Elasticsearch Query DSL之Term level queries
本文将开始探讨 elasticsearch 的另外一种查询方式：term_query。
term_level查询操作的是存储在反向索引（倒排索引）中的准确词根，这些查询通常用于结构化数据，如数字、日期和枚举，而不是全文字段，无需进行分析（分词），term level查询类似于关系型数据库的（where条件过滤）。其查询模式如下：
- term query
查找包含指定字段中精确匹配查询字符串的文档。 - terms query
查找包含指定字段中包含查询词根集合中任意一个精确匹配的文档。 - terms_set query
查找与一个或多个指定词根相匹配的文档。必须匹配的项的数量取决于指定的最小值或脚本。 - range query
范围查询 - exists query
返回在原始字段中至少有一个非空值的文档 - prefix query
前缀查询 - wildcard query
通配符查询 - regexp query
正则表达式查询 - fuzzy query
模糊查询 - type query
指定类型查询 - ids query
ids数组查询。
本节目录
- term query
- 2、terms query
- 2.1 terms 查询机制
- 2.2 java(Demo示例)
- 3、terms_set query
- 4、range query
- 4.1 data maths(日期函数)
- 4.2 日期类型范围查询示例(使用date maths)
- 4.3 日期类型范围查询示例(使用日期格式转换)
- 5、exists query
- 5.1 null_value映射
- 5.2 查询不存在某个字段的文档
- 6、prefix query
- 7、Wildcard Query
- 8、regexp Query
- 9、fuzzy query
- 10、type query
- 11、ids query
term query
term query从索引库中的词根倒排索引中精确匹配文档。
POST _search
{
"query": {
"term" : { "user" : "Kimchy" }
}
}
其含义就是，查找user属性为"Kimchy"的文档，执行查询之前，不会对查询字符串"Kimchy"进行分词。term query查询支持boost参数来提高单个词根的相关度。
不同字段类型的分析处理过程不净相同，下面是各数据类型的处理机制：
字符串字段（string）可以是文本类型(作为全文处理，如电子邮件正文)，也可以是关键字类型(keyword)(作为确切值处理，如电子邮件地址或邮政编码)。精确值(如数字、日期和关键字类型)将字段中指定的精确值添加到倒排索引中，以使其可搜索。
text类型的字段，其值首先会进行分析（使用分词器）然后得出一系列的词根，然后将词根添加到倒排索引中。分析文本有很多方法:默认的标准分析器删除大多数标点符号，将文本分解为单个单词，并使用小写字母，在创建索引映射（类似于关系型数据库的表结构，当然有区别）时可以指定各个字段的分词器，在查询的时候也可以使用指定的分词器对查询字符串进行分析，其配置参数名称为：analyzer 。
下面举例说明一下全文索引(match_query)与精确查询(term_query)的工作过程：
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"full_text": {
"type": "text" // @1
},
"exact_value": {
"type": "keyword" // @2
}
}
}
}
}
PUT my_index/_doc/1 // @3
{
"full_text": "Quick Foxes!",
"exact_value": "Quick Foxes!"
}
根据上面介绍得知，字段full_text的值会先使用分词器进行分析，然后将分词后的词根存入倒排索引中，而字段exact_value则会直接将值当成词根存入倒排索引中，并不会进行分词。代码@3存入一个文档，full_text的"Quick Foxes!"默认使用标准分词器，则会生产词根[quick、foxes]，然后将quick、foxes存入倒排索引中，而字段exact_value不会使用分词器，直接将"Quick Foxes!"存入倒排索引中。
基于上面的索引定义与数据，来分析一下这些查询是否能匹配到该文档：
查阅示例1：
GET my_index/_search
{
"query": {
"term": {
"exact_value": "Quick Foxes!"
}
}
}
分析：使用term_query，并且字段为exact_value，表示精确匹配得知，该字段存储的值与查询值完成匹配，故结论为能匹配到文档。
查询示例2：
GET my_index/_search
{
"query": {
"term": {
"full_text": "Quick Foxes!"
