众所周知，elasticsearch的查询依然是基于JSON风格的DSL来实现的。
Elasticsearch提供了基于JSON的DSL（Domain Specific Language）来定义查询。常见的查询类型包括：
- 查询所有：查询出所有数据，一般测试用，例如： match_all
- 全文检索（full text）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（geo）查询：根据经纬度查询，例如
geo_distance
geo_bounding_box
- 复合（compound）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
查询的语法基本一致：
我们以查询所有为例，其中：
-
查询类型为match_all
-
没有查询条件
其它查询无非就是查询类型、查询条件的变化。
1.2.1.使用场景
全文检索查询的基本流程如下：
-
对用户搜索的内容做分词，得到词条
-
根据词条去倒排索引库中匹配，得到文档id
-
根据文档id找到文档，返回给用户
比较常用的场景包括：
-
商城的输入框搜索
-
百度输入框搜索
例如京东：
因为是拿着词条去匹配，因此参与搜索的字段也必须是可分词的text类型的字段。
1.2.2.基本语法
常见的全文检索查询包括：
-
match查询：单字段查询
-
multi_match查询：多字段查询，任意一个字段符合条件就算符合查询条件
match查询语法如下：
mulit_match语法如下：
可以看到，两种查询结果是一样的，为什么？
因为我们将brand、name、business值都利用copy_to复制到了all字段中。因此你根据三个字段搜索，和根据all字段搜索效果当然一样了。
但是，搜索字段越多，对查询性能影响越大，因此建议采用copy_to，然后单字段查询的方式。
1.2.4.总结
match和multi_match的区别是什么？
-
match：根据一个字段查询
-
multi_match：根据多个字段查询，参与查询字段越多，查询性能越差
1.3.1.term查询
因为精确查询的字段搜是不分词的字段，因此查询的条件也必须是不分词的词条。查询时，用户输入的内容跟自动值完全匹配时才认为符合条件。如果用户输入的内容过多，反而搜索不到数据。
当我搜索的是精确词条时，能正确查询出结果：
但是，当我搜索的内容不是词条，而是多个词语形成的短语时，反而搜索不到：
1.3.2.range查询
范围查询，一般应用在对数值类型做范围过滤的时候。比如做价格范围过滤。
基本语法：
示例：
1.3.3.总结
精确查询常见的有哪些？
-
term查询：根据词条精确匹配，一般搜索keyword类型、数值类型、布尔类型、日期类型字段
-
range查询：根据数值范围查询，可以是数值、日期的范围
所谓的地理坐标查询，其实就是根据经纬度查询，官方文档：Geo queries | Elasticsearch Guide [8.12] | Elastic
常见的使用场景包括：
-
携程：搜索我附近的酒店
-
滴滴：搜索我附近的出租车
-
微信：搜索我附近的人
附近的酒店：
1.4.1.矩形范围查询
矩形范围查询，也就是geo_bounding_box查询，查询坐标落在某个矩形范围的所有文档：
查询时，需要指定矩形的左上、右下两个点的坐标，然后画出一个矩形，落在该矩形内的都是符合条件的点。
语法如下：
这种并不符合“附近的人”这样的需求，所以我们就不做了。
1.4.2.附近查询
附近查询，也叫做距离查询（geo_distance）：查询到指定中心点小于某个距离值的所有文档。
换句话来说，在地图上找一个点作为圆心，以指定距离为半径，画一个圆，落在圆内的坐标都算符合条件：
我们先搜索陆家嘴附近15km的酒店：
发现共有47家酒店。
然后把半径缩短到3公里：
可以发现，搜索到的酒店数量减少到了5家。
复合（compound）查询：复合查询可以将其它简单查询组合起来，实现更复杂的搜索逻辑。常见的有两种：
-
fuction score：算分函数查询，可以控制文档相关性算分，控制文档排名
-
bool query：布尔查询，利用逻辑关系组合多个其它的查询，实现复杂搜索
1.5.1.相关性算分
当我们利用match查询时，文档结果会根据与搜索词条的关联度打分（_score），返回结果时按照分值降序排列。
例如，我们搜索 "虹桥如家"，结果如下：
在elasticsearch中，早期使用的打分算法是TF-IDF算法，公式如下：
在后来的5.1版本升级中，elasticsearch将算法改进为BM25算法，公式如下：
TF-IDF算法有一各缺陷，就是词条频率越高，文档得分也会越高，单个词条对文档影响较大。而BM25则会让单个词条的算分有一个上限，曲线更加平滑：
小结：elasticsearch会根据词条和文档的相关度做打分，算法由两种：
-
TF-IDF算法
-
BM25算法，elasticsearch5.1版本后采用的算法
1.5.2.算分函数查询
根据相关度打分是比较合理的需求，但合理的不一定是产品经理需要的。
以百度为例，你搜索的结果中，并不是相关度越高排名越靠前，而是谁掏的钱多排名就越靠前。如图：
要想认为控制相关性算分，就需要利用elasticsearch中的function score 查询了。
1）语法说明
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BM25算法给文档打分，原始算分（query score)
-
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（function score），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
-
function score的运行流程如下：
-
1）根据原始条件查询搜索文档，并且计算相关性算分，称为原始算分（query score）
-
2）根据过滤条件，过滤文档
-
3）符合过滤条件的文档，基于算分函数运算，得到函数算分（function score）
-
4）将原始算分（query score）和函数算分（function score）基于运算模式做运算，得到最终结果，作为相关性算分。
因此，其中的关键点是：
-
过滤条件：决定哪些文档的算分被修改
-
算分函数：决定函数算分的算法
-
