ElasticSearch 的基础概念与入门使用
ElasticSearch 的基础概念与入门使用
前言
elasticsearch 是一款非常强大的开源搜索引擎，具备非常多强大的功能，可以帮助我们从海量的数据中快速找到需要的内容。
例如：
- 在 Github 中搜索代码
-
在电商网站搜索商品
-
在 Google 搜索答案
-
……
elasticsearch结合kibana、Logstash、Beats，也就是elastic stack（ELK）。被广泛应用在日志数据分析、实时监控等领域，而elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。
elasticsearch底层是基于lucene来实现的。
Lucene是一个Java语言的搜索引擎类库，是Apache公司的顶级项目，由DougCutting于1999年研发。官网地址：https://lucene.apache.org/ 。
基础概念
文档
elasticsearch 是面向 文档 存储的，可以是数据库中的一条商品数据，一个订单信息。文档数据会被序列化成 json 格式后存储在 elasticsearch 中，而 json 文档中往往包含很多的字段（Field），类似于数据库中的列。
分词器
作用：
- 创建倒排索引时对文档分词
- 用户搜索时，对输入的内容分词
索引与映射
索引（Index） ，就是相同类型的文档的集合。
例如：
- 所有用户文档，就可以组织在一起，称为用户的索引；
- 所用商品的文档，可以组织在一起，称为商品的索引；
- 所有订单的文档，可以组织在一起，称为订单的索引；
# 商品索引
{
"id": 1,
"name": "电视机",
"category": "家电",
"price": 599.99,
"stock": 50
},
{
"id": 2,
"name": "手机",
"category": "电子设备",
"price": 899.99,
"stock": 100
},
{
"id": 3,
"name": "运动鞋",
"category": "服装",
"price": 79.99,
"stock": 200
}
# 用户索引
{
"id": 1,
"name": "电视机",
"category": "家电",
"price": 599.99,
"stock": 50
},
{
"id": 2,
"name": "手机",
"category": "电子设备",
"price": 899.99,
"stock": 100
},
{
"id": 3,
"name": "运动鞋",
"category": "服装",
"price": 79.99,
"stock": 200
}
# 订单索引
{
"order_id": 1,
"user_id": 1,
"products": [
{
"product_id": 1,
"quantity": 2
},
{
"product_id": 2,
"quantity": 1
}
],
"total_price": 2099.97,
"order_date": "2023-12-10",
"shipping_address": "上海市"
},
{
"order_id": 2,
"user_id": 3,
"products": [
{
"product_id": 3,
"quantity": 3
}
],
"total_price": 239.97,
"order_date": "2023-12-15",
"shipping_address": "广州市"
},
因此，我们可以把索引当作是数据库中的表。
数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。因此，索引库中就有映射（mapping），是索引中文档的字段约束信息，类似表的结构约束。
mysql 与 elasticsearch 一些概念的对比
| MySQL | Elasticsearch | 说明 |
|---|---|---|
| Table | Index | 索引(index)，就是文档的集合，类似数据库的表(table) |
| Row | Document | 文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式 |
| Column | Field | 字段（Field），就是JSON文档中的字段，类似数据库中的列（Column） |
| Schema | Mapping | Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema） |
| SQL | DSL | DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD |
是不是说，我们学习了elasticsearch就不再需要mysql了呢？
并不是如此，两者各自有自己的擅长支出：
-
Mysql：擅长事务类型操作，可以确保数据的安全和一致性
-
Elasticsearch：擅长海量数据的搜索、分析、计算
因此在企业中，往往是两者结合使用：
- 对安全性要求较高的写操作，使用mysql实现
