ElasticSearch 全文检索技术(一)

ElasticSearch 全文检索技术

简介

Elastic官网:https://www.elastic.co/cn/
Elastic有一条完整的产品线:

  • ElasticSearch
  • Kibana
  • Logstash

ElasticSearch

Elasticsearch官网:https://www.elastic.co/cn/products/elasticsearch
ElasticSearch是一个分布式的RESTful风格的搜索和数据分析引擎,能够解决不断涌现出的各种用例。
ElasticSearch具备的特点:

  • 分布式,无需人工搭建集群
  • Restful风格,一切API都遵循Rest原则,容易上手
  • 近实时搜索,数据更新在Elasticsearch中几乎是完全同步的

版本

目前ElasticSearch最新的版本是6.2.4
需要JDK 1.8及以上

安装和配置(windows)

解压缩ElasticSearch压缩包


image.png

修改配置文件

修改索引数据和日志数据存储的路径


image.png
# ----------------------------------- Paths ------------------------------------
#
# Path to directory where to store the data (separate multiple locations by comma):
#
path.data: E:\projectdata\es\data
#
# Path to log files:
#
path.logs: E:\projectdata\es\log

运行elasticSearch.bat

image.png

运行后可以看到绑定的端口


image.png
  • 9300:集群节点间通讯接口,接收tcp协议
  • 9200:客户端访问接口,接收Http协议
    我们可以直接在浏览器中访问:
    http://127.0.0.1:9200


    image.png

安装kibana

什么是kibana

kibana是一个基于Node.js的ElasticSearch索引库数据统计工具,可以利用ElasticSearch的聚合功能,生成各种图表

安装

kibana依赖于node,首先查看node的版本

node -v

解压压缩包,修改config/kibana.yml/

elasticsearch.url: "http://127.0.0.1:9200"
image.png

控制台

kibana控制台界面

安装ik分词器

  1. 解压elasticsearch-analysis-ik-6.2.4.zip后,将解压后的文件夹拷贝到elasticsearch-6.2.4\plugins
    下,并重命名文件夹为ik


    image.png

    重新启动ElasticSearch,即可加载IK分词器

测试

在kibana控制台中输入

GET _analyze
{
"analyzer": "ik_max_word",
"text": "我是中国人"
}

得到结果

{
"tokens": [
{
"token": "我",
"start_offset": 0,
"end_offset": 1,
"type": "CN_CHAR",
"position": 0
},
{
"token": "是",
"start_offset": 1,
"end_offset": 2,
"type": "CN_CHAR",
"position": 1
},
{
"token": "中国人",
"start_offset": 2,
"end_offset": 5,
"type": "CN_WORD",
"position": 2
},
{
"token": "中国",
"start_offset": 2,
"end_offset": 4,
"type": "CN_WORD",
"position": 3
},
{
"token": "国人",
"start_offset": 3,
"end_offset": 5,
"type": "CN_WORD",
"position": 4
}
]
}

API

ElasticSearch提供了Rest风格的API,即http请求接口,而且也提供了各种语言的客户端API

Rest风格API

文档地址:https://www.elastic.co/guide/en/elasticsearch/reference/6.2/index.html

索引库操作

基本概念

ElasticSearch也是基于Lucene的全文检索,本质也是存储数据。很多概念与MySQL类似

索引库(indices)---------------------------------Database 数据库
类型(type)----------------------------------Table 数据表
文档(Document)--------------------------Row 行
字段(Field)---------------------Columns 列

