查询语言一般用DSL和DQL
Match Queries (匹配查询): 这是最简单的查询类型之一，用于在文本字段中匹配指定的词语。有两种主要的匹配查询：match和match_phrase。
match查询会匹配文档中包含任意一个查询词的文档，而match_phrase查询要求文档中的词语必须按照查询的顺序完全匹配。
Match: 用于执行全文本搜索。
Match Phrase: 用于匹配短语。
Match Phrase Prefix: 用于匹配以给定短语开头的文档。
Match All: 匹配所有文档。
GET /my_index/_search
{
"query": {
"match": { // 基本的match查询
"content": "Elasticsearch"
}
}
}
// 约等于 LIKE '%Elasticsearch is%'
{
"query": {
"match_phrase": { // 用于确保匹配的词汇以相同的顺序出现在文本字段中。
"title": "Elasticsearch is"
}
}
}
// 约等于 LIKE 'Elastic%'
{
"query": {
"match_phrase_prefix": { // 类似于match_phrase，但允许在词汇的后面包含通配符。
"title": "Elastic"
}
}
}
// 约等于 OR
{
"query": {
"multi_match": { // 在多个字段中执行match查询。
"query": "Elasticsearch",
"fields": ["title", "content"]
}
}
}
// 相当于SQL中的SELECT * FROM index
{
"query": {
"match_all": {} // 返回所有文档
}
}
// mappings 如下
{
"mappings": {
"properties": {
"content": {
"type": "text",
"analyzer": "standard"
},
"title": {
"type": "text"
}
}
}
}
Term Queries (词项查询): 词项查询用于精确匹配字段中的词项。它适用于关键字字段。例如，如果你想匹配一个确切的词语而不是文本中的部分内容，可以使用term查询。
GET /my_index/_search
// SQL类比 SELECT * FROM my_index WHERE typeCode = 'software';
{
"query": {
"term": {
"typeCode": "software"
}
}
}
// typeCode IN ('technology', 'software')
{
"query": {
"terms": { // 多值查询
"typeCode": ["technology", "software"]
}
}
}
// mappings 如下
{
"mappings": {
"properties": {
"typeCode": {
"type": "keyword"
}
}
}
}
match_phrase 和 term区别？
term查询： 主要用于关键字字段，它执行精确匹配。对于关键字字段而言，词项是不会被分词的，整个字段值作为一个单独的词项。match_phrase查询： 主要用于文本字段，它要求文本字段按照查询的顺序完全匹配。它考虑了分词器的影响，确保匹配的词语在文本中是相邻的。term查询： 不考虑分词器，直接匹配整个关键字字段的值。term查询： 用于进行精确匹配，通常用于关键字字段。match_phrase查询： 用于匹配文本字段中按顺序出现的一组词语，通常用于全文搜索和短语匹配。
Range Queries（范围查询）：用于匹配在指定范围内的值。例如，你可以使用 range 查询来查找在一定范围内的日期或数字。
// BETWEEN 25 AND 40
{
"query": {
"range": {
"create_date": {
"gte": "2022-01-01",
"lte": "2022-12-31"
}
}
}
}
{
"mappings": {
"properties": {
"create_date": {
"type": "date"
}
}
}
}
Wildcard Query: 允许使用通配符（*和?）进行模糊匹配。
// LIKE 'elast*'
{
"query": {
"wildcard": {
"title": "elast*"
}
}
}
// LIKE 'jo%hn'
GET /my_index/_search
{
"query": {
"wildcard": {
"username": "jo*hn"
}
}
}
// LIKE 'john.d_e@example.com'
GET /my_index/_search
{
"query": {
"wildcard": {
"email": "john.d?e@example.com"
}
}
}
Fuzzy Query: 用于执行模糊匹配，允许一定程度的拼写错误或相似性。
{
"query": {
"fuzzy": {
"name": {
"value": "elasticserch",
"fuzziness": "AUTO"
}
}
}
}
fuzziness参数用于定义模糊匹配的容忍度，即允许搜索词条与文档中的词条之间存在一定程度的编辑距离（编辑操作包括插入、删除、替换字符）。fuzziness值表示最大允许的编辑距离。
具体来说，fuzziness的值可以是以下之一：
通过调整fuzziness参数，你可以控制模糊查询的严格程度，使其能够匹配在一定编辑距离内的相似词条。
Prefix Query: 匹配字段中以指定前缀开头的文档。
// LIKE 'jo%'
{
"query": {
"prefix": {
"tag": "tech"
}
}
}
Nested Query: 在嵌套文档中执行查询。
// 创建索引与示例数据：
PUT /my_index
{
"mappings": {
"properties": {
"people": {
"type": "nested",
"properties": {
"name": {
"type": "text"
},
"age": {
"type": "integer"
