分布式搜索引擎——elasticsearch搜索功能

DSL查询语法

DSL Query的分类

Elasticsearch提供了基于JSON的DSL (Domain Specific Language)来定义查询。常见的查询类型包括:

• 查询所有:查询出所有数据，一般测试用。例如:match_all
• 全文检索(full text)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
  • multi_match_query
• 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:
  • ids
  • range
  • term
• 地理(geo）查询:根据经纬度查询。例如︰
  • geo_distance
  • geo_bounding_box
• 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

DSL Query基本语法

查询的基本语法如下:

GET /indexName/_search
{
	"query": {
		"查询类型": {
			"查询条件": "条件值"
        }
	}
}

//查询所有
GET /indexName/_search{
	"query": {
		"match_all": {
        }
    }
}

全文检索查询

全文检索查询，会对用户输入内容分词，常用于搜索框搜索

match查询:全文检索查询的一种，会对用户输入内容分词，然后去倒排索引库检索，语法:

GET /indexName/_search{
	"query" : {
		"match" : {
			"FIELD": "TEXT"
        }
    }
}

例如：

GET /hotel/_search
{
  "query": {
    "match": {
      "all": "外滩如家"
    }
  }
}

multi_match: 与match查询类似，只不过允许同时查询多个字段，语法:

GET /indexName/_search{
	"query": {
		"multi_match" : {
			"query" : "TEXT",
			"fields" :["FIELD1","FIELD12"]
        }
    }
}

例如：

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

match和multi_match的区别是什么?

• match:根据一个字段查询
• multi_match:根据多个字段查询，参与查询字段越多，查询性能越差

精确查询

精确查询一般是查找keyword、数值、日期、boolean等类型字段。所以不会对搜索条件分词。常见的有:

• term:根据词条精确值查询
• range:根据值的范围查询

精确查询-语法

精确查询一般是根据id、数值、keyword类型、或布尔字段来查询。语法如下:

• term查询:

  // term查询
  GET /indexName/_search{
  	"query": {
  		"term" : {
  			"FIELD":{
  				"value" : "VALUE"
              }
          }
      }
  }
  

  例如：

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

• range查询:

  // range查询
  GET /indexName/_search{
  	"query" : {
  		"range" : {
  			"FIELD": {
  				"gte": 10,
                  "lte": 20
              }
          }
      }
  }
  

  例如：

  GET /hotel/_search
  {
    "query": {
      "range": {
        "price": {
          "gte": 100,
          "lte": 300
        }
      }
    }
  }
  

  gt:大于

  gte:大于等于

地理查询

根据经纬度查询。常见的使用场景包括:

• 携程:搜索我附近的酒店
• 滴滴:搜索我附近的出租车
• 微信:搜索我附近的人

根据经纬度查询，官方文档。例如:

• geo_bounding_box：查询geo_point值落在某个矩形范围的所有文档

  //geo_bounding_box查询
  GET /indexName/_search{
  	"query" : {
  		"geo_bounding_box" : {
  			"FIELD":{
  				"top_left" : {
  					"lat" : 31.1,
                      "lon": 121.5
                  },
  				"bottom_right":{
  					"lat": 30.9,
                      "lon": 121.7
                  }
              }
          }
      }
  }
  

• geo_distance:查询到指定中心点小于某个距离值的所有文档

  //geo_distance查询
  GET /indexName/_search{
  	"query" : {
  		"geo_distance": {
  			"distance": "15km",
              "FIELD": "31.21,121.5"
          }
      }
  }
  

  例如：

  GET /hotel/_search
  {
    "query": {
      "geo_distance": {
        "distance": "5km",
        "location": "31.21,121.5"
      }
    }
  }
  

复合查询

复合(compound)查询:复合查询可以将其它简单查询组合起来，实现更复杂的搜索逻辑，例如:

• fuction score：算分函数查询，可以控制文档相关性算分，控制文档排名。例如百度竞价

相关性算分

当我们利用match查询时，文档结果会根据与搜索词条的关联度打分(_score)，返回结果时按照分值降序排列。例如，我们搜索"虹桥如家"，结果如下:

