elasticsearch关键词查询（elasticsearch 中文搜索）

今天给各位分享elasticsearch关键词查询的知识，其中也会对elasticsearch 中文搜索进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、Elasticsearch 查询表达式
• 2、ElasticSearch常用查询方法总结
• 3、Elasticsearch 结构化搜索、keyword、Term查询
• 4、ElasticSearch查询之——Search API
• 5、elasticsearch基本查询笔记（三）-- es查询总结

Elasticsearch 查询表达式

Elasticsearch 是一个开源的搜索引擎，Elasticsearch 使用 Java 编写的，它的内部使用 Lucene 做索引与搜索，但是它的目的是使全文检索变得简单， 通过隐藏 Lucene 的复杂性，取而代之的提供一套简单一致的 RESTful API。

已经在其他文档中详细介绍，此次仅做简单步骤介绍

查询表达式( Query DSL )是一种非常灵活又富有表现力的查询语言, Elasticsearch 使用它可以以简单的 JSON 接口来展现 Lucene 功能的绝大部分

上述查询会搜索ES中的所有索引，但通常只需要去固定一个或几个索引中搜索，搜索全部无疑会造成资源的浪费，在ES中可以通过以下几种方法来指定索引

以上表示在 mysql-shop_trades-order_statics 索引下查找数据

这里也可以用逗号分割多个匹配索引

ES本身没有group关键词搜索，但支持聚合查询，，需要使用关键字aggs

order by:注意日期格式和数值格式才支持排序；文本不支持，如果要排序， 需把字段设置为not analysis

select distinct(id) from table

match_phrase :查询分析文本，创建词组查询

延伸

ElasticSearch常用查询方法总结

基于词项的查询：不需要分析阶段，对单个词项进行操作，在倒排索引中查找准确词项。

Terms Query：在给定字段内查询并返回准确符合一个或多个词项的查询结果。

Fuzzy Query：返回与给定词项 相似 的结果。相似程度用Levenshtein编辑距离来衡量。

1编辑距离指一个字符的变化，包括：

Fuzzy Query会创建一系列可能出现的，编辑距离为1的变化后的词项，然后用这些词项进行精确查询以获得最终结果。

Wildcard Query：返回符合通配符表达式的查询结果。使用？代替单个字符，*代替零个或几个字符。

基于全文的查询：高层查询，要先了解字段映射的信息。如果查询一个未分析的精确值字符串字段，会将整个查询字符串作为单个词项对待。如果查询一个已分析的精确值字符串字段，会先将查询字符串传递到一个合适的分析器， 然后生成一个供查询的词项列表。

Match Query：是一个高级全文查询，它既能处理全文字段，又能处理精确字段。Match Query主要的应用场景就是进行全文搜索，但无论需要查询什么字段， Match Query都应该会是首选的查询方式。

Query String Query：使用句法将给定的查询条件按And或Or的方式进行分析和拆分，返回包含查询字符串的结果。

Match Phrase Query：会分析文本，再从分析后的文本中生成phrase查询。

复合查询：组合查询语句，使查询结果符合多项标准，支撑更复杂的查询条件。

Bool Query：对查询语句进行与或非的组合。包含关键词must(and), should(or), must_not(not)。

Table1 Comparison of ES Query Methods

Reference List:

Elasticsearch 结构化搜索、keyword、Term查询

Elasticsearch 中的结构化搜索，即面向数值、日期、时间、布尔等类型数据的搜索，这些数据类型格式精确，通常使用基于词项的term精确匹配或者prefix前缀匹配。本文还将新版本的“text”，“keyword”进行说明，还有Term查询。

结构化搜索（Structured search） 是指对结构化的数据进行搜索。比如日期、时间和数字都是结构化的，它们有精确的格式，我们可以对这些格式进行逻辑操作。比较常见的操作包括比较数字或时间的范围、判定两个值的大小、前缀匹配等。

文本也可以是结构化的。如彩色笔可以有离散的颜色集合： 红（red） 、 绿（green） 、 蓝（blue） 。一个博客可能被标记了关键词 分布式（distributed） 和 搜索（search） 。电商网站上的商品都有 UPCs（通用产品码 Universal Product Codes）或其他的唯一标识，它们都需要遵从严格规定的、结构化的格式。

在结构化查询中，我们得到的结果只有“是”或“否”两个值，可以根据场景需要，决定结构化搜索是否需要打分，但通常我们是不需要打分的。

让我们以下面的例子开始介绍，创建并索引一些表示产品的文档，文档里有字段 price ， productID ， show ， createdAt ， tags （ 价格 ， 产品ID ， 是否展示 ， 创建时间 ， 打标信息 ）

