ElasticSearch DSL 查詢

碼農充電站發表於2021-02-23

Elasticsearch

公號：碼農充電站pro
主頁：https://codeshellme.github.io

DSL（Domain Specific Language）查詢也叫做 Request Body 查詢，它比 URI 查詢更高階，能支援更復雜的查詢。

1，分頁

預設情況下，查詢按照算分排序，返回前 10 條記錄。

ES 也支援分頁，分頁使用 from-size：

from：從第幾個文件開始返回，預設為 0。
size：返回的文件數，預設為 10。

示例：

POST /index_name/_search
{
  "from":10,
  "size":20,
  "query":{
    "match_all": {}
  }
}

1.1，深度分頁問題

ES 是一個分散式系統，資料儲存在多個分片中，那麼查詢時就需要查詢多個分片。

比如一個查詢 from = 990; size = 10，那麼 ES 需要在每個分片上都獲取 1000 個文件：

然後通過 Coordinating 節點彙總結果，最後再通過排序獲取前 1000 個文件。

這種方式，當頁數很深的時候，就會佔用很多記憶體，從而給 ES 叢集帶來很大的開銷，這就是深度分頁問題。

因此，ES 為了避免此類問題帶來的巨大開銷，有個預設的限制 index.max_result_window，from + size 必須小於等於 10000，否則就會報錯。

比如：

POST index_name/_search
{
  "from": 10000,  # 報錯
  "size": 1,
  "query": {
    "match_all": {}
  }
}

POST index_name/_search
{
  "from": 0,  # 報錯
  "size": 10001,
  "query": {
    "match_all": {}
  }
}

為了解決深度分頁問題，ES 有兩種解決方案：Search After 和 Scroll。

1.2，Search After

Search After 通過實時獲取下一頁的文件資訊來實現，使用方法：

第一步搜尋需要指定 sort，並且保證值是唯一的（通過sort by id 來保證）。
隨後的搜尋，都使用上一次搜尋的最後一個文件的 sort 值進行搜尋。

Search After 的方式不支援指定頁數，只能一頁一頁的往下翻。

Search After 的原理：

在這裡插入圖片描述

示例：

# 插入一些資料
DELETE users

POST users/_doc
{"name":"user1","age":10}

POST users/_doc
{"name":"user2","age":11}

POST users/_doc
{"name":"user2","age":12}

POST users/_doc
{"name":"user2","age":13}

# 第一次搜尋
POST users/_search
{
    "size": 1,   # size 值
    "query": {
        "match_all": {}
    },
    "sort": [
        {"age": "desc"} ,
        {"_id": "asc"}  # sort by id  
    ]
}

# 此時返回的文件中有一個 sort 值
# "sort" : [13, "4dR-IHcB71-f4JZcrL2z"]

# 之後的每一次搜尋都需要用到上一次搜尋結果的最後一個文件的 sort 值
POST users/_search
{
    "size": 1,
    "query": {
        "match_all": {}
    },
    "search_after": [ # 上一次搜尋結果的最後一個文件的 sort 值放在這裡
        13, "4dR-IHcB71-f4JZcrL2z"], 
    "sort": [
        {"age": "desc"} ,
        {"_id": "asc"}    
    ]
}

1.3，Scroll

Scroll 通過建立一個快照來實現，方法：

每次查詢時，輸入上一次的 Scroll Id。

Scroll 方式的缺點是，當有新的資料寫入時，新寫入的資料無法被查到（第一次建立快照時有多少資料，就只能查到多少資料）。

示例：

# 寫入測試資料
DELETE users
POST users/_doc
{"name":"user1","age":10}

POST users/_doc
{"name":"user2","age":20}

# 第一次查詢前，先建立快照，快照存在時間為 5 分鐘，一般不要太長
POST /users/_search?scroll=5m
{
    "size": 1,
    "query": {
        "match_all" : {}
    }
}