创建索引库

语法

ElasticSearch采用Rest风格API因此其API就是一次Http请求。

  • 请求方式:PUT
  • 请求路径:/索引库名
  • 请求参数:json格式
{
"settings": {
"属性名": "属性值"
}
}

查看索引库

  • 语法
    GET /索引库名

删除索引库

  • 语法
    DELETE /索引库名

类型及映射操作

有了索引库,等于有个数据库中的database。
数据库中的表就相当于索引库中的类型
数据库表中的约束就叫做字段映射

创建字段映射

  • 语法
PUT /索引库名/_mapping/类型名称
{
  "properties":{
      "字段名":{
          "type":"类型",
          "index":true,
          "store":true,
          "analyzer":"分词器"
}
}
}
  • type:类型,可以是text、long、short、date、integer、object等
  • index:是否索引,默认为true
  • store:是否存储,默认为false
  • analyzer:分词器,ik_max_word 使用ik分词器
PUT heima/_mapping/goods
{
  "properties": {
    "title":{
      "type": "text"
      , "analyzer": "ik_max_word"
    },
    "images":{
      "type": "keyword",
      "index": false
    },
    "price":{
      "type": "float"
    }
  }
}
  • 响应结果
{
  "acknowledged": true
}

查看映射关系

  • 语法
    查看某个索引库中的所有类型的映射
    GET /索引库名/_mapping
  • 如果要查看某个类型映射,可以再路径后面跟上类型名称,即:
GET /索引库名/_mapping/映射名

示例
查看所有映射关系

GET /heima/_mapping
  • 响应
{
  "heima": {
    "mappings": {
      "goods": {
        "properties": {
          "images": {
            "type": "keyword",
            "index": false
          },
          "price": {
            "type": "float"
          },
          "title": {
            "type": "text",
            "analyzer": "ik_max_word"
          }
        }
      }
    }
  }
}

映射属性详解

  1. type
  • String类型
    • text:可分词,不可参与聚合
    • keyword:不可分词,数据会作为完整字段进行匹配,可以参与聚合
  • Numerical:数值类型
    • 基本数据类型:long、integer、short、byte、double、float、half_float
    • 浮点数的高精度类型:scaled_float
      • 需要指定一个精度因子,例如10或100。elasticsearch会把真实值乘以这个因子后存储,取出时再还原
  • Date:日期类型
    elasticsearch可以对日期格式化为字符串存储。但是我们一般都存储为毫秒值,存储为long。节省空间
  • Array:数组类型
    • 进行匹配时,任意一个元素满足,都认为满足
    • 排序时,升序则用数组中的最小值来排序,降序则用数组中的最大值来排序
  • Object:对象
{
name:"Jack",
age:21,
girl:{
name: "Rose",
age:21
}
}
  1. index
    index影响字段的索引情况
  • true:字段会被索引,表示可以用来进行搜索过滤,默认值是true
  • false:字段不会被索引,不能用来搜索
    index的默认值就是true,也就是说不进行任何配置,所有字段都会被索引
    如果我们不希望被索引的,就需要手动设置index为false
  1. store
    是否将数据进行额外存储
    在学习lucenc和solr时,如果一个字段的store设置为false,那么在文档列表中就不会有这个字段的值
    在Elasticsearch中,即便store设置为false,也可以搜索到结果
    Elasticsearch在创建文档索引时,会将文档中的原始数据备份,保存到一个叫做_source的属性中,我们可以通过过滤_source来选择哪些要显示,哪些不显示。
    如果设置store为true,就会在_source以外额外存储一份数据。比较多余,因此一般我们都会将store设置为false,store的默认值就是false。
  2. boost
    权重,新增数据时,可以指定该数据的权重,权重越高,得分越高,排名越靠前

一次创建索引库和类型

我们也可以在创建索引库的同时,直接指定索引库中的类型,基本语法

PUT /索引库名
{
  "settings":{
      "索引库属性名":"索引库属性值"
    },
    "mappings":{
    "类型名":{
        "properties":{
            "字段名":{
                "映射属性名":"映射属性值"
          }
      }
    }
}
}

示例

PUT /heima
{
  "settings": {},
  "mappings": {
    "goods": {
      "properties": {
        "title":{
          "type": "text",
          "analyzer": "ik_max_word"
        }
      }
    }
  }
}