现在我们想要做的是查找具有某个价格的所有产品，假设我们要获取价格是20元的商品，我们可以使用 term 查询，如下

通常查找一个精确值的时候，我们不希望对查询进行评分计算。只希望对文档进行包括或排除的计算，所以我们会使用 constant_score 查询以非评分模式来执行 term 查询并以1.0作为统一评分。

最终组合的结果是一个 constant_score 查询，它包含一个 term 查询：

对于数字，一般还有范围查询

range 支持的选项

搜索一定时间范围内的文档

日期匹配表达式

“productID.keyword”中的“keyword”不是关键字，而是Elasticsearch在插入文档的时候，自动为“productID”生成的子字段，名字是“keyword”。

存在用“exists”，不存在用“must_not”搭配“exists”

注意，新版本不要再使用“missing”关键字，现在已经废除了，用“must_not”做取反。

使用“missing”会报错，报错信息如下：

在2.x版本里面文本使用的是string字段。

5.0之后，把string字段设置为了过时字段，引入text与keyword字段，这两个字段都可以存储字符串使用。

“text”用于全文搜索，“keyword”用于结构化搜索。“keyword”类似Java中的枚举。在新版本中，如果没有自己创建mapping，那么在文本的处理中，会把文本自动映射为“text”，同时会生成一个子字段“keyword”，类型是“keyword”。

在存储上，“text”会被分词器进行分词，而“keyword”会被原样保留。比如“Rabit is jumping”，“text”的情况下可能被存储为“rabit”，“jump”，而“keyword”情况下就会存储为“Rabit is jumping”。

在ES中，term查询，对输入不做分词，会将输入作为一个整体，在倒排索引中查找精确的词项，并且使用相关性算分公式为每个包含该词项的文档进行相关度算分。

比如上面的（"productID": "QQPX-R-3956-#aD8"），会被分词为“qqpx”，“r”，“3956”，“ad8”。

“productID.keyword”的类型是keyword，所以即使使用match查询，最终也会变成Term查询。

ElasticSearch查询之——Search API

实现对ES中存储的数据进行查询分析，使用的关键字是 _search ，比如下面的API

小例子：查询job字段中包含java的文档，结果根据age属性进行升序排序，返回第1个文档，如果超过1s没有结束，则以超时结束。

多词匹配之间使用空格进行隔开，词语之间的关系为 “或”

若想使用词语匹配，需要用双引号括起来

泛查询在之前其实就有演示过，即像 q = xiaoming 这种不指定检索字段范围，会在所有字段中进行检索的查询即称为泛查询。反之，如果指定了字段，就能大大缩小范围。常见的指定字段的方式为 字段:检索条件字符 。

SearchURI中也可以使用和和 Query DSL 类型的布尔操作符，不过具体的使用规则略有不同，具体的规则如下：

需要注意的是， “＋” 号在url中会被解析为空格，要使用encode后的结果才可以，我们需要用%2B来替代一下。

范围查询支持数据范围和日期范围的查询，具体的表达式写法有两种方式：

Query URI 支持我们使用通配符来进行模糊查询， ? 表示一个字符， * 表示一个或者多个字符

注意： 通配符匹配执行效率低，且占用较多内存 ，数据较多时不建议使用

如无特殊需求，不要将 ?/* 放在最前面（因为会加大匹配的范围，降低匹配效率）

Query URI 支持我们使用正则表达式来进行检索

当我们对于检索条件字符不明确时， Query URI 支持我们使用近似值来作为模糊查询的条件，这个和之前的通配符不太一样，通配符很多时候是基于我们清楚某一段字符中的某个区间内容了（比如说最终的结果是 xiaoming ，我们可以根据知道的字符进行匹配，比如 xiao* 、 *ming ）。而近似值匹配可以是众多模糊匹配的并集。

Request Body Search 字如其意，就是通过在 body 中添加请求体来实现搜索。我们在第二节中学习了 Query URI 的众多语法可能会觉得它已经很强大，但实际上第三节的将要介绍的 Query DSL 会更加强大和灵活，不仅支持URI写法的所有语法，还支持更多高阶的语法查询。也是我们日常工作中更为常用的一种检索方式。

字段类的查询可以分为全文匹配和单词匹配，两者的区别在于会不会对查询语句进行分词后处理，全文匹配会（match、match_phrase），单词匹配（term、terms、range）不会。