- 对查询性能要求较高的搜索需求，使用elasticsearch实现
- 两者再基于某种方式，实现数据的同步，保证一致性
安装
关于安装的话，这里提供 Windows 版本，一个是elasticsearch、一个是 kibana （一个工具）。
安装参考
安装中文分词器
elasticsearch 对中文的分词不是很友好，一般的分词不管你选择的是标准分词器，还是中文分词器，结果都是只能分成一个一个的字，非常不友好。所以我们选择一个开源的分词器。[下载地址](medcl/elasticsearch-analysis-ik: The IK Analysis plugin integrates Lucene IK analyzer into elasticsearch, support customized dictionary. (github.com)) 你只需要把内容下载好，把这个目录解压放到安装 elasticsearch 的文件夹中的 plugins 目录中。例如：
放好以后，直接重启 elasticsearch 就好。
如果出现报错说分词器版本不兼容 elasticsearch 只要进入下载好的分词器目录下面的 plugin-descriptor.properties文件中八版本改成和你的 elasticsearch 版本一致就好了。
使用
了解了上面的一些信息以后，我们接下来就开始使用 elasticsearch 吧。
索引的增删改查
索引库就类似数据库表，mapping映射就类似表的结构。
我们要向es中存储数据，必须先创建“库”和“表”。
mapping 映射属性
mapping是对索引库中文档的约束，常见的mapping属性包括：
- type：字段数据类型，常见的简单类型有：
- 字符串：text（可分词的文本）、keyword（精确值，例如：品牌、国家、ip地址）
- 数值：long、integer、short、byte、double、float、
- 布尔：boolean
- 日期：date
- 对象：object
- index：是否创建索引，默认为true
- analyzer：使用哪种分词器
- properties：该字段的子字段
例如：
{
"age": 21,
"weight": 52.1,
"isMarried": false,
"info": "created by xwhking",
"email": "[email protected]",
"score": [99.1, 99.5, 98.9],
"name": {
"firstName": "XWH",
"lastName": "Z"
}
}
对应的每个字段映射（mapping）：
- age：类型为 integer；参与搜索，因此需要index为true；无需分词器
- weight：类型为float；参与搜索，因此需要index为true；无需分词器
- isMarried：类型为boolean；参与搜索，因此需要index为true；无需分词器
- info：类型为字符串，需要分词，因此是text；参与搜索，因此需要index为true；分词器可以用ik_smart
- email：类型为字符串，但是不需要分词，因此是keyword；不参与搜索，因此需要index为false；无需分词器
- score：虽然是数组，但是我们只看元素的类型，类型为float；参与搜索，因此需要index为true；无需分词器
- name：类型为object，需要定义多个子属性
- name.firstName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器
- name.lastName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器
创建索引库和映射
基本语法：
- 请求方式： PUT
- 请求路径：/{索引库名}， 可以自定义
- 请求参数：mapping 映射
格式：
PUT /索引库名称
{
"mappings": {
"properties": {
"字段名":{
"type": "text",
"analyzer": "ik_smart"
},
"字段名2":{
"type": "keyword",
"index": "false"
},
"字段名3":{
"properties": {
"子字段": {
"type": "keyword"
}
}
},
// ...略
}
}
}
示例（以上面的数据为例，我们所有的操作都在 Kibana 的中 dev tools 中完成）
PUT /xwhking
{
"mappings": {
"properties": {
"age":{
"type": "integer"
},
"weight" :{
"type": "float"
},
"isMarrid":{
"type": "boolean"
},
"info":{
"type": "text",
"analyzer": "ik_smart"
},
"email":{
"type": "keyword",
"index": false
},
"score" :{
"type": "float"
},