结果

{
  "acknowledged": true,
  "shards_acknowledged": true,
  "index": "heima"
}

文档操作

文档,即索引库中某个类型下的数据,会根据规则创建索引,将来用来搜索,相当于数据库中的每一行数据

新增文档

新增并随机生成id

通过POST请求,可以向一个已经存在的索引库中添加文档数据

语法

POST /索引库名/类型名
{
  "key":"value"
}

示例

P
OST /heima/goods/
{
"title":"小米手机",
"images":"http://image.leyou.com/12479122.jpg",
"price":2699.00
}

响应:

{
"_index": "heima",
"_type": "goods",
"_id": "r9c1KGMBIhaxtY5rlRKv",
"_version": 1,
"result": "created",
"_shards": {
"total": 3,
"successful": 1,
"failed": 0
},
"_seq_no": 0,
"_primary_term": 2
}

可以看到在响应结果中有个_id字段,这个就是这条文档数据的唯一标识,以后的增删改查都依赖这个id作为唯一标识,可以看到id的值为r9c1KGMBIhaxtY5rlRKv,这里是ElasticSearch帮我们随机生成的id。

新增文档并自定义id

POST /索引库名/类型/id值
{
...
}

查看文档

GET /heima/goods/r9c1KGMBIhaxtY5rlRKv

修改数据

新增的请求方式改为PUT就是修改了,修改必须指定id

  • id对应文档存在,则修改
  • id对应文档不存在,则新增

删除数据

删除使用DELETE请求,同样,需要根据id进行删除

语法

DELETE /索引库名/类型名/id值

ElasticSearch的智能判断

ElasticSearch非常智能,不需要给索引库设置任何mapping映射,可以根据输入的数据来判断类型,动态添加数据映射。
通过kibana添加

POST /heima/goods/3
{
"title":"超大米手机",
"images":"http://image.leyou.com/12479122.jpg",
"price":3299.00,
"stock": 200,
"saleable":true,
"subTitle":"哈哈"
}
  • 响应
{
  "_index": "heima",
  "_type": "goods",
  "_id": "3",
  "_version": 1,
  "result": "created",
  "_shards": {
    "total": 2,
    "successful": 1,
    "failed": 0
  },
  "_seq_no": 0,
  "_primary_term": 1
}

查看索引库映射关系

{
  "heima": {
    "mappings": {
      "goods": {
        "properties": {
          "images": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "price": {
            "type": "float"
          },
          "saleable": {
            "type": "boolean"
          },
          "stock": {
            "type": "long"
          },
          "subTitle": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "title": {
            "type": "text",
            "analyzer": "ik_max_word"
          }
        }
      }
    }
  }
}

动态映射模版

动态模版的语法


image.png
  1. 模版名称
  2. 匹配条件,凡是符合条件未定义字段,都会按照这个规则来映射
  3. 映射规则,匹配成功后的映射规则
    我们把所有未映射的string类型自动映射为keyword类型
PUT heima3
{
"mappings": {
"goods": {
"properties": {
"title": {
"type": "text",
"analyzer": "ik_max_word"
}
},
"dynamic_templates": [
{
"strings": {
"match_mapping_type": "string",
"mapping": {
"type": "keyword"
}
}:
}
]
}
}
}
  • title字段:统一映射为text类型,并指定分词器
  • 其他字段:只要是string类型,统一处理为keyword类型

查询

基本查询

基本语法

GET /索引库名/_search
{
  "query":{
      "查询类型":{
            "查询条件":"查询条件值"
      }
  }
}

这里的query代表一个查询对象,里面可以有不同的查询属性

  • 查询类型
    • 例如:match_all,match,term,range
  • 查询条件:查询条件会根据类型的不同,写法也有差异

查询所有(match_all)

