ElasticSearch-高级搜索
结构化搜索
精确值查找
当进行精确值查找时, 我们会使用过滤器(filters)。过滤器很重要,因为它们执行速度非常快,不会计算相关度(直接跳过了整个评分阶段)而且很容易被缓存。请尽可能多的使用过滤式查询。
term 查询
我们首先来看最为常用的 term 查询, 可以用它处理数字(numbers)、布尔值(Booleans)、日期(dates)以及文本(text)。
让我们以下面的例子开始介绍,创建并索引一些表示产品的文档,文档里有字段 price
和 productID
( 价格
和 产品ID
)
POST /my_store/products/_bulk
{ "index": { "_id": 1 }}
{ "price" : 10, "productID" : "XHDK-A-1293-#fJ3" }
{ "index": { "_id": 2 }}
{ "price" : 20, "productID" : "KDKE-B-9947-#kL5" }
{ "index": { "_id": 3 }}
{ "price" : 30, "productID" : "JODL-X-1937-#pV7" }
{ "index": { "_id": 4 }}
{ "price" : 30, "productID" : "QQPX-R-3956-#aD8" }
我们想要做的是查找具有某个价格的所有产品,有关系数据库背景的人肯定熟悉 SQL,如果我们将其用 SQL 形式表达,会是下面这样:
SELECT document FROM products WHERE price = 20
在 Elasticsearch 的查询表达式(query DSL)中,我们可以使用 term 查询达到相同的目的。 term 查询会查找我们指定的精确值。作为其本身, term 查询是简单的。它接受一个字段名以及我们希望查找的数值:
GET /my_store/products/_search
{"query" : {"term" : {"price" : 20}}
}
通常当查找一个精确值的时候,我们不希望对查询进行评分计算。只希望对文档进行包括或排除的计算,所以我们会使用 constant_score 查询以非评分模式来执行 term 查询并以一作为统一评分。
最终组合的结果是一个 constant_score 查询,它包含一个 term 查询:
GET /my_store/products/_search
{"query" : {"constant_score" : { "filter" : {"term" : { "price" : 20}}}}
}
组合过滤器
前面的例子是单个过滤器(filter)的使用方式。 在实际应用中,我们很有可能会过滤多个值或字段。比方说,怎样用 Elasticsearch 来表达下面的 SQL ?
SELECT product FROM products WHERE (price = 20 OR productID = "XHDK-A-1293-#fJ3") AND (price != 30)
这种情况下,我们需要 bool (布尔)过滤器。 这是个 复合过滤器(compound filter) ,它可以接受多个其他过滤器作为参数,并将这些过滤器结合成各式各样的布尔(逻辑)组合。
布尔过滤器
一个 bool 过滤器由三部分组成:
{"bool" : {"must" : [],"should" : [],"must_not" : [],}
}
must 所有的语句都 必须(must) 匹配,与 AND 等价。
must_not 所有的语句都 不能(must not) 匹配,与 NOT 等价。
should 至少有一个语句要匹配,与 OR 等价。
就这么简单! 当我们需要多个过滤器时,只须将它们置入 bool 过滤器的不同部分即可。
一个 bool 过滤器的每个部分都是可选的(例如,我们可以只有一个 must 语句),而且每个部分内部可以只有一个或一组过滤器。
用 Elasticsearch 来表示本部分开始处的 SQL 例子,将两个 term 过滤器置入 bool 过滤器的 should 语句内,再增加一个语句处理 NOT 非的条件:
GET /my_store/products/_search
{"query" : {"bool" : {"should" : [{ "term" : {"price" : 20}}, { "term" : {"productID" : "XHDK-A-1293-#fJ3"}} ],"must_not" : {"term" : {"price" : 30} }}}
}
嵌套布尔过滤器
尽管 bool 是一个复合的过滤器,可以接受多个子过滤器,需要注意的是 bool 过滤器本身仍然还只是一个过滤器。 这意味着我们可以将一个 bool 过滤器置于其他 bool 过滤器内部,这为我们提供了对任意复杂布尔逻辑进行处理的能力。 对于以下这个 SQL 语句:
SELECT document FROM products WHERE productID = "KDKE-B-9947-#kL5" OR (productID = "JODL-X-1937-#pV7" AND price = 30 )
