elasticsearch笔记——特殊查询

最新推荐文章于 2024-04-27 22:57:35 发布

原创最新推荐文章于 2024-04-27 22:57:35 发布 · 648 阅读

1 ·

CC 4.0 BY-SA版权

elasticsearch 专栏收录该内容

17 篇文章

订阅专栏

本文深入探讨了Elasticsearch的高级搜索功能，包括more_like_this查询，用于近似文本推荐，以及高亮搜索和排序的定制方法。more_like_this查询通过匹配指定字段的文档，实现了基于内容的推荐。高亮搜索则允许自定义高亮片段，多字段高亮，并对比了三种高亮器的性能。最后，介绍了如何定制搜索排序。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、more_like_this

more_like_this 查询和提供文本类似的文档，通常用于近似文本的推荐等场景。

{
    "query": {
        "more_like_this": {
            "fields": ["title", "description"],
            "like": "java virtual machine",
            "min_term_freq": 1,
            "max_query_terms": 12
        }
    }
}
可选参数及其取值说明：
(1) fields  要匹配的字段，默认是_all字段
(2) like  要匹配的文档
(3) min_term_freq  文档中词项的最低频率，默认是2，低于次频率的文档会被忽略
(4) max_query_terms  query中能包含的最大词项数目，默认是25
(5) min_doc_freq  最小文档频率，默认是5
(6) max_doc_freq  最大文档频率
(7) min_word_length  最小文档频率
(8) max_word_length  最大文档频率
(9) stop_words  停用词列表
(10) analyzer  分词器
(11) minimum_should_match  文档应最小匹配的最小词项，默认为query分此后词项数的30%
(12) boost_terms  词项的权重
(13) include  是否把输入文档作为结果返回
(14) boost  整个query的权重，默认为1.0

二、高亮搜索

Elasticsearch 默认会使用 <em></em> 标签标记关键字。

1、自定义高亮片段

如果想使用自定义标签，在高亮属性中给需要高亮的字段加上pre_tags和post_tags。

{
    "query": {
        "match": { "title" : "java"}
    },
    "highlight": {
        "fields": {
            "title": {
                "pre_tags": ["<strong>"],
                "post_tags" ["</strong>"]
            }
        }
    }
}

2、多字段高亮

比如，搜索 title 字段的时候，我们期望 description 字段中的关键字也可以是高亮，这时候需要把 require_field_match 属性设置为 false，默认是 true。

{
    "query": {
        "match": { "title" : "java"}
    },
    "highlight": {
        "require_field_match": false,
        "fields": {
            "title": {},
            "description": {}
        }
    }
}

3、高亮器性能比较

Elasticsearch 默认的高亮器是 highlighter，其次还提供了 postings-highlighter 高亮器和 fast-vector-highlighter 高亮器。highlighter高亮器实现高亮功能需要对_source中保存的原始文档进行二次分析，其速度是三者中最慢的一个，但是不需要额外的存储空间。

postings-highlighter 高亮器实现高亮功能不需要二次分析，但是需要在字段的映射中设置 index_options 参数的取值为 offsets，即保存关键词的偏移量，速度快于highlighter高亮器。

fast-vector-highlighter 高亮器实现高亮的速度最快，但需要在字段的映射中设置 tern_vector 参数的取值为 with_positions_offsets，即保存关键词的位置和偏移信息，占用的存储空间最大，是典型的空间换时间的做法。

四、搜索排序

Elasticsearch 默认是按照评分降序排序的，也支持多字段排序。说明：不能根据 _id 排序。

先按照price降序排序，再按照year升序排序
{
    "query": {
        "match": { "title" : "java"}
    },
    "sort": {
    	"price": { "order" : "desc"},
    	"year": { "order" : "asc"}
    }
}

分片数量影响评分：因为 Elasticsearch 是在每一个分片上独立打分的，分片的数量会影响打分的结果。