示例

GET /heima/_search
{
    "query":{
      "match_all":{}
    }
}

结果

{
  "took": 59,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 1,
    "max_score": 1,
    "hits": [
      {
        "_index": "heima",
        "_type": "goods",
        "_id": "3",
        "_score": 1,
        "_source": {
          "title": "超大米手机",
          "images": "http://image.leyou.com/12479122.jpg",
          "price": 3299,
          "stock": 200,
          "saleable": true,
          "subTitle": "哈哈"
        }
      }
    ]
  }
}
  • took:查询花费时间,单位是毫秒
  • time_out:是否超时
  • _shards:分片信息
  • hits:搜索结果总览对象
    • total:搜索到的总条数
    • max_score:所有结果中文档得分的最高分
    • hits:搜索结果的文档对象数组,每个元素是一条搜索到的文档信息
      • _index:索引库
      • _type:文档类型
      • _id:文档id
      • _score:文档得分
      • _source:文档的源数据

匹配查询(match)

match类型查询,会把查询条件进行分词,然后进行查询,多个词条之间是or的关系

GET /heima/_search
{
"query":{
"match":{
"title":"小米电视"
            }
        }
}
  • and关系
    某些情况下,我们需要更精确查找,我们科将这个关系变成and
GET /goods/_search
{
"query":{
"match":{
"title":{"query":"小米电视","operator":"and"}
}
}
}

词条匹配

term查询被用于精确值匹配,这些精确值可能是数字、时间、布尔或者那些未分词的字符串

GET /heima/_search
{
"query":{
"term":{
"price":5000
}
}
}
  • 查询结果
{
  "took": 7,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 2,
    "max_score": 1,
    "hits": [
      {
        "_index": "heima",
        "_type": "goods",
        "_id": "2",
        "_score": 1,
        "_source": {
          "title": "小米手机9",
          "images": "http://image.leyou.com/12479138.jpg",
          "price": 5000
        }
      },
      {
        "_index": "heima",
        "_type": "goods",
        "_id": "3",
        "_score": 1,
        "_source": {
          "title": "大米手机",
          "images": "http://image.leyou.com/12479112.jpg",
          "price": 5000
        }
      }
    ]
  }
}

布尔组合(bool)

bool把各种其它查询通过must(与)、must_not(非)、should(或)的方式进行组合

GET /heima/_search
{
"query":{
"bool":{
"must": { "match": { "title": "大米" }},
"must_not": { "match": { "title": "电视" }},
"should": { "match": { "title": "手机" }}
}
}
}
  • 结果
{
"took": 10,
"timed_out": false,
"_shards": {
"total": 3,
"successful": 3,
"skipped": 0,
"failed": 0
},
"hits": {
"total": 1,
"max_score": 0.5753642,
"hits": [
{
"_index": "heima",
"_type": "goods",
"_id": "2",
"_score": 0.5753642,
"_source": {
"title": "大米手机",
"images": "http://image.leyou.com/12479122.jpg",
"price": 2899
}
}
]
}
}

范围查询(range)

range查询找出那些落在指定区间内的数字或者时间

GET /heima/_search
{
  "query": {
    "range": {
      "price": {
        "gte": 1000,
        "lt": 2800
      }
    }
  }
}
  • range查询允许的字符
操作符 说明
gt 大于
gte 大于或等于
lt 小于
lte 小于等于

模糊查询(fuzzy)

新增一个商品

POST /heima/goods/5
{
    "title":"apple手机",
    "images":"http://image.leyou.com/1231231.jpg",
    "price":6899
}

模糊查询

GET /heima/_search
{
    "query":{
        "fuzzy":{
            "title":"appla"
          }
      }
}

结果过滤

elasticsearch在搜索的结果中,会把文档中保存在_source的所有字段都返回
如果我们只想获取其中的部分字段,我们可以添加_source的过滤

示例

GET /heima/_search
{
  "_source": [
    "title",
    "price"
  ],
  "query": {
    "term": {
      "price": 5000
    }
  }
}

返回的结果:

