侧边栏壁纸
博主头像
路口、下车

  • 累计撰写 78 篇文章
  • 累计创建 52 个标签
  • 累计收到 2 条评论

目 录CONTENT

文章目录
中间件 elasticsearch 系列文章 运维

elasticsearch安装及使用 第二篇:ES理论与原理

路口、下车
路口、下车
2025-08-21 / 0 评论 / 0 点赞 / 41 阅读 / 0 字
温馨提示：
本文最后更新于2025-08-21，若内容或图片失效，请留言反馈。 部分素材来自网络，若不小心影响到您的利益，请联系我们删除。

ES与Mysql的对比

索引库CRUD

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
    • 地理位置：geo_point/geo_shape

  • index：是否创建倒排索引，默认为true

  • analyzer：使用哪种分词器

  • properties：该字段的子字段

新增

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

PUT /user
{
  "mappings": {
    "properties": {
      "info": {
        "type": "text",
        "analyzer": "ik_smart"
      },
      "email": {
        "type": "keyword",
        "index": false
      },
      "name": {
        "type": "object",
        "properties": {
          "fristName": {
            "type": "keyword"
          },
          "lastName": {
            "type": "keyword"
          }
        }
      },
      "age": {
        "type": "keyword",
        "index": false
      },
      "weight": {
        "type": "double",
        "index": false
      },
      "score": {
        "type": "integer",
        "index": false
      },
      "isMarried": {
        "type": "boolean",
        "index": false
      }
    }
  }
}

查询

  • 请求方式：GET /索引库名称

    • 请求路径：/索引库名

    • 请求参数：无

    GET /user

修改

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。

  • 修改索引库，添加新字段

  • 请求语法：PUT /索引库名/_mapping

    #修改-添加字段

    PUT /user/_mapping
    {
    "properties":{
    "sex":{
    "type":"integer",
    "index":false
    }
    }
    }

删除

语法：DELETE /索引库名

  • 请求方式：DELETE

  • 请求路径：/索引库名

  • 请求参数：无

    DELETE /kimli

​

总结

  • 创建索引库：PUT /索引库名
  • 查询索引库：GET /索引库名
  • 删除索引库：DELETE /索引库名
  • 修改字段：PUT /索引库名/_mapping

文档CRUD

新增

语法

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

POST /user/_doc/1
{
  "info":"我是kimli，我爱可可",
  "name":{
    "fristName":"li",
    "lastName":"kim"
  },
  "age":18,
  "email":"415403242@qq.com",
  "isMarried":true,
  "weight":60.5,
  "score":[60,70,80],
  "sex":1
}

查询

GET /user/_doc/1

删除

语法

DELETE /{索引库名}/_doc/id值

例子

DELETE /user/_doc/1

修改

  • 修改有两种方式
    • 全量修改：直接覆盖原理的文档，本质是：根据id删除文档，新增一个相同的文档
    • 增量修改：修改文档的部分字段

全量修改

        PUT  /user/_doc/1
        {
          "info":"我是kimli，我爱可可",
          "name":{
            "fristName":"li",
            "lastName":"kim"
          },
          "age":18,
          "email":"4444444@qq.com",
          "isMarried":true,
          "weight":60.5,
          "score":[60,70,80],
          "sex":1
        }

增量修改

​

POST /user/_update/1
{
  "doc": {
    "info": "我是kimli，我爱可可妈妈"
  }
}

​

总结

  • 创建文档：post /索引/_doc/id
  • 查询文档：GET /索引/_doc/id
  • 修改文档：put /索引/_doc/id或者 POST /索引/_update/id
  • 删除文档：delete /索引/_doc/id

查询语法

mysql批量导入数据

####依赖

        <dependency>
            <groupId>org.elasticsearch.client</groupId>
            <artifactId>elasticsearch-rest-high-level-client</artifactId>
            <version>7.12.1</version>
        </dependency>

        <properties>
                <java.version>1.8</java.version>
                <elasticsearch.version>7.12.1</elasticsearch.version>
            </properties>

代码

 @SpringBootTest
 public class HotelDataTest {
     private RestHighLevelClient client;
     @Autowired
     private IHotelService hotelService;
 