[
    {
		"_score" : 17.850193,
        "_source": {
			"name" :"虹桥如家酒店真不错",
        }
    },
    {
		"_score" : 12.259849,
        "_source" : {
			"name" : "外滩如家酒店真不错",
        }
    },
    {
		"_score" :11.91091,
        "_source" : {
			"name" :"迪士尼如家酒店真不错"，
        }
    }
]

$$TF(词条频率)=\frac{词条出现次数}{文档中词条总数}$$

$$\begin{gathered} TF-IDF算法 \\ IDF(逆文档频率)=log(\frac{文档总数}{句含词条的文档总数}) \\ score=\sum _i^{n}TF(词条频率)\ast IDF(逆文档频率) \end{gathered}$$

$$\begin{gathered} BM25算法 \\ Score(Q,d)=\sum _i^{n}log(1+\frac{N-n+0.5}{n+0.5})\ast \frac{f_i}{f_i+k_1\ast (1-b+b\ast \frac{dl}{avgdl})} \end{gathered}$$

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

Function Score Query

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。

复合查询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

bool查询有几种逻辑关系?

• must:必须匹配的条件，可以理解为“与”
• should:选择性匹配的条件，可以理解为“或”
• must_not:必须不匹配的条件，不参与打分
• filter:必须匹配的条件，不参与打分

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。

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

GET /indexName /_search
{
	"query " : {
		"match_all":{}
    },
	"sort":[
		{
			"_geo_distance" : {
                "FIELD" :"纬度，经度",
                "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": {}
    },
	"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"}
	]
}

es的数据结构使得它的分页查询不是真正的的分页

深度分页问题

ES是分布式的，所以会面临深度分页问题。例如按price排序后，获取from = 990，size =10的数据:

1. 首先在每个数据分片上都排序并查询前1000条文档。
2. 然后将所有节点的结果聚合，在内存中重新排序选出前1000条文档
3. 最后从这1000条中，选取从990开始的10条文档

如果搜索页数过深，或者结果集(from + size)越大，对内存和CPU的消耗也越高。因此ES设定结果集查询的上限是10000

深度分页解决方案

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:原理将排序数据形成快照，保存在内存。官方已经不推荐使用。

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。

高亮

高亮:就是在搜索结果中把搜索关键字突出显示。

原理是这样的:

• 将搜索结果中的关键字用标签标记出来
• 在页面中给标签添加css样式

GET /hotel/_search{
	"query" : {
		"match" : {
			"FIELD":"TEXT"
        }
    },
	"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
            }
        }
    }
}

例如：

# 高亮查询，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"
      }
    }
  }
}

搜索结果处理整体语法:

RestClient查询文档

快速入门

查询所有

@Test
void testMatchAll() throws IOException {
    // 1.准备Request
    SearchRequest request = new SearchRequest("hotel");
    // 2.准备DSL
    request.source().query(QueryBuilders.matchAllQuery());
    // 3.发送请求
    SearchResponse response = client.search(request, RequestOptions.DEFAULT);
    System.out.println(response);
}

结果解析

@Test
void testMatchAll() throws IOException {
    // 1.准备Request
    SearchRequest request = new SearchRequest("hotel");
    // 2.准备DSL
    request.source().query(QueryBuilders.matchAllQuery());
    // 3.发送请求
    SearchResponse response = client.search(request, RequestOptions.DEFAULT);
    // 4.解析结果
    SearchHits searchHits = response.getHits();
    // 4.1.查询的总条数
    long total = searchHits.getTotalHits().value;
    System.out.println("共搜索到" + total + "条数据");
    // 4.2.查询的结果数组
    SearchHit[] hits = searchHits.getHits();
    for (SearchHit hit : hits) {
        //4.3.得到source
        String json = hit.getSourceAsString();
        System.out.println(json);
    }
}

全文检索查询

全文检索的match和multi_match查询与match_all的API基本一致。差别是查询条件，也就是query的部分。

@Test
void testMatch() throws IOException {
    // 1.准备Request
    SearchRequest request = new SearchRequest("hotel");
    // 2.准备DSL
    request.source().query(QueryBuilders.matchQuery("all", "如家"));
    // 3.发送请求
    SearchResponse response = client.search(request, RequestOptions.DEFAULT);
    // 4.解析结果
    handleResponse(response);
}

• IDEA中选中一段代码后ctrl+alt+M可以将其抽取为方法

private void handleResponse(SearchResponse response) {
    // 4.解析结果
    SearchHits searchHits = response.getHits();
    // 4.1.查询的总条数
    long total = searchHits.getTotalHits().value;
    System.out.println("共搜索到" + total + "条数据");
    // 4.2.查询的结果数组
    SearchHit[] hits = searchHits.getHits();
    for (SearchHit hit : hits) {
        //4.3.得到source
        String json = hit.getSourceAsString();
        System.out.println(json);
    }
}