}
}
}
}
}
}
POST /my_index/_doc/1
{
"people": [
{"name": "John", "age": 30},
{"name": "Alice", "age": 25}
]
}
POST /my_index/_doc/2
{
"people": [
{"name": "Bob", "age": 35},
{"name": "Eve", "age": 28}
]
}
//嵌套查询
// SELECT *
// FROM my_index
// JOIN unnest(people) AS person ON true
// WHERE person.name = 'John' AND person.age >= 30;
GET /my_index/_search
{
"query": {
"nested": {
"path": "people",
"query": {
"bool": {
"must": [
{ "match": { "people.name": "John" }},
{ "range": { "people.age": { "gte": 30 }}}
]
}
}
}
}
}
Exists Query: 匹配包含指定字段的文档。
// age IS NOT NULL
{
"query": {
"exists": {
"field": "age"
}
}
}
Boolean Queries（布尔查询）：用于将多个查询组合在一起，以实现更复杂的查询逻辑。包括 must （与）、should（或）、must_not （非）等子句。
{
"query": {
"bool": {
"must": [
{ "match": { "field1": "value1" } },
{ "range": { "field2": { "gte": 10, "lte": 20 } } }
],
"must_not": [
{ "term": { "field3": "value3" } }
],
"should": [
{ "term": { "field4": "value4" } }
]
}
}
}
Filter Queries（过滤查询）：类似于布尔查询，但主要用于过滤文档而不会影响打分。它们通常用于精确匹配或范围过滤。
{
"query": {
"bool": {
"filter": [
{ "term": { "field1": "value1" } },
{ "range": { "field2": { "gte": 10, "lte": 20 } } }
]
}
}
}
Aggregation Query（聚合查询）：用于对数据执行聚合操作，例如计算平均值、总和、最小值、最大值等。
假设我们有一个商品的文档集合，每个文档包含商品的信息，如商品名称（name）、商品类别（category）、价格（price）和销售时间戳（timestamp）等。
索引映射 (Index Mapping):
PUT /products
{
"mappings": {
"properties": {
"name": {
"type": "text"
},
"category": {
"type": "keyword"
},
"price": {
"type": "float"
},
"timestamp": {
"type": "date"
}
}
}
}
样本文档 (Sample Documents):
POST /products/_bulk
{"index":{}}
{"name": "Laptop", "category": "Electronics", "price": 1200.00, "timestamp": "2023-01-01T08:00:00"}
{"index":{}}
{"name": "Camera", "category": "Electronics", "price": 500.00, "timestamp": "2023-01-01T09:30:00"}
{"index":{}}
{"name": "Backpack", "category": "Fashion", "price": 50.00, "timestamp": "2023-01-02T12:45:00"}
{"index":{}}
{"name": "Headphones", "category": "Electronics", "price": 100.00, "timestamp": "2023-01-02T14:15:00"}
{"index":{}}
{"name": "Jacket", "category": "Fashion", "price": 150.00, "timestamp": "2023-01-03T16:30:00"}
商品按类别分组
GET /products/_search
{
"size": 0,
"aggs": {
"categories": {
"terms": {
"field": "category"
}
}
}
}
结果：
{
"aggregations": {
"categories": {
"buckets": [
{"key": "Electronics", "doc_count": 3},
{"key": "Fashion", "doc_count": 2}
]
}
}
}
商品价格范围
GET /products/_search
{
"size": 0,
"aggs": {
"price_ranges": {
"range": {
"field": "price",
"ranges": [
{"from": 0, "to": 100},
{"from": 100, "to": 200},
{"from": 200, "to": 1000}
]
}
}
}
}
结果：
{
"aggregations": {
"price_ranges": {
"buckets": [
{"key": "0.0-100.0", "doc_count": 3},
{"key": "100.0-200.0", "doc_count": 1},
{"key": "200.0-1000.0", "doc_count": 1}
]
}
}
}
商品按月份分组
GET /products/_search
{
"size": 0,
"aggs": {
"monthly_activity": {