{
  "took": 6,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 2,
    "max_score": 1,
    "hits": [
      {
        "_index": "heima",
        "_type": "goods",
        "_id": "2",
        "_score": 1,
        "_source": {
          "price": 5000,
          "title": "小米手机9"
        }
      },
      {
        "_index": "heima",
        "_type": "goods",
        "_id": "3",
        "_score": 1,
        "_source": {
          "price": 5000,
          "title": "大米手机"
        }
      }
    ]
  }
}

指定includes和excludes

我们可以通过:

  • includes:来指定想要显示的字段
  • excludes:来指定不想显示的字段

示例 指定显示title price

GET /heima/_search
{
  "_source": {
    "includes": [
      "title",
      "price"
    ] # 指定要显示的字段
  },
  "query": {
    "term": {
      "price": 5000
    }
  }
}

示例 不显示image

GET /heima/_search
{
  "_source": {
    "excludes": [
      "images"
    ]
  },
  "query": {
    "term": {
      "price": 5000
    }
  }
}

过滤(filter)

条件查询中进行过滤
所有的查询都会影响到文档的评分及排名,如果我们需要再查询结果中进行过滤,并且不希望过滤条件影响评分,那么就不要把过滤条件作为查询条件来用。而是使用filter方式

GET /heima/_search
{
  "query": {
    "bool": {
      "must": {
        "match": {
          "title": "小米手机"
        }
      },
      "filter": {
        "range": {
          "price": {
            "gt": 2000,
            "lt": 5000
          }
        }
      }
    }
  }
}

排序

单字段排序

sort可以让我们按照不同的字段进行排序,并且通过order指定排序的方式

GET /heima/_search
{
  "query": {
    "match": {
      "title": "小米手机"
    }
  },
  "sort": [
    {
      "price": {
        "order": "desc"
      }
    }
  ]
}
  • 返回的结果
{
  "took": 30,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 4,
    "max_score": null,
    "hits": [
      {
        "_index": "heima",
        "_type": "goods",
        "_id": "5",
        "_score": null,
        "_source": {
          "title": "apple手机",
          "images": "http://image.leyou.com/1231231.jpg",
          "price": 6899
        },
        "sort": [
          6899
        ]
      },
      {
        "_index": "heima",
        "_type": "goods",
        "_id": "2",
        "_score": null,
        "_source": {
          "title": "小米手机9",
          "images": "http://image.leyou.com/12479138.jpg",
          "price": 5000
        },
        "sort": [
          5000
        ]
      },
      {
        "_index": "heima",
        "_type": "goods",
        "_id": "3",
        "_score": null,
        "_source": {
          "title": "大米手机",
          "images": "http://image.leyou.com/12479112.jpg",
          "price": 5000
        },
        "sort": [
          5000
        ]
      },
      {
        "_index": "heima",
        "_type": "goods",
        "_id": "1",
        "_score": null,
        "_source": {
          "title": "小米电视4A",
          "images": "http://image.leyou.com/12479122.jpg",
          "price": 3899
        },
        "sort": [
          3899
        ]
      }
    ]
  }
}

多字段排序

假定我们想要结合使用price和_score进行查询,并且匹配的结果首先按照价格排序,然后按照相关性得分排序

GET /heima/_search
{
  "query": {
    "bool": {
      "must": {
        "match": {
          "title": "小米手机"
        }
      },
      "filter": {
        "range": {
          "price": {
            "gt": 1,
            "lt": 300000
          }
        }
      }
    }
  },
  "sort": [
    {
      "price": {
        "order": "desc"
      }
    },
    {
      "_score": {
        "order": "desc"
      }
    }
  ]
}

分页

elasticsearch的分页与mysql数据库非常相似,都是指定两个值

  • from:开始位置
  • size:每页大小
GET /heima/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "price": {
        "order": "asc"
      }
    }
  ],
  "from": 3,
  "size": 3
}
  • 结果
{
  "took": 2,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 4,
    "max_score": null,
    "hits": [
      {
        "_index": "heima",
        "_type": "goods",
        "_id": "5",
        "_score": null,
        "_source": {
          "title": "apple手机",
          "images": "http://image.leyou.com/1231231.jpg",
          "price": 6899
        },
        "sort": [
          6899
        ]
      }
    ]
  }
}