我们将其转换成一组嵌套的 bool 过滤器:
GET /my_store/products/_search
{"query" : {"bool" : {"should" : [{ "term" : {"productID" : "KDKE-B-9947-#kL5"}},{ "bool" : { "must" : [{ "term" : {"productID" : "JODL-X-1937-#pV7"}}, { "term" : {"price" : 30}} ]}}]}}
}
- 因为 term 和 bool 过滤器是兄弟关系,他们都处于外层的布尔逻辑 should 的内部,返回的命中文档至少须匹配其中一个过滤器的条件。
- 这两个 term 语句作为兄弟关系,同时处于 must 语句之中,所以返回的命中文档要必须都能同时匹配这两个条件。
查找多个精确值
term 查询对于查找单个值非常有用,但通常我们可能想搜索多个值。 如果我们想要查找价格字段值为 $20 或 $30 的文档该如何处理呢?不需要使用多个 term 查询,我们只要用单个 terms 查询(注意末尾的 s ),terms 查询好比是 term 查询的复数形式(以英语名词的单复数做比)。它几乎与 term 的使用方式一模一样,与指定单个价格不同,我们只要将 term 字段的值改为数组即可:
与 term 查询一样,也需要将其置入 filter 语句的常量评分查询中使用:
GET /my_store/products/_search
{"query" : {"constant_score" : {"filter" : {"terms" : { "price" : [20, 30]}}}}
}
包含,而不是相等
一定要了解 term 和 terms 是 包含(contains) 操作,而非 等值(equals)判断。 如何理解这句话呢? 如果我们有一个 term(词项)过滤器 { “term” : { “tags” : “search” } } ,它会与以下两个文档 同时 匹配:
{ "tags" : ["search"] }
{ "tags" : ["search", "open_source"] }
尽管第二个文档包含除 search 以外的其他词,它还是被匹配并作为结果返回。
范围查询
数字范围
对于数字,只介绍如何处理精确值查询。实际上,对数字范围进行过滤有时会更有用。例如,我们可能想要查找所有价格大于 $20 且小于 $40 美元的产品。 在 SQL 中,范围查询可以表示为:
SELECT document FROM products WHERE price BETWEEN 20 AND 40
Elasticsearch 有 range 查询,不出所料地,可以用它来查找处于某个范围内的文档。range 查询可同时提供包含(inclusive)和不包含(exclusive)这两种范围表达式,可供组合的选项如下:
- gt: > 大于(greater than)
- lt: < 小于(less than)
- gte: >= 大于或等于(greater than or equal to)
- lte: <= 小于或等于(less than or equal to)
GET /my_store/products/_search
{"query" : {"constant_score" : {"filter" : {"range" : {"price" : {"gte" : 20,"lt" : 40}}}}}
}
日期范围
range 查询同样可以应用在日期字段上:
"range" : {"timestamp" : {"gt" : "2014-01-01 00:00:00","lt" : "2014-01-07 00:00:00"}
}
当使用它处理日期字段时, range 查询支持对 日期计算(date math) 进行操作,比方说,如果我们想查找时间戳在过去一小时内的所有文档:
"range" : {"timestamp" : {"gt" : "now-1h"}
}
这个过滤器会一直查找时间戳在过去一个小时内的所有文档,让过滤器作为一个时间 滑动窗口(sliding window) 来过滤文档。 日期计算还可以被应用到某个具体的时间,并非只能是一个像 now 这样的占位符。
只要在某个日期后加上一个双管符号 (||) 并紧跟一个日期数学表达式就能做到
"range" : {"timestamp" : {"gt" : "2014-01-01 00:00:00","lt" : "2014-01-01 00:00:00||+1M" }
}
早于 2014 年 1 月 1 日加 1 月(2014 年 2 月 1 日 零时)
字符串范围
range 查询同样可以处理字符串字段,字符串范围可采用 字典顺序(lexicographically) 或字母顺序(alphabetically)。例如,下面这些字符串是采用字典序(lexicographically)排序的: 5, 50, 6, B, C, a, ab, abb, abc, b
在倒排索引中的词项就是采取字典顺序(lexicographically)排列的,这也是字符串范围可以使用这个顺序来确定的原因。
如果我们想查找从 a 到 b (不包含)的字符串,同样可以使用 range 查询语法:
