Elasticsearch系列---实战搜索语法
概要
本篇介绍Query DSL的语法案例，查询语句的调试，以及排序的相关内容。
基本语法
空查询
最简单的搜索命令，不指定索引和类型的空搜索，它将返回集群下所有索引的所有文档（默认显示10条）：
GET /_search
{}搜索多个索引
GET /index1,index2/_doc/_search
{}指定分页搜索
GET /_search
{
"from": 0,
"size": 10
}get带request body
HTTP协议，GET请求带body是不规范的做法，但由于ES搜索的复杂性，加上HTTP协议GET/POST方法表述的语义，GET更适合用来表述查询的动作，虽然不规范，但还是这么用了。现在大多数浏览器也支持GET+request body，如果遇到不支持的，换成POST即可。了解一下就行，不用太慌张。
查询表达式Query DSL
Query DSL是一种非常灵活、可读性高的查询语言，body为JSON格式，绝大部分功能都可以用它来展现，并且这种查询语句更纯粹，让学习者更专注于本身的功能，避免Client API的干扰。
上一节的空查询，等价于这个：
GET /_search
{
"query": {
"match_all": {}
}
}基本语法
# 查询语句结构
{
QUERY_NAME: {
ARGUMENT: VALUE,
ARGUMENT: VALUE,...
}
}
# 针对某个字段的查询
{
QUERY_NAME: {
FIELD_NAME: {
ARGUMENT: VALUE,
ARGUMENT: VALUE,...
}
}
}合并查询语句
再复杂的查询语句，也是由一个一个的查询条件叠加而成的，查询语句有两种形式：
- 叶子语句：单个条件组成的语句，如match语句，类似mysql的”id = 1″这种。
- 复合语句：有多个条件，需要合并在一起才能组成一个完整的语句，需要使用bool进行组合，里面的条件可以用must必须匹配、must not必须不匹配、should可以匹配修饰，也可以包含过滤器filter。类似mysql的”(status = 1 && language != ‘french’ && (author = ‘John’ || author = ‘Tom’))”这种。
举个例子：
{
"bool": {
"must": { "match": { "status": 1 }},
"must_not": { "match": { "language": "french" }},
"should": { "match": { "author": "John Tom" }},
"filter": { "range": { "length" : { "gt" : 30 }} }
}
}复合语句可以嵌套，来实现更复杂的查询需求，在上面的例子上简单延伸一下：
"bool": {
"must": { "match": { "status": 1 }},
"must_not": { "match": { "language": "french" }},
"should": [
{"match": { "author": "John Tom" }},
{"bool": {
"must": { "match": { "name": "friend" }},
"must_not": { "match": { "content": "star" }}
}}
],
"filter": { "range": { "length" : { "gt" : 30 }} }
}复合语句相关性分数计算
每一个子查询都独自地计算文档的相关性得分。一旦他们的得分被计算出来，bool 查询就将这些得分进行合并并且返回一个代表整个布尔操作的得分，得分高的显示在前面，filter内的条件不参与分数计算。
过滤器filter
我们还是以英文儿歌的索引为案例，看一个搜索需求：歌词内容包含friend，同时歌长大于30秒的记录
GET /music/children/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"content": "friend"
}
}
],
"filter": {
"range": {
"length": {
"gte": 30
}
}
}
}
}
}filter与query
- 过滤情况filtering context
仅按照搜索条件把需要的数据筛选出来，不计算相关度分数。
- 查询情况query context
匹配条件的数据，会根据搜索条件的相关度，计算每个document的分数，然后按照分数进行排序，这个才是全文搜索的情况。
性能差异
filter只做过滤，不作排序，并且会缓存结果到内存中，性能非常高。
query匹配条件，要做评分，没有缓存，性能要低一些。
应用场景
filter一个非常重要的作用就是减少不相关数据对query的影响，提升query的性能，二者常常搭配在一起使用。
组合使用的时候，把期望符合条件的document的搜索条件放在query里，把要滤掉的条件放在filter里。
constant_score查询
如果一个查询只有filter过滤条件，可以用constant_score来替代bool查询，这样的查询语句更简洁、更清晰，只是没有评分，示例如下：
GET /music/children/_search
{
"query": {
"constant_score": {
"filter": {
"term": { "content": "gymbo"}
}
}
}
}filter内不支持terms语法，注意一下。
最常用的查询
再复杂的查询语句，也是由最基础的查询变化而来的，而最常用的查询其实也就那么几个。
- match_all查询
查询简单的匹配所有文档
GET /_search
{
"query": {
"match_all": {}
}
}- match查询
无论是全文搜索还是精确查询，match查询是最基本的标准
# 全文搜索例子
{ "match": { "content": "loves smile" }}
# 精确搜索
{ "match": { "likes": 15 }}
{ "match": { "date": "2019-12-05" }}
{ "match": { "isOwner": true }}
{ "match": { "keyword": "love you" }}对于精确值的查询，我们可以使用filter来替代，filter有缓存的效果。
