1.DSL查询文档

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

1.1.全文检索查询

我们以查询所有为例，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。

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"]}}
}

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

1.2.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

因为精确查询的字段搜是不分词的字段，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"}}}
}

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}}}
}

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

1.3.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

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}}}}
}

这种并不符合“附近的人”这样的需求，所以我们就不做了。

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}}
}

1.4.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

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。

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：

• 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。

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

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}}
}

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

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

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

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 } }}]}}
}

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

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。可以排序字段类型有：keyword类型、数值类型、地理坐标类型、日期类型等。

2.排序

2.1.普通字段排序

keyword、数值、日期类型排序的语法基本一致。

语法：

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

排序条件是一个数组，也就是可以写多个排序条件。按照声明的顺序，当第一个条件相等时，再按照第二个条件排序，以此类推

2.2.地理坐标排序

地理坐标排序略有不同。

语法说明：

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}}]
}

这个查询的含义是：

• 指定一个坐标，作为目标点
• 计算每一个文档中，指定字段（必须是geo_point类型）的坐标 到目标点的距离是多少
• 根据距离排序

3.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 ?, ?

分页的基本语法如下：

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"}]
}

4.高亮

高亮的语法：

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}}}
}

注意：

• 高亮是对关键字高亮，因此搜索条件必须带有关键字，而不能是范围这样的查询。
• 默认情况下，高亮的字段，必须与搜索指定的字段一致，否则无法高亮
• 如果要对非搜索字段高亮，则需要添加一个属性：required_field_match=false

5.用代码查询

5.1. 查询所有

@Testvoid testMatchAll() throws IOException {SearchResponse<HotelDoc> response = elasticsearchClient.search(ob -> ob.index("hotel"), HotelDoc.class);handleResponse(response);}

5.2.按条件查询

@Testvoid testMatchQuery() throws IOException {SearchResponse<HotelDoc> response = elasticsearchClient.search(ob -> ob.index("hotel").query(q -> q.match(t -> t.field("all").query("如家"))), HotelDoc.class);response = elasticsearchClient.search(ob -> ob.index("hotel").query(q -> q.multiMatch(t -> t.fields("name", "business").query("如家"))), HotelDoc.class);handleResponse(response);}

5.3.精确查询

 @Testvoid testMatchTerm() throws IOException {SearchResponse<HotelDoc> response = elasticsearchClient.search(sr -> sr.index("hotel").query(ob -> ob.term(t -> t.field("city").value("杭州"))), HotelDoc.class);response = elasticsearchClient.search(sr -> sr.index("hotel").query(ob -> ob.range(t -> t.field("price").gte(JsonData.of(100)).lte(JsonData.of(200)))), HotelDoc.class);handleResponse(response);}

5.4.组合查询

@Testvoid testBoolMatch() throws IOException {SearchResponse<HotelDoc> response = elasticsearchClient.search(sr -> sr.index("hotel").query(q -> q.bool(t -> t.must(ob -> ob.term(o -> o.field("city").value("上海"))).filter(ob -> ob.range(o -> o.field("price").lte(JsonData.of(250)))))), HotelDoc.class);handleResponse(response);}

5.5.分页和排序查询

@Testvoid testSortMatch() throws IOException {SearchResponse<HotelDoc> response = elasticsearchClient.search(b -> b.index("hotel").from(0).size(10).sort(so-> so.field(ob-> ob.field("price").order(SortOrder.Asc))),HotelDoc.class);handleResponse(response);}

5.6.高亮显示

@Testvoid testHighLightMatch() throws IOException {SearchResponse<HotelDoc> response = elasticsearchClient.search(b -> b.index("hotel").query(o -> o.match(MatchQuery.of(t -> t.field("all").query("如家")))).highlight(ob -> ob.fields("name",hf -> hf.preTags("<em>").postTags("</em>").requireFieldMatch(false))),HotelDoc.class);handleResponse(response);}

