如何让网站给百度收录,wordpress首饰商城系统,大连优化网站,网站建设几大类型目录 Elasticsearch查询分类
叶子查询
全文检索查询
match查询
multi_match查询
精确查询
term查询
range查询
复杂查询
bool查询简单应用
bool查询实现排序和分页
bool查询实现高亮
场景分析
问题思考
解决方案 search_after方案(推荐)
point in time方案
方案…目录 Elasticsearch查询分类
叶子查询
全文检索查询
match查询
multi_match查询
精确查询
term查询
range查询
复杂查询
bool查询简单应用
bool查询实现排序和分页
bool查询实现高亮
场景分析
问题思考
解决方案 search_after方案(推荐)
point in time方案
方案比较 Elasticsearch查询分类
Elasticsearch的查询可以分为两大类
叶子查询Leaf query clauses一般是在特定的字段里查询特定值属于简单查询很少单独使用。
复合查询Compound query clauses以逻辑方式组合多个叶子查询或者更改叶子查询的行为方式。
叶子查询
全文检索查询
用分词器对用户输入搜索条件先分词得到词条然后再利用倒排索引搜索词条。
match查询
可以以一个分词例如GB得到所有name中带“GB”的数据
# match查询所有
GET /items/_search
{query: {match: {name: GB}}
}
实现效果如下总共有17条数据中name有“GB” multi_match查询
与match类似的还有multi_match区别在于可以同时对多个字段搜索而且多个字段都要满足语法示例
GET /items/_search
{query: {multi_match: {query: 电脑,fields: [name, category]}}
}
实现效果如下即name和brand都必须带“电脑” 精确查询
不对用户输入搜索条件分词根据字段内容精确值匹配。但只能查找keyword、数值、日期、boolean类型的字段。
term查询
# term查询所有
GET /items/_search
{query: {term: {brand: {value: Dell}}}
}实现效果如下不在对搜索条件分词 range查询 # range查询所有
GET /items/_search
{query: {range: {price: {gte: 10000,lte: 200000}}}
}实现效果如下对price范围查询 10000查询值200000 复杂查询
bool查询简单应用
GET /items/_search
{query: {bool: {must: [{match: {name: GB}}],filter: [{term: {brand: Apple}},{range: {price: {gte: 100000,lte: 2000000}}}]}}
}
实现效果如下name中要有“GB”,brand中有“Apple”且100000查询值2000000 bool查询实现排序和分页 GET /items/_search
{query: {match_all: {}},sort: [{price: {order: desc},sold: {order: asc}}],from: 0,size: 5
}实现效果解读查询所有数据先以price降序排序price相同以sold升序排序一页五条。 bool查询实现高亮
我们在百度京东搜索时关键字会变成红色比较醒目这叫高亮显示。
事实上elasticsearch已经提供了给搜索关键字加标签的语法无需我们自己编码。
GET /items/_search
{query: {match: {name: 手机}},highlight: {fields: {name: {}}}
}
实现效果如下给手机加上了em标签 场景分析
问题思考
elasticsearch的数据一般会采用分片存储也就是把一个索引中的数据分成N份存储到不同节点上。这种存储方式比较有利于数据扩展但给分页带来了一些麻烦。比如一个索引库中有100000条数据分别存储到4个分片每个分片25000条数据。现在每页查询10条查询第99页。实现思路来分析肯定是将所有数据排序找出前1000名截取其中的990~1000的部分。但问题来了我们如何才能找到所有数据中的前1000名呢要知道每一片的数据都不一样第1片上的第900~1000在另1个节点上并不一定依然是900~1000名。所以我们只能在每一个分片上都找出排名前1000的数据然后汇总到一起重新排序才能找出整个索引库中真正的前1000名。
解决方案 search_after方案(推荐)
search_after提供了一种基于上一次查询结果中最后一个文档的排序值来“继续”下一页的方式。这要求每次查询都必须带上前一次查询结果中的排序值从而避免了深度分页的问题。
GET /_search
{size: 10,query: {match: {title: elasticsearch}},search_after: [123456], // 上一个查询结果中的排序值sort: [{_id: desc}]
}
point in time方案
从Elasticsearch 7.10版本开始引入的point in time功能提供了比scroll一个过时的方案官方弃用更灵活的方式来遍历结果集。与scroll不同point in time不会自动关闭搜索上下文而是需要显式地关闭它这样可以在一定程度上减少资源消耗。
POST /my-index/_pit?keep_alive1m
{}GET /_search
{size: 10,query: {match: {title: elasticsearch}},pit: {id: wmx3UmRBY1VnVUJqQlNvMzZQRVhBQT09LS1RY1hZRkRBPT0,keep_alive: 1m},sort: [{_id: asc}]
}
方案比较
search_after 是解决前端深度分页的最佳选择因为它效率高且易于实现。简单
point in time 提供了更细粒度的控制特别适合长时间运行的数据处理任务并有助于优化资源管理。
