SpringCloud（十）——ElasticSearch简单了解（二）DSL查询语句及RestClient查询文档

1. DSL查询文档

1.1 DSL查询分类

• 查询所有：查询出所有数据，一般测试用。例如：match_all
• 全文检索查询：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
• 地理查询：根据经纬度查询。例如：
  • geo_distance
  • geo_bounding_box
• 复合查询：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

下面我们以一个基本的查询语句来举例，比如，我们需要查询索引库 hotel 全部内容，使用的DSL语句如下：

GET /hotel/_search
{
  "query": {
    "match_all": {}
  }
}

1.2 全文检索查询

全文检索常用的有两个查询函数，分别是 match 以及 multi_match 。

• match 函数会对用户输入内容分词，然后去倒排索引库检索，语法如下：

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

  比如搜索 hotel 索引库中的 name 字段，如下：

  GET /hotel/_search
  {
    "query": {
      "match": {
        "name": "酒店"
      }
    }
  }
  

• multi_match 函数与 match 类似，不过允许查询多个字段，语法如下：

  GET /indexName/_search
  {
    "query": {
      "multi_match": {
        "query": "TEXT",
        "fields": ["FIELD1", " FIELD2"]
      }
    }
  }
  

  比如搜索 hotel 索引库中的 name 字段，如下：

  GET /hotel/_search
  {
    "query": {
      "multi_match": {
        "query": "如家",
        "fields": ["name", " brand"]
      }
    }
  }
  

1.3 精确查询

精确查询的语句函数主要有 term 语句和 range 语句，精确查询必须要查询的内容与字段里面的所有内容完全匹配才行，一般的查询是keyword、数值、日期、boolean等类型字段。

• term 的语法如下：

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

• range 查询的语法如下：

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

  其中 gt 是大于，lt 是小于，gte 是大于等于，lte 是小于等于。

1.4 地理查询

地理查询主要是根据经纬度来进行查询的，主要使用的函数有 geo_bounding_box 和 geo_distance 。

• geo_bounding_box 函数的语法如下：

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

  该函数能够将在一个矩阵框中的经纬度全部筛选出来，该矩阵的左上角的点以及右下角的点如上述定义所示，根据这两个点已经就能够定义一个矩形了，。
• geo_distance 函数的语法如下：

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

  该函数是筛选距离定义经纬度点指定距离内的所有点，这个距离指的是距定义点方圆的距离。

1.5 查询算分

在使用关键词等进行查询的时候，会有一个 _score 属性，这就是每条数据与查询关键词的相关性分数，该分数在ElasticSearch5.0之前是使用的 TF-IDF 算法进行的评分，ElasticSearch5.0之后是使用的 BM25 算法进行评分。

我们可以使用 function score query，修改文档的相关性算分（query score），根据新得到的算分排序。修改算分的示例语句如下：

GET /hotel/_search
{
  "query": {
    "function_score": {
      "query": { "match": {"all": "外滩"} },
      "functions": [
        {
          "filter": {"term": {"id": "1"}},
          "weight": 10
        }
      ],
      "boost_mode": "multiply"
    }
  }
}

在上面的例句中，

• query 是正常的查询语句
• filter 表示过滤条件，符合条件的文档才会被重新算分
• weight 是指算分函数，算分函数的结果称为 function score ，将来会与原始的 query score 运算，得到新算分，常见的算分函数有：
  • weight：给一个常量值，作为函数结果（function score）
  • field_value_factor：用文档中的某个字段值作为函数结果
  • random_score：随机生成一个值，作为函数结果
  • script_score：自定义计算公式，公式结果作为函数结果
• boost_mode 定义function score与query score的运算方式，常见的加权方式如下：
  • multiply：两者相乘。默认就是这个
  • replace：用function score 替换 query score
  • 其它：sum、avg、max、min

1.6 布尔查询

布尔查询时一个或多个查询的字句，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

示例如下：

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 } }}
      ]
    }
  }
}

1.7 结果排序

elasticsearch支持对搜索结果排序，默认是根据相关度算分（_score）来排序。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。

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

以上就是指定字段的排序， ASC 代表升序，DASC 代表降序，如果有多个排序字段，那么按照从上到下的优先级进行排序。

举个例子，如果我们想要按照某一个经纬度的距离进行排序，那么模板如下：

GET /indexName/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "_geo_distance" : {
          "FIELD" : "纬度，经度",
          "order" : "asc",
          "unit" : "km"
      }
    }
  ]
}

1.8 分页查询

ElasticSearch查询时默认只显示10条数据，那如果我们想要看到其他的数据怎么办呢？这就涉及到了分页。ElasticSearch分页的方式有很多种，这里讲一下使用 from, size 参数以及 search after 来进行分页。

• 使用 from, size 两个参数进行分页。可以在搜索时规定这两个参数的值， from 表示从何处开始进行查看，默认是 $0$ ，size 表示每次查询的信息有多少条。比如每也10条数据，我们想要查看第二页的数据，那么就需要设置 from: 10,size:10 ，格式如下：

  GET /hotel/_search
  {
   "query": {
     "match_all": {}
   },
   "from": 990, // 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"}
   ]
  }
  

  但是，这种方式要求 from+size 不大于 $10000$ ，且该方式是先查询所有的数据，然后再对数据进行截取，不可避免的，该方式会面临深度分页问题，即我们的ElasticSearch肯定是要有集群的，当我们需要取出前 $1000$ 个结果时，需要整理每个集群中的结果，再重新排序，再选出前 $1000$ 个，但是，如果结果集很大，这对内存以及CPU的消耗就很大。