"range" : {"title" : {"gte" : "a","lt" : "b"}
}
注意基数:
数字和日期字段的索引方式使高效地范围计算成为可能。但字符串却并非如此,要想对其使用范围过滤,Elasticsearch 实际上是在为范围内的每个词项都执行 term 过滤器,这会比日期或数字的范围过滤慢许多。
字符串范围在过滤 低基数(low cardinality) 字段(即只有少量唯一词项)时可以正常工作,但是唯一词项越多,字符串范围的计算会越慢。
处理Null值
如果一个字段没有值,那么如何将它存入倒排索引中的呢? 这是个有欺骗性的问题,因为答案是:什么都不存。
如何将某个不存在的字段存储在这个数据结构中呢?无法做到!简单的说,一个倒排索引只是一个 token 列表和与之相关的文档信息,如果字段不存在,那么它也不会持有任何 token,也就无法在倒排索引结构中表现。
最终,这也就意味着,null, [] (空数组)和 [null] 所有这些都是等价的,它们无法存于倒排索引中。显然,世界并不简单,数据往往会有缺失字段,或有显式的空值或空数组。为了应对这些状况,Elasticsearch 提供了一些工具来处理空或缺失值。
存在查询
第一件武器就是 exists 存在查询。这个查询会返回那些在指定字段有任何值的文档,让我们索引一些示例文档并用标签的例子来说明:
我们的目标是找到那些被设置过标签字段的文档,并不关心标签的具体内容。只要它存在于文档中即可,用 SQL 的话就是用 IS NOT NULL 非空进行查询:
SELECT tags FROM posts WHERE tags IS NOT NULL
在 Elasticsearch 中,使用 exists 查询的方式如下:
GET /my_index/posts/_search
{"query" : {"constant_score" : {"filter" : {"exists" : { "field" : "tags" }}}}
}
尽管文档有 null 值,但它仍会被命中返回。字段之所以存在,是因为标签有实际值( search )可以被索引,所以 null 对过滤不会产生任何影响。 显而易见,只要 tags 字段存在项(term)的文档都会命中并作为结果返回。
缺失查询
早版本的missing关键字专门用来判断缺少字段,但后来发现exists可以同时满足为空、非空这2个需求,与以下 SQL 表达的意思类似:
SELECT tags FROM posts WHERE tags IS NULL
ElasticSearch的使用方式:
GET /my_index/posts/_search
{"query" : {"bool": {"must_not": {"exists": {"field" : "tags"}}}}
}
当 null 的意思是 null
有时候我们需要区分一个字段是没有值,还是它已被显式的设置成了 null 。
在之前例子中,我们看到的默认的行为是无法做到这点的;数据被丢失了。不过幸运的是,我们可以选择将显式的 null 值替换成我们指定 占位符(placeholder) 。 在为字符串(string)、数字(numeric)、布尔值(Boolean)或日期(date)字段指定映射时,同样可以为之设置 null_value 空值,用以处理显式 null 值的情况。不过即使如此,还是会将一个没有值的字段从倒排索引中排除。
当选择合适的 null_value 空值的时候,需要保证以下几点: 它会匹配字段的类型,我们不能为一个 date 日期字段设置字符串类型的 null_value 。 它必须与普通值不一样,这可以避免把实际值当成 null 空的情况。
全文搜索
匹配查询
匹配查询 match 是个 核心 查询。无论需要查询什么字段, match 查询都应该会是首选的查询方式。它是一个高级 全文查询 ,这表示它既能处理全文字段,又能处理精确字段。 这就是说, match 查询主要的应用场景就是进行全文搜索,我们以下面一个简单例子来说明全文搜索是如何工作的:
我们先创建一个搜索,并添加数据
DELETE /my_index PUT /my_index
{ "settings": { "number_of_shards": 1 }} POST /my_index/my_type/_bulk
{ "index": { "_id": 1 }}
{ "title": "The quick brown fox" }
{ "index": { "_id": 2 }}
{ "title": "The quick brown fox jumps over the lazy dog" }
{ "index": { "_id": 3 }}
{ "title": "The quick brown fox jumps over the quick dog" }
{ "index": { "_id": 4 }}
{ "title": "Brown fox brown dog" }
单个词查询
我们用第一个示例来解释使用 match 查询搜索全文字段中的单个词:
GET /my_index/my_type/_search
{"query": {"match": {"title": "QUICK!"}}
}