# 返回的結果中會有一個 _scroll_id

# 查詢
POST /_search/scroll
{
    "scroll" : "1m", # 快照的生存時間，這裡是 1 分鐘
    "scroll_id" : "xxx==" # 上一次的 _scroll_id 值
}

# 每次的查詢結果都會返回一個 _scroll_id，供下一次查詢使用
# 所有的資料被查完以後，再查詢就得不到資料了

1.4，不同分頁方式的使用場景

分頁方式共 4 種：

普通查詢（不使用分頁）：需要實時獲取頂部的部分文件。
From-Size（普通分頁）：適用於非深度分頁。
Search After：需要深度分頁時使用。
Scroll：需要全部文件，比如匯出全部資料。

2，排序

ES 預設使用算分進行排序，我們可以使用 sort-processor（不需要再計算算分）來指定排序規則；可以對某個欄位進行排序，最好只對數字型和日期型欄位排序。

示例：

POST /index_name/_search
{
  "sort":[{"order_date":"desc"}], # 單欄位排序
  "query":{
    "match_all": {}
  }
}

POST /index_name/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [ # 多欄位排序
    {"order_date": {"order": "desc"}},
    {"_doc":{"order": "asc"}},
    {"_score":{ "order": "desc"}} # 如果不指定 _score，那麼算分為 null
  ]
}

對 text 型別的資料進行排序會發生錯誤，可以通過開啟 fielddata 引數（一般不建議這麼做），來對 text 型別進行排序：

# 開啟 text的 fielddata
PUT index_name/_mapping
{
  "properties": {
    "customer_full_name" : {       # 欄位名稱
          "type" : "text",
          "fielddata": true,       # 開啟 fielddata
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          }
        }
  }
}

3，欄位過濾

可以使用 _source 設定需要返回哪些欄位。示例：

POST /index_name/_search
{
  "_source":["order_date", "xxxxx"],
  "query":{
    "match_all": {}
  }
}

_source 中可以使用萬用字元，比如 ["name*", "abc*"]。

4，指令碼欄位

可以使用指令碼進行簡單的表示式運算。

POST /index_name/_search
{
  "script_fields": { # 固定寫法
    "new_field": {   # 新的欄位名稱
      "script": {    # 固定寫法
        "lang": "painless", # 固定寫法
        "source": "doc['order_date'].value+'hello'" # 指令碼語句
      }
    }
  },
  "query": {
    "match_all": {}
  }
}

5，查詢與過濾

查詢會有相關性算分；過濾不需要進行算分，可以利用快取，效能更好。

參考這裡。

6，全文字查詢

全文字（Full text）查詢會對搜尋字串進行分詞處理。

全文字查詢有以下 9 種：

intervals 查詢：可以對匹配項的順序和接近度進行細粒度控制。
match 查詢：全文字查詢中的標準查詢，包括模糊匹配、短語和近似查詢。
match_bool_prefix 查詢：
match_phrase 查詢：
match_phrase_prefix 查詢：
multi_match 查詢：
common terms 查詢：
query_string 查詢：
simple_query_string 查詢：

6.1，Match 查詢

Match 查詢是全文搜尋的標準查詢，與下面的幾種查詢相比，更加強大，靈活性也更大，最常使用。

Match 查詢會先對輸入字串進行分詞，然後對每個詞項進行底層查詢，最後將結果合併。

例如對字串 "Matrix reloaded" 進行查詢，會查到包含 "Matrix" 或者 "reloaded" 的所有結果。

在這裡插入圖片描述

示例：

POST index_name/_search
{
  "query": {
    "match": {
      "title": "last christmas" # 表示包含 last 或 christmas
    }
  }
}

POST index_name/_search
{
  "query": {
    "match": {
      "title": { # 表示包含 last 且 包含 christmas，不一定挨著
        "query": "last christmas",
        "operator": "and"
      }
    }
  }
}

