> 文档中心 > Elasticsearch搜索结果处理

Elasticsearch搜索结果处理

CSDN话题挑战赛第1期
活动详情地址:https://marketing.csdn.net/p/bb5081d88a77db8d6ef45bb7b6ef3d7f
参赛话题:Java学习记录
话题描述:可以记录一下平时学习Java中的一些知识点、心得、例题、常见的问题解决

创作模板:

一、前言

  • 学习概述:简单的介绍一下本篇文章要讲解的Java知识点
  • 学习目标:读者读完这篇文章之后,你希望他掌握你讲解的哪些重要的知识点

Elasticsearch搜索结果处理

1、排序

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。

1.1、普通字段排序

keyword、数值、日期类型排序的语法基本一致。

GET /indexName/_search{  "query": {    "match_all": {}  },  "sort": [    {      "FIELD": "desc"  // 排序字段、排序方式ASC、DESC    }  ]}

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
# sort排序需求:按照评分倒序,按价格升序GET /hotel/_search{  "query": {    "match_all": {}  },  "sort": [    {      "score": { "order": "desc"      },      "price": { "order": "asc"      }    }  ]}
1.2、地理坐标排序

使用语法

GET /indexName/_search{  "query": {    "match_all": {}  },  "sort": [    {      "_geo_distance" : {   "FIELD" : "纬度,经度", // 文档中geo_point类型的字段名、目标坐标点   "order" : "asc", // 排序方式   "unit" : "km" // 排序的距离单位      }    }  ]}

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:https://lbs.amap.com/demo/jsapi-v2/example/map/click-to-get-lnglat/

假设我的位置是:31.034661,121.612282,寻找我周围距离最近的酒店。

# 按照地理坐标来排序GET /hotel/_search{  "query": {    "match_all": {}  },  "sort": [    {      "_geo_distance": { "location": {   "lat": 31.034661,   "lon": 121.612282 }, "order": "asc", "unit": "km"      }    }  ]}

查询的结果会返回一个sort字段,代表的是距离我当前位置的酒店距离是多少管理

同时,我们指定排序之后_score算分字段是不会在进行算分的,因为已经没有意义了

2、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:

  • from:从第几个文档开始
  • size:总共查询几个文档

类似于mysql中的limit ?, ?

2.1、基本分页查询语法如下
GET /hotel/_search{  "query": {    "match_all": {}  },  "from": 0, // 分页开始的位置,默认为0  "size": 10, // 期望获取的文档总数  "sort": [    {"price": "asc"} // 排序方式  ]}
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:

GET /hotel/_search{  "query": {    "match_all": {}  },  "from": 990, // 分页开始的位置,默认为0  "size": 10, // 期望获取的文档总数  "sort": [    {"price": "asc"}  ]}

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:

Elasticsearch搜索结果处理

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。

Elasticsearch搜索结果处理

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。
2.3.小结

分页查询的常见实现方案以及优缺点:

  • 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

    • 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。

3、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

高亮的语法

GET /hotel/_search{  "query": {    "match": {      "FIELD": "TEXT" // 查询条件,高亮一定要使用全文检索查询    }  },  "highlight": {    "fields": { // 指定要高亮的字段      "FIELD": { "pre_tags": "",  // 用来标记高亮字段的前置标签 "post_tags": "" // 用来标记高亮字段的后置标签      }    }  }}

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
示例
# 高亮显示GET /hotel/_search{  "query": {    "match": {      "all": "如家"    }  },  "highlight": {    "fields": {      "name": { "require_field_match": "false"      }    }  }}

查询结果

高亮显示的会在highlight下展示

必须指定require_field_match为false,否则不会显示高亮,因为默认是需要与搜索的字段一致的,而all里面包含了几个字段信息,所以需要进行修改,后面的话就将高亮的部分进行替换显示就可以达到高亮的效果了

{    "_index" : "hotel",    "_type" : "_doc",    "_id" : "339952837",    "_score" : 2.7875905,    "_source" : {      "address" : "良乡西路7号",      "brand" : "如家",      "business" : "房山风景区",      "city" : "北京",      "id" : 339952837,      "location" : "39.73167, 116.132482",      "name" : "如家酒店(北京良乡西路店)",      "pic" : "https://m.tuniucdn.com/fb3/s1/2n9c/3Dpgf5RTTzrxpeN5y3RLnRVtxMEA_w200_h200_c1_t0.jpg",      "price" : 159,      "score" : 46,      "starName" : "二钻"    },    "highlight" : {      "name" : [ "如家酒店(北京良乡西路店)"      ]    }}

总结

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
# 搜索高亮总结GET /hotel/_search{  "query": {    "match": {      "name": "如家"    }  },  "from": 0,  "size": 20,  "sort": [    {      "price": { "order": "asc"      }    },    { "_geo_distance": {   "location":"31.000,121.6214",   "order":"asc",   "unit":"km" }      }  ],  "highlight": {    "fields": {      "name": { "require_field_match": "false"      }    }  }}

CSDN话题挑战赛第1期
活动详情地址:https://marketing.csdn.net/p/bb5081d88a77db8d6ef45bb7b6ef3d7f

历史新知