Elasticsearch 执行上面这个 match 查询的步骤是:
检查字段类型 。 标题 title 字段是一个 string 类型( analyzed )已分析的全文字段,这意味着查询字符串本身也应该被分析。
分析查询字符串 。 将查询的字符串 QUICK! 传入标准分析器中,输出的结果是单个项 quick 。因为只有一个单词项,所以 match 查询执行的是单个底层 term 查询。
查找匹配文档 。 用 term 查询在倒排索引中查找 quick 然后获取一组包含该项的文档,本例的结果是文档:1、2 和 3 。
为每个文档评分 。用 term 查询计算每个文档相关度评分 _score ,这是种将词频(term frequency,即词 quick 在相关文档的 title 字段中出现的频率)和反向文档频率(inverse document frequency,即词 quick 在所有文档的 title 字段中出现的频率),以及字段的长度(即字段越短相关度越高)相结合的计算方式。参见 相关性的介绍 。
这个过程给我们以下(经缩减)结果:
"hits": [{"_id": "1","_score": 0.5, "_source": {"title": "The quick brown fox"}},{"_id": "3","_score": 0.44194174, "_source": {"title": "The quick brown fox jumps over the quick dog"}},{"_id": "2","_score": 0.3125, "_source": {"title": "The quick brown fox jumps over the lazy dog"}}
]
- 文档 1 最相关,因为它的 title 字段更短,即 quick 占据内容的一大部分。
- 文档 3 比 文档 2 更具相关性,因为在文档 3 中 quick 出现了两次。
多词查询
如果我们一次只能搜索一个词,那么全文搜索就会不太灵活,幸运的是 match 查询让多词查询变得简单:
GET /my_index/my_type/_search
{"query": {"match": {"title": "BROWN DOG!"}}
}
上面这个查询返回所有四个文档:
{"hits": [{"_id": "4","_score": 0.73185337, "_source": {"title": "Brown fox brown dog"}},{"_id": "2","_score": 0.47486103, "_source": {"title": "The quick brown fox jumps over the lazy dog"}},{"_id": "3","_score": 0.47486103, "_source": {"title": "The quick brown fox jumps over the quick dog"}},{"_id": "1","_score": 0.11914785, "_source": {"title": "The quick brown fox"}}]
}
- 文档 4 最相关,因为它包含词 “brown” 两次以及 “dog” 一次。
- 文档 2、3 同时包含 brown 和 dog 各一次,而且它们 title 字段的长度相同,所以具有相同的评分。
- 文档 1 也能匹配,尽管它只有 brown 没有 dog 。
因为 match 查询必须查找两个词( [“brown”,“dog”] ),它在内部实际上先执行两次 term 查询,然后将两次查询的结果合并作为最终结果输出。为了做到这点,它将两个 term 查询包入一个 bool 查询中,详细信息见 布尔查询。 以上示例告诉我们一个重要信息:即任何文档只要 title 字段里包含 指定词项中的至少一个词 就能匹配,被匹配的词项越多,文档就越相关。
提高精度
用 任意 查询词项匹配文档可能会导致结果中出现不相关的长尾。这是种散弹式搜索。可能我们只想搜索包含 所有 词项的文档,也就是说,不去匹配 brown OR dog ,而通过匹配 brown AND dog 找到所有文档。 match 查询还可以接受 operator 操作符作为输入参数,默认情况下该操作符是 or 。我们可以将它修改成 and 让所有指定词项都必须匹配:
GET /my_index/my_type/_search
{"query": {"match": {"title": { "query": "BROWN DOG!","operator": "and"}}}
}
match 查询的结构需要做稍许调整才能使用 operator 操作符参数。
这个查询可以把文档 1 排除在外,因为它只包含两个词项中的一个。
控制精度
在所有与任意间二选一有点过于非黑即白。如果用户给定 5 个查询词项,想查找只包含其中 4 个的文档,该如何处理?将 operator 操作符参数设置成 and 只会将此文档排除。
有时候这正是我们期望的,但在全文搜索的大多数应用场景下,我们既想包含那些可能相关的文档,同时又排除那些不太相关的。换句话说,我们想要处于中间某种结果。
