目录

1. ElasticSearch之查询返回结果各字段含义

2. match 查询

3. term查询

4. terms 查询

5. range 范围

6. 布尔查询

6.1 filter加快查询效率的原因

7. boosting query(提高查询)

8. dis_max(最佳匹配查询）

9. 分页

10. 聚合查询【内含实际的demo】

1. ElasticSearch之查询返回结果各字段含义

执行命令：索引库名称/_search

空搜索的结果为：

{
  "took": 2,		# 该命令请求花费了多长时间，单位：毫秒。
  "timed_out": false,		# 搜索是否超时
  "_shards": {		# 搜索分片信息
    "total": 3,		# 搜索分片总数
    "successful": 3,		# 搜索成功的分片数量
    "skipped": 0,		# 没有搜索的分片，跳过的分片
    "failed": 0		# 搜索失败的分片数量
  },
  "hits": {		# 搜索结果集。需要的一切数据都是从hits中获取
    "total": 21798,		# 返回多少条数据
    "max_score": 1,		#返回结果中，最大的匹配度分值
    "hits": [		# 默认查询前十条数据，根据分值降序排序，这里为了节省地方，把默认查询的前十条数据删了9条，只剩下一条数据
      {
        "_index": "",		# 索引库名称
        "_type": "",		# 类型名称
        "_id": "",		# 该条数据的id
        "_score": 1,		# 关键字与该条数据的匹配度分值
        "_routing": "",		# routing参数是一个可选参数，默认使用文档的_id值，用于计算文档所属分片
        "_source": {		# 索引库中类型，返回结果字段，不指定的话，默认全部显示出来
          "id": 1,
          "orderNo": "",
          "appId": "",
          "componentAppId": "",
          "settleNo": "",
          "outSettleNo": "",
          "settleAmount": 5,
          "orderAmount": 7,
          "settleStatus": 3,
          "paymentChannel": 1,
          "version": 2,
          "settleTime": ,
          "createTime": ,
          "updateTime": ,
          "promotionAccountId": "",
          "invoiceStatus": 1,
          "promotionTypeValue": 0,
          "commissionRateFeeCentAmount": 0,
          "commissionChargeFeeCentAmount": 0,
          "promotionFeeCentAmount": 2,
          "developerPromotionFeeCentAmount": 0,
          "promotionType": ""
        }
      }
    ]
  }
}

• 按照从上到下的顺序，一共四个返回值，took，timed_out，_shards，hits。
• took
  • 该命令请求花费了多长时间，单位：毫秒。
• timed_out
  • 搜索是否超时。
• shards
  • 搜索分片信息。
  • total
    • 搜索分片总数。
  • successful
    • 搜索成功的分片数量。
  • skipped
    • 没有搜索的分片，跳过的分片。
  • failed
    • 搜索失败的分片数量。
• hits
  • 搜索结果集，需要的一切数据都是从hits中获取。
  • total
    • 返回多少条数据。
  • max_score
    • 返回结果中，最大的匹配度分值。
  • hits
    • 默认查询前十条数据，根据分值降序排序。
  • _index
    • 索引库名称。
  • _type
    • 类型名称。
  • _id
    • 该条数据的id。
  • _score
    • 关键字与该条数据的匹配度分值。
  • _source
    • 索引库中类型，返回结果字段，不指定的话，默认全部显示出来。

2. match 查询

• 匹配查询 match 是个 核心 查询。无论需要查询什么字段， match 查询都应该会是首选的查询方式。它是一个高级 全文查询 ，这表示它既能处理全文字段(包括支持分词的字段)，又能处理精确字段

• match 查询主要的应用场景就是进行全文搜索

{
  "query": {
    "match": {
      "appId": "xxxx"
    }
  }
}

match本质上是对term组合，所以上面的语句换成term依然能够执行

{
  "query": {
    "term": {
      "appId": "xxxx"
    }
  }
}

3. term查询

• term 查询， 可以用它处理数字（numbers）、布尔值（Booleans）、日期（dates）以及文本（text）

• 用 trem 搜索字符串时 要将字段设置成 not_analyzed 无需分析的。不然es会将字符串进行分词，分词结果建立索引，在用trem进行精确查找时找不到任何文档

• 对应的 QueryBuilder class 是TermQueryBuilder

• 具体方法是 QueryBuilders.termQuery()

{
  "query": {
    "term": {
      "appId": "xxxx"
    }
  }
}

4. terms 查询

• terms 查询允许指定多个值进行匹配。如果这个字段包含了指定值中的任何一个值，就表示该文档满足条件。 比如我们想要查找价格字段值为 $20 或 $30 的文档则可以使用trems；

• 按照读个分词term匹配，它们是or的关系

• 对应的 QueryBuilder class 是 TermsQueryBuilder

• 具体方法是 QueryBuilders.termsQuery()

{
  "query": {
    "terms": {
      "appId": ["xxxx", "xxxx"]
    }
  }
}

5. range 范围

• 常常被用在数字或者日期范围的查询

Search Query	QueryBuilder Class	Method in QueryBuilders
Range	RangeQueryBuilder	QueryBuilders.rangeQuery()

{
  "query": {
    "range": {
      "createTime": {
        "gte": 1661409996661,
        "lte": 1661409996661
      }
    }
  }
}

6. 布尔查询

• 通过布尔逻辑将较小的查询组合成较大的查询。
• 概念
  • Bool查询语法有以下特点
    • 子查询可以任意顺序出现
    • 可以嵌套多个查询，包括bool查询
    • 如果bool查询中没有must条件，should中必须至少满足一条才会返回结果。
  • bool查询包含四种操作符，分别是must,should,must_not,filter。他们均是一种数组，数组里面是对应的判断条件。
    • must： 必须匹配。贡献算分
    • must_not：过滤子句，必须不能匹配，但不贡献算分
    • should： 选择性匹配，至少满足一条。贡献算分
    • filter： 过滤子句，必须匹配，但不贡献算分，所以比must会更快！

