加拿大购物网站排名百度识别图片找图
Elasticsearch提供了基于JSON的DSL（Domain Specific Language）语句来定义查询条件，其JavaAPI就是在组织DSL条件。
1.DSL查询
-
叶子查询（Leaf query clauses）：在特定的字段里查询特定值，属于简单查询。
-
复合查询（Compound query clauses）：以逻辑方式组合多个叶子查询或者更改叶子查询的行为方式。
测试：无条件查询match_all
#DSL查询
GET /items/_search
{"query":{"match_all": {}}
}我们的数量不止10000，但是查询出来的value只有10000，并且数据只显示10条？
Elasticsearch默认超过10000条只显示10000，并且设置了默认分页的查询页数
2.叶子查询
叶子查询类型有很多，可以在官网查看全部
Query DSL | Elasticsearch Guide [7.12] | Elastic
-
全文检索查询（Full Text Queries）：利用分词器对用户输入搜索条件先分词，得到词条，然后再利用倒排索引搜索词条。例如：
-
match：单字段 -
multi_match：多字段
-
-
精确查询（Term-level queries）：不对用户输入搜索条件分词，根据字段内容精确值匹配。但只能查找keyword、数值、日期、boolean类型的字段。例如：
-
ids -
term：精准匹配 -
range：范围匹配
-
全文检索查询
1.match
"query":{
"match": {
"字段名": "搜索条件"
}
}
#叶子查询match
GET /items/_search
{"query":{"match": {"name": "牛奶"}}
}存在一个_score关联度打分，返回结果时按照分值降序排列
2.multi_match
"multi_match": {
"query": "搜索条件",
"fields": ["字段1","字段2"]
}
字段1和字段2是“或”关系，只需要满足一个即可
#叶子查询multi_match
GET /items/_search
{"query":{"multi_match": {"query": "宾格瑞","fields": ["name","brand"]}}
}
精准匹配
不做分词，只根据输入字段匹配
1.term
"term": {
"字段名": {
"value": "查询条件"
}
}
#精确查询term
GET /items/_search
{"query":{"term": {"brand": {"value": "宾格瑞"}}}
}
2.range
"range": {
"price": {
"gte/gt": 1000,
"lte/lt": 2000
}
}
查询price 1000-2000
#范围查询查询range
GET /items/_search
{"query":{"range": {"price": {"gte": 1000,"lte": 2000}}}
}3.复合查询
复合查询=多个叶子查询
1.算分函数查询
在使用全文检索查询match中返回结果有_score关联度打分，按照分值降序排列，但是日常浏览器搜索中，搜索出来的前几条往往是广告，说明_score关联度打分可控。
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，并且基于原始算法打分，原始算分。
-
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，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
-
GET /hotel/_search
{"query": {"function_score": {"query": { .... }, // 原始查询，可以是任意条件"functions": [ // 算分函数{"filter": { // 条件过滤"term": {"字段": "过滤条件"}},"weight": 10 // 算分权重为2}],"boost_mode": "multipy" // 加权模式，求乘积}}
}2.bool查询
利用逻辑运算来组合一个或多个查询子句的组合，bool查询支持的逻辑运算有：
-
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
与搜索关键字无关的查询尽量采用must_not或filter逻辑运算，避免参与相关性算分。
GET /items/_search
{"query": {"bool": {"must": [{"match": {"name": "手机"}}],"should": [{"term": {"brand": { "value": "华为" }}},{"term": {"brand": { "value": "小米" }}}],"must_not": [{"range": {"price": {"gte": 2500}}}],"filter": [{"range": {"price": {"lte": 1000}}}]}}
}4.排序
GET /indexName/_search
{"query": {"match_all": {}},"sort": [{"排序字段": {"order": "排序方式asc和desc"}}]
}5.分页
1.基础分页
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
GET /items/_search
{"query": {"match_all": {}},"from": 0, // 分页开始的位置，默认为0"size": 10, // 每页文档数量，默认10"sort": [{"price": {"order": "desc"}}]
}2.深度分页
在面对数据量比较大时，ELasticsearch会采取分片存储，将数据分成n份，分配到不同的节点上。利于数据的扩展和存储，但是也会存在问题。
我要查找990-1000的数据，从单体结构上，只需要排序然后找前1000名，就可以获得990-1000的数据，但是采取分片存储后，分片1的990-1000是全部数据的990-1000吗，大概率不是。此时，需要找到所有的分片前1000，然后整合到一起，再排序，这样就可以找到总数据的990-1000。
那如果我要找9990-10000，是不是就要找到每个分片的前10000名数据在整合排序查找。
查询分页深度较大时，汇总数据过多，对内存和CPU会产生非常大的压力，因此elasticsearch会禁止from+ size 超过10000的请求。
解决深度分页方案：
-
search after：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。官方推荐使用的方式。 -
scroll：原理将排序后的文档id形成快照，保存下来，基于快照做分页。官方已经不推荐使用。
6.高亮
在浏览器搜索Elasticsearch，发现所有的Elasticsearch、Elastic样式异于其他内容。
对搜索内容进行分词，对分词字段打上高亮标签<em></em>或<strong></strong>
实现：
GET /{索引库名}/_search
{"query": {"match": {"搜索字段": "搜索关键字"}},"highlight": {"fields": {"高亮字段名称": {"pre_tags": "<em>","post_tags": "</em>"}}}
}