}
}
}
分析：使用term_query匹配，使用full_text字段，查询字符串与存入文档之前的值一样，看似能匹配上，但其实不然，根据上面的分析可值，由于full_text字段的类型为text，存入倒排序列的并不是"Quick Foxes!",而是quick、foxes，故结论为无法匹配到文档。
查询示例3：
GET my_index/_search
{
"query": {
"term": {
"full_text": "foxes"
}
}
}
分析：使用term_query，并且采用查询字符串foxes，由于full_text是text字段类型，会先进行分词，故会存入quick、foxes两个词根，与输入字符串foxes匹配，故结论为能匹配到文档。
查询示例4：
GET my_index/_search
{
"query": {
"match": {
"full_text": "Quick Foxes!"
}
}
}
分析：使用match query(权威搜索)，会首先对查询字符串进行分词，然后根据词根一一匹配，故该结果能匹配到文档。
2、terms query
查找包含指定字段中包含查询词根集合中任意一个精确匹配的文档。实例如下：
GET /_search
{
"query": {
"terms" : { "user" : ["kimchy", "elasticsearch"]}
}
}
其查询的意图：查询"user"属性的值为"kimchy"或"elasticsearch"的文档。
2.1 terms 查询机制
试想如下一个场景，在微博应用场景中，需要查看关注你的所有用户发布的微博，那这个查询第一步应该是得到关注你的所有用户列表，然后查询微博的发布者ID在关注你的列表集合中的所有文档。这个关注列表一般不会很小，如果要分两步来实现的话，查询中传入的terms这个集合会很大，相当于关系型数据库中的in (很大的集合)，那有没有一种机制，支持类似关系型数据库中 a.id in ( select b.id from B b where …)这种方式呢？答案当然是有的。 下面下能给出本次试验的基础数据：
PUT /users/_doc/2
{
"followers" : ["1", "3"]
}
PUT /tweets/_doc/1
{
"user" : "1"
}
//其查询写法如下：
GET /tweets/_search
{
"query" : {
"terms" : {
"user" : {
"index" : "users",
"type" : "_doc",
"id" : "2",
"path" : "followers"
}
}
}
}
查询terms支持如下参数：
- index 指定查询索引名（相当于关系型数据库database）
- type 指定类型名(相当于关系型数据库table)
- id 指定文档的id(相当于关系型数据库的row 主键id)
- path：值来自哪个字段，支持级联，例如followers.id等嵌套json属性。
- routing：指定路由字段值。
从上可知，terms过滤器的值将从具有指定类型的索引中的指定id的文档中的字段中获取。在内部执行get请求以从指定路径（_source字段中存储的值）中提取。
使用大量词根执行terms查询请求可能相当缓慢，因为每个词根都需要额外的处理和占用内存。为了防止出现这种情况，可以设置最大支持的terms的个数，默认为65536。可以通过设置index.max_terms_count来更改此默认值。
2.2 java(Demo示例)
public static void testTermsQuery() {
RestHighLevelClient client = EsClient.getClient();
try {
SearchRequest searchRequest = new SearchRequest();
searchRequest.indices("esdemo");
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
sourceBuilder.query(
QueryBuilders.termsQuery("context", "fox", "brown")
);
// TermsLookup termsLookup = new TermsLookup("esdemo", "matchquerydemo", "1", "context");
// termsLookup.routing("1");
// sourceBuilder.query(
// QueryBuilders.termsLookupQuery("context", termsLookup);
// );
searchRequest.source(sourceBuilder);
SearchResponse result = client.search(searchRequest, RequestOptions.DEFAULT);
System.out.println(result);
} catch (Throwable e) {
e.printStackTrace();
} finally {
EsClient.close(client);
}
}
3、terms_set query