运算模式：决定最终算分结果
需求：给“如家”这个品牌的酒店排名靠前一些
翻译一下这个需求，转换为之前说的四个要点：
-
原始条件：不确定，可以任意变化
-
过滤条件：brand = "如家"
-
算分函数：可以简单粗暴，直接给固定的算分结果，weight
-
运算模式：比如求和
因此最终的DSL语句如下：
测试，在未添加算分函数时，如家得分如下：
添加了算分函数后，如家得分就提升了：
function score query定义的三要素是什么？
-
过滤条件：哪些文档要加分
-
算分函数：如何计算function score
-
加权方式：function score 与 query score如何运算
1.5.3.布尔查询
布尔查询是一个或多个查询子句的组合，每一个子句就是一个子查询。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
比如在搜索酒店时，除了关键字搜索外，我们还可能根据品牌、价格、城市等字段做过滤：
每一个不同的字段，其查询的条件、方式都不一样，必须是多个不同的查询，而要组合这些查询，就必须用bool查询了。
需要注意的是，搜索时，参与打分的字段越多，查询的性能也越差。因此这种多条件查询时，建议这样做：
-
搜索框的关键字搜索，是全文检索查询，使用must查询，参与算分
-
其它过滤条件，采用filter查询。不参与算分
1）语法示例：
需求：搜索名字包含“如家”，价格不高于400，在坐标31.21,121.5周围10km范围内的酒店。
分析：
-
名称搜索，属于全文检索查询，应该参与算分。放到must中
-
价格不高于400，用range查询，属于过滤条件，不参与算分。放到must_not中
-
周围10km范围内，用geo_distance查询，属于过滤条件，不参与算分。放到filter中
bool查询有几种逻辑关系？
-
must：必须匹配的条件，可以理解为“与”
-
should：选择性匹配的条件，可以理解为“或”
-
must_not：必须不匹配的条件，不参与打分
-
filter：必须匹配的条件，不参与打分
搜索的结果可以按照用户指定的方式去处理或展示。
elasticsearch默认是根据相关度算分（_score）来排序，但是也支持自定义方式对搜索结果排序。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。
2.1.1.普通字段排序
keyword、数值、日期类型排序的语法基本一致。
语法：
排序条件是一个数组，也就是可以写多个排序条件。按照声明的顺序，当第一个条件相等时，再按照第二个条件排序，以此类推
需求描述：酒店数据按照用户评价（score)降序排序，评价相同的按照价格(price)升序排序
2.1.2.地理坐标排序
地理坐标排序略有不同。
语法说明：
这个查询的含义是：
-
指定一个坐标，作为目标点
-
计算每一个文档中，指定字段（必须是geo_point类型）的坐标 到目标点的距离是多少
-
根据距离排序
示例：
需求描述：实现对酒店数据按照到你的位置坐标的距离升序排序
提示：获取你的位置的经纬度的方式：获取鼠标点击经纬度-地图属性-示例中心-JS API 2.0 示例 | 高德地图API
假设我的位置是：31.034661，121.612282，寻找我周围距离最近的酒店
elasticsearch 默认情况下只返回top10的数据。而如果要查询更多数据就需要修改分页参数了。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
类似于mysql中的
2.2.1.基本的分页
分页的基本语法如下：
2.2.2.深度分页问题
现在，我要查询990~1000的数据，查询逻辑要这么写：
这里是查询990开始的数据，也就是 第990~第1000条 数据。
不过，elasticsearch内部分页时，必须先查询 0~1000条，然后截取其中的990 ~ 1000的这10条：
查询TOP1000，如果es是单点模式，这并无太大影响。
但是elasticsearch将来一定是集群，例如我集群有5个节点，我要查询TOP1000的数据，并不是每个节点查询200条就可以了。
因为节点A的TOP200，在另一个节点可能排到10000名以外了。
因此要想获取整个集群的TOP1000，必须先查询出每个节点的TOP1000，汇总结果后，重新排名，重新截取TOP1000。
那如果我要查询9900~10000的数据呢？是不是要先查询TOP10000呢？那每个节点都要查询10000条？汇总到内存中？
当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。
针对深度分页，ES提供了两种解决方案，官方文档：
-
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，保存在内存。官方已经不推荐使用。
2.2.3.小结
分页查询的常见实现方案以及优缺点：
-
：
-
优点：支持随机翻页
-
缺点：深度分页问题，默认查询上限（from + size）是10000
-
场景：百度、京东、谷歌、淘宝这样的随机翻页搜索
-
-
：
-
优点：没有查询上限（单次查询的size不超过10000）
-
缺点：只能向后逐页查询，不支持随机翻页
-
场景：没有随机翻页需求的搜索，例如手机向下滚动翻页
-
-
：
-
优点：没有查询上限（单次查询的size不超过10000）
-
缺点：会有额外内存消耗，并且搜索结果是非实时的
-
场景：海量数据的获取和迁移。从ES7.1开始不推荐，建议用 after search方案。
-
2.3.1.高亮原理
什么是高亮显示呢？
我们在百度，京东搜索时，关键字会变成红色，比较醒目，这叫高亮显示：
高亮显示的实现分为两步：
-
1）给文档中的所有关键字都添加一个标签，例如标签
-
2）页面给标签编写CSS样式
2.3.2.实现高亮
高亮的语法：
注意：
-
高亮是对关键字高亮，因此搜索条件必须带有关键字，而不能是范围这样的查询。
-
默认情况下，高亮的字段，必须与搜索指定的字段一致，否则无法高亮
-
如果要对非搜索字段高亮，则需要添加一个属性：required_field_match=false
查询的DSL是一个大的JSON对象，包含下列属性：
-
query：查询条件
-
from和size：分页条件
-
sort：排序条件
-
highlight：高亮条件