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
}
标签：
elasticsearch
大数据
本文转载自: https://blog.csdn.net/jiayoudangdang/article/details/128520075
版权归原作者 加油当当 所有， 如有侵权，请联系我们删除。
版权归原作者 加油当当 所有， 如有侵权，请联系我们删除。