查找与一个或多个指定词根相匹配的文档。必须匹配的项的数量取决于指定的最小值或脚本。必须匹配的项的数量根据每个文档的不同而不同，并且由最小值控制的项应该匹配字段，或者由最小值计算的每个文档应该匹配脚本，先从示例开始讲起：
PUT /my-index
{
"mappings": {
"_doc": {
"properties": {
"required_matches": {
"type": "long"
}
}
}
}
}
首先为_doc类型新增一个数值型的字段，这里取值为required_matches。
PUT /my-index/_doc/1?refresh
{
"codes": ["ghi", "jkl"],
"required_matches": 2
}
PUT /my-index/_doc/2?refresh
{
"codes": ["def", "ghi"，“test”,"ak"],
"required_matches": 3
}
在存入es中，会自己决定需要匹配的词根个数，低于这个数值，则不会返回该文档。
GET /my-index/_search
{
"query": {
"terms_set": {
"codes" : {
"terms" : ["abc", "def", "ghi"],
"minimum_should_match_field": "required_matches"
}
}
}
}
通过属性minimum_should_match_field指定需要匹配的个数，但这个数值来源于文档内部的字段，故该属性值就是指定匹配个数的来源属性名称。该查询结构也支持脚本，其脚本指定字段为minimum_should_match_script，关于script脚本将会在专门的章节中讲述。
4、range query
范围查询。查询的类型取决于字段类型，对于string字段，是TermRangeQuery，而对于number/date字段，查询是NumericRangeQuery。以下示例返回年龄在10到20岁之间的所有文档。
GET _search
{
"query": {
"range" : {
"age" : {
"gte" : 10,
"lte" : 20,
"boost" : 2.0
}
}
}
}
range query支持如下参数：
- gte 大于等于
- gt 大于
- lte 小于等于
- lt 小于
- boost 权重（重要程度）
4.1 data maths(日期函数)
日期表达式以一个日期（基准日期，锚定日期）开始，可以是now，也可以是以||结尾的日期字符串。这个锚定日期可以有选择地跟随一个或多个数学表达式，例如：
- +1h 增加一小时
- -1d 减少一天
- /d - 向日取整 （返回该天的整点）
- /M -向月取整（返回该月的第一天的整点）
日期支持如下时间单位：
- y 年
- M 月
- w 周
- d 日
- h 小时（12表示法）
- H 小时(24表示法)
- m 分钟
- s 小时
假设现在是2001-01-01 12:00:00，以下是一些例子:
1、now+1h
当前时间加1小时，最终表示为：2001-01-01 13:00:00
2、now-1h
当前时间减1小时，最终表示为：2001-01-01 11:00:00
3、now-1h/d
先减去一小时，为2001-01-01 11:00:00，然后舍弃d后面的时间，这里是舍弃11:00:00，故最终表示为2001-01-01 00:00:00
4、2001.02.01||+1M/d
2001-02-01先加一个月，变为2001-03-01，然后舍弃天后的实际，最终表示为2001-03-01 00:00:00
4.2 日期类型范围查询示例(使用date maths)
GET _search
{
"query": {
"range" : {
"date" : {
"gte" : "now-1d/d",
"lt" : "now/d"
}
}
}
}
例如当前时间为2018-10-24 12:25:35,则代表查询的含义为date字段的值大于等于2018-10-23 00:00:00 小于 2018-10-24 00:00:00。
当使用日期数学将日期四舍五入到最近的日、月、小时等时，四舍五入的日期取决于范围的两端是否包含或排除。舍入移动到舍入范围的最后一毫秒，舍出到舍入范围的第一毫秒。关于各运算符的舍入舍出规则如下：
- gt
2014-11-18||/M becomes 2014-11-30T23:59:59.999, 使用gt(不包含e)，是向上，取当月最后一天23:59:59 - gte
2014-11-18||/M becomes 2014-11-01，如果运算符为大于等于，则向下舍弃，取当月第一天零点 - lt
2014-11-18||/M becomes 2014-11-01，如果运算算法小于，则向下舍弃 - lte
2014-11-18||/M becomes 2014-11-30T23:59:59.999, 小于等于，则向上，取当月最后一天的23:59:59
4.3 日期类型范围查询示例(使用日期格式转换)
GET _search
{
"query": {
"range" : {
"born" : {
"gte": "01/01/2012",
"lte": "2013",