6.2，Match Phrase 查詢

使用 match_phrase 關鍵字。示例：

POST index_name/_search
{
  "query": {
    "match_phrase": {
      "title":{
        "query": "one love" # "one love" 相當於一個單詞
      }
    }
  }
}

POST index_name/_search
{
  "query": {
    "match_phrase": {
      "title":{
        "query": "one love",
        "slop": 1 # "one" 和 "love" 之間可以有 1 個字元
      }
    }
  }
}

6.3，Query String 查詢

使用 query_string 關鍵字。示例：

POST index_name/_search
{
  "query": {
    "query_string": {
      "default_field": "name",   # 預設查詢欄位，相當於 URI 查詢中的 df
      "query": "Ruan AND Yiming" # 可以使用邏輯運算子
    }
  }
}

# 多 fields 與 分組
POST index_name/_search
{
  "query": {
    "query_string": {
      "fields":["name","about"], # 多個 fields
      "query": "(Ruan AND Yiming) OR (Java AND Elasticsearch)" # 支援分組
    }
  }
}

POST index_name/_search
{
  "query":{
    "query_string":{
      "fields":["title","year"],
      "query": "2012"
     }
   }
}

6.4，Simple Query String 查詢

使用 simple_query_string 關鍵字。

特點：

query 欄位中不支援 AND OR NOT，會當成普通字串。
- AND 用 + 替代
- OR 用 | 替代
- NOT 用 - 替代
Term 之間預設的關係是 OR，可以指定 default_operator 來修改。

示例：

# Simple Query 預設的 operator 是 OR
POST index_name/_search
{
  "query": {
    "simple_query_string": {
      "query": "Ruan AND Yiming", # 這裡的 AND 會當成普通的字串
      "fields": ["name"]
    }
  }
}

POST index_name/_search
{
  "query": {
    "simple_query_string": {
      "query": "Ruan Yiming",
      "fields": ["name"],
      "default_operator": "AND"
    }
  }
}

GET index_name/_search
{
	"query":{
		"simple_query_string":{
			"query":"Beautiful +mind",
			"fields":["title"]
		}
	}
}

6.5，Multi-match 查詢

一個字串在多個欄位中查詢的情況，如何匹配最終的結果。（還有一個 dis-max 查詢也是針對這種情況的）

一個字串在多個欄位中查詢的情況，Multi-match 有 6 種處理方式，如下：

best_fields：最終得分為分數最高的那個欄位，預設的處理方式。
most_fields：算分相加。不支援 AND 操作。
cross_fields：跨欄位搜尋，將一個查詢字串在多個欄位（就像一個欄位）上搜尋。
phrase：
phrase_prefix：
bool_prefix：

示例：

POST index_name/_search
{
  "query": {
    "multi_match" : {              # multi_match 查詢
      "query":      "brown fox",   # 查詢字串
      "type":       "best_fields", # 處理方式
      "fields":     [ "subject", "message" ], # 在多個欄位中查詢，fields 是一個陣列
      "tie_breaker": 0.3
    }
  }
}

7，Term 查詢

Term 查詢與全文字查詢不同的是，Term 查詢不會對查詢字串進行分詞處理，Term 查詢會在欄位匹配精確值。

Term 查詢輸入字串作為一個整體，在倒排索引中查詢匹配的詞項，並且會計算相關性評分。

Term 查詢包括以下 11 種：

exists 查詢
fuzzy 查詢
ids 查詢
prefix 查詢
range 查詢
regexp 查詢
term 查詢：如果某個文件的指定欄位包含某個確切值，則返回該文件。
terms 查詢
terms_set 查詢
type 查詢
wildcard 查詢