"date_histogram": {
"field": "timestamp",
"calendar_interval": "month",
"format": "yyyy-MM-dd"
}
}
}
}
结果：
{
"aggregations": {
"monthly_activity": {
"buckets": [
{"key_as_string": "2023-01-01", "key": 1640995200000, "doc_count": 2},
{"key_as_string": "2023-02-01", "key": 1643673600000, "doc_count": 2},
{"key_as_string": "2023-03-01", "key": 1646140800000, "doc_count": 1}
]
}
}
}
Script Query（脚本查询）：允许使用脚本来执行自定义查询逻辑。
{
"query": {
"script": {
"script": {
"source": "doc['popularity'].value > params.threshold",
"params": {
"threshold": 1000
}
}
}
}
}
有几种方式可以进行搜索结果的分页，每种方式都有其优缺点。以下是一些常见的分页方式：
1.From/Size:
from参数是要从哪个文档开始显示结果的文档编号。
size参数是要显示的结果数量，它们共同允许你返回搜索结果的子集。
使用from和size参数时，对深度分页可能有性能影响，OpenSearch限制这种方法最多返回10,000个结果。
2.Scroll API:
scroll操作在一定时间内保持搜索上下文，不受数据变化的影响。
3.Search After:
Search After 分页是一种基于上一页结果中的最后一个文档的排序值（sort value）来获取下一页结果的分页方式。
与scroll操作不同，search_after参数是无状态的，因此文档的顺序可能会因为文档的添加或删除而改变。
- Point in Time（PIT）与search_after结合是OpenSearch中首选的分页方法，尤其适用于深度分页。
- PIT在一个冻结的时间点上操作，不受查询的限制，支持一致的前后翻页。
PIT时间点介绍
限制：
推荐方式：
在大多数情况下，推荐使用 Search After 或 From/Size。选择哪种方式通常取决于你的具体需求和性能考虑。
From/Size。Search After，这样可以更好地处理大量数据，并且不会对服务器资源产生过大的压力。需要注意的是，对于大型数据集的分页，最好考虑使用游标式的分页（如 Search After 或 Scroll），以避免性能问题。而对于小型数据集，简单的 From/Size 方式可能更为方便。
1. Search After 分页 示例
// 第一次请求
GET /your_index/_search
{
"query": {
"match_all": {}
},
"size": 3,
"sort": [
{"_uid": "asc"} // 使用 _uid 排序确保唯一性
]
}
{
"hits": {
"total": {
"value": 10,
"relation": "eq"
},
"hits": [
{"_source": {"title": "Document 1"}, "sort": ["_uid:1"]},
{"_source": {"title": "Document 2"}, "sort": ["_uid:2"]},
{"_source": {"title": "Document 3"}, "sort": ["_uid:3"]}
]
}
}
// 第二次请求
GET /your_index/_search
{
"query": {
"match_all": {}
},
"size": 3,
"sort": [
{"_uid": "asc"}
],
"search_after": ["_uid:3"] // 上一页结果中最后一个文档的排序值
}
{
"hits": {
"total": {
"value": 10,
"relation": "eq"
},
"hits": [
{"_source": {"title": "Document 4"}, "sort": ["_uid:4"]},
{"_source": {"title": "Document 5"}, "sort": ["_uid:5"]},
{"_source": {"title": "Document 6"}, "sort": ["_uid:6"]}
]
}
}
使用 Search After 分页时，需要在每个请求中提供上一页结果中最后一个文档的排序值。这个值是一个数组，包含了用于排序的字段值。在上述示例中，使用
_uid字段作为排序字段确保了唯一性。请注意，使用 Search After 分页通常比 Scroll API 更为高效，尤其对于大数据集。
2. from size 分页 示例
// 第一次请求
GET /your_index/_search
{
"query": {
"match_all": {}
},
"from": 0,
"size": 3
}
{
"hits": {
"total": {
"value": 10,
"relation": "eq"
},
"hits": [
{"_source": {"title": "Document 1"}},
{"_source": {"title": "Document 2"}},
{"_source": {"title": "Document 3"}}
]
}
}
// 第二次请求
GET /your_index/_search
{
"query": {
"match_all": {}
},
"from": 3,
"size": 3
}
{
"hits": {
"total": {
"value": 10,
"relation": "eq"
},
"hits": [
{"_source": {"title": "Document 4"}},
{"_source": {"title": "Document 5"}},
{"_source": {"title": "Document 6"}}
]
