Elasticsearch——Search API

search API

实现对es中存储的数据进行查询分析，endpoint为_search，如下所示：

查询主要有两种形式：

URI Search
- 操作简便，方便通过命令行测试
- 仅包含部分查询语法
Request Body Search
- es提供的完备查询语法 Query DSL(Domain Specific Language)

URI Search

q指定查询的语句
df q中不指定字段室默认查询的字段，如果不指定，es会查询所有字段
sort 排序
timeout 指定超时时间，默认不潮湿
from,size用于分页

URI Search - Query String Syntax

term与phrase
- alfred way等效于alfred OR way
- "alfred way"词语查询，要求先后顺序
泛查询：
- alfred 等效于在所有字段去匹配该term
指定字段
- name:alfred
Group分组设定，使用括号指定匹配的规则
- （quick OR brown) AND fox
- status:(active OR pending) title:(full text search)
布尔操作符
- AND(&&)、OR(||)、NOT(!)
  - name:(tom NOT lee)
  - 注意大写，不能小写
- - - 分别对应must和must_not
    - name:(tom + lee - alfred)
    - name:((lee && !alfred) || (tom && lee && !alfred))
    - - 在url中会被解析为空格，要使用encode后的结果才可以，为%2B
范围查询
- 区间写法，闭区间用[]，开区间用{}
  - age:[1 TO 10] 意为 1<= age <= 10
  - age:[1 TO 10} 意为 1<= age < 10
  - age:[1 TO ] 意为 age >= 1
  - age:[* TO 10] 意为 age <= 10
- 算数符号写法
  - age:>=1
  - age:(>= 1 && <= 10)或者age:(+>= 1 +<= 10)
通配符查询
- ?代表一个字符，*代表0或者多个字符
  - name:t?m
  - name:tom*
  - name:t*m
- 通配符匹配执行效率低，且占用较多内存，不建议使用
- 如无特殊需求，不要将?/*放在最前面
正则表达式匹配
- name:/[mb]oat/
模糊匹配 fuzzy query
- name:roam~1
- 匹配与roam差1个character的词，比如foam roams等
近似度查询 proximity search
- "fox quick"~5
- 以term为单位进行差异比较，比如"quick fox" "quick brown fox" 都会被匹配

Request Body Search

将查询语句通过http request body发送到es，主要包含如下参数：

query符合Query DSL 语法的查询语句
from,size
timeout
sort

Query DSL

它基于JSON定义的查询语言，主要包含如下两种类型：

字段类查询
如term，match，range等，只针对某一个字段进行查询
复合查询
如bool查询等，包含一个或多个字段类查询或者复合查询语句

字段类查询
字段类查询主要包含以下两类：

全文匹配：针对text类型的字段进行全文检索，会对查询语句先进行分词处理，如match，match_phrase等query类型
单词匹配：不会对查询语句做分词处理，直接去匹配字段的倒排索引，如term，terms，range等query类型

match Query
对字段做全文检索，最基本和常用的查询类型，API示例如下：

可以通过operator参数控制单词间的匹配关系，可选项为or和and
通过minimum_should_match参数可以控制需要匹配的单词数

相关性算分

相关性算分是指文档与查询语句间的相关度，英文为relevance
- 通过倒排索引可以获取与查询语句相匹配的文档列表，那么如何将最符合用户查询需求的文档放到前列呢？
- 本质是一个排序问题，排序的依据是相关性算分
相关性算分的几个重要概念如下：
- Term Frequency(TF)词频，即单词在该文档中出现额次数，词频越高，相关度越高
- Document Frequency(DF)文档频率，即单词出现的文档数
- Inverse Document Frequency(IDF)逆向文档频率，与文档频率相反，简单理解为1/DF。即单词出现的文档数越少，相关度越高
- Field-length Norm 文档越短，相关性越高

ES目前主要有两个相关性算分模型，如下：

TF/IDF 模型
BM25 模型，5.x之后的默认模型

match phrase Query
对字段作检索，有顺序要求，API示例如下：

Query String Query

Simple Query String Query

Term Query

Terms Query

Range Query
范围查询主要针对数值和日期类型

针对数值做查询如下图所示：
针对日期做查询，如下所示：

Range Query - Date Math
针对日期提供的一种更友好的计算方式，格式如下：

时间单位主要有以下几种：

y - years
M - months
w - weeks
d - days
h - hours
m - minutes
s - seconds

Query DSL - 复合查询

符合查询是指包含字段类查询或复合查询的类型，主要包括以下几类：

constant_score query
bool query
dis_max query
function_score query
boosting query

constant_score query

Bool Query
布尔查询由一个或多个布尔子句组成，主要包含如下4个：

Bool Query - Filter

Bool Query - Must

Bool Query - Must_Not

Bool Query - Should
Should使用分两种情况：

bool 查询只包含should，不包含must查询
bool 查询中同时包含should和must查询

Count API
获取符合条件的文档数，endpoint为_count

Source Filtering
过滤返回结果中_source中的字段，主要有如下几种方式：

参考：
https://www.jianshu.com/p/7e0c291dc1be