5.7.全部代码

package cn.itcast.hotel;import cn.itcast.hotel.pojo.HotelDoc;
import co.elastic.clients.elasticsearch.ElasticsearchClient;
import co.elastic.clients.elasticsearch._types.SortOrder;
import co.elastic.clients.elasticsearch._types.query_dsl.MatchQuery;
import co.elastic.clients.elasticsearch.core.SearchResponse;
import co.elastic.clients.elasticsearch.core.search.Hit;
import co.elastic.clients.elasticsearch.core.search.HitsMetadata;
import co.elastic.clients.json.JsonData;
import co.elastic.clients.json.jackson.JacksonJsonpMapper;
import co.elastic.clients.transport.rest_client.RestClientTransport;
import org.apache.http.HttpHost;
import org.apache.http.auth.AuthScope;
import org.apache.http.auth.Credentials;
import org.apache.http.auth.UsernamePasswordCredentials;
import org.apache.http.client.CredentialsProvider;
import org.apache.http.impl.client.BasicCredentialsProvider;
import org.apache.http.impl.nio.client.HttpAsyncClientBuilder;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestClientBuilder;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import org.springframework.boot.test.context.SpringBootTest;import java.io.IOException;
import java.util.List;
import java.util.Map;/*** @author 尹稳健~* @version 1.0* @time 2023/5/28*/
@SpringBootTest
public class HotelSearchDocumentTest {private ElasticsearchClient elasticsearchClient;@Testvoid testMatchAll() throws IOException {SearchResponse<HotelDoc> response = elasticsearchClient.search(ob -> ob.index("hotel"), HotelDoc.class);handleResponse(response);}@Testvoid testMatchQuery() throws IOException {SearchResponse<HotelDoc> response = elasticsearchClient.search(ob -> ob.index("hotel").query(q -> q.match(t -> t.field("all").query("如家"))), HotelDoc.class);response = elasticsearchClient.search(ob -> ob.index("hotel").query(q -> q.multiMatch(t -> t.fields("name", "business").query("如家"))), HotelDoc.class);handleResponse(response);}@Testvoid testMatchTerm() throws IOException {SearchResponse<HotelDoc> response = elasticsearchClient.search(sr -> sr.index("hotel").query(ob -> ob.term(t -> t.field("city").value("杭州"))), HotelDoc.class);response = elasticsearchClient.search(sr -> sr.index("hotel").query(ob -> ob.range(t -> t.field("price").gte(JsonData.of(100)).lte(JsonData.of(200)))), HotelDoc.class);handleResponse(response);}@Testvoid testBoolMatch() throws IOException {SearchResponse<HotelDoc> response = elasticsearchClient.search(sr -> sr.index("hotel").query(q -> q.bool(t -> t.must(ob -> ob.term(o -> o.field("city").value("上海"))).filter(ob -> ob.range(o -> o.field("price").lte(JsonData.of(250)))))), HotelDoc.class);handleResponse(response);}@Testvoid testSortMatch() throws IOException {SearchResponse<HotelDoc> response = elasticsearchClient.search(b -> b.index("hotel").from(0).size(10).sort(so-> so.field(ob-> ob.field("price").order(SortOrder.Asc))),HotelDoc.class);handleResponse(response);}@Testvoid testHighLightMatch() throws IOException {SearchResponse<HotelDoc> response = elasticsearchClient.search(b -> b.index("hotel").query(o -> o.match(MatchQuery.of(t -> t.field("all").query("如家")))).highlight(ob -> ob.fields("name",hf -> hf.preTags("<em>").postTags("</em>").requireFieldMatch(false))),HotelDoc.class);handleResponse(response);}private void handleResponse(SearchResponse<HotelDoc> response) {HitsMetadata<HotelDoc> hitsMetadata = response.hits();long total = hitsMetadata.total().value();System.out.println("共搜索到" + total + "条数据");List<Hit<HotelDoc>> hits = hitsMetadata.hits();for (Hit<HotelDoc> hit : hits) {HotelDoc hotelDoc = hit.source();Map<String, List<String>> highlight = hit.highlight();if (!highlight.isEmpty()){List<String> list = highlight.get("name");String name = list.get(0);hotelDoc.setName(name);}System.out.println("hotelDoc = " + hotelDoc);}}@BeforeEachvoid setUp() {final CredentialsProvider credentialsProvider = new BasicCredentialsProvider();Credentials creds = new UsernamePasswordCredentials("elastic", "J=9XqTBAk-2GLwd_msUx");credentialsProvider.setCredentials(AuthScope.ANY, creds);RestClient restClient = RestClient.builder(HttpHost.create("http://192.168.33.136:9200")).setHttpClientConfigCallback(new RestClientBuilder.HttpClientConfigCallback() {@Overridepublic HttpAsyncClientBuilder customizeHttpClient(HttpAsyncClientBuilder httpAsyncClientBuilder) {return httpAsyncClientBuilder.setDefaultCredentialsProvider(credentialsProvider);}}).build();RestClientTransport restClientTransport = new RestClientTransport(restClient, new JacksonJsonpMapper());elasticsearchClient = new ElasticsearchClient(restClientTransport);}}