}
}
3. Scroll 分页 示例
// 第一次请求
POST /your_index/_search?scroll=1m
{
"query": {
"match_all": {}
},
"size": 3
}
{
"_scroll_id": "your_scroll_id", // OpenSearch返回一个scroll ID，通过该ID可以按批次获取结果。
"hits": {
"total": {
"value": 10,
"relation": "eq"
},
"hits": [
{"_source": {"title": "Document 1"}},
{"_source": {"title": "Document 2"}},
{"_source": {"title": "Document 3"}}
]
}
}
// 第二次请求
POST /_search/scroll
{
"scroll": "1m",
"scroll_id": "your_scroll_id"
}
{
"_scroll_id": "your_new_scroll_id",
"hits": {
"total": {
"value": 10,
"relation": "eq"
},
"hits": [
{"_source": {"title": "Document 4"}},
{"_source": {"title": "Document 5"}},
{"_source": {"title": "Document 6"}}
]
}
}
默认情况下，全文查询按相关性分数对结果进行排序。可以通过设置order参数为asc或desc，按升序或降序对任何字段值进行排序。
例如，通过以下查询以Henry IV剧名为条件，按line_id字段值降序排序：
GET shakespeare/_search
{
"query": {
"term": {
"play_name": {
"value": "Henry IV"
}
}
},
"sort": [
{
"line_id": {
"order": "desc"
}
}
]
}
排序参数是一个数组，可以按优先级指定多个字段值。
如果有两个字段对于line_id具有相同的值，OpenSearch将使用speech_number进行第二次排序：
GET shakespeare/_search
{
"query": {
"term": {
"play_name": {
"value": "Henry IV"
}
}
},
"sort": [
{
"line_id": {
"order": "desc"
}
},
{
"speech_number": {
"order": "desc"
}
}
]
}
可以继续按任意数量的字段值进行排序，不仅限于数值字段，还可以按照日期或时间戳字段进行排序。
如果要排序文本字段，需要使用关键字类型的文本字段的原始版本。例如，通过play_name.keyword进行排序：
GET shakespeare/_search
{
"query": {
"term": {
"play_name": {
"value": "Henry IV"
}
}
},
"sort": [
{
"play_name.keyword": {
"order": "desc"
}
}
]
}
可以使用search_after参数结合sort参数进行更高效的滚动。确保search_after数组中的值与sort数组中的值相同且顺序一致。
排序模式(sort mode)适用于按数组或多值字段排序。它指定应选择哪个数组值来对文档进行排序。对于包含数字数组的数值字段，可以按照平均值(avg)、总和(sum)或中位数(median)模式进行排序。对于数字和字符串数据类型，可以使用最小值(min)或最大值(max)模式进行排序。
缺失值(missing values)参数指定对缺失值的处理方式。可以设置为_last（将缺失值的文档列在最后）或_first（将缺失值的文档列在最前）。默认值是_last。还可以指定用于缺失文档的自定义值作为排序值。
如果字段没有映射，可以使用unmapped_type参数，指示OpenSearch忽略该字段。这在处理未映射字段时很有用。
高亮（Highlighting）可以用于突出显示搜索结果中匹配查询条件的部分。
请注意，为了使高亮工作，字段需要被正确地映射为text类型，并且在创建索引时要启用高亮设置。
PUT /my_index
{
"mappings": {
"properties": {
"content": {
"type": "text", // content字段同时包含text类型和keyword类型，以便我们可以在查询中使用content.keyword来进行排序等操作。
"fields": {
"keyword": {
"type": "keyword"
}
}
}
}
}
}
// 使用match查询来匹配包含关键词"Elasticsearch"的文档。然后，通过highlight参数指定了要高亮显示的字段，这里是content字段。
GET /my_index/_search
{
"query": {
"match": {
"content": "Elasticsearch"
}
},
"highlight": {
"fields": {
"content": {}
}
}
}
{
"hits": {
"total": {
"value": 2,
"relation": "eq"
},
"hits": [
{
"_source": {
"id": 1,
"name": "John",
"content": "Elasticsearch is a powerful search engine."
},
"highlight": {
"content": [
"<em>Elasticsearch</em> is a powerful search engine."
]
}
},
{
"_source": {
"id": 3,
"name": "Bob",
"content": "<em>Elasticsearch</em> is part of the ELK Stack."
},
"highlight": {
"content": [
"<em>Elasticsearch</em> is part of the ELK Stack."
]
}
}
]
}
}