ElasticSearch搜索引擎使用指南

一、ES数据基础类型

1、数据类型

字符串

主要包括: text和keyword两种类型，keyword代表精确值不会参与分词，text类型的字符串会参与分词处理

数值

包括: long, integer, short, byte, double, float

布尔值

boolean

时间

date

数组

数组类型不需要专门定义，只要插入的字段值是json数组就行

GEO类型

主要涉及地理信息检索、多边形区域的表达

2、text&keyword使用注意

text类型，支持全文搜索，因为text涉及分词，所以可以配置使用什么分词器，尤其涉及中文分词。

实际项目中，如果不需要模糊搜索的字符类型，可以选择keyword类型，例如：手机号、email、微信的openid等等，如果选text类型，可能会出现搜出一大堆相似的数据，而且不是精确的数据。

二、query语法

query子句主要用于编写查询条件，类似于SQL中的where语句。

query子句主要用于编写类似SQL的where语句，支持布尔查询(and/or)、IN、全文搜索、模糊匹配、范围查询(大于/小于)。

其中：text类型字段支持分词，可以使用模糊查询。keyword类型只能做等值查询，不能进行分词。

1、match类like匹配

1.1 match匹配单个字段

使用match实现全文搜索。类似于SQL中的like操作。

简单使用的语法：

GET /{索引名}/_search
{"query": {"match": {"{FIELD}": "{TEXT}"}}
}

说明：
{FIELD} - 就是我们需要匹配的字段名
{TEXT} - 就是我们需要匹配的内容

例子：

GET /article/_search
{"query": {"match" : {"title" : "ES教程"}}
}

article索引中，title字段匹配“ES教程”的所有文档。

如果title字段的数据类型是text类型，搜索关键词会进行分词处理。

等价SQL（假设"ES教程"没有进行分词）：

select * from article where title like '%ES教程%'

1.2 multi_match多字段匹配

例子：

GET /article/_search
{"query": {"multi_match": {"query": "斯柯达前轮制动器","fields":["doc_title","doc_content"]}}
}

等价SQL：

select * from article where doc_title like '%<斯柯达前轮制动器的分词>%' or doc_content like '%<斯柯达前轮制动器的分词>%'

因为 斯柯达前轮制动器的分词 会有很多，所以实际上也会有很多的like，而不仅仅是上面的两个like。

1.3 multi_phrase顺序匹配

match_phrase查询是ES中一种用于精确匹配短语的查询方式，可以确保查询字符串中的关键词按照给定的顺序在文档中连续出现。

说明：检索词还是进行分词的，分词后的各个单词的顺序在 被检索的文中是一样的。

例子：

GET /article/_search
{"query": {"match_phrase": {"doc_content": "制动器装配"}}
}

搜索结果：

1.4 operator的布尔操作 

指定分词匹配的布尔规则，默认情况下operator为or，即分词中有一个匹配即可。

当operator为and时，需要文档匹配所有的分词。

例子：

GET demo_idx/_search
{"query": {"match": {"content": {"query": "simple rest apis distributed nature","operator": "and"}}}
}

1.5 结合operator、boost及match_phrase的查询

我们希望精确匹配在搜索结果中排名较高，但也希望看到结果中相关性较低的文档，此时使用should子句来组合OR、AND和match短语查询。布尔查询中的should子句采用更好匹配的方法，因此每个子句的得分将为每个文档的最终_score做出贡献。

GET demo_idx/_search
{"query": {"bool": {"should": [{"match": {"content": {"query": "simple rest apis distributed nature"}}},{"match": {"content": {"query": "simple rest apis distributed nature","operator": "and"}}},{"match_phrase": {"content": {"query": "simple rest apis distributed nature","boost": 2}}}]}}
}

2、term精确匹配单个字段

使用term实现精确匹配。

如果想要类似SQL语句中的等值匹配，不需要进行分词处理，例如：订单号、手机号、时间字段，不需要分值处理，只要精确匹配。

语法：

GET /{索引名}/_search
{"query": {"term": {"{FIELD}": "{VALUE}"}}
}

{FIELD} - 就是我们需要匹配的字段名
{VALUE} - 就是我们需要匹配的内容，除了TEXT类型字段以外的任意类型。

例子：

GET /order_v2/_search
{"query": {"term": {"order_no": "202003131209120999"}}
}

搜索订单号order_no = "202003131209120999"的文档。

类似SQL语句：

select * from order_v2 where order_no = "202003131209120999"

3、terms实现SQL的in语句

如果我们要实现SQL中的in语句，一个字段包含给定数组中的任意一个值就匹配。

语法：

GET /order_v2/_search
{"query": {"terms": {"{FIELD}": ["{VALUE1}","{VALUE2}"]}}
}

说明：

{FIELD} - 就是我们需要匹配的字段名
{VALUE1}, {VALUE2} … {VALUE N} - 就是我们需要匹配的内容，除了TEXT类型字段以外的任意类型。

例子：

GET /order_v2/_search
{"query": {"terms": {"shop_id": [123,100,300]}}
}

搜索order_v2索引中，shop_id字段，只要包含[123,100,300]其中一个值，就算匹配。

类似SQL语句：

select * from order_v2 where shop_id in (123,100,300)

4、range范围查询

通过range实现范围查询，类似SQL语句中的>, >=, <, <=表达式。

语法：

GET /{索引名}/_search
{"query": {"range": {"{FIELD}": {"gte": 10, "lte": 20}}}
}

参数说明：

{FIELD} - 字段名

gte范围参数 - 等价于>=

lte范围参数 - 等价于 <=

范围参数可以只写一个，例如：仅保留 “gte”: 10， 则代表 FIELD字段 >= 10

范围参数如下：

gt - 大于 （ > ）
gte - 大于且等于 （ >= ）
lt - 小于 （ < ）
lte - 小于且等于 （ <= ）

例子：

GET /order_v2/_search
{"query": {"range": {"shop_id": {"gte": 10,"lte": 200}}}
}

查询order_v2索引中，shop_id >= 10 且 shop_id <= 200的文档。类似SQL：

select * from order_v2 where shop_id >= 10 and shop_id <= 200

5、bool组合查询

前面的例子都是设置单个字段的查询条件，如果想要编写类似SQL的Where语句组合多个字段的查询条件，可以使用bool语句。

5.1 bool查询基本语法结构

语法：

GET /{索引名}/_search
{"query": {"bool": { // bool查询"must": [], // must条件，类似SQL中的and, 代表必须匹配条件"must_not": [], // must_not条件，跟must相反，必须不匹配条件"should": [] // should条件，类似SQL中or, 代表匹配其中一个条件}}
}

must、must_not和should条件的参数都是一个数组，意味着他们都支持设置多个条件。

同时，前面介绍的单个字段的匹配语句，都可以用在bool查询语句中进行组合。

5.2 must条件

类似SQL的and，代表必须匹配的条件。

语法：

GET /{索引名}/_search
{"query": {"bool": {"must": [{匹配条件1},{匹配条件2},...可以有N个匹配条件...]}}
}

例子：

GET /order_v2/_search
{"query": {"bool": {"must": [{"term": {"order_no":  "202003131209120999"}},{"term": {"shop_id":  123}}]}}
}

这里的Must条件，使用了term精确匹配，等价SQL：

select * from order_v2 where order_no="202003131209120999" and shop_id=123

5.3 must_not条件

跟must的作用相反，语法类似。

5.4 should条件

类似SQL中的 or， 只要匹配其中一个条件即可。

语法：

GET /{索引名}/_search{"query": {"bool": {"should": [{匹配条件1},{匹配条件2},…可以有N个匹配条件…]}}}

例子：

GET /order_v2/_search
{"query": {"bool": {"should": [{"term": {"order_no": "202003131209120999"}},{"term": {"order_no": "22222222222222222"}}]}}
}

等价SQL：

select * from order_v2 where order_no="202003131209120999" or order_no="22222222222222222"

5.5 bool综合例子

GET /order_v2/_search
{"query": {"bool": {"should": [{"bool": {"must": [{"term": {"order_no": "2020031312091209991"}},{"range": {"shop_id": {"gte": 10,"lte": 200}}}]}},{"terms": {"tag": [1,2,3,4,5,12]}}]}}
}

等价SQL：

select * from order_v2 where (order_no='202003131209120999' and (shop_id>=10 and shop_id<=200)) or tag in (1,2,3,4,5)

6、wildcard通配符查询

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。

例子：

GET /xizi/emp/_search{"query": {"wildcard": {"name": {"value": "xi*"}}}}

7、fuzzy模糊查询

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 0

 搜索关键词长度为3-5 允许一次模糊 0 1  

搜索关键词长度大于5 允许最大2模糊

例子：

GET /xizi/emp/_search{"query": {"fuzzy": {"name":"xizi"}}}

8、额外限制条件

8.1 _source指定返回字段

例子1：

get lib3/user/_search
{"_source":["name","age"],"query":{"match": {"interests": "changge"}}

结果只返回索引中name和age字段信息

例子2：

get lib3/user/_search
{"query":{"match_all": {}},"_source":{"includes": "addr*","excludes": ["name","bir*"]}
}

