DSL查询分类

简单查询

es官网文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl.html

1.查询所有：查询出所有数据，一般测试用。例如：match_all

GET /hotel/_search
{
  "query": {
    "match_all": {}
  }
}

2.全文检索查询：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 根据单字段查询
	multi_match_query 根据多个字段查询，参与查询字段越多，查询性能越差

GET /hotel/_search
{
  "query": {
    "match": {
      "all": "如家外滩"	#这个all字段是之前创建的时候  copy_to all进去的
    }
  }
}

GET /hotel/_search
{
  "query": {
    "multi_match": {
      "query": "如家外滩",
      "fields": ["brand","name","business"]
    }
  }
}

3.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：

term:根据词条精确值查询

GET /hotel/_search
{
  "query": {
    "term": {
      "city": {
        "value": "上海"
      }
    }
  }
}

range：根据值的范围查询

GET /hotel/_search
{
  "query": {
    "range": {
      "price": {
        "gt": 1108,
        "lt": 3000
      }
    }
  }
}

4.地理（geo）查询：根据经纬度查询。例如：
	geo_distance
	geo_bounding_box
5.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

4.地理查询根据经纬度查询。

查询到指定中心点小于某个距离值的所有文档

GET /hotel/_search
{
  "query": {
    "geo_distance":{
      "distance":"2km",
      "location":"31.21,121.5"		#	你的位置
    }
  }
}

复合查询

elasticsearch中的相关性打分算法是什么？
TF-IDF：在elasticsearch5.0之前，会随着词频增加而越来越大
BM25：在elasticsearch5.0之后，会随着词频增加而增大，但增长曲线会趋于水平

1.使用 function score query，可以修改文档的相关性算分（query score），根据新得到的算分排序。

案例：给“如家”这个品牌的酒店排名靠前一些
把这个问题翻译一下，function score需要的三要素：
1.哪些文档需要算分加权？
品牌为如家的酒店
2.算分函数是什么？
weight就可以
3.加权模式是什么？
求和

# function score查询

GET /hotel/_search
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "all": "外滩"
        }
      },"functions": [
        {
          "filter": {
            "term": {
              "brand": "如家"
            }
          },
          "weight": 10
        }
      ],
    "boost_mode": "sum"
    }
  }
}

2.Boolean Query

布尔查询是一个或多个查询子句的组合。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

GET /hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "name": "如家"
          }
        }
      ],
      "must_not": [
        {
          "range": {
            "price": {
              "gt": 400
              
            }
          }
        }
      ],
      "filter": [
        {
          "geo_distance": {
            "distance": "10km",
            "location": {
              "lat": 31.21,
              "lon": 121.5
            }
          }
        }
      ]
    }
  }
}

搜索结果处理

排序

elasticsearch支持对搜索结果排序，默认是根据相关度算分（_score）来排序。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。

对酒店数据按照用户评价降序排序，评价相同的按照价格升序排序

GET /hotel/_search
{
  "query": {
    "match_all": {}
  }, 
  "sort": [
    {
      "score": "desc"
      
    },
    {
      "price": "asc"
    }
  ]
}

实现对酒店数据按照到你的位置坐标的距离升序排序

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "_geo_distance": {
        "location": {
        "lat":31.034661,
        "lon":121.612282
        },
        "order": "asc"
        , "unit": "km"
      }
    }
  ]
}

分页

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：

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "price": {
        "order": "asc"
      }
    }
  ],
  "from": 0
  , "size": 20
}

分页总结

from + size：
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
after search：
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
scroll：（淘汰了）
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。

高亮：把搜索关键字突出显示

高亮,默认情况下，ES搜索字段必须与高亮字段一致

GET /hotel/_search
{
“query”: {
“match”: {
“all”: “如家”
}
},
“highlight”: {
“fields”: {
“name”: {
“require_field_match”: “false”
}
}
}
}