"format": "dd/MM/yyyy||yyyy"
}
}
}
}
format使用 双竖线|| 做分隔符号，上面表示，查询born字段 大于等于2012-01-01 00:00:00 小于等于2013-01-01 00:00:00。
如果需要年月日，消息分钟，请用如下写法：
QueryBuilders.rangeQuery("post_date")
.gte("2018-10-25T14:12:10")
.lte("2018-10-27T14:12:10")
.format("yyyy-MM-dd'T'HH:mm:ss||yyyy-MM-dd'T'HH:mm:ss")。// ‘T’用来分隔 年月日 与 时分秒。
5、exists query
返回指定字段中至少有一个非空值（null）的文档。示例如下：
GET /_search
{
"query": {
"exists" : { "field" : "user" }
}
}
对于上面的查询，下面的所有文档都将符合要求：
{ “user”: “jane” }
{ “user”: “” } // 空字符串不为null
{ “user”: “-” }
{ “user”: [“jane”] }
{ “user”: [“jane”, null ] } //因为存在jane值不为null，则匹配。
5.1 null_value映射
自定义null值。例如将"null"字符串定义为null值。
PUT /example
{
"mappings": {
"_doc": {
"properties": {
"user": {
"type": "keyword",
"null_value": "_null_"
}
}
}
}
}
其作用是会将user字段的null值索引为_null_字符串，则下面的文档将能被exists匹配：
{ “user”: null }
{ “user”: [null] }
5.2 查询不存在某个字段的文档
GET /_search
{
"query": {
"bool": {
"must_not": {
"exists": {
"field": "user"
}
}
}
}
}
查询不存在属性user的文档。
6、prefix query
词根前缀查询，对查询词根不会使用分词器进行分词。使用示例如下：
GET /_search
{ "query": {
"prefix" : { "user" : "ki" }
}
}
同样，也可以未字段设置权重(boost)。示例如下：
GET /_search
{ "query": {
"prefix" : { "user" : { "value" : "ki", "boost" : 2.0 } }
}
}
其代表含义可转换为关系型数据库查询语句：where a.user like ‘ki%’。
思考一下，如果存在有文档的user字段的值为"Kimmi"，使用如下字符查询条件：
{ "query": {
"prefix" : { "user" : "Ki" }
}
}
该查询能匹配到结果吗？在默认使用标准分词器的环境中，是无法匹配到数据的，其原因如下：首先，在存储文档时，首先会对"kimmi"字段进行分词，返回的词根为kimmi(全小写)，将这些词根存入到Elasticsearch(lucene)的倒排索引中，然后进行查询时，并不会使用分词器对 prefix进行分词，故查询字符串为Ki，是无法匹配到上述文档的，要向匹配到文档，请使用小写的查询ki。这也是ES中的term(词根精确查询)与关系型数据库的一个非常重要的区别。
JAVA代码查询示例：
public static void testTermQuery_prefix() {
RestHighLevelClient client = EsClient.getClient();
try {
SearchRequest searchRequest = new SearchRequest();
searchRequest.indices("twitter");
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
sourceBuilder.query(
QueryBuilders.prefixQuery("user", "ki")
.boost(2.0f)
);
searchRequest.source(sourceBuilder);
SearchResponse result = client.search(searchRequest, RequestOptions.DEFAULT);
System.out.println(result);
} catch (Throwable e) {
e.printStackTrace();
} finally {
EsClient.close(client);
}
}
7、Wildcard Query
通配符匹配。支持的通配符为和?。其中代表任何的字符序列，包含空字符，而?代表任意的单个字符。这种查询需慎重，特别是对于以通配符开头的查询，例如"a"或"?b"，因为这种需要遍历整个倒排索引，通常建议使用 “查询字符加通配符”，例如"a"或"a*b"这类。
其查询举例如下：
GET /_search
{
"query": {
"wildcard" : { "user" : "ki*y" }
