4 Elasticsearch 篇之Search API 介绍
文章目录
SearchAPI概览
实现对es中存储的数据进行查询分析, endpoint为_search ,如下所示:
- 查询主要有两种形式
- URI Search,操作简便,方便通过命令行测试
- 仅包含部分查询语法
- Request Body Search
- es提供的完备查询语法Query DSL(Domain Specific Language)
- es提供的完备查询语法Query DSL(Domain Specific Language)
URISearch详解与演示
- 通过url query参数来实现搜索,常用参数如下:
- q指定查询的语句,语法为Query String Syntax
- df q中不指定字段时默认查询的字段,如果不指定, es会查询所有字段
- sort排序
- timeout指定超时时间,默认不超时
- from,size用于分页
Query String Syntax
- term与phrase
- alfred way等效于alfred OR way
- "alfred way"词语查询,要求先后顺序
- 泛查询
- alfred等效于在所有字段去匹配该term
- 指定字段
- name:alfred
- Group分组设定,使用括号指定匹配的规则
- (quick OR brown) AND fox
- status:(active OR pending) title:(full text search)
测试:
查询所有字段里有alfred的
“progile”:true会显示详细查询语句
只针对username查询
username:alfred和way是or的关系所以会返回三条
只返回一条,词语查询
username是alfred或则way的,将词语和列表组合在一起使用。
布尔操作符
- AND(&&), OR(||), NOT(!)
- name:(tom NOT lee)
- 注意大写,不能小写
- ±分别对应must和must_not
- name:(tom +lee -alfred)
- name:((lee && !alfred) Il (tom && lee && !alfred))
- +在url中会被解析为空格,要使用encode后的结果才可以,为%2B
以上中tom +lee -alfred一定包含lee一定不包含alfred 可以包含tom
username:alfred查询和way的范查询
username:alfred查询和way的范查询
+要换成%2B
- 范围查询,支持数值和日期
- 区间写法,闭区间用[],开区间用{},
- age:[1 TO 10]意为1<=age<=10 ,
- age:[1 TO 10}意为1<=age<10 ,
- age:[1 TO ]意为age>=1 ,
- age:[* TO 10]意为age<=10
- 算数符号写法
- age:>=1,
- age:(>=1 && <=10)或者age(+>=1 +<=10)
正则和通配符都是吃内存的;不建议使用,特别是文档很大的时候
通配符查询
- ?代表1个字符,*代表0或多个字符
- name:t?m
- name:tom*
- name:t*m
- 通配符匹配执行效率低,且占用较多内存,不建议使用
- 如无特殊需求,不要将?/*放在最前面
- 正则表达式匹配
- name:/[mb]bat/
- name:/[mb]bat/
- 模糊匹配fuzzy query
- name:roam~1
- 匹配与roam差1个character的词,比如foam roams等
- 近似度查询proximity search
- “fox quick”~5
- 以term为单位进行差异比较,比如"quick fox" "quick brown fox"都会被匹配
允许有一个字母的误差:
允许词中插入一个词:
QueryDSL简介
Request Body Search
- 将查询语句通过http request body发送到es ,主要包含如下参数 -query符合Query DSL语法的查询语句
- from,size
- timeout
- sort
- …
QueryDSL
- 基于JSON定义的查询语言,主要包含如下两种类型:
- 字段类查询
- 如term, match, range等,只针对某一个字段进行查询
- 复合查询
- 如bool查询等,包含一个或多个字段类查询或者复合查询语句
- 字段类查询
字段类查询简介及match-query
- 字段类查询主要包括以下两类:
- 全文匹配
- 针对text类型的字段进行全文检索,会对查询语句先进行分词处理,如match,match phrase等query类型
- 单词匹配
- 不会对查询语句做分词处理,直接去匹配字段的倒排索引,如term, terms,range等query类型
- 全文匹配
- 对字段作全文检索,最基本和常用的查询类型, API示例如下:
Match Query – 流程
通过operator参数可以控制单词间的匹配关系,可选项为or和and
通过minimum_should_match参数可以控制需要匹配的单词数
相关性算分
- 相关性算分是指文档与查询语句间的相关度,英文为relevance
- 通过倒排索引可以获取与查询语句相匹配的文档列表,那么如何将最符合用户查询需求的文档放到前列呢?
- 本质是一个排序问题,排序的依据是相关性算分
- 相关性算分的几个重要概念如下:
- Term Frequency(TF)词频,即单词在该文档中出现的次数。词频越高,相关度越
- Document Frequency(DF)文档频率,即单词出现的文档数
- Inverse Document Frequency(IDF)逆向文档频率,与文档频率相反,简单理解为1/DF,即单词出现的文档数越少,相关度越高
- Field-length Norm文档越短,相关性越高
TF/IDF模型
TF/IDF模型是Lucene的经典模型,其计算公式如下:
- 可以通过explain参数来查看具体的计算方法,但要注意:
- es的算分是按照shard进行的,即shard的分数计算是相互独立的,所以在使用explain的时候注意分片数
- 可以通过设置索引的分片数为1来避免这个问题
通过explain可以看出详细的计算方式 :
BM25模型
.BM25模型中BM指Best Match , 25指迭代了25次才计算方法,是针对TF/IDF的一 .个优化,其计算公式如下:
BM25相比TF/DF的一大优化是降低了tf在过大时的权重:
match-phrase-query
对字段作检索,有顺序要求, API示例如下:
通过slop参数可以控制单词间的间隔
query-string-query
类似于URI Search中的q参数查询
·类似Query String ,但是会忽略错误的查询语法,并且仅支持部分查询语法
·其常用的逻辑符号如下,不能使用AND, OR, NOT等关键词
- +代指AND
- |代指OR
- -代指NOT请求
只包含way可以不包含alfred
用and就会被识别为字符串:
term-terms-query
·将查询语句作为整个单词进行查询,即不对查询语句做分词处理,如下所示:
一次传入多个单词进行查询,如下所示:
range-query
·范围查询主要针对数值和日期类型,如下所示:
针对日期做查如所:
针对日期提供的一种更友好地计算方式,格式如下:
·单位主要有如下几种:
-y - years
-M -months
-w -weeks
-d -days
-h -hours
-m - minutes
-S -seconds
·假设now为2018-01-02 12:00:00 ,那么如下的计算结果实际为:
复合查询介绍及ConstantScore
QueryDSL-复合查询
·复合查询是指包含字段类查询或复合查询的类型,主要包括以下几类:
- constant_score query
- bool query
- dis_max query
- function_score query
- boosting query
Constant Score Query
·该查询将其内部的查询结果文档得分都设定为1或者boost的值
- 多用于结合bool查询实现自定义得分
bool-query
·.布尔查询由一个或多个布尔子句组成,主要包含如下4个:
Filter
Filter查询只过滤符合条件的文档,不会进行相关性算分
- es针对filter会有智能缓存,因此其执行效率很高
- 做简单匹配查询且不考虑算分时,推荐使用filter替代query等
must
must_not
Should
- Should使用分两种情况:
- bool查询中只包含should ,不包含must查询
- bool查询中同时包含should和must查询
- 只包含should时,文档必须满足至少一个条件
- minimum_should_match可以控制满足条件的个数或者百分比
·同时包含should和must时,文档不必满足should中的条件,但是如果满足条件,会增加相关性得分
Query Context VS Filter Context
当一个查询语句位于Query或者Filter上下文时, es执行的结果会不同,对比如下:
count-and-source-filtering
count
获取符合条件的文档数, endpoint为_count
source filtering
过滤返回结果中source中的字段,主要有如下几种方式: