SpringCloud 微服务全栈体系（十六）

第十一章 分布式搜索引擎 elasticsearch

六、DSL 查询文档

  • elasticsearch 的查询依然是基于 JSON 风格的 DSL 来实现的。

1. DSL 查询分类

  • Elasticsearch 提供了基于 JSON 的 DSL（Domain Specific Language）来定义查询。常见的查询类型包括：

    • 查询所有：查询出所有数据，一般测试用。例如：match_all

    • 全文检索（full text）查询：利用分词器对用户输入内容分词，然后去倒排索引库中匹配。例如：

      • match_query
      • multi_match_query

    • 精确查询：根据精确词条值查找数据，一般是查找 keyword、数值、日期、boolean 等类型字段。例如：

      • ids
      • range
      • term

    • 地理（geo）查询：根据经纬度查询。例如：

      • geo_distance
      • geo_bounding_box

    • 复合（compound）查询：复合查询可以将上述各种查询条件组合起来，合并查询条件。例如：

      • bool
      • function_score

  • 查询的语法基本一致：

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

  • 以查询所有为例，其中：

    • 查询类型为 match_all
    • 没有查询条件
// 查询所有
GET /indexName/_search
{"query": {"match_all": {}}
}
  • 其它查询无非就是查询类型、查询条件的变化。

2. 全文检索查询

2.1 使用场景

  • 全文检索查询的基本流程如下：

    • 对用户搜索的内容做分词，得到词条
    • 根据词条去倒排索引库中匹配，得到文档 id
    • 根据文档 id 找到文档，返回给用户

  • 比较常用的场景包括：

    • 商城的输入框搜索
    • 百度输入框搜索

  • 例如京东：

在这里插入图片描述

  • 因为是拿着词条去匹配，因此参与搜索的字段也必须是可分词的 text 类型的字段。
2.2 基本语法

  • 常见的全文检索查询包括：

    • match 查询：单字段查询
    • multi_match 查询：多字段查询，任意一个字段符合条件就算符合查询条件

  • match 查询语法如下：

GET /indexName/_search
{"query": {"match": {"FIELD": "TEXT"}}
}
  • mulit_match 语法如下：
GET /indexName/_search
{"query": {"multi_match": {"query": "TEXT","fields": ["FIELD1", " FIELD12"]}}
}
2.3 示例
  • match 查询示例：

在这里插入图片描述

  • multi_match 查询和 match 查询结果是一样的。

  • 因为我们将 brand、name、business 值都利用 copy_to 复制到了 all 字段中。因此你根据三个字段搜索，和根据 all 字段搜索效果当然一样了。

  • 但是，搜索字段越多，对查询性能影响越大，因此建议采用 copy_to，然后单字段查询的方式。

2.4.总结

  • match 和 multi_match 的区别是什么？

    • match：根据一个字段查询
    • multi_match：根据多个字段查询，参与查询字段越多，查询性能越差

3. 精准查询

  • 精确查询一般是查找 keyword、数值、日期、boolean 等类型字段。所以不会对搜索条件分词。常见的有：

    • term：根据词条精确值查询
    • range：根据值的范围查询
3.1 term 查询

  • 因为精确查询的字段是搜不分词的字段，因此查询的条件也必须是不分词的词条。查询时，用户输入的内容跟自动值完全匹配时才认为符合条件。如果用户输入的内容过多，反而搜索不到数据。

  • 语法说明：

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

  • 范围查询，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。

  • 基本语法：

// 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}}}
}
  • 示例：

在这里插入图片描述

3.3 总结

  • 精确查询常见的有哪些？

    • term 查询：根据词条精确匹配，一般搜索 keyword 类型、数值类型、布尔类型、日期类型字段
    • range 查询：根据数值范围查询，可以是数值、日期的范围

4. 地理坐标查询

  • 所谓的地理坐标查询，其实就是根据经纬度查询，官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/geo-queries.html

  • 常见的使用场景包括：

    • 携程：搜索我附近的酒店
    • 滴滴：搜索我附近的出租车
    • 微信：搜索我附近的人
4.1 矩形范围查询

  • 矩形范围查询，也就是 geo_bounding_box 查询，查询坐标落在某个矩形范围的所有文档

  • 查询时，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。

  • 语法如下：

// 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}}}}
}
4.2 附近查询

  • 附近查询，也叫做距离查询（geo_distance）：查询到指定中心点小于某个距离值的所有文档。

  • 换句话来说，在地图上找一个点作为圆心，以指定距离为半径，画一个圆，落在圆内的坐标都算符合条件

  • 语法说明：

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

5. 复合查询

  • 复合（compound）查询：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。常见的有两种：

    • 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
5.1 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。

  • 例如，我们搜索 “虹桥如家”，结果如下：

[{"_score" : 17.850193,"_source" : {"name" : "虹桥如家酒店真不错",}},{"_score" : 12.259849,"_source" : {"name" : "外滩如家酒店真不错",}},{"_score" : 11.91091,"_source" : {"name" : "迪士尼如家酒店真不错",}}
]
  • 在 elasticsearch 中，早期使用的打分算法是 TF-IDF 算法，公式如下：