"name":{
"properties": {
"firstname":{
"type":"keyword"
},
"lastname" :{
"type":"keyword"
}
}
}
}
}
}
结果展示：
查询索引库
基本语法：
- 请求方式：GET
- 请求路径：/索引库名
- 请求参数：无
格式：
GET /索引库名
示例(上面创建的索引库)：
GET /xwhking
结果展示：
修改索引库
倒排索引结构虽然不复杂，但是一旦数据结构改变（比如改变了分词器），就需要重新创建倒排索引，这简直是灾难。因此索引库一旦创建，无法修改mapping。
虽然无法修改mapping中已有的字段，但是却允许添加新的字段到mapping中，因为不会对倒排索引产生影响。
基本语法：
- 请求方法：PUT
- 请求路径：/索引库名/_mapping
- 请求参数：properties （看下面的例子）
格式：
PUT /索引库名/_mapping
{
"properties": {
"新字段名":{
"type": "integer"
}
}
}
示例：
为上面创建的索引添加一个 major 字段（Field）
# 为索引添加字段
PUT /xwhking/_mapping
{
"properties" : {
"major" : {
"type" : "keyword"
}
}
}
添加结果：
我们重新查看索引看是否有添加字段：
从结果来看我们是成功了的。
删除索引库
基本语法：
- 请求方式：DELETE
- 请求路径：/索引库名
- 请求参数： 无
格式：
DELETE /索引库名
例子：
我们删除我们上面传创建的索引库，然后再去查询，看是否能够查询的到
DELETE /xwhking
结果：
很明显我们查询不到了。
文档的增删改查
新增文档
基本语法：
- 请求方式：POST
- 请求路径：/索引库名/_doc/文档id
注意这里的文档 id，如果不填，elasticsearch系统会自动帮你添加一个随机的 id 值 - 请求参数：一条以
json为格式的数据采用键值对方式
格式：
POST /索引库名/_doc/文档id
{
"字段1": "值1",
"字段2": "值2",
"字段3": {
"子属性1": "值3",
"子属性2": "值4"
},
// ...
}
例子：
我们再把上面删除的索引重新创建一下，把最开始的那条数据插入试试
# 创建一个文档
POST /xwhking/_doc/1
{
"age":21,
"weight":52.1,
"isMarried":false,
"info":"created by xwhking",
"email":"[email protected]",
"score":[99.1, 99.5, 98.9],
"name":{
"firstName":"XWH",
"lastName":"Z"
}
}
这里可能会有一个疑问：就是为什么我明明定义 score 的时候只是一个 float 类型，为什么在插入文档的时候就能插入一个数组呢？这是由 elasticsearch 决定的，因为elasticsearch 没有数组这个数据类型，所以就允许接受一个字段的多个值。
结果：
查询文档
基本语法：
- 请求方式：GET
- 请求路径：/索引库名/_doc/文档id
- 请求参数：无
格式：
GET /{索引库名称}/_doc/{id}
示例：
GET /xwhking/_doc/1
结果：
删除文档
基本语法：
- 请求方式：DELETE
- 请求路径：/索引库名/_doc/文档id
- 请求参数：无
格式：
DELETE /{索引库名}/_doc/id值
示例
DELETE /xwhking/_doc/1
结果参考
修改文档
修改有两种方式：
- 全量修改：直接覆盖原来的文档
- 增量修改：修改文档中的部分字段
全量修改
全量修改是覆盖原来的文档，其本质是：
- 根据指定的id删除文档
- 新增一个相同id的文档
注意：如果根据id删除时，id不存在，第二步的新增也会执行，也就从修改变成了新增操作了。
基本语法：
- 请求方式：PUT
- 请求路径：/索引库名/_doc/文档id
- 请求参数：把所有文档信息要修改的进行修改，并且没有修改的也需要
格式：
PUT /{索引库名}/_doc/文档id
{
"字段1": "值1",
"字段2": "值2",
// ... 略
}
示例：
我们改变一下上面文档的邮箱
PUT /xwhking/_doc/1
{
"age": 21,
"weight": 52.1,
"isMarried": false,
"info": "created by xwhking",
"email": "https://www.github.com/xwhking",
"score": [99.1, 99.5, 98.9],
"name": {
"firstName": "XWH",
"lastName": "Z"
}
}
结果：
增量修改
增量修改是只修改指定id匹配的文档中的部分字段。
基本语法：
- 请求方式：POST
- 请求路径：/索引库名/_update/文档id
- 请求参数：doc 内容是要修改的字段，以及新的值
基本格式：
