# ES7学习笔记(九)搜索

搜索是ES最最核心的内容,没有之一。前面章节的内容,索引、动态映射、分词器等都是铺垫,最重要的就是最后点击搜索这一下。下面我们就看看点击搜索这一下的背后,都做了哪些事情。

# 分数(score)

ES的搜索结果是按照相关分数的高低进行排序的,咦?! 怎么没说搜索先说搜索结果的排序了?咱们这里先把这个概念提出来,因为在搜索的过程中,会计算这个分数。这个分数代表了这条记录匹配搜索内容的相关程度。分数是一个浮点型的数字,对应的是搜索结果中的_score字段,分数越高代表匹配度越高,排序越靠前。

在ES的搜索当中,分为两种,一种计算分数,而另外一种是不计算分数的。

# 查询(query context)

查询,代表的是这条记录与搜索内容匹配的怎么样,除了决定这条记录是否匹配外,还要计算这条记录的相关分数。这个和咱们平时的查询是一样的,比如我们搜索一个关键词,分词以后匹配到相关的记录,这些相关的记录都是查询的结果,那这些结果谁排名靠前,谁排名靠后呢?这个就要看匹配的程度,也就是计算的分数。

# 过滤(filter context)

过滤,代表的含义非常的简单,就是YES or NO,这条记录是否匹配查询条件,它不会计算分数。频繁使用的过滤还会被ES加入到缓存,以提升ES的性能。下面我们看一个查询和过滤的例子,这个也是ES官网中的例子。

GET /_search
{
  "query": { 
    "bool": { 
      "must": [
        { "match": { "title":   "Search"        }},
        { "match": { "content": "Elasticsearch" }}
      ],
      "filter": [ 
        { "term":  { "status": "published" }},
        { "range": { "publish_date": { "gte": "2015-01-01" }}}
      ]
    }
  }
}

我们看一下请求的路径/_search,这个是请求的路径,而请求的方法是GET,我们再看请求体中,有一个query,这个代表着查询的条件。而bool中的must被用作query context,它在查询的时候会计算记录匹配的相关分数。filter中的条件用作过滤,只会把符合条件的记录检索出来,不会计算分数。

# 组合查询

组合查询包含了其他的查询,像我们前面提到的query contextfilter context。在组合查询中,分为很多种类型,我们挑重点的类型给大家介绍一下。

# Boolean Query

boolean查询,前面我们写的查询语句就是一个boolean查询,boolean查询中有几个关键词,表格如下:

关键词 描述
must 必须满足的条件,而且会计算分数,
filter 必须满足的条件,不会计算分数
should 可以满足的条件,会计算分数
must_not 必须不满足的条件,不会计算分数

我们看看下面的查询语句:

POST _search
{
  "query": {
    "bool" : {
      "must" : {
        "term" : { "user" : "kimchy" }
      },
      "filter": {
        "term" : { "tag" : "tech" }
      },
      "must_not" : {
        "range" : {
          "age" : { "gte" : 10, "lte" : 20 }
        }
      },
      "should" : [
        { "term" : { "tag" : "wow" } },
        { "term" : { "tag" : "elasticsearch" } }
      ],
      "minimum_should_match" : 1,
      "boost" : 1.0
    }
  }
}

上面的查询是一个典型的boolean组合查询,里边的关键词都用上了。很多小伙伴们可能对mustshould的区别不是很了解,must是必须满足的条件,我们的例子中must里只写了一个条件,如果是多个条件,那么里边的所有条件必须满足。而should就不一样了,should里边现在列出了两个条件,并不是说这两个条件必须满足,到底需要满足几个呢?我们看一下下面的关键字minimum_should_match,从字面上我们就可以看出它的含义,最小should匹配数,在这里设置的是1,也就是说,should里的条件只要满足1个,就算匹配成功。在boolean查询中,如果存在一个should条件,而没有filtermust条件的话,那么minimum_should_match的默认值是1,其他情况默认值是0。

我们再看一个实际的例子吧,还记得前面我们创建的ik_index索引吗?索引中存在着几条数据,数据如下:

_index _type _id ▲_score id title desc
ik_index _doc fEsN-HEBZl0Dh1ayKWZb 1 1 苹果 苹果真好吃
ik_index _doc 2 1 1 香蕉 香蕉真好吃
ik_index _doc 1 1 1 香蕉 香蕉真好吃
ik_index _doc 3 1 1 橘子 橘子真好吃
ik_index _doc 4 1 1 桃子 桃子真好吃

只有5条记录,我们新建一个查询语句,如下:

POST /ik_index/_search
{
    "query":{
        "bool":{
            "must":[
                {
                    "match":{
                        "desc":"香蕉好吃"
                    }
                }
            ]
        }
    },
    "from":0,
    "size":10,
}

我们查询的条件是desc字段满足香蕉好吃,由于我们使用的ik分词器,查询条件香蕉好吃会被分词为香蕉好吃,但是5的数据的desc中都有好吃字段,所有5条数据都会被查询出来,我们执行一下,看看结果:

_index _type _id ▲_score id title desc
ik_index _doc 2 0.98773474 1 香蕉 香蕉真好吃
ik_index _doc 1 0.98773474 1 香蕉 香蕉真好吃
ik_index _doc 3 0.08929447 1 橘子 橘子真好吃
ik_index _doc 4 0.08929447 1 桃子 桃子真好吃
ik_index _doc fEsN-HEBZl0Dh1ayKWZb 0.07893815 1 苹果 苹果真好吃

哈哈,5条数据全部查询出来了,和我们的预期是一样的,但是,我们需要注意一点的是_score字段,它们的分数是不一样的,我们的查询条件是香蕉好吃,所以既包含香蕉又包含好吃的数据分数高,我们看到分数到了0.98,而另外3条数据只匹配了好吃,所以分数只有0.7,0.8。

# Boosting Query

这个查询比较有意思,它有两个关键词positivenegativepositive是“正”,所有满足positive条件的数据都会被查询出来,negative是“负”,满足negative条件的数据并不会被过滤掉,而是会扣减分数。那么扣减分数要扣减多少呢?这里边有另外一个字段negative_boost,这个字段是得分的系数,它的分数在0~1之间,满足了negative条件的数据,它们的分数会乘以这个系数,比如这个系数是0.5,原来100分的数据如果满足了negative条件,它的分数会乘以0.5,变成50分。我们看看下面的例子,

POST /ik_index/_search
{
  "query": {
    "boosting": {
      "positive": {
        "term": {
          "desc": "好吃"
        }
      },
      "negative": {
        "term": {
          "desc": "香蕉"
        }
      },
      "negative_boost": 0.5
    }
  }
}

positive条件是好吃,只要desc中有“好吃”的数据都会被查询出来,而negative的条件是香蕉,只要desc中包含“香蕉”的数据都会被扣减分数,扣减多少分数呢?它的得分将会变为原分数*0.5。我们执行一下,看看效果,

index type _id score _source.id source.title source.desc
ik_index _doc 3 0.08929447 1 橘子 橘子真好吃
ik_index _doc 4 0.08929447 1 桃子 桃子真好吃
ik_index _doc fEsN-HEBZl0Dh1ayKWZb 0.07893815 1 苹果 苹果真好吃
ik_index _doc 2 0.044647235 1 香蕉 香蕉真好吃
ik_index _doc 1 0.044647235 1 香蕉 香蕉真好吃

我们可以看到前3条数据的分数都在0.09左右,而后两条的数据在0.044左右,很显然,后两条数据中的desc包含香蕉,它们的得分会乘以0.5的系数,所以分数只有前面数据的分数的一半。

# 全文检索

在前面几节的内容中,我们介绍过,只有字段的类型是text,才会使用全文检索,全文检索会使用到分析器,在我们的ik_index索引中,titledesc字段都是text类型,所以,这两个字段的搜索都会使用到ik中文分词器。全文检索比起前面的组合检索要简单一点,当然,在ES的官方文档中,全文检索中的内容还是挺多的,在这里我们只介绍一个标准的全文检索。

我们看看下面的语句,

POST /ik_index/_search
{
  "query": {
    "match": {
      "desc": {
        "query": "苹果"
      }
    }
  }
}

在请求体中,match代替了之前的boolmatch是标准的全文索引的查询。match后面跟的字段是要查询的字段名,在咱们的例子中,查询的字段是desc,如果有多个字段,可以列举多个。desc字段里,query就是要查询的内容。我们还可以在字段中指定分析器,使用analyzer关键字,如果不指定,默认就是索引的分析器。我们执行一下上面的查询,结果如下:

index type _id score source.id source.title source.desc
ik_index _doc fEsN-HEBZl0Dh1ayKWZb 1.2576691 1 苹果 苹果真好吃

我们可以看到相应的数据已经检索出来了。

# 最后

在ES中,检索的花样是比较多的,这里也不能一一给大家介绍了,只介绍一些最基本、最常用的查询功能。下一篇我们看一下ES的聚合查询功能。