• 使用 search after 进行分页。针对深度分页，ElasticSearch提供了 search after 方法，该方法没有查询上限，只限制了单次的 size 不超过 $10000$ 。 search after 方法分页时需要排序，原理是从上一次的排序值开始，查询下一页数据。

  例如，我们查询到了第一页的数据，最后一条数据如下：
  
  我们将最后一条数据的 sort 字段复制到 search_after 中，再规定一个 size 属性，就能够在该条数据之后再显示 size 条数据，语法模板如下：

  GET /hotel/_search
  {
   "query": {
     "match_all": {}
   },
   "search_after": [
      161
    ],
   "size": 10,
   "sort": [
     {"price": "asc"}
   ]
  }
  

1.9 高亮显示

在使用搜索引擎进行搜索时，我们发现我们输入的关键词显示都是用了高亮进行显示，这就是搜索结果的高亮。其实，这种高亮的显示是在搜索结果中将关键字用标签进行标注出来，再到页面中进行CSS的渲染。默认在进行高亮查询时会在高亮字段前后添加 em 标签，如果想添加其他标签可以进行更改，语法模板如下：

GET /hotel/_search
{
  "query": {
    "match": {
      "FIELD": "TEXT"
    }
  },
  "highlight": {
    "fields": { // 指定要高亮的字段,可以添加多个字段
      "FIELD": {
        "pre_tags": "<em>",  // 用来标记高亮字段的前置标签，默认就是em标签，所以可以不写
        "post_tags": "</em>" // 用来标记高亮字段的后置标签
      }
    }
  }
}

这里我们对酒店数据进行查询的例子如下：

GET /hotel/_search
{
  "query": {
    "match": {
      "all": "如家"
    }
  },
  "highlight": {
    "fields": { 
      "name": {
        "require_field_match": "false"
      }
    }
  }
}

在上面的搜索中， all 字段是 name, brand 等字段 copy_to 后的属性，而下面高亮显示的属性是 name 属性，这就导致了查询的属性与高亮显示的属性不一致的情况，这种情况默认是不会进行高亮显示的，需要查询的属性与高亮显示的属性一致才进行高亮显示。但是我们就可以设置 require_field_match 属性为 false 控制高亮显示与查询字段和高亮显示的字段无关。

高亮结果显示如下：

2. RestClient查询文档

2.1 查询全部

查询全部的代码如下所示，

    @Test
    void testMatchAll() throws IOException {
        //1.准备Request对象
        SearchRequest request = new SearchRequest("hotel");
        //2.准备DSL
        request.source().query(QueryBuilders.matchAllQuery());
        //3.发送请求
        SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);
        //4.解析响应
        SearchHits searchHits = response.getHits();
        //5.1 获取总条数
        long total = searchHits.getTotalHits().value;
        System.out.println("共有" + total + "条数据");
        //5.2 文档数组存储文档
        SearchHit[] hits = searchHits.getHits();
        for(SearchHit hit: hits){
            //6.获取文档source
            String json = hit.getSourceAsString();
            //7.反序列化
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
            System.out.println(hotelDoc);
        }
        System.out.println(response);

    }

其中每一段代码与DSL语句的对应关系如下：

2.2 其他查询语句

其实其他查询语句与上述查询全部的语句中大部分代码是类似的，唯一变化的是 request.source().query() 中 query 的参数。

• match

  // 分别是字段名和查询的语句
  request.source().query(QueryBuilders.matchQuery("all", "如家"));
  

• multi_match

  // 分别是查询词以及查询字段
  request.source().query(QueryBuilders.matchQuery("如家", "name", "brand"));
  

• term

  // 分别是查询字段以及查询词
  request.source().query(QueryBuilders.termQuery("city", "成都"));
  

• range

  // 分别是查询词以及查询条件
  request.source().query(QueryBuilders.rangeQuery("price").gte(100).lte(300));
  

• 布尔查询

  // 构建布尔查询
  BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
  // must语句
  boolQuery.must(QueryBuilders.termQuery("city", "成都"));
  //filter语句
  boolQuery.filter(QueryBuilders.rangeQuery("price").gte(100).lte(300))
  request.source().query(boolQuery);
  

2.3 排序和分页

排序与分页的代码也仅需要在 request.source().query() 上进行修改即可，修改示例如下：

request.source().query(QueryBuilders.termQuery("city", "成都"));
// 排序
request.source().sort("price", SortOrder.ASC);
//分页
request.source().from(0).size(10);

2.4 高亮显示

高亮显示仅需要在查询的内容后面添加一行代码即可，如下：

// 设置高亮显示并关闭查询字段与高亮字段一致
request.source().highlighter(new HighlightBuilder().field("name").requireFieldMatch(false));

但是，设置了高亮后输出发现并不是高亮的内容，需要高亮的内容前后没有标签，这是怎么回事呢？

回顾上面可以发现，高亮的内容与 _source 内容是分开的，是重新的一个字段，于是，我们需要用高亮的字段覆盖原来的字段，那么循环里面的代码如下：

for(SearchHit hit: hits){
    //6.获取文档source
    String json = hit.getSourceAsString();
    //7.反序列化
    HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
    //获取高亮结果
    Map<String, HighlightField> highlightFieldMap = hit.getHighlightFields();
    //简洁判断，判断highlightFieldMap是否为空或者size==0
    if(!CollectionUtils.isEmpty(highlightFieldMap)){
        //获取highlight属性中的name属性
        HighlightField highlightField = highlightFieldMap.get("name");
        if(highlightField != null){
            //得到name属性的第一个值的字符串
            String name = highlightField.getFragments()[0].string();
            //覆盖原本的值
            hotelDoc.setName(name);
        }
    }
    System.out.println(hotelDoc);
}