显示要的字段、去除不需要的字段、可以使用通配符*。

8.2 boost查询的权重

boost值控制每个查询子句的相对权重，该值默认为1。

boost参数被用来增加一个子句的相对权重(当boost大于1时)，或者减小相对权重(当boost介于0到1时)，但是增加或者减小不是线性的。换言之，boost设为2并不会让最终的_score加倍。

例子：

GET/_search{"query": {"bool": {"must": {"match": {"content": {"query": "full text search","operator": "and"}}},"should": [{"match": {"content": {"query": "Elasticsearch","boost": 3}}},{"match": {"content": {"query": "Lucene","boost": 2}}}]}}
}

8.3 min_similarity设置匹配的最小相似度

8.4 highlight高亮搜索结果

例子：

get data_info/_search
{"_source":["doc_title","doc_content"],"query": {"match": {"doc_content": "斯柯达前轮制动器"}},"highlight":{"fields":{"doc_content":{}}}
}

返回结果：

8.5 size指定返回条数

ES默认返回10条结果。

例子：

get data_info/_search
{"query": {"match": {"doc_content": "斯柯达前轮制动器"}},"size": 2
}

结果中只有2条信息。

8.6 from分页查询

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。

例子：

get data_info/_search
{"query": {"match": {"doc_content": "斯柯达前轮制动器"}},"size": 2,"from": 3
}

8.7 sort指定字段排序

使用该属性会让得分失效。

例子：

GET /db_idx4/_search
{"query":{"match_all":{}},"sort":[{"age":"desc"}]
}

8.8 explain查看分数计算详情

ES提供了一个解释性API和一个解释性查询参数以了解如何计算分数。

例子：

GET /db_idx4/_search
{"explain": true,"query": {"match_phrase": {"doc_content": "制动器装配"}}
}

结果示例：

三、全文搜索

1、概念

平时我们使用SQL like语句搜索一些文本、字符串是否包含指定的关键词，如果两篇文章都包含我们的关键词，那么具体哪篇文章内容的相关度更高？这个SQL的like语句是做不到的，更别说like语句的性能问题了。

ES通过分词、相关度计算可以解决这个问题，ES内置了一些相关度算法，大致上意思是：如果一个关键词在一篇文章出现的频率高，并且在其他文章中出现少，那说明这个关键词与这篇文章的相关度很高。

ES对于text类型的字段，在插入数据的时候，会进行分词处理，然后根据分词的结果索引文档，当我们搜索text类型字段的时候，也会先对搜索关键词进行分词处理、然后根据分词的结果去搜索。

2、文档评分计算

2.1 默认评分影响因素

ES使用的默认评分算法是BM25，决定文档得分的3个主要因素：

• 字词频率（TF）：搜索字词在我们正在搜索的文档中的字段中出现的次数越多，则该文档越相关
• 反向文档频率（IDF）：在我们要搜索的字段中包含搜索词的文档越多，该词的重要性就越低
• 字段长度：如果文档在非常短的字段（即，只有几个单词）中包含搜索词，则比文档在较长的字段（即，包含很多单词）中包含搜索词更相关

2.2 使用function_score和script_score定制搜索结果分数

function_score和script_score是很耗资源的，所以实际使用时只需要计算一组经过过滤的文档的分数。

script_score定制的例子：

GET best_games/_search
{"_source": ["name","critic_score","user_score"],"query": {"script_score": {"query": {"match": {"name": "Final Fantasy"}},"script": {"source": "_score * (doc['user_score'].value*10+doc['critic_score'].value)/2/100"}}}
}

具体细节参考：Elasticsearch：使用 function_score 及 script_score 定制搜索结果的分数-CSDN博客

 

3、分词效果测试

语法：

GET /_analyze
{"text": "需要分词的内容","analyzer": "分词器"
}

例子：

GET http://xx.elasticsearch.aliyuncs.com:9200/_analyze
{"text":"上海大学","analyzer": "standard"
}

使用standard分词器，对"上海大学"进行分词，下面是输出结果：

{"tokens": [{"token": "上","start_offset": 0,"end_offset": 1,"type": "<IDEOGRAPHIC>","position": 0},{"token": "海","start_offset": 1,"end_offset": 2,"type": "<IDEOGRAPHIC>","position": 1},{"token": "大","start_offset": 2,"end_offset": 3,"type": "<IDEOGRAPHIC>","position": 2},{"token": "学","start_offset": 3,"end_offset": 4,"type": "<IDEOGRAPHIC>","position": 3}]
}

token就是分解出来的关键词。

四、难点剖析

1、filter与must的区别

同样是按条件匹配，filter不统计相关度，must统计相关度。就是filter不计算score分数值，而must是计算的。所以must比filter计算更复杂、更耗时。

具体参考：Elasticsearch Query： filter与must的区别_elasticsearch must 和filter的区别-CSDN博客