POST /{索引库名}/_update/文档id
{
"doc": {
"字段名": "新的值",
}
}
示例（我们再把邮箱改回来）：
# 修改文档，增量修改
POST /xwhking/_doc/1
{
"doc": {
"email" : "[email protected]"
}
}
其中的 version 表示修改次数，创建一次，上面一次全量修改一次，增量修改一次，所以是三次。
利用 RestAPI 在 Java 中使用 ElasticSearch
这里暂不介绍如何使用，具体使用其实看一下官方文档，或者直接按照代码提示就可以做了，我们现在只要知道ElasticSearch原生的用法，再去用 Client 就很容易上手、理解。我们这里只稍微带一下在 Java 项目中如何引入。
三步：
-
引入依赖
<dependency> <groupId>org.elasticsearch.clientgroupId> <artifactId>elasticsearch-rest-high-level-clientartifactId> dependency> -
因为 springboot 可能管理了 elasticsearch的版本，所以我们需要把这个版本依赖覆盖掉，并且改成我们自己 elasticsearch的版本
<properties> <java.version>1.8java.version> <elasticsearch.version>7.12.1elasticsearch.version> properties> -
初始化 RestHighLevelClient
RestHighLevelClient client = new RestHighLevelClient(RestClient.builder( HttpHost.create("http://192.168.150.101:9200") ));
TIPS
Elasticsearch 中特殊的数据类型
ES中支持两种地理坐标数据类型：
- geo_point: 由纬度(latitude)和经度(longitude)确定的一个点。例如：“32.8752345,120.2981576”
- ge0_shape :有多个ge0_point组成的复杂几何图形。例如一条直线，“LINESTRING(-77.0365338.897676,-77.00905138.889939)”
字段拷贝可以使用copy to属性将当前字段拷贝到指定字段。示例：
{ "a11":{ "type":"text", "analyzer":"ik_max_word" }, "brand":{ "type":"keyword", "copy_to":"all" } }
如何搜索 ==> DSL查询文档
数组准备
我这里直接开源一个数据初始化的代码，需要的话直接拉下来，然后通过看项目的 README 文件，配置 elasticsearch, 然后把数据放入elasticsearch 我们就开始进行搜索数据。
项目数据地址)
DSL 查询分类
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
查询基本语法：
- 请求方式： GET
- 请求路径：/索引库/_search
- 请求参数：根据不同请求方式不同
基本格式：
GET /indexName/_search
{
"query": {
"查询类型": {
"查询条件": "条件值"
}
}
}
示例查询所有：
GET /hotel/_search
{
"query": {
"match_all": {
}
}
}
结果：
全文检索查询
全文检索查询的基本流程如下：
- 对用户搜索的内容做分词，得到词条
- 根据词条去倒排索引库中匹配，得到文档id
- 根据文档id找到文档，返回给用户
比较常用的场景包括：
- 商城的输入框搜索
- 百度输入框搜索
TIPS
因为是拿着词条去匹配，因此参与搜索的字段也必须是可分词的text类型的字段。
基本语法
- 请求方式： GET
- 请求路径： /索引库/_search
- 请求参数：
- match查询：单字段查询
- multi_match查询：多字段查询，任意一个字段符合条件就算符合查询条件
基本格式：
match 查询格式
GET /索引库名/_search
{
"query": {
"match": {
"FIELD": "TEXT"
}
}
}
multi_match 查询格式:
GET /indexName/_search
{
"query": {
"multi_match": {
"query": "TEXT",
"fields": ["FIELD1", " FIELD12"]
}
}
}
查询示例：
match 示例：
GET /hotel/_search
{
"query": {
"match": {
"all": "希尔顿"
}
}
}
result :
multi_match 示例：
GET /hotel/_search
{
"query": {
"multi_match": {
"query": "如家",
"fields": ["brand","name"]
}
}
}
result:
TIPS
如果这里我们使用同样的查询词，查询出来的结果会是一样的，为什么呢？