该方法用于对字段作检索，对字段有顺序要求

Query String Query 其实就相当于 Query URI 的请求体写法

Simple Query String Query 类似于Query String，但是会忽略错误的查询语法，并且仅支持部分查询语法。其常用的逻辑符号如下，不能使用AND、OR、NOT等关键词，而是要对应地使用 + | - 。

Term Query 将查询语句作为整个单词进行查询，即不对查询语句做分词处理

terms query 和 term query 类似，差别在于后者可以同时支持多个全词匹配

Query DSL 支持我们使用 Range Query 来使用范围匹配

拓展：

我们可以发现，之前列举的字段类查询只能够满足单个字段查询条件的使用，当涉及到多个字段时，字段类查询的 match 和 term 等API就无能为力了。满足这种多字段检索需要的方式是使用复合查询。

·复合查询是指包含字段类查询或复合查询的类型，主要包括以下几类∶ constant_score query 、 bool query 、 dis_max query 、 function_score query 、 boosting query

这里的话，主要讲一下布尔查询 Bool Query

当我们不需要获取详细的文档信息，只需要获取命中的文档数量时，就可以使用count来获取我们想要的结果。

当我们只需要获取命中文档的指定字段值时，我们可以通过source来指定我们需要es返回的值

elasticsearch基本查询笔记（三）-- es查询总结

term 查询是简单查询，接受一个字段名和参数，进行精准查询，类似sql中：

ES中对应的DSL如下：

在ES5.x及以上版本，字符串类型需设置为keyword或text类型，根据类型来进行精确值匹配。

当进行精确值查询，可以使用过滤器，因为过滤器的执行非常快，不会计算相关度（ES会计算查询评分）,且过滤器查询结果容易被缓存。

bool过滤器组成部分：

当我们需要多个过滤器时，只须将它们置入 bool 过滤器的不同部分即可。

terms是包含的意思，如下：

name包含["奥尼尔","麦迪"]

返回结果：

range查询可同时提供包含（inclusive）和不包含（exclusive）这两种范围表达式，可供组合的选项如下：

类似sql中的范围查询：

ES中对应的DSL如下：

如下sql，age不为null：

ES中对应的DSL如下：

如下sql，age为null：

ES中对应的DSL如下：

注：missing查询在5.x版本已经不存在。

匹配包含 not analyzed（未分词分析）的前缀字符：

匹配具有匹配通配符表达式（ (not analyzed ）的字段的文档。 支持的通配符：

1） * 它匹配任何字符序列（包括空字符序列）；

2） ? 它匹配任何单个字符。

请注意，此查询可能很慢，因为它需要遍历多个术语。

为了防止非常慢的通配符查询，通配符不能以任何一个通配符*****或 ? 开头。

正则表达式查询允许您使用正则表达式术语查询。

举例如下：

注意： * 的匹配会非常慢，你需要使用一个长的前缀，

通常类似.*?+通配符查询的正则检索性能会非常低。

模糊查询查找在模糊度中指定的最大编辑距离内的所有可能的匹配项，然后检查术语字典，以找出在索引中实际存在待检索的关键词。

举例：

检索索引test_index中，type为user的全部信息。不过在 es6.x 版本，一个index仅有一个type，未来 es7.x 版本，将取消type，所以这个查询没啥意义。

返回指定id的全部信息。

全文检索查询，是通过分析器，对查询条件进行分析，然后在全文本字段进行全文查询。

全文搜索取决于mapping中设定的analyzer（分析器），这里使用的是ik分词器。

所以在进行查询开发时候，需要先了解index的mapping，从而选择查询方式。

匹配查询接受文本/数字/日期类型，分析它们，并构造查询。

对查询传入参数进行分词，搜索词语相同文档。

match_phrase查询分析文本，并从分析文本中创建短语查询。

用户已经渐渐习惯在输完查询内容之前，就能为他们展现搜索结果，这就是所谓的即时搜索（instant search） 或输入即搜索（search-as-you-type） 。

不仅用户能在更短的时间内得到搜索结果，我们也能引导用户搜索索引中真实存在的结果。

例如，如果用户输入 johnnie walker bl ，我们希望在它们完成输入搜索条件前就能得到： Johnnie Walker Black Label 和 Johnnie Walker Blue Label 。

match_phrase_prefix与match_phrase相同，除了它允许文本中最后一个术语的前缀匹配。

关于elasticsearch关键词查询和elasticsearch 中文搜索的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。

标签： elasticsearch关键词查询