在这里插入图片描述

  • 在后来的 5.1 版本升级中，elasticsearch 将算法改进为 BM25 算法，公式如下：

在这里插入图片描述

  • TF-IDF 算法有一个缺陷，就是词条频率越高，文档得分也会越高，单个词条对文档影响较大。而 BM25 则会让单个词条的算分有一个上限，曲线更加平滑：

在这里插入图片描述

  • 小结：elasticsearch 会根据词条和文档的相关度做打分，算法由两种：

    • TF-IDF 算法
    • BM25 算法，elasticsearch5.1 版本后采用的算法
5.2 算分函数查询

  • 根据相关度打分是比较合理的需求，但合理的不一定是产品经理需要的。

  • 以百度为例，你搜索的结果中，并不是相关度越高排名越靠前，而是谁掏的钱多排名就越靠前。如图：

在这里插入图片描述

  • 要想人为控制相关性算分，就需要利用 elasticsearch 中的 function score 查询了。
5.2.1 语法说明

在这里插入图片描述

  • function score 查询中包含四部分内容：

    • 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
    • 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
      • 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
    • 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，包括：
      • multiply：相乘
      • replace：用 function score 替换 query score
      • 其它，例如：sum、avg、max、min

  • function score 的运行流程如下：

    • 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）
    • 根据过滤条件，过滤文档
    • 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）
    • 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。

  • 因此，其中的关键点是：

    • 过滤条件：决定哪些文档的算分被修改
    • 算分函数：决定函数算分的算法
    • 运算模式：决定最终算分结果
5.2.2 示例

  • 需求：给“如家”这个品牌的酒店排名靠前一些

  • 翻译一下这个需求，转换为之前说的四个要点：

    • 原始条件：不确定，可以任意变化
    • 过滤条件：brand = “如家”
    • 算分函数：可以简单粗暴，直接给固定的算分结果，weight
    • 运算模式：比如求和

  • 因此最终的 DSL 语句如下：

GET /hotel/_search
{"query": {"function_score": {"query": {  .... }, // 原始查询，可以是任意条件"functions": [ // 算分函数{"filter": { // 满足的条件，品牌必须是如家"term": {"brand": "如家"}},"weight": 2 // 算分权重为2}],"boost_mode": "sum" // 加权模式，求和}}
}
  • 测试，在未添加算分函数时，如家得分如下：

在这里插入图片描述

  • 添加了算分函数后，如家得分就提升了：

在这里插入图片描述

5.2.3 小结

  • function score query 定义的三要素是什么？

    • 过滤条件：哪些文档要加分
    • 算分函数：如何计算 function score
    • 加权方式：function score 与 query score 如何运算
5.3 布尔查询

  • 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，不参与算分

  • 比如在搜索酒店时，除了关键字搜索外，我们还可能根据品牌、价格、城市等字段做过滤。

请添加图片描述

  • 每一个不同的字段，其查询的条件、方式都不一样，必须是多个不同的查询，而要组合这些查询，就必须用 bool 查询了。

  • 需要注意的是，搜索时，参与打分的字段越多，查询的性能也越差。因此这种多条件查询时，建议这样做：

    • 搜索框的关键字搜索，是全文检索查询，使用 must 查询，参与算分
    • 其它过滤条件，采用 filter 查询。不参与算分
5.3.1 语法示例
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 } }}]}}
}
5.3.2 示例

  • 需求：搜索名字包含“如家”，价格不高于 400，在坐标 31.21,121.5 周围 10km 范围内的酒店。

  • 分析：

    • 名称搜索，属于全文检索查询，应该参与算分。放到 must 中
    • 价格不高于 400，用 range 查询，属于过滤条件，不参与算分。放到 must_not 中
    • 周围 10km 范围内，用 geo_distance 查询，属于过滤条件，不参与算分。放到 filter 中

在这里插入图片描述

5.3.3 小结

  • bool 查询有几种逻辑关系？

    • must：必须匹配的条件，可以理解为“与”
    • should：选择性匹配的条件，可以理解为“或”
    • must_not：必须不匹配的条件，不参与打分
    • filter：必须匹配的条件，不参与打分

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/209102.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