精确查询

精确查询常见的有term查询和range查询，同样利用QueryBuilders实现:

//词条查询
QueryBuilders.termQuery ("city", "杭州");
//范围查询
QueryBuilders.rangeQuery("price").gte(100).lte(150);

复合查询-boolean query

GET /hotel/_search{
	"query" : {
		"bool" : {
			"must" : [
			{
				"term" : { "city" :"杭州"}}
            ],
			"filter" : [
                {
                    "range" : {
                        "price": { "lte" : 250 }
                    }
                }
            ]
        }
    }
}

可写作：

//创建布尔查询
BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
//添加must条件
boolQuery.must(QueryBuilders.termQuery("city", "杭州"));
//添加filter条件
boolQuery.filter(QueryBuilders.rangeQuery("price").lte(250));

@Test
void testBool() throws IOException {
    // 1.准备Request
    SearchRequest request = new SearchRequest("hotel");
    // 2.准备DSL
    // 2.1.准备BooleanQuery
    BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
    // 2.2.添加term
    boolQuery.must(QueryBuilders.termQuery("city", "杭州"));
    // 2.3.添加range
    boolQuery.must(QueryBuilders.rangeQuery("price").lte(250));
    request.source().query(boolQuery);
    // 3.发送请求
    SearchResponse response = client.search(request, RequestOptions.DEFAULT);
    // 4.解析结果
    handleResponse(response);
}

排序和分页

搜索结果的排序和分页是与query同级的参数，对应的API如下:

@Test
void testPageAndSort() throws IOException {
    //页码，每页大小
    int page = 1;
    int size = 5;
    // 1.准备Request
    SearchRequest request = new SearchRequest("hotel");
    // 2.准备DSL
    // 2.1.查询query
    request.source().query(QueryBuilders.matchAllQuery());
    // 2.2.分页from、size
    request.source().from((page - 1) * size).size(5);
    // 2.3.排序sort
    request.source().sort("price", SortOrder.ASC);
    // 3.发送请求
    SearchResponse response = client.search(request, RequestOptions.DEFAULT);
    // 4.解析结果
    handleResponse(response);
}

高亮

高亮结果解析

@Test
void testHighlight() throws IOException {
    // 1.准备Request
    SearchRequest request = new SearchRequest("hotel");
    // 2.准备DSL
    // 2.1.查询query
    request.source().query(QueryBuilders.matchQuery("all", "如家"));
    // 2.2.高亮highlight
    request.source().highlighter(new HighlightBuilder()
            .field("name")
            //是否需要与查询字段匹配
            .requireFieldMatch(false));
    // 3.发送请求
    SearchResponse response = client.search(request, RequestOptions.DEFAULT);
    // 4.解析结果
    handleResponse(response);
}

private void handleResponse(SearchResponse response) {
    // 4.解析结果
    SearchHits searchHits = response.getHits();
    // 4.1.查询的总条数
    long total = searchHits.getTotalHits().value;
    System.out.println("共搜索到" + total + "条数据");
    // 4.2.查询的结果数组
    SearchHit[] hits = searchHits.getHits();
    for (SearchHit hit : hits) {
        //4.3.得到source
        String json = hit.getSourceAsString();
        //反序列化
        HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
        //获取高亮结果
        Map<String, HighlightField> highlightFields = hit.getHighlightFields();
        //            if (!(highlightFields == null || highlightFields.size() == 0))
        if (!CollectionUtils.isEmpty(highlightFields)) {
            //根据字段名获取高亮结果
            HighlightField highlightField = highlightFields.get("name");
            if (highlightField != null) {
                //获取高亮值
                String name = highlightField.getFragments()[0].string();
                //覆盖非高亮结果
                hotelDoc.setName(name);
            }

        }
        System.out.println(hotelDoc);
    }
}

黑马旅游案例

搜索和分页

案例1:实现黑马旅游的酒店搜索功能，完成关键字搜索和分页

先实现其中的关键字搜索功能，实现步骤如下：

1. 定义实体类，接收前端请求
2. 定义controller接口，接收页面请求，调用lHotelService的search方法
3. 定义IHotelService中的search方法，利用match查询实现根据关键字搜索酒店信息

步骤1:定义类，接收前端请求参数

@Data
public class RequestParams {
    private String key;
    private Integer page;
    private Integer size;
    private String sortBy;
}

@Data
public class PageResult {
    private Long total;

    public PageResult() {
    }

    public PageResult(Long total, List<HotelDoc> hotels) {
        this.total = total;
        this.hotels = hotels;
    }

    private List<HotelDoc> hotels;
}

步骤2:定义controller接口，接收前端请求

定义一个HotelController，声明查询接口，满足下列要求:

• 请求方式:Post
• 请求路径:/hotel/list
• 请求参数:对象，类型为RequestParam
• 返回值: PageResult，包含两个属性
  • Long total:总条数
  • List hotels:酒店数据

@MapperScan("cn.itcast.hotel.mapper")
@SpringBootApplication
public class HotelDemoApplication {

    public static void main(String[] args) {
        SpringApplication.run(HotelDemoApplication.class, args);
    }

    @Bean
    public RestHighLevelClient client() {
        return new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://192.168.5.131:9200")));
    }
}

步骤3:定义IHotelService中的search方法，利用match查询实现根据关键字搜索酒店信息

@RestController
@RequestMapping("/hotel")
public class HotelController {

    @Autowired
    private HotelService hotelService;

    @PostMapping("/list")
    public PageResult search(@RequestBody RequestParams params) {
        return hotelService.search(params);
    }
}

@Service
public class HotelService extends ServiceImpl<HotelMapper, Hotel> implements IHotelService {

    @Autowired
    private RestHighLevelClient client;

    private PageResult handleResponse(SearchResponse response) {
        // 4.解析结果
        SearchHits searchHits = response.getHits();
        // 4.1.查询的总条数
        long total = searchHits.getTotalHits().value;
        // 4.2.查询的结果数组
        SearchHit[] hits = searchHits.getHits();
        // 4.3遍历
        List<HotelDoc> hotels = new ArrayList<>();
        for (SearchHit hit : hits) {
            //4.3.得到source
            String json = hit.getSourceAsString();
            //反序列化
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
            hotels.add(hotelDoc);
        }
        return new PageResult(total, hotels);
    }

    @Override
    public PageResult search(RequestParams params) {
        try {
            //1.准备Request
            SearchRequest request = new SearchRequest("hotel");
            //2.准备DSL
            //2.1.关键字搜索
            String key = params.getKey();
            if (key == null || "".equals(key)) {
                request.source().query(QueryBuilders.matchAllQuery());
            } else {
                request.source().query(QueryBuilders.matchQuery("all", key));
            }
            //2.2.分页
            int page = params.getPage();
            int size = params.getSize();
            request.source().from((page - 1) * size).size(size);
            //2.3.排序
            String sortBy = params.getSortBy();
            if (!(sortBy == null || "".equals(sortBy))) {
                request.source().sort(sortBy, SortOrder.ASC);
            }
            //3.发送请求,得到响应
            SearchResponse response = client.search(request, RequestOptions.DEFAULT);
            //4.解析响应
            return handleResponse(response);
        } catch (IOException e) {
            throw new RuntimeException(e);
        }
    }
}

条件过滤

案例2:添加品牌、城市、星级、价格等过滤功能

步骤:

1. 修改RequestParams类，添加brand、city、starName、minPrice、maxPrice等参数

   @Data
   public class RequestParams {
       private String key;
       private Integer page;
       private Integer size;
       private String sortBy;
       private String city;
       private Integer minPrice;
       private Integer maxPrice;
   
   }
   

2. 修改search方法的实现，在关键字搜索时，如果brand等参数存在，对其做过滤

   过滤条件包括:

   • city精确匹配
   • brand精确匹配
   • starName精确匹配
   • price范围过滤

   注意事项:

   • 多个条件之间是AND关系，组合多条件用BooleanQuery
   • 参数存在才需要过滤，做好非空判断

@Service
public class HotelService extends ServiceImpl<HotelMapper, Hotel> implements IHotelService {

    @Autowired
    private RestHighLevelClient client;

    private PageResult handleResponse(SearchResponse response) {
        // 4.解析结果
        SearchHits searchHits = response.getHits();
        // 4.1.查询的总条数
        long total = searchHits.getTotalHits().value;
        // 4.2.查询的结果数组
        SearchHit[] hits = searchHits.getHits();
        // 4.3遍历
        List<HotelDoc> hotels = new ArrayList<>();
        for (SearchHit hit : hits) {
            //4.3.得到source
            String json = hit.getSourceAsString();
            //反序列化
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
            hotels.add(hotelDoc);
        }
        return new PageResult(total, hotels);
    }