     /**
      * 批量添加数据
      */
     @Test
     void creatHotelIndex() throws IOException {
         List<Hotel> list = hotelService.list();
         BulkRequest request = new BulkRequest();
         for (Hotel hotel : list) {
             HotelDoc hotelDoc = new HotelDoc(hotel);
             request.add(new IndexRequest("hotel").id(hotel.getId().toString()).source(JSONUtil.toJsonStr(hotelDoc),XContentType.JSON));
         }
         client.bulk(request,RequestOptions.DEFAULT);
 
     }
 
     @BeforeEach
     void setUp() {
         client = new RestHighLevelClient(RestClient.builder(HttpHost.create("http://192.168.171.132:9200")));
     }
 
     @AfterEach
     void tearDown() throws IOException {
         client.close();
     }
 }

全文检索查询match_all、match、multi_match

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

  • match_all:查询全部
  • match查询：单字段查询(推荐用这个)，把多个字段copy-to拷贝到一个字段去。因为多个字段查询低
  • 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
  • wildcard:通配符查询，类似模糊查询，前后跟**，例如："city":"北*"，查询城市以 北 开头的

match_all语法

GET /hotel/_search
{
  "query": {
    "match_all": {
    }
  }
}

match语法

GET /indexName/_search
{
  "query": {
    "match": {
      "FIELD": "TEXT"
    }
  }
}

multi_match语法

GET /indexName/_search
{
  "query": {
    "multi_match": {
      "query": "TEXT",
      "fields": ["FIELD1", " FIELD12"，...]
    }
  }
}

wildcard 通配符查询

# 通配符查询
GET /hotel/_search
{
  "query": {
    "wildcard": {
      "city": "*京"
    }
  }
}

精准查询term、range

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(精确匹配)：比如:城市

  • range：根据值的范围查询（范围查询）：如果:大小、日期

term语法

// term查询
GET /indexName/_search
{
  "query": {
    "term": {
      "FIELD": {
        "value": "VALUE"
      }
    }
  }
}

# term 查询
GET /hotel/_search
{
  "query": {
    "term": {
      "city": {
        "value": "上海"
      }
    }
  }
}

​

range语法

// 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
      }
    }
  }
}

#range查询

GET /hotel/_search
{
  "query": {
    "range": {
      "price": {
        "gte": 200,
        "lte": 300
      }
    }
  }
}

地理坐标查询geo_bounding_box、geo_distance

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(geo_bounding_box）

矩形范围查询，也就是geo_bounding_box查询，查询坐标落在某个矩形范围的所有文档：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geo_distance

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：

// geo_distance 查询
GET /indexName/_search
{
  "query": {
    "geo_distance": {
      "distance": "15km", // 半径
      "FIELD": "31.21,121.5" // 圆心
    }
  }
}

示例geo_distance

#geo_distance地理位置查询

GET /hotel/_search
{
  "query": {
    "geo_distance":{
      "distance":"15km",
      "location":"31.21,121.5"
    }
  }
}

复合查询function score、（must、should、must_not、filter）

复合（compound）查询：复合查询可以将其它简单查询组合起来，实现更复杂的搜索逻辑。常见的有两种：

  • fuction score：算分函数查询，可以控制文档相关性算分，控制文档排名.例如百度竞价排名
  • bool query：布尔查询，利用逻辑关系组合多个其它的查询，实现复杂搜索

相关性算分（BM25算法）

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function score

对一定条件的文档，重新算分。一般用于搜索广告排名靠前使用

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(默认)
    • replace：用function score替换query score
    • 其它，例如：sum、avg、max、min
案例

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

小结

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 ：相乘、相加 等

布尔查询must、should、must_not、filter

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”：需要算分的放must
  • 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”，会放到缓存里面，效率快（推荐经常使用）
  • filter：必须匹配，不参与算分，会放到缓存里面，效率快（推荐经常使用）

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：

  • 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
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