}
}
对应的java查询如下：
public static void testWildcardQuery() {
RestHighLevelClient client = EsClient.getClient();
try {
SearchRequest searchRequest = new SearchRequest();
searchRequest.indices("esdemo");
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
sourceBuilder.query(
QueryBuilders.wildcardQuery("user", "ki*il")
);
searchRequest.source(sourceBuilder);
SearchResponse result = client.search(searchRequest, RequestOptions.DEFAULT);
System.out.println(result);
} catch (Throwable e) {
e.printStackTrace();
} finally {
EsClient.close(client);
}
}
8、regexp Query
正则表达式查询。
9、fuzzy query
模糊匹配，基于词根编辑距离来实现。所谓的词根编辑距离（其术语为： Levenshtein Edit Distance）是指一个词（字符序列）经过多少次单字符的修改能转换为另外一个词的次数。例如 cat --> cak 其编辑距离为1。
支持模糊匹配的查询API，其参数fuzziness可选值：
- 0：表示精确匹配。
- 1：表示允许出现1个编辑距离。
- 2：表示允许出现2个编辑距离。
- auto:当词根长度小于3时，则精确匹配；当词根长度大于3并且小于6时，允许1个编辑长度的词根匹配；当词根大于等于6后，允许2个编辑距离的词根匹配。默认为auto。
注意：fuzzy query是词根级别的查询，不会对查询字符串进行分析。
fuzziness 允许的编辑距离，默认为AUTO。
prefix_length 词根的前prefix_length个字符不允许出现编辑距离，指一个词根前面的部分必须是精确匹配，因为模糊匹配，一般是用来解决书写错误，或语法（因为的负数）等，前面的字符一般不会书写错误。
- max_expansions 最大去查找匹配词根的个数，默认为50。
- transpositions 是否支持位置变化，例如ab-ba，如果transpositions为true，则ab-ba的编辑距离为1,如果transpositions为false，则其编辑距离为2。默认为false。
其JAVA示例如下：
假设es数据库中缓存有如下文档：{“message”:“ab and hell”}
/**
* 日期范围查询demo
*/
public static void testFuzzyQuery() {
RestHighLevelClient client = EsClient.getClient();
try {
SearchRequest searchRequest = new SearchRequest();
searchRequest.indices("twitter");
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
sourceBuilder.query(
QueryBuilders.fuzzyQuery("message", "ba")
.transpositions(true)
.fuzziness(Fuzziness.ONE) // 如果transpositions设置为false,则无法匹配到上述文档，如果将fuzziness(Fuzziness.TWO)，则
// 可匹配到文档，但如果transpositions=true，并且fuzziness(Fuzziness.ONE)同样可匹配到文档。
);
searchRequest.source(sourceBuilder);
SearchResponse result = client.search(searchRequest, RequestOptions.DEFAULT);
System.out.println(result);
} catch (Throwable e) {
e.printStackTrace();
} finally {
EsClient.close(client);
}
}
10、type query
term level queries 支持使用type来过滤文档（相当于数据库层面的表级别过滤）
GET /_search
{
"query": {
"type" : {
"value" : "_doc"
}
}
}
11、ids query
可以通过指定ids数组进行查询，其示例如下：
GET /_search
{
"query": {
"ids" : {
"type" : "_doc",
"values" : ["1", "4", "100"]
}
}
}
其中type为可选字段，如果未指定，则查索引库中所有的类别。
关于 term query 就介绍到这里了，如果觉的文章还不错的话，希望帮忙点个赞，谢谢。