match 查询支持 minimum_should_match 最小匹配参数,这让我们可以指定必须匹配的词项数用来表示一个文档是否相关。我们可以将其设置为某个具体数字,更常用的做法是将其设置为一个百分数,因为我们无法控制用户搜索时输入的单词数量:
GET /my_index/my_type/_search
{"query": {"match": {"title": {"query": "quick brown dog","minimum_should_match": "75%"}}}
}
当给定百分比的时候, minimum_should_match 会做合适的事情:在之前三词项的示例中, 75% 会自动被截断成 66.6% ,即三个里面两个词。无论这个值设置成什么,至少包含一个词项的文档才会被认为是匹配的。
参数 minimum_should_match 的设置非常灵活,可以根据用户输入词项的数目应用不同的规则。
为了完全理解 match 是如何处理多词查询的,我们就需要查看如何使用 bool 查询将多个查询条件组合在一起。
组合查询
在组合过滤器 中,我们讨论过如何使用 bool 过滤器通过 and 、 or 和 not 逻辑组合将多个过滤器进行组合。
在查询中, bool 查询有类似的功能,只有一个重要的区别。 过滤器做二元判断:文档是否应该出现在结果中?但查询更精妙,它除了决定一个文档是否应该被包括在结果中,还会计算文档的 相关程度 。
与过滤器一样, bool 查询也可以接受 must 、 must_not 和 should 参数下的多个查询语句。比如:
GET /my_index/my_type/_search
{"query": {"bool": {"must": { "match": { "title": "quick" }},"must_not": { "match": { "title": "lazy" }},"should": [{ "match": { "title": "brown" }},{ "match": { "title": "dog" }}]}}
}
以上的查询结果返回 title 字段包含词项 quick 但不包含 lazy 的任意文档。目前为止,这与 bool 过滤器的工作方式非常相似。
区别就在于两个 should 语句,也就是说:一个文档不必包含 brown 或 dog 这两个词项,但如果一旦包含,我们就认为它们 更相关 :
{"hits": [{"_id": "3","_score": 0.70134366, "_source": {"title": "The quick brown fox jumps over the quick dog"}},{"_id": "1","_score": 0.3312608,"_source": {"title": "The quick brown fox"}}]
}
- 文档 3 会比文档 1 有更高评分是因为它同时包含 brown 和 dog 。
评分计算
bool 查询会为每个文档计算相关度评分 _score ,再将所有匹配的 must 和 should 语句的分数 _score 求和,最后除以 must 和 should 语句的总数。 must_not 语句不会影响评分;它的作用只是将不相关的文档排除。
控制精度
所有 must 语句必须匹配,所有 must_not 语句都必须不匹配,但有多少 should 语句应该匹配呢?默认情况下,没有 should 语句是必须匹配的,只有一个例外:那就是当没有 must 语句的时候,至少有一个 should 语句必须匹配。
就像我们能控制 match 查询的精度 一样,我们可以通过 minimum_should_match 参数控制需要匹配的 should 语句的数量,它既可以是一个绝对的数字,又可以是个百分比:
GET /my_index/my_type/_search
{"query": {"bool": {"should": [{ "match": { "title": "brown" }},{ "match": { "title": "fox" }},{ "match": { "title": "dog" }}],"minimum_should_match": 2 }}
}
- 这也可以用百分比表示
这个查询结果会将所有满足以下条件的文档返回: title 字段包含 “brown” AND “fox” 、 “brown” AND “dog” 或 “fox” AND “dog” 。如果有文档包含所有三个条件,它会比只包含两个的文档更相关。
如何使用布尔匹配
目前为止,可能已经意识到多词 match 查询只是简单地将生成的 term 查询包裹在一个 bool 查询中。如果使用默认的 or 操作符,每个 term 查询都被当作 should 语句,这样就要求必须至少匹配一条语句。以下两个查询是等价的:
{"match": { "title": "brown fox"}
}
{"bool": {"should": [{ "term": { "title": "brown" }},{ "term": { "title": "fox" }}]}
}
如果使用 and 操作符,所有的 term 查询都被当作 must 语句,所以 所有(all) 语句都必须匹配。以下两个查询是等价的:
{"match": {"title": {"query": "brown fox","operator": "and"}}
}
{"bool": {"must": [{ "term": { "title": "brown" }},{ "term": { "title": "fox" }}]}
}
如果指定参数 minimum_should_match ,它可以通过 bool 查询直接传递,使以下两个查询等价:
{"match": {"title": {"query": "quick brown fox","minimum_should_match": "75%"}}
}
{"bool": {"should": [{ "term": { "title": "brown" }},{ "term": { "title": "fox" }},{ "term": { "title": "quick" }}],"minimum_should_match": 2 }
}
- 因为只有三条语句,match 查询的参数 minimum_should_match 值 75% 会被截断成 2 。即三条 should 语句中至少有两条必须匹配。
当然,我们通常将这些查询用 match 查询来表示,但是如果了解 match 内部的工作原理,我们就能根据自己的需要来控制查询过程。有些时候单个 match 查询无法满足需求,比如为某些查询条件分配更高的权重。我们会在下一小节中看到这个例子。
查询语句提升权重
当然 bool 查询不仅限于组合简单的单个词 match 查询,它可以组合任意其他的查询,以及其他 bool 查询。普遍的用法是通过汇总多个独立查询的分数,从而达到为每个文档微调其相关度评分 _score 的目的。
假设想要查询关于 “full-text search(全文搜索)” 的文档,但我们希望为提及 “Elasticsearch” 或 “Lucene” 的文档给予更高的 权重 ,这里 更高权重 是指如果文档中出现 “Elasticsearch” 或 “Lucene” ,它们会比没有的出现这些词的文档获得更高的相关度评分 _score ,也就是说,它们会出现在结果集的更上面。
一个简单的 bool 查询 允许我们写出如下这种非常复杂的逻辑:
GET /_search
{"query": {"bool": {"must": {"match": {"content": { "query": "full text search","operator": "and"}}},"should": [ { "match": { "content": "Elasticsearch" }},{ "match": { "content": "Lucene" }}]}}
}
- content 字段必须包含 full 、 text 和 search 所有三个词。
- 如果 content 字段也包含 Elasticsearch 或 Lucene ,文档会获得更高的评分 _score 。
should 语句匹配得越多表示文档的相关度越高。目前为止还挺好。 但是如果我们想让包含 Lucene 的有更高的权重,并且包含 Elasticsearch 的语句比 Lucene 的权重更高,该如何处理?
我们可以通过指定 boost 来控制任何查询语句的相对的权重, boost 的默认值为 1 ,大于 1 会提升一个语句的相对权重。所以下面重写之前的查询:
GET /_search
{"query": {"bool": {"must": {"match": { "content": {"query": "full text search","operator": "and"}}},"should": [{ "match": {"content": {"query": "Elasticsearch","boost": 3 }}},{ "match": {"content": {"query": "Lucene","boost": 2 }}}]}}
}
- 这些语句使用默认的 boost 值 1 。
- 这条语句更为重要,因为它有最高的 boost 值。
- 这条语句比使用默认值的更重要,但它的重要性不及 Elasticsearch 语句。
boost 参数被用来提升一个语句的相对权重( boost 值大于 1 )或降低相对权重( boost 值处于 0 到 1 之间),但是这种提升或降低并不是线性的,换句话说,如果一个 boost 值为 2 ,并不能获得两倍的评分 _score 。
相反,新的评分 _score 会在应用权重提升之后被 归一化 ,每种类型的查询都有自己的归一算法,细节超出了本书的范围,所以不作介绍。
简单的说,更高的 boost 值为我们带来更高的评分 _score 。 如果不基于 TF/IDF 要实现自己的评分模型,我们就需要对权重提升的过程能有更多控制,可以使用 function_score 查询操纵一个文档的权重提升方式而跳过归一化这一步骤。
ElasticSearch-高级搜索相关推荐
- elasticsearch高级搜索功能多维度分享
目录 一.业务搜索核心功能 二.高级搜索匹配功能 三.搜索排序功能 elasticsearch高级搜索功能多维度分享,这也是实战的比较之路,此次我们全面分享常用的业务情景,全覆盖功能分享,让大家有一览 ...