7.0，結構化資料與查詢

結構化查詢是對結構化資料的查詢，可以使用 Term 語句進行查詢。

結構化資料有著固定的格式，包括：

日期：日期比較，日期範圍運算等。
布林值：邏輯運算。
數字：數字大小比較，範圍比較等。
某些文字資料：比如標籤資料，關鍵詞等。

結構化查詢是對結構化資料的邏輯運算，運算結果只有“是”和“否”。

7.1，term 查詢

如果某個文件的指定欄位包含某個確切值，則返回該文件。

1，示例 1 精確匹配

下面舉一個 term 查詢的例子，首先插入一個文件：

POST /products/_bulk
{ "index": { "_id": 1 }}
{ "productID" : "XHDK-A-1293-#fJ3","desc":"iPhone" }

該文件插入時，會使用預設的分詞器進行分詞處理。

使用 term 查詢：

POST /products/_search
{
  "query": {
    "term": {
      "desc": {
        # "value": "iPhone" # 會對 iPhone 精確匹配查詢。
                            # 文件插入時，iPhone 變成了 iphone
                            # 所以查 iPhone 查不到任何內容
        "value":"iphone"    # 查 iphone 能查到
      }
    }
  }
}

keyword 子欄位

ES 預設會對 text 型別的資料建立一個 keyword 子欄位，用於精確匹配，這稱為 ES 的多欄位屬性。

keyword 子欄位將原始資料原封不動的儲存了下來。

可以通過 mapping 檢視，如下所示：

"desc" : {          # 欄位名稱
  "type" : "text",  # text 資料型別
  "fields" : {
    "keyword" : {   # keyword 子欄位
      "type" : "keyword",  # keyword 子型別
      "ignore_above" : 256
    }
  }
}

下面使用 keyword 子欄位進行查詢：

POST /products/_search
{
  "query": {
    "term": {
      "desc.keyword": {     # 在 desc 欄位的 keyword 子欄位中查詢
        "value": "iPhone"   # 能查到
        //"value":"iphone"  # 查不到
      }
    }
  }
}

2，示例 2 查詢布林值

term 查詢有算分：

POST index_name/_search
{
  "query": {    # 固定寫法
    "term": {   # term 查詢，固定寫法
      "avaliable": true  # 查詢 avaliable 欄位的值為 true 的文件
    }
  }
}

如果不需要算分，可以使用 constant_score 查詢，示例：

POST index_name/_search
{
  "query": {
    "constant_score": {        # constant_score 查詢，固定寫法
      "filter": {              # 固定寫法
        "term": {              # constant_score 包裝一個 term 查詢，就沒有了算分
          "avaliable": true
        }
      }
    }
  }
}

7.2，range 查詢

range 查詢中有幾個常用的比較運算：

運算子	含義
gt	大於
gte	大於等於
lt	小於
lte	小於等於

1，數字型別 range 查詢

示例：

POST index_name/_search
{
  "query": {       # 固定寫法
    "range": {     # range 查詢
      "age": {     # 欄位名稱
        "gte": 10, # 10 <= age <= 20
        "lte": 20
      }
    }
  }
}

2，日期型別 range 查詢

對於日期型別有幾個常用的符號：

符號	含義
y	年
M	月
w	周
d	天
H / h	小時
m	分鐘
s	秒
now	現在

示例：

POST index_name/_search
{
  "query" : {      # 固定寫法
    "range" : {    # range 查詢
      "date" : {   # 欄位名稱
        "gte" : "now-10y"  # 10年之前
      }
    }
  }
}

7.3，exists 查詢

exists 語句可以判斷文件是否存在某個欄位。

搜尋存在某個欄位的文件，示例：

POST index_name/_search
{
  "query" : {
    "exists": {  # 存在 date 欄位的文件
        "field": "date"
      }
   }
}

搜尋不存在某個欄位的文件，需要使用布林查詢。

示例：

POST index_name/_search
{
  "query": {
    "bool": {       # 布林查詢
      "must_not": { # 不存在
        "exists": { # 不存在 date 欄位的文件
          "field": "date"
        }
      }
    }
  }
}