高亮

高亮原理

  • 服务端搜索数据,得到搜索结果
  • 把搜索结果中,搜索关键字都加上约定好的标签
  • 前端页面提前写好标签css样式,即可实现高亮
GET /heima/_search
{
  "query": {
    "match": {
      "title": "手机"
    }
  },
  "highlight": {
    "pre_tags": "",
    "post_tags": "",
    "fields": {
      "title": {}
    }
  }
}

在使用match查询的同时,加上highlight属性

  • pre_tags:前置标签
  • post_tags:后置标签
  • fields:需要高亮的字段
    • title:这里声明title字段需要高亮,后面可以为这个字段设置特有配置,也可以为空
  • 结果
{
  "took": 68,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 3,
    "max_score": 0.2876821,
    "hits": [
      {
        "_index": "heima",
        "_type": "goods",
        "_id": "5",
        "_score": 0.2876821,
        "_source": {
          "title": "apple手机",
          "images": "http://image.leyou.com/1231231.jpg",
          "price": 6899
        },
        "highlight": {
          "title": [
            "apple手机"
          ]
        }
      },
      {
        "_index": "heima",
        "_type": "goods",
        "_id": "2",
        "_score": 0.2876821,
        "_source": {
          "title": "小米手机9",
          "images": "http://image.leyou.com/12479138.jpg",
          "price": 5000
        },
        "highlight": {
          "title": [
            "小米手机9"
          ]
        }
      },
      {
        "_index": "heima",
        "_type": "goods",
        "_id": "3",
        "_score": 0.2876821,
        "_source": {
          "title": "大米手机",
          "images": "http://image.leyou.com/12479112.jpg",
          "price": 5000
        },
        "highlight": {
          "title": [
            "大米手机"
          ]
        }
      }
    ]
  }
}

聚合aggregations

聚合可以让我们极其方便的实现对数据的统计、分析

  • 统计哪些商品最受欢迎
  • 这些手机的平均价格、最高价格、最低价格
  • 这些手机每月的销售情况如何
    实现这些统计功能呢个的比数据库sql要方便的多,而且查询速度非常快,几乎接近实时搜索效果

基本概念

ElasticSearch中的聚合,包含多种类型,最常用的两种,一个叫桶,一个叫度量

桶(bucket)
桶的作用,是按照某种方式对数据进行分组,每一组数据在ES中称为一个桶
ElasticSearch中提供的划分桶的方式有很多:

  • Date Histogram Aggregation:根据日期阶梯分组,例如给定阶梯为周,会自动每周分为一组
  • Histogram Aggregation:根据数值阶梯分组,与日期类似,需要知道分组的间隔(interval)
  • Terms Aggregation:根据词条内容分组,词条内容完全匹配的为一组
  • Range Aggregation:数值和日期的范围分组,指定开始和结束,然后按段分组
    ……

度量(metrics)
分组完成以后,我们一般会对组中的数据进行聚合运算,例如求平均值、最大、最小、求和等,这些在ES中称为度量
常用的一些度量聚合方式:

  • Avg Aggregation:求平均值
  • Max Aggregation:求最大值
  • Min Aggregation:求最小值
  • Percentiles Aggregation:求百分比
  • Stats Aggregation:同时返回avg、max、min、sum、count等
  • Sum Aggregation:求和
  • Top hits Aggregation:求前几
  • Value Count Aggregation:求总数
    ……
    创建索引:
PUT /car
{
  "mappings": {
    "orders": {
      "properties": {
        "color": {
          "type": "keyword"
        },
        "make": {
          "type": "keyword"
        }
      }
    }
  }
}

在ES中,需要进行聚合、排序、过滤的字段其处理方式比较特殊,因此不能被分词,必须使用keyword或数值类型。
导入数据:

P
OST /car/orders/_bulk
{ "index": {}}
{ "price" : 10000, "color" : "红", "make" : "本田", "sold" : "2014-10-28" }
{ "index": {}}
{ "price" : 20000, "color" : "红", "make" : "本田", "sold" : "2014-11-05" }
{ "index": {}}
{ "price" : 30000, "color" : "绿", "make" : "福特", "sold" : "2014-05-18" }
{ "index": {}}
{ "price" : 15000, "color" : "蓝", "make" : "丰田", "sold" : "2014-07-02" }
{ "index": {}}
{ "price" : 12000, "color" : "绿", "make" : "丰田", "sold" : "2014-08-19" }
{ "index": {}}
{ "price" : 20000, "color" : "红", "make" : "本田", "sold" : "2014-11-05" }
{ "index": {}}
{ "price" : 80000, "color" : "红", "make" : "宝马", "sold" : "2014-01-01" }
{ "index": {}}
{ "price" : 25000, "color" : "蓝", "make" : "福特", "sold" : "2014-02-12" }

聚合为桶

导入数据后,我们首先按照汽车的颜色color来划分桶,

GET /car/_search
{
  "size": 0,
  "aggs": {
    "popular_colors": {
      "terms": {
        "field": "color"
      }
    }
  }
}
  • size:查询条数
  • aggs:声明这是一个聚合查询,是aggregations的缩写
    • popular_colors:给这次聚合起一个名字,可任意指定
    • terms:聚合的类型,这里选择terms,是根据词条(也就是我们指定的颜色)划分
      • field:划分桶时依赖的字段
{
  "took": 7,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 8,
    "max_score": 0,
    "hits": []
  },
  "aggregations": {
    "popular_colors": {
      "doc_count_error_upper_bound": 0,
      "sum_other_doc_count": 0,
      "buckets": [
        {
          "key": "红",
          "doc_count": 4
        },
        {
          "key": "绿",
          "doc_count": 2
        },
        {
          "key": "蓝",
          "doc_count": 2
        }
      ]
    }
  }
}

桶内度量

前面的例子告诉我们每个桶里面的文档数量,我们的应用通常需要提供更复杂的文档度量。例如每种颜色汽车的平均价格是多少
因此,我们需要告诉Elasticsearch使用哪个字段,使用何种度量方式进行运算,这些信息要嵌套在桶内,度量的运算会基于桶内的文档进行
我们为刚刚的聚合结果添加求价格平均值的度量

GET /car/_search
{
  "size": 0,
  "aggs": {
    "popular_colors": {
      "terms": {
        "field": "color"
      },
      "aggs": {
        "avg_price": {
          "avg": {
            "field": "price"
          }
        }
      }
    }
  }
}
  • aggs:我们在上一个aggs中添加新的aggs,可见度量也是一个聚合

  • avg_price:聚合的名称

  • avg:度量的类型

  • field:度量运算的手段

  • 结果

{
  "took": 8,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 8,
    "max_score": 0,
    "hits": []
  },
  "aggregations": {
    "popular_colors": {
      "doc_count_error_upper_bound": 0,
      "sum_other_doc_count": 0,
      "buckets": [
        {
          "key": "红",
          "doc_count": 4,
          "avg_price": {
            "value": 32500
          }
        },
        {
          "key": "绿",
          "doc_count": 2,
          "avg_price": {
            "value": 21000
          }
        },
        {
          "key": "蓝",
          "doc_count": 2,
          "avg_price": {
            "value": 20000
          }
        }
      ]
    }
  }
}

