序

elasticsearch默认是根据相关度算分（_score）来排序，但是也支持自定义方式对搜索结果排序。

普通字段排序： :

GET /indexName/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "FIELD": "desc"  // 排序字段、排序方式ASC、DESC
    }
  ]
}

地理坐标排序： :

GET /indexName/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "_geo_distance" : {
          "FIELD" : "纬度，经度", // 文档中geo_point类型的字段名、目标坐标点
          "order" : "asc", // 排序方式
          "unit" : "km" // 排序的距离单位
      }
    }
  ]
}

2.5.2 分页

elasticsearch 默认情况下只返回top10的数据。而如果要查询更多数据就需要修改分页参数了。elasticsearch中通过修改from、size参数来控制要返回的分页结果

from从第几个文档开始，size总共查询几个文档。类似于mysql中的 limit ? , ?

基本分页语法： :

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "from": 0, // 分页开始的位置，默认为0
  "size": 10, // 期望获取的文档总数
  "sort": [
    {"price": "asc"}

深度分页语法：官方文档

常见分页实现方案：

from + size：

优点：支持随机翻页

缺点：深度分页问题，默认查询上限（from + size）是10000

场景：百度、京东、谷歌、淘宝这样的随机翻页搜索

after search：

优点：没有查询上限（单次查询的size不超过10000）

缺点：只能向后逐页查询，不支持随机翻页

场景：没有随机翻页需求的搜索，例如手机向下滚动翻页

scroll：

优点：没有查询上限（单次查询的size不超过10000）

缺点：会有额外内存消耗，并且搜索结果是非实时的

场景：海量数据的获取和迁移。从ES7.1开始不推荐，建议用 after search方案。

2.5.3 高亮：

实现 :

GET /hotel/_search
{
  "query": {
    "match": {
      "FIELD": "TEXT" // 查询条件，高亮一定要使用全文检索查询
    }
  },
  "highlight": {
    "fields": { // 指定要高亮的字段
      "FIELD": {
        "pre_tags": "<em>",  // 用来标记高亮字段的前置标签
        "post_tags": "</em>" // 用来标记高亮字段的后置标签
      }
    }
  }
}

流程：