7.4，terms 查詢

terms 語句用於處理多值查詢，相當於一個多值版的 term 語句，可以一次查詢多個值。

示例：

POST index_name/_search
{
  "query": {
    "terms": {  # terms 查詢
      "productID.keyword": [  # 欄位名稱
        "QQPX-R-3956-#aD8",   # 多個值
        "JODL-X-1937-#pV7"
      ]
    }
  }
}

8，複合查詢

複合查詢（Compound）能夠包裝其他複合查詢或葉查詢，以組合其結果和分數，更改其行為或者將查詢轉成過濾。

複合查詢有以下 5 種：

8.1，bool 查詢

bool 查詢是一個或多個子查詢的組合，共包含以下 4 種子句：

must：必須匹配，屬於查詢，貢獻算分。
filter：必須匹配，屬於過濾器，不貢獻算分。
should：選擇性匹配，只要有一個條件匹配即可，屬於查詢，貢獻算分。
must_not：必須不匹配，屬於過濾器，不貢獻算分。

bool 查詢的多個子句之間沒有順序之分，並且可以巢狀。

示例：

POST index_name/_search
{
  "query": {
    "bool" : {
      "must" : {
        "term" : { "user.id" : "kimchy" }
      },
      "filter": {
        "term" : { "tags" : "production" }
      },
      "must_not" : {
        "range" : {
          "age" : { "gte" : 10, "lte" : 20 }
        }
      },
      "should" : [ # 是一個陣列
        { "term" : { "tags" : "env1" } },
        { "term" : { "tags" : "deployed" } }
      ],
      "minimum_should_match" : 1,
      "boost" : 1.0
    }
  }
}

8.2，boosting 查詢

boosting 查詢會給不同的查詢條件分配不同的級別（positive / negative），不同的級別對算分有著不同的印象，從而影響最終的算分。

positive 級別會對算分有正面影響， negative 級別會對算分有負面影響。

我們可以使用 boosting 查詢給某些文件降級（降低算分），而不是將其從搜尋結果中排除。

示例：

GET index_name/_search
{
  "query": {
    "boosting": {      # boosting 查詢
      "positive": {    # positive 級別
        "term": {      # 匹配 apple 的會對算分有正面影響
          "text": "apple" 
        }
      },
      "negative": {   # negative 級別
        "term": {     # 匹配這個的會對算分有負面影響
          "text": "pie tart fruit crumble tree"
        }
      },
      "negative_boost": 0.5 # 降級的力度
    }
  }
}

8.3，constant_score 查詢

constant_score 查詢可以將查詢轉成一個過濾，可以避免算分（降低開銷），並有效利用快取（提高效能）。

示例：

POST /index_name/_search
{
  "query": {
    "constant_score": {   # constant_score  查詢
      "filter": {         # 過濾器，固定寫法
        "term": {         # 包裝了一個 term 查詢，將 term 查詢轉成了過濾
          "productID.keyword": "XHDK-A-1293-#fJ3"
        }
      }
    }
  }
}

8.4，dis_max 查詢

一個字串在多個欄位中查詢的情況，如何匹配最終的結果。（還有一個 Multi-match 查詢也是針對這種情況的）

示例：

POST index_name/_search
{
    "query": {
        "bool": {
            "should": [  # should 語句會綜合所有的欄位的分數，最終給出一個綜合分數
                { "match": { "title": "Brown fox" }},
                { "match": { "body":  "Brown fox" }}
            ]
        }
    }
}

POST index_name/_search
{
    "query": {
        "dis_max": {     # dis_max 語句不會綜合所有欄位的分數，而把每個欄位單獨來看
            "queries": [ # 最終結果是所有的欄位中分數最高的
                { "match": { "title": "Quick pets" }},
                { "match": { "body":  "Quick pets" }}
            ]
        }
    }
}

8.5，function_score 查詢

function_score 查詢可以在查詢結束後，對每一個匹配的文件進行重新算分，然後再根據新的算分進行排序。

它提供了以下 5 種算分函式：

script_score：自定義指令碼。
weight：為文件設定一個權重。
random_score：隨機算分排序。
field_value_factor：使用該數值來修改算分。
decay functions: gauss, linear, exp：以某個欄位為標準，距離某個值越近，得分越高。