    @Override
    public PageResult search(RequestParams params) {
        try {
            //1.准备Request
            SearchRequest request = new SearchRequest("hotel");
            //2.准备DSL
            //2.1query
            buildBasicQuery(params, request);
            //2.2.分页
            int page = params.getPage();
            int size = params.getSize();
            request.source().from((page - 1) * size).size(size);
            //2.3.排序
            String sortBy = params.getSortBy();
            if (!(sortBy == null || "".equals(sortBy) || "default".equals(sortBy))) {
                request.source().sort(sortBy, SortOrder.ASC);
            }
            //3.发送请求,得到响应
            SearchResponse response = client.search(request, RequestOptions.DEFAULT);
            //4.解析响应
            return handleResponse(response);

        } catch (IOException e) {
            throw new RuntimeException(e);
        }
    }

    private void buildBasicQuery(RequestParams params, SearchRequest request) throws IOException {
        //构建BooleanQuery
        BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
        //关键字搜索
        String key = params.getKey();
        if (key == null || "".equals(key)) {
            boolQuery.must(QueryBuilders.matchAllQuery());
        } else {
            boolQuery.must(QueryBuilders.matchQuery("all", key));
        }
        //city精确匹配
        String city = params.getCity();
        if (!(city == null || "".equals(city))) {
            boolQuery.filter(QueryBuilders.termQuery("city", city));
        }
        //brand精确匹配
        String brand = params.getBrand();
        if (!(brand == null || "".equals(brand))) {
            boolQuery.filter(QueryBuilders.termQuery("brand", brand));
        }
        //startName精确查询
        String startName = params.getStartName();
        if (!(startName == null || "".equals(startName))) {
            boolQuery.filter(QueryBuilders.termQuery("startName", startName));
        }
        //价格
        Integer minPrice = params.getMinPrice();
        Integer maxPrice = params.getMaxPrice();
        if (minPrice != null && maxPrice != null) {
            boolQuery.filter(QueryBuilders.rangeQuery("price").gte(minPrice).lte(maxPrice));
        }
        request.source().query(boolQuery);
    }
}

距离排序

案例3:我附近的酒店

前端页面点击定位后，会将你所在的位置发送到后台:

我们要根据这个坐标，将酒店结果按照到这个点的距离升序排序。实现思路如下:

• 修改RequestParams参数，接收location字段

  @Data
  public class RequestParams {
      private String key;
      private Integer page;
      private Integer size;
      private String sortBy;
      private String brand;
      private String startName;
      private String city;
      private Integer minPrice;
      private Integer maxPrice;
      private String location;
  
  }
  

• 修改search方法业务逻辑，如果location有值，添加根据geo_distance排序的功能

  @Service
  public class HotelService extends ServiceImpl<HotelMapper, Hotel> implements IHotelService {
  
      @Autowired
      private RestHighLevelClient client;
  
      private PageResult handleResponse(SearchResponse response) {
          // 4.解析结果
          SearchHits searchHits = response.getHits();
          // 4.1.查询的总条数
          long total = searchHits.getTotalHits().value;
          // 4.2.查询的结果数组
          SearchHit[] hits = searchHits.getHits();
          // 4.3遍历
          List<HotelDoc> hotels = new ArrayList<>();
          for (SearchHit hit : hits) {
              //4.3.得到source
              String json = hit.getSourceAsString();
              //反序列化
              HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
              //获取排序值
              Object[] sortValues = hit.getSortValues();
              if (sortValues.length > 0) {
                  Object sortValue = sortValues[0];
                  hotelDoc.setDistance(sortValue);
              }
              hotels.add(hotelDoc);
  
          }
          return new PageResult(total, hotels);
      }
  
      @Override
      public PageResult search(RequestParams params) {
          try {
              //1.准备Request
              SearchRequest request = new SearchRequest("hotel");
              //2.准备DSL
              //2.1query
              buildBasicQuery(params, request);
              //2.2.分页
              int page = params.getPage();
              int size = params.getSize();
              request.source().from((page - 1) * size).size(size);
              //2.3.排序
              //距离
              String location = params.getLocation();
              if (!(location == null || "".equals(location))) {
                  request.source().sort(SortBuilders
                          .geoDistanceSort("location", new GeoPoint(location))
                          .order(SortOrder.ASC)
                          .unit(DistanceUnit.KILOMETERS)
                  );
              }
              //排序方式
              String sortBy = params.getSortBy();
              if (!(sortBy == null || "".equals(sortBy) || "default".equals(sortBy))) {
                  request.source().sort(sortBy, SortOrder.ASC);
              }
              //3.发送请求,得到响应
              SearchResponse response = client.search(request, RequestOptions.DEFAULT);
              //4.解析响应
              return handleResponse(response);
  