因为我们将brand、name、business值都利用copy_to复制到了all字段中。因此你根据三个字段搜索，和根据all字段搜索效果当然一样了。
但是，搜索字段越多，对查询性能影响越大，因此建议采用copy_to，然后单字段查询的方式。
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
Term 查询
因为精确查询的字段搜是不分词的字段，因此查询的条件也必须是不分词的词条。查询时，用户输入的内容跟自动值完全匹配时才认为符合条件。如果用户输入的内容过多，反而搜索不到数据。
基本语法
- 请求方式： GET
- 请求路径： /索引库/_search
- 请求参数：见示例
基本格式：
// term查询
GET /indexName/_search
{
"query": {
"term": {
"FIELD": {
"value": "VALUE"
}
}
}
}
示例：
GET /hotel/_search
{
"query": {
"term": {
"city": {
"value": "上海"
}
}
}
}
result:
因为词条是精匹配如果我们输入的是杭州上海则不会有结果
但是，当我搜索的内容不是词条，而是多个词语形成的短语时，反而搜索不到：
range 查询
范围查询，一般应用在对数值类型做范围过滤的时候。比如做价格范围过滤。
基本语法
- 请求方式： GET
- 请求路径： /索引库/_search
- 请求参数: 看具体示例
基本格式:
// range查询
GET /indexName/_search
{
"query": {
"range": {
"FIELD": {
"gte": 10, // 这里的gte代表大于等于，gt则代表大于
"lte": 20 // lte代表小于等于，lt则代表小于
}
}
}
}
示例:
GET /hotel/_search
{
"query": {
"range": {
"score": {
"gte": 40,
"lte": 3000
}
}
}
}
result:
出现的都是在 40 以上的！
地理坐标查询
所谓的地理坐标查询，其实就是根据经纬度查询，官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/geo-queries.html
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
矩形范围查询
基本语法
- 请求方式：GET
- 请求路径：/索引库/_search
- 请求参数：请看示例
查询时，需要指定矩形的左上、右下两个点的坐标，然后画出一个矩形，落在该矩形内的都是符合条件的点。
// geo_bounding_box查询
GET /indexName/_search
{
"query": {
"geo_bounding_box": {
"FIELD": {
"top_left": { // 左上点
"lat": 31.1,
"lon": 121.5
},
"bottom_right": { // 右下点
"lat": 30.9,
"lon": 121.7
}
}
}
}
}
附近查询
附近查询，也叫做距离查询（geo_distance）：查询到指定中心点小于某个距离值的所有文档。
换句话来说，在地图上找一个点作为圆心，以指定距离为半径，画一个圆，落在圆内的坐标都算符合条件：
基本语法：
- 请求方式：GET
- 请求路径：/索引库/_search
- 请求参数：请看示例
格式：
// geo_distance 查询
GET /indexName/_search
{
"query": {
"geo_distance": {
"distance": "15km", // 半径
"FIELD": "31.21,121.5" // 圆心
}
}
}
示例：
GET /hotel/_search
{
"query": {
"geo_distance": {
"distance" : "15km",
"location" : "31.21,121.5"
}
}
}
result:
缩小一下半径（就是陆家嘴附近啦）：
复合查询
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",
}
}
]
在elasticsearch中，早期使用的打分算法是TF-IDF算法，公式如下：
在后来的5.1版本升级中，elasticsearch将算法改进为BM25算法，公式如下：
TF-IDF算法有一各缺陷，就是词条频率越高，文档得分也会越高，单个词条对文档影响较大。而BM25则会让单个词条的算分有一个上限，曲线更加平滑：
算分函数查询
根据相关度打分是比较合理的需求，但合理的不一定是产品经理需要的。
以百度为例，你搜索的结果中，并不是相关度越高排名越靠前，而是谁掏的钱多排名就越靠前。
要想认为控制相关性算分，就需要利用elasticsearch中的function score 查询了。
基本语法：
function score 查询中包含四部分内容：
- 原始查询条件：query部分，基于这个条件搜索文档，并且基于BM25算法给文档打分，原始算分（query score)