1，field_value_factor 示例

首先插入測試資料：

DELETE blogs
PUT /blogs/_doc/1
{
  "title":   "About popularity",
  "content": "In this post we will talk about...",
  "votes":   0
}

PUT /blogs/_doc/2
{
  "title":   "About popularity",
  "content": "In this post we will talk about...",
  "votes":   100
}

PUT /blogs/_doc/3
{
  "title":   "About popularity",
  "content": "In this post we will talk about...",
  "votes":   1000000
}

查詢示例1：

新的算分 = 老的算分 * 投票數

POST /blogs/_search
{
  "query": {
    "function_score": {
      "query": {
        "multi_match": { # 該查詢會有一個算分
          "query":    "popularity",
          "fields": [ "title", "content" ]
        }
      },
      "field_value_factor": {  # 最終的算分要乘以 votes 欄位的值
        "field": "votes"
      }
    }
  }
}

上面這種演算法當出現這兩種情況的時候，會出現問題：

投票數為 0
投票數特別大

查詢示例2，引入平滑函式：

新的算分 = 老的算分 * 平滑函式(投票數)

POST /blogs/_search
{
  "query": {
    "function_score": {
      "query": {
        "multi_match": {
          "query":    "popularity",
          "fields": [ "title", "content" ]
        }
      },
      "field_value_factor": {
        "field": "votes",
        "modifier": "log1p"  # 在原來的基礎上加了一個平滑函式
      }                      # 新的算分 = 老的算分 * log(1 + 投票數)
    }
  }
}

平滑函式有下面這些：

在這裡插入圖片描述

查詢示例3，引入 factor ：

新的算分 = 老的算分 * 平滑函式(factor * 投票數)

POST /blogs/_search
{
  "query": {
    "function_score": {
      "query": {
        "multi_match": {
          "query":    "popularity",
          "fields": [ "title", "content" ]
        }
      },
      "field_value_factor": {
        "field": "votes",
        "modifier": "log1p" ,
        "factor": 0.1
      }
    }
  }
}

引入 factor 之後的算分曲線：

在這裡插入圖片描述

2，Boost Mode 和 Max Boost 引數

Boost Mode：

Multiply：算分與函式值的乘積。
Sum：算分與函式值的和。
Min / Max：算分與函式值的最小/最大值。
Replace：使用函式值替代算分。

Max Boost 可以將算分控制在一個最大值。

示例：

POST /blogs/_search
{
  "query": {
    "function_score": {
      "query": {
        "multi_match": {
          "query":    "popularity",
          "fields": [ "title", "content" ]
        }
      },
      "field_value_factor": {
        "field": "votes",
        "modifier": "log1p" ,
        "factor": 0.1
      },
      "boost_mode": "sum",
      "max_boost": 3
    }
  }
}

3，random_score 示例

示例：

POST /blogs/_search
{
  "query": {
    "function_score": {
      "random_score": {  # 將原來的查詢結果隨機排序
        "seed": 911119   # 隨機種子
      }
    }
  }
}