- multi_match查询
可以在多个字段上执行相同的match查询
{
"multi_match": {
"query": "my sunshine",
"fields": [ "name", "content" ]
}
}- range查询
查询指定区间内的数字或时间，query和filter都支持，一般是filter用得多，允许的操作符如下：
- gt 大于
- gte 大于或等于
- lt 小于
- lte 小于或等于
{
"range": {
"length": {
"gte": 45,
"lt": 60
}
}
}- term查询
用于精确值匹配，精确值可以是数字，日期，boolean或keyword类型的字符串
{ "term": { "likes": 15 }}
{ "term": { "date": "2019-12-05" }}
{ "term": { "isOwner": true }}
{ "term": { "keyword": "love you" }}建立索引时mapping设置为not_analyzed时，match等同于term，用得多的是match和range。
- terms查询
跟term类似，只是允许一次指定多个值进行匹配，只要有任何一个匹配上，都满足条件
{ "terms": { "content": [ "love", "gymbo", "sunshine" ] }}查询语句调试
复杂的查询语句，可能会有几百行，可以先使用调试工具检测一下查询语句，定位不合法的搜索及原因，完整语法如下：
GET /index/type/_validate/query?explain
{
"query": {
...
}
}explain参数可以提供更详细的查询不合法的信息，便于问题定位。写一个错误的例子，比如使用中文标点符号：
GET /music/children/_validate/query?explain
{
"query": {
"terms": { "content“: [ "love", "gymbo", "sunshine" ] }
}
}错误提示如下：
{
"valid": false,
"error": """
ParsingException[Failed to parse]; nested: JsonParseException[Unexpected character ('l' (code 108)): was expecting a colon to separate field name and value
at [Source: org.elasticsearch.transport.netty4.ByteBufStreamInput@5e57280e; line: 3, column: 33]];; com.fasterxml.jackson.core.JsonParseException: Unexpected character ('l' (code 108)): was expecting a colon to separate field name and value
at [Source: org.elasticsearch.transport.netty4.ByteBufStreamInput@5e57280e; line: 3, column: 33]
"""
}valid关键字，true为验证通过，false为不通过，如上提示信息，会指明3行33列错误，原因是使用了中文的引号。将语法修正后，得到的正确响应如下：
{
"_shards": {
"total": 1,
"successful": 1,
"failed": 0
},
"valid": true,
"explanations": [
{
"index": "music",
"valid": true,
"explanation": "+content:(gymbo love sunshine) #*:*"
}
]
}排序
查询请求得到的结果，默认排序是相关性得分降序。如果我们只使用filter过滤，符合filter条件的文档，评分都是一样的（bool的filter得分是null，constant_score得分是1），结果文档还是随机返回，显然这样的排序不符合我们的预期。
sort排序规则
为此，我们可以使用sort属性，对文档进行排序，sort的用法与mysql如出一辙，示例如下：
GET /music/children/_search
{
"query": {
"bool": {
"filter": { "range": { "length" : { "gt" : 30 }} }
}
},
"sort": [
{
"length": {
"order": "desc"
}
}
]
}sort内可以同时指定多个排序字段，一旦使用sort排序后，_score得分将变成null，因为我们指定了排序规则，_score没有实际意义了，就不用耗费精力再去计算它。
字符串排序问题
我们知道text类型的字段，会有关键词分词处理，对这样的字段进行排序，结果往往都不准确，6.x版本以后的text类型，会再自动建立一个keyword类型的字段，这个字段是不分词的，所以这样就有了分工，text类型的负责搜索，keyword类型则负责排序。
我们回顾一下music索引的mapping信息(节选)：
{
"music": {
"mappings": {
"children": {
"properties": {
"content": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"name": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
}
}
}
}
}
}例如name字段，有一个text类型的，里面fields还有一个类型为keyword，名称也为keyword的字段，所以在排序的场景中，我们应该使用name.keyword，示例如下：
GET /music/children/_search
{
"sort": [
{
"name.keyword": {
"order": "asc"
}
}
]
}小结
本篇介绍Query DSL的语法及基础实战内容，顺带点了一下filter与query的区别，面对复杂查询语句时，建议先用验证工具进行排查，最后介绍了一下排序方面的知识，基础语法、上机案例多实践即可。
专注Java高并发、分布式架构，更多技术干货分享与心得，请关注公众号：Java架构社区