桶内嵌套桶

如果我们想统计每种颜色的汽车中,分别属于哪个制造商,按照make字段进行分桶

GET /car/_search
{
  "size": 0,
  "aggs": {
    "popular_colors": {
      "terms": {
        "field": "color"
      },
      "aggs": {
        "avg_price": {
          "avg": {
            "field": "price"
          }
        },
        "maker": {
          "terms": {
            "field": "make"
          }
        }
      }
    }
  }
}
  • 返回结果
{
  "took": 9,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 8,
    "max_score": 0,
    "hits": []
  },
  "aggregations": {
    "popular_colors": {
      "doc_count_error_upper_bound": 0,
      "sum_other_doc_count": 0,
      "buckets": [
        {
          "key": "红",
          "doc_count": 4,
          "maker": {
            "doc_count_error_upper_bound": 0,
            "sum_other_doc_count": 0,
            "buckets": [
              {
                "key": "本田",
                "doc_count": 3
              },
              {
                "key": "宝马",
                "doc_count": 1
              }
            ]
          },
          "avg_price": {
            "value": 32500
          }
        },
        {
          "key": "绿",
          "doc_count": 2,
          "maker": {
            "doc_count_error_upper_bound": 0,
            "sum_other_doc_count": 0,
            "buckets": [
              {
                "key": "丰田",
                "doc_count": 1
              },
              {
                "key": "福特",
                "doc_count": 1
              }
            ]
          },
          "avg_price": {
            "value": 21000
          }
        },
        {
          "key": "蓝",
          "doc_count": 2,
          "maker": {
            "doc_count_error_upper_bound": 0,
            "sum_other_doc_count": 0,
            "buckets": [
              {
                "key": "丰田",
                "doc_count": 1
              },
              {
                "key": "福特",
                "doc_count": 1
              }
            ]
          },
          "avg_price": {
            "value": 20000
          }
        }
      ]
    }
  }
}

划分桶的其他方式

  • Date Histogram Aggregation:根据日期阶梯分组,例如给定阶梯为周,会自动每周分为一组
  • Histogram Aggregation:根据数值阶梯分组,与日期类似
  • Terms Aggregation:根据词条内容分组,词条内容完全匹配的为一组
  • Range Aggregation:数值和日期的范围分组,指定开始和结束,然后按段分组

阶段分桶Histogram

原理
histogram 是把数值类型的字段,按照一定的阶梯大小进行分组,需要指定一个阶梯值来划分阶梯大小
如果一件商品的价格是450,会落入哪个阶梯区间呢?计算公式如下:

bucket_key = Math.floor((value - offset) / interval) * interval + offset

value:就是当前数据的值
offset:起始偏移量,默认为0
interval:阶梯间隔

GET /car/_search
{
  "size": 0,
  "aggs": {
    "price": {
      "histogram": {
        "field": "price",
        "interval": 5000
      }
    }
  }
}
  • 结果
{
  "took": 4,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 8,
    "max_score": 0,
    "hits": []
  },
  "aggregations": {
    "price": {
      "buckets": [
        {
          "key": 10000,
          "doc_count": 2
        },
        {
          "key": 15000,
          "doc_count": 1
        },
        {
          "key": 20000,
          "doc_count": 2
        },
        {
          "key": 25000,
          "doc_count": 1
        },
        {
          "key": 30000,
          "doc_count": 1
        },
        {
          "key": 35000,
          "doc_count": 0
        },
        {
          "key": 40000,
          "doc_count": 0
        },
        {
          "key": 45000,
          "doc_count": 0
        },
        {
          "key": 50000,
          "doc_count": 0
        },
        {
          "key": 55000,
          "doc_count": 0
        },
        {
          "key": 60000,
          "doc_count": 0
        },
        {
          "key": 65000,
          "doc_count": 0
        },
        {
          "key": 70000,
          "doc_count": 0
        },
        {
          "key": 75000,
          "doc_count": 0
        },
        {
          "key": 80000,
          "doc_count": 1
        }
      ]
    }
  }
}

范围分桶range

范围分桶与阶梯分桶类似,也是把数字按照阶段进行分组,range方式需要自己指定每一组的起始和结束大小

你可能感兴趣的:(ElasticSearch 全文检索技术(一))