（本節完。）

推薦閱讀：

ElasticSearch 搜尋引擎概念簡介

歡迎關注作者公眾號，獲取更多技術乾貨。

碼農充電站pro

Elasticsearch Query DSL查詢入門
2019-05-17
Elasticsearch
Elasticsearch查詢及聚合類DSL語句寶典
2022-12-27
Elasticsearch
教你快速從SQL過度到Elasticsearch的DSL查詢
2021-08-17
SQLElasticsearch
實踐007-elasticsearch查詢之2-Request Body與DSL查詢
2022-05-06
Elasticsearch
ES 20 - 查詢Elasticsearch中的資料 (基於DSL查詢, 包括查詢校驗match + bool + term)
2019-06-27
Elasticsearch
Elasticsearch查詢
2018-12-01
Elasticsearch
Elasticsearch 高亮查詢
2019-01-24
Elasticsearch
Elasticsearch複合查詢——boosting查詢
2021-11-17
Elasticsearch
elasticsearch之多索引查詢
2021-12-31
Elasticsearch索引
Elasticsearch 分頁查詢
2021-04-05
Elasticsearch
ElasticSearch的查詢（二）
2021-02-03
Elasticsearch
elasticsearch的模糊查詢
2019-01-04
Elasticsearch
Elasticsearch 或並查詢
2019-01-24
Elasticsearch
Elasticsearch（三）：索引查詢
2020-10-21
Elasticsearch索引
elasticsearch之exists查詢
2023-01-12
Elasticsearch
Elasticsearch中的Term查詢和全文查詢
2021-07-06
Elasticsearch
elasticsearch查詢之大資料集分頁查詢
2022-02-08
Elasticsearch大資料
Elasticsearch系列---聚合查詢(一)
2020-04-02
Elasticsearch
Elasticsearch系列---聚合查詢原理
2020-04-17
Elasticsearch
Elasticsearch——filter過濾查詢
2019-02-19
ElasticsearchFilter
Elasticsearch 查詢與過濾
2021-03-13
Elasticsearch
elasticsearch 查詢（match和term）
2017-06-12
Elasticsearch
【DSL】Elasticsearch之Analyze(分析過程)
2019-03-06
Elasticsearch
es的複雜查詢測試，使用jest的dsl工具寫查詢語句
2020-12-19
Elasticsearch 複合查詢——多字串多欄位查詢
2021-03-14
Elasticsearch字串
Elasticsearch 並或查詢 JSON
2019-04-04
ElasticsearchJSON
ElasticSearch中的簡單查詢
2016-11-22
Elasticsearch
Elasticsearch查詢語句語法
2017-08-28
Elasticsearch
elasticsearch Request Body 與 Query DSL詳解
2020-11-02
Elasticsearch
Elasticsearch ILM DSL 索引生命週期管理
2023-04-24
Elasticsearch索引
【ElasticSearch】給ElasticSearch資料庫配置慢查詢日誌
2021-06-18
Elasticsearch資料庫
ElasticSearch基礎及查詢語法
2019-05-03
Elasticsearch
Elasticsearch——定位不合法的查詢
2019-02-19
Elasticsearch
ElasticSearch類似Mysql的not in 和 in 查詢
2021-09-08
ElasticsearchMySql
Elasticsearch 單字串多欄位查詢
2021-03-15
Elasticsearch字串
elasticsearch之單請求多查詢
2023-01-05
Elasticsearch
Elasticsearch 查詢in 和 not in 的實現方式
2017-11-30
Elasticsearch
實踐006-elasticsearch查詢之1-URI Search查詢
2022-05-05
Elasticsearch

ElasticSearch DSL 查詢

1，分頁

1.1，深度分頁問題

1.2，Search After

1.3，Scroll

1.4，不同分頁方式的使用場景

2，排序

3，欄位過濾

4，指令碼欄位

5，查詢與過濾

6，全文字查詢

6.1，Match 查詢

6.2，Match Phrase 查詢

6.3，Query String 查詢

6.4，Simple Query String 查詢

6.5，Multi-match 查詢

7，Term 查詢

7.0，結構化資料與查詢

7.1，term 查詢

1，示例 1 精確匹配

2，示例 2 查詢布林值

7.2，range 查詢

1，數字型別 range 查詢

2，日期型別 range 查詢

7.3，exists 查詢

7.4，terms 查詢

8，複合查詢

8.1，bool 查詢

8.2，boosting 查詢

8.3，constant_score 查詢

8.4，dis_max 查詢

8.5，function_score 查詢

1，field_value_factor 示例

2，Boost Mode 和 Max Boost 引數

3，random_score 示例

相關文章