- 过滤条件：filter部分，符合该条件的文档才会重新算分
- 算分函数：符合filter条件的文档要根据这个函数做运算，得到的函数算分（function score），有四种函数
- weight：函数结果是常量
- field_value_factor：以文档中的某个字段值作为函数结果
- random_score：以随机数作为函数结果
- script_score：自定义算分函数算法
- 运算模式：算分函数的结果、原始查询的相关性算分，两者之间的运算方式，包括：
- multiply：相乘
- replace：用function score替换query score
- 其它，例如：sum、avg、max、min
function score的运行流程如下：
- 1）根据原始条件查询搜索文档，并且计算相关性算分，称为原始算分（query score）
- 2）根据过滤条件，过滤文档
- 3）符合过滤条件的文档，基于算分函数运算，得到函数算分（function score）
- 4）将原始算分（query score）和函数算分（function score）基于运算模式做运算，得到最终结果，作为相关性算分。
因此，其中的关键点是：
- 过滤条件：决定哪些文档的算分被修改
- 算分函数：决定函数算分的算法
- 运算模式：决定最终算分结果
示例：
需求：给“如家”这个品牌的酒店排名靠前一些
翻译一下这个需求，转换为之前说的四个要点：
- 原始条件：不确定，可以任意变化
- 过滤条件：brand = “如家”
- 算分函数：可以简单粗暴，直接给固定的算分结果，weight
- 运算模式：比如求和
因此最终的DSL语句如下：
GET /hotel/_search
{
"query": {
"function_score": {
"query": {
"match": {
"all": "外滩"
}
},
"functions": [
{
"filter": {
"term": {
"brand": "如家"
}
},
"weight": 100
}
],
"boost_mode": "sum"
}
}
}
result:
function score query定义的三要素是什么？
- 过滤条件：哪些文档要加分
- 算分函数：如何计算function score
- 加权方式：function score 与 query score如何运算
布尔查询
布尔查询是一个或多个查询子句的组合，每一个子句就是一个子查询。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
比如在搜索酒店时，除了关键字搜索外，我们还可能根据品牌、价格、城市等字段做过滤：
每一个不同的字段，其查询的条件、方式都不一样，必须是多个不同的查询，而要组合这些查询，就必须用bool查询了。
需要注意的是，搜索时，参与打分的字段越多，查询的性能也越差。因此这种多条件查询时，建议这样做：
- 搜索框的关键字搜索，是全文检索查询，使用must查询，参与算分
- 其它过滤条件，采用filter查询。不参与算分
基本语法
GET /hotel/_search
{
"query": {
"bool": {
"must": [
{"term": {"city": "上海" }}
],
"should": [
{"term": {"brand": "皇冠假日" }},
{"term": {"brand": "华美达" }}
],
"must_not": [
{ "range": { "price": { "lte": 500 } }}
],
"filter": [
{ "range": {"score": { "gte": 45 } }}
]
}
}
}
示例：
需求：搜索名字包含“如家”，价格不高于400，在坐标31.21,121.5周围10km范围内的酒店。
分析：
- 名称搜索，属于全文检索查询，应该参与算分。放到must中
- 价格不高于400，用range查询，属于过滤条件，不参与算分。放到must_not中
- 周围10km范围内，用geo_distance查询，属于过滤条件，不参与算分。放到filter中
result：
搜索结果处理
排序
地理坐标排序略有不同。
语法说明：
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
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 ?, ?
分页的基本语法如下：
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"}
]
}
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：
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。
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。
高亮
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