          } catch (IOException e) {
              throw new RuntimeException(e);
          }
      }
  
      private void buildBasicQuery(RequestParams params, SearchRequest request) throws IOException {
          //构建BooleanQuery
          BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
          //关键字搜索
          String key = params.getKey();
          if (key == null || "".equals(key)) {
              boolQuery.must(QueryBuilders.matchAllQuery());
          } else {
              boolQuery.must(QueryBuilders.matchQuery("all", key));
          }
          //city精确匹配
          String city = params.getCity();
          if (!(city == null || "".equals(city))) {
              boolQuery.filter(QueryBuilders.termQuery("city", city));
          }
          //brand精确匹配
          String brand = params.getBrand();
          if (!(brand == null || "".equals(brand))) {
              boolQuery.filter(QueryBuilders.termQuery("brand", brand));
          }
          //startName精确查询
          String startName = params.getStartName();
          if (!(startName == null || "".equals(startName))) {
              boolQuery.filter(QueryBuilders.termQuery("startName", startName));
          }
          //价格
          Integer minPrice = params.getMinPrice();
          Integer maxPrice = params.getMaxPrice();
          if (minPrice != null && maxPrice != null) {
              boolQuery.filter(QueryBuilders.rangeQuery("price").gte(minPrice).lte(maxPrice));
          }
          request.source().query(boolQuery);
      }
  }
  

广告置顶

案例4:让指定的酒店在搜索结果中排名置顶

我们给需要置顶的酒店文档添加一个标记。然后利用function score给带有标记的文档增加权重。

实现步骤分析:

1. 给HotelDoc类添加isAD字段，Boolean类型

   private Long id;
   private String name;
   private String address;
   private Integer price;
   private Integer score;
   private String brand;
   private String city;
   private String starName;
   private String business;
   private String location;
   private String pic;
   private Object distance;
   private Boolean idAD;
   

2. 挑选几个你喜欢的酒店，给它的文档数据添加isAD字段，值为true

   POST /hotel/_update/1931442052
   {
     "doc": {
       "isAD":true
     }
   }
   POST /hotel/_update/1584362548
   {
     "doc": {
       "isAD":true
     }
   }
   POST /hotel/_update/1630005459
   {
     "doc": {
       "isAD":true
     }
   }
   POST /hotel/_update/1880614409
   {
     "doc": {
       "isAD":true
     }
   }
   POST /hotel/_update/1908594080
   {
     "doc": {
       "isAD":true
     }
   }
   

3. 修改search方法，添加function score功能，给isAD值为true的酒店增加权重

private void buildBasicQuery(RequestParams params, SearchRequest request) throws IOException {
    //1.构建BooleanQuery
    BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
    //关键字搜索
    String key = params.getKey();
    if (key == null || "".equals(key)) {
        boolQuery.must(QueryBuilders.matchAllQuery());
    } else {
        boolQuery.must(QueryBuilders.matchQuery("all", key));
    }
    //city精确匹配
    String city = params.getCity();
    if (!(city == null || "".equals(city))) {
        boolQuery.filter(QueryBuilders.termQuery("city", city));
    }
    //brand精确匹配
    String brand = params.getBrand();
    if (!(brand == null || "".equals(brand))) {
        boolQuery.filter(QueryBuilders.termQuery("brand", brand));
    }
    //startName精确查询
    String startName = params.getStartName();
    if (!(startName == null || "".equals(startName))) {
        boolQuery.filter(QueryBuilders.termQuery("startName", startName));
    }
    //价格
    Integer minPrice = params.getMinPrice();
    Integer maxPrice = params.getMaxPrice();
    if (minPrice != null && maxPrice != null) {
        boolQuery.filter(QueryBuilders.rangeQuery("price").gte(minPrice).lte(maxPrice));
    }
    //2.算分控制
    FunctionScoreQueryBuilder functionScoreQuery =
            QueryBuilders.functionScoreQuery(
                    //原始查询，相关性算分的查询
                    boolQuery,
                    //function score的数组
                    new FunctionScoreQueryBuilder.FilterFunctionBuilder[]{
                            //其中的一个function score元素
                            new FunctionScoreQueryBuilder.FilterFunctionBuilder(
                                    //过滤条件
                                    QueryBuilders.termQuery("isAD", true),
                                    //算分函数
                                    ScoreFunctionBuilders.weightFactorFunction(10)
                            )
                    });
    request.source().query(functionScoreQuery);
}