{
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "appId": "xxxx"
          }
        },
        {
          "term": {
            "paymentChannel": 1
          }
        },
        {
          "term": {
            "settleStatus": 3
          }
        },
        {
          "term": {
            "promotionAccountId": ""
          }
        },
        {
          "range": {
            "createTime": {
              "from": 1658741630780,
              "to": 1661420030780,
              "include_lower": true,
              "include_upper": true
            }
          }
        }
      ]
    }
  }
}

6.1 filter加快查询效率的原因

• query context

  • query context关注的是，文档到底有多匹配查询的条件，这个匹配的程度是由相关性分数决定的，分数越高自然就越匹配。所以这种查询除了关注文档是否满足查询条件，还需要额外的计算相关性分数.

• filter context

  • filter context关注的是，文档是否匹配查询条件，结果只有两个，是和否。没有其它额外的计算。它常用的一个场景就是过滤时间范围。

  • 并且filter context会自动被ES缓存结果，效率进一步提高。

  • 对于bool查询，must使用的就是query context，而filter使用的就是filter context。

  • 我们可以通过一个示例验证下。继续使用第一节的例子，我们通过kibana自带的search profiler来看看ES的查询的详细过程。

• 那么 filter 的 cache 是怎么做的呢？

  • ES 会构建一个文档匹配过滤器的位集 bitset（用来标识一个文档对一个 filter 条件是否匹配，如果匹配就是 1，不匹配就是 0），下次再有这个 filter 条件过来的时候就不用重新扫描倒排索引，反复生成 bitset，可以大幅度提升性能，另外当添加或更新文档时，这个 filter 的位集 bitset 也会更新。

{
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "appId": "xxxx"
          }
        },
        {
          "term": {
            "paymentChannel": 1
          }
        },
        {
          "term": {
            "settleStatus": 3
          }
        },
        {
          "term": {
            "promotionAccountId": ""
          }
        }
      ],
      "filter": {
        "range": {
          "createTime": {
            "from": 1658741630780,
            "to": 1661420030780,
            "include_lower": true,
            "include_upper": true
          }
        }
      }
    }
  }
}

7. boosting query(提高查询)

• 用来控制（提高或降低）复合查询中子查询的权重。

• 不同于bool查询，bool查询中只要一个子查询条件不匹配那么搜索的数据就不会出现。而boosting query则是降低显示的权重/优先级（即score)。

• 比如搜索逻辑是 name = 'apple' and type ='fruit'，对于只满足部分条件的数据，不是不显示，而是降低显示的优先级（即score)

• ~positive(积极的，加分)：

  • 只有匹配上positive的查询的内容，才会被放到返回的结果集中。

• ~negative(消极的，减分)：

  • 如果匹配上positive并且也匹配上了negative，就可以降低这样的文档score。

• ~negative_boost：

  • 指定系数，必须小于1.0 ，那么匹配到的内容会将分数乘以当前系数；(这是个系数，因为你要控制分数，那要怎么控制呢？就是乘以系数来控制分数大小)

{
  "query": {
    "boosting": {
      "positive": {
        "term": {
          "appId": "xxxx"
        }
      },
      "negative": {
        "term": {
          "orderNo": "xxxx"
        }
      },
      "negative_boost": 0.5
    }
  }
}

8. dis_max(最佳匹配查询）

• dis_max query

  • 叫做分离最大化查询，它会将任何与查询匹配的文档都作为结果返回，但是只是将其中最佳匹配的评分作为最终的评分返回。

• dis_max 条件的计算分数

  • 分数 = 第一个匹配条件分数 + tie_breaker * 第二个匹配的条件的分数 ...

  "query": {
    "dis_max": {
      "queries": [
        {
          "term": {
            "appId": "xxxx"
          }
        },
        {
          "term": {
            "paymentChannel": 1
          }
        },
        {
          "range": {
            "createTime": {
              "from": 1658741630780,
              "to": 1661420030780,
              "include_lower": true,
              "include_upper": true
            }
          }
        }
      ],
      "tie_breaker": 0
    }
  }

9. 分页

• 通过 from 和 size 就可以执行分页查询。from 指明了分页查询返回的结果的起始位置，而size参数则指明了分页查询的页容量。

{
  "from": 0,
  "size": 1,
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "appId": "xxxx"
          }
        },
        {
          "term": {
            "paymentChannel": 1
          }
        },
        {
          "term": {
            "settleStatus": 3
          }
        },
        {
          "term": {
            "promotionAccountId": ""
          }
        },
        {
          "range": {
            "createTime": {
              "from": 1658741630780,
              "to": 1661420030780,
              "include_lower": true,
              "include_upper": true
            }
          }
        }
      ]
    }
  }
}

10. 聚合查询【内含实际的demo】

根据appId查询昨日结算成功的指定支付渠道的结算总金额

{
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "appId": "xxxx"
          }
        },
        {
          "term": {
            "paymentChannel": 1
          }
        },
        {
          "term": {
            "settleStatus": 3
          }
        },
        {
          "term": {
            "promotionAccountId": ""
          }
        },
        {
          "range": {
            "createTime": {
              "from": 1658741630780,
              "to": 1661420030780,
              "include_lower": true,
              "include_upper": true
            }
          }
        }
      ]
    }
  },
  "aggs": {
    "total_amount": {
      "sum": {
        "field": "settleAmount"
      }
    }
  },
  "size": 0
}