2023年【广东省安全员B证第四批（项目负责人）】报名考试及广东省安全员B证第四批（项目负责人）复审考试

2023年【广东省安全员B证第四批（项目负责人）】报名考试及广东省安全员B证第四批（项目负责人）复审考试

题库来源：安全生产模拟考试一点通公众号小程序 广东省安全员B证第四批（项目负责人）报名考试是安全生产模拟考试一点通总题库中生成的一套广东省安全员B证第四批（项目负责人）复审考试，安全生产模拟考试一点…
阅读更多...
hadoop shell操作 hdfs处理文件命令 hdfs上传命令 hadoop fs -put命令hadoop fs相关命令 hadoop(十三)

hadoop shell操作 hdfs处理文件命令 hdfs上传命令 hadoop fs -put命令hadoop fs相关命令 hadoop(十三)

hadoop fs -help rm 查看rm命令作用 hadoop fs 查看命令 1. 创建文件夹： # hdfs前缀也是可以的。更推荐hadoop hadoop fs -mkdir /sanguo 2.上传至hdfs命令： 作用： 从本地上传hdfs系统 （本地文件被剪切走，不存在了&…
阅读更多...
macos端文件夹快速访问工具 Default Folder X 最新for mac

macos端文件夹快速访问工具 Default Folder X 最新for mac

Default Folder X 是一款实用的工具，提供了许多增强功能和快捷方式，使用户能够更高效地浏览和管理文件。它的快速导航、增强的文件对话框、自定义设置和快捷键等功能，可以大大提升用户的工作效率和文件管理体验。 快速导航和访问：…
阅读更多...
海康Visionmaster-模块索引：MFC 模块索引异常解决 办法

海康Visionmaster-模块索引：MFC 模块索引异常解决 办法

现象：文件编码格式为 UTF-8 不带签名编码格式，模块索引会出现 模块无法找到异常 更改文件类型为 UTF-8 带签名格式或 vs 默认 GBK2312 编码格式
阅读更多...
华为超聚变2288H V6服务器配置RAID及安装ESXI7.0

华为超聚变2288H V6服务器配置RAID及安装ESXI7.0

服务器核心配置： 超聚变2288H V6服务器 硬盘：240GB M.2 SSD *2，1.92TB SAS SSD *2，2.4TB SAS HDD*8 RAID：9460-16i-PCIeRAID 标卡-4GB支持JBOD，RAID0，1，5，6， …
阅读更多...
从0开始学习JavaScript--JavaScript生成器

从0开始学习JavaScript--JavaScript生成器

JavaScript生成器（Generator）是一项强大的语言特性，它允许函数在执行过程中被暂停和恢复，从而实现更灵活的控制流。本文将深入探讨JavaScript生成器的基本概念、用法，并通过丰富的示例代码展示其在实际应用中的优势和强…
阅读更多...
对比两个数组中对应位置的两个元素将每次对比的最大值用于构成新的数组np.maximum()

对比两个数组中对应位置的两个元素将每次对比的最大值用于构成新的数组np.maximum()

【小白从小学Python、C、Java】 【计算机等考500强证书考研】 【Python-数据分析】 对比两个数组中对应位置的两个元素 将每次对比的最大值用于构成新的数组 np.maximum() 选择题 以下代码的输出结果为？ import numpy as np a1 [1,2,33] a2 [11,2,3] print("…
阅读更多...
Vue生成二维码并进行二维码图片下载

Vue生成二维码并进行二维码图片下载

1、安包 npm install vue-qr --save2、引入 // vue2.0 import VueQr from vue-qr // vue3.0 import VueQr from vue-qr/src/packages/vue-qr.vue new Vue({components: {VueQr} })<!-- 设备二维码 对话框 270px--><el-dialog title"点位二维码" :visible.…
阅读更多...
华清远见嵌入式学习——网络编程——作业3

华清远见嵌入式学习——网络编程——作业3

目录 作业要求&#xff1a;基于UDP的TFTP文件传输 代码 下载功能效果图​编辑 上传功能效果图 思维导图 模拟面试题和答案&#xff08;定期更新&#xff09; 作业要求&#xff1a;基于UDP的TFTP文件传输 完成文件的上传和下载功能 代码 #include<myhead.h>//实现…
阅读更多...
10.docker的网络network-概述

10.docker的网络network-概述

1.docker的网络模式 docker共有四种网路模式&#xff0c;分别是bridge、host、none和container. 1.1 bridge bridge,也称为虚拟网桥。在bridge模式下&#xff0c;为每个容器分配、配置IP等&#xff0c;并将容器连接到一个docker0。使用–network bridge命令指定&#xff0c;…
阅读更多...
顺序表基本操作全面解析

顺序表基本操作全面解析

文章目录 1.线性表2.顺序表分类2.1 静态顺序表2.2 动态顺序表 3. 顺序表各接口实现1. 定义结构体(Seqlist)2. 结构体初始化(SLInit)3.检查容量 (SLCheckCapacity)4.打印数据 (SLPrintf)5.插入操作5.1 从数据头部插入(SLPushFront)5.2 从数据尾部插入(SLPushBack)5.3 从任意下标…
阅读更多...
Matplotlib颜色条的配置_Python数据分析与可视化

Matplotlib颜色条的配置_Python数据分析与可视化

Matplotlib颜色条配置 基本颜色颜色条选择配色方案颜色条刻度的限制与扩展功能的设置离散型颜色条 基本颜色 Matplotlib提供了8种指定颜色的方法&#xff1a; 在[0&#xff0c;1]中的浮点值的RGB或RGBA元组&#xff08;例如 (0.1, 0.2, 0.5) 或&#xff08;0.1&#xff0c; 0.…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023