    # bool查询
GET /hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "name": "如家"
          }
        }
      ],
      "filter": [
        {
          "geo_distance": {
            "distance": "10km",
            "location": {
              "lat": 31.21,
              "lon": 121.5
            }
          }
        }
      ],
      "must_not": [
        {
          "range": {
            "price": {
              "gt": 400
            }
          }
        }
      ]
    }
  }
}

搜索结果处理

排序

与查询query是同一级别的，elasticsearch默认是根据相关度算分（_score）来排序，但是也支持自定义方式对搜索结果排序。可以排序字段类型有：keyword类型、数值类型、地理坐标类型、日期类型等。

普通字段排序

keyword、数值、日期类型排序的语法基本一致。

语法
GET /indexName/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "FIELD": "desc"  // 排序字段、排序方式ASC、DESC
    }
  ]
}
示例

需求：酒店数据按照用户评价（score)降序排序，评价相同的按照价格(price)升序排序

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "score": {
        "order": "desc"
      },
      "price": {
        "order": "asc"
      }
    }
  ]
}

地理坐标排序

地理坐标排序略有不同。

语法
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
      }
    }
  ]
}
例子

需求：实现对酒店数据按照到你的位置坐标的距离升序排序

提示：获取你的位置的经纬度的方式：https://lbs.amap.com/demo/jsapi-v2/example/map/click-to-get-lnglat/

假设我的位置是：31.034661，121.612282，寻找我周围距离最近的酒店。

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "_geo_distance": {
        "order": "asc",
        "location": {
          "lat": 31.034661,
          "lon": 121.612282
        },
        "unit": "km"
      }
    }
  ]
}

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 ?, ?

语法

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"}
  ]
}

逻辑分页

elasticsearch因为是倒排索引，所以只能用逻辑排序。查询所有数据，然后根据逻辑切取

例如：从990开始，搜索10：from 990，size 10；先搜索1000条文档，然后切取990-1000

出现的问题：ES经常是分布式的，在分布式清空下，会有深度分页问题

1.把所有节点前1000条文档都查询出来
2.把所有节点的结果聚合到一起，在内存中重新选出前1000条文档
3.最后从这1000条文档中切取990-1000 这10条数据

结论：如果搜索页数过深，或者结果集（from+size）越大，对内存和cpu消耗过高，因此es设定结果集（from+size）上限是10000

针对深度分页，ES提供了两种解决方案，官方文档：

  • search after：(记录上一次最后一条)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。
小结

分页查询的常见实现方案以及优缺点：

  • from + size：

    • 优点：支持随机翻页
    • 缺点：深度分页问题，默认查询上限（from + size）是10000
    • 场景：百度、京东、谷歌、淘宝这样的随机翻页搜索

  • after search：

    • 优点：没有查询上限（单次查询的size不超过10000）
    • 缺点：只能向后逐页查询,不支持随机翻页
    • 场景：没有随机翻页需求的搜索，例如手机向下滚动翻页

  • scroll：

    • 优点：没有查询上限（单次查询的size不超过10000）
    • 缺点：会有额外内存消耗，并且搜索结果是非实时的，因为是快照可能是旧的数据
    • 场景：海量数据的获取和迁移。从ES7.1开始不推荐，建议用 after search方案。

高亮

就是关键字突出，与query同级

比如：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：

高亮显示的实现分为两步：

  • 给文档中的所有关键字都添加一个标签，例如 em 标签
  • 页面给 em 标签编写CSS样式

语法

# 自定义标签（默认标签<em></em>）

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": "<em>",  // 用来标记高亮字段的前置标签
        "post_tags": "</em>" // 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（默认为true）

例子

GET /hotel/_search
{
  "query": {
    "match": {
      "all": "如家"
    }
  },
  "highlight": {
    "fields": {
      "name": {
       "require_field_match": "false" //默认为true
      }
    }
  }
}

​
​

总结

  • 查询的DSL是一个大的JSON对象，包含下列属性：

    • query：查询条件

    • from和size：分页条件

    • sort：排序条件

    • highlight：高亮条件

0
elasticsearch
版权归属： 路口、下车
本文链接： https://www.lukxc.com/archives/es-02
许可协议： 本文使用《署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0)》协议授权

评论区