- Elasticsearch高级搜索排序( 中文+拼音+首字母+简繁转换+特殊符号过滤)(示例代码)
简介 这篇文章主要介绍了Elasticsearch高级搜索排序( 中文+拼音+首字母+简繁转换+特殊符号过滤)(示例代码)以及相关的经验技巧,文章约21106字,浏览量320,点赞数5,值得参考! ...
- Elasticsearch - HTTP操作索引,文档,映射;高级搜索(五)
阅读本文前可先参考 https://blog.csdn.net/MinggeQingchun/article/details/126618387 https://blog.csdn.net/Mingg ...
- 【Elasticsearch】Elasticsearch高级调优方法论之——根治慢查询!
1.概述 转载:Elasticsearch高级调优方法论之--根治慢查询! 1.引言 Elasticsearch是非常灵活且功能丰富的搜索引擎,它提供了许多不同查询数据的方法.在实战业务场景中,经常会 ...
- ElasticSearch 高级查询语法
ElasticSearch 高级查询语法Query DSL ES倒排索引 ES高级查询Query DSL 查询所有 match_all 分页查询form 深分页查询Scroll 指定字段排序sort ...
- ElasticSearch 高级
ElasticSearch 高级 今日目标: ElasticSearch 高级操作 ElasticSearch 集群管理 1 ElasticSearch查询 ElasticSearch的强大之处就在于 ...
- ElasticSearch高级篇
注:该文档是网上资源,该文档通俗易懂,我已经按照文档学习完了,后期我会加入自己的实践内容. 0.学习目标 独立安装Elasticsearch 会使用Rest的API操作索引 会使用Rest的API查询 ...
- Elasticsearch高级二
Elasticsearch高级二 Elasticsearch查询详解 查询Query 代码 public class EsDemo2 {static String index = "test ...
- ElasticSearch高级 (Query DSL查询 bulk批量操作 导入数据 各种查询 实战技巧-优化比重 全量与增量数据同步)
ElasticSearch高级 01-Query DSL(Domain Specific Language) 1 查询上下文 2 相关度评分:_score 3 元数据:_source 4 Query ...
- ElasticSearch分布式搜索框架
目录 一. ElasticSearch背景 1.1 Elasticsearch介绍 1.2 Elasticsearch现状 1.3 Es最佳实践 二. 环境配置安装 2.1 Elasticsearch ...
最新文章
- 常见面试之机器学习算法思想简单梳理
- 首个AI国际标准有望明年出台,创新工场等多家国内公司已参与
- 前端学习(2575):vue-route使用场景
- 我的手绘2013.01.27
- 同步代码块和同步方法案例实战
- python展示文件_python之文件的读写和文件目录以及文件夹的操作实现代码
- 【matlab】设置中文版帮助
- SpringBoot+JWT+Shiro,linux 高级编程面试题
- 什么是博客,它与网站有何不同? (说明)
- python里sample_python中的sample什么意思
- 用计算机写作文的好处,第7课 用计算机写作文教案
- 清华大学鲍橒计算机1999,《最强大脑》鲍橒:世界盲棋第一人的最强记忆
- 微信小程序加载圆形图片
- 深度学习【使用pytorch实现基础模型、优化算法介绍、数据集的加载】
- 兰州交通大学php,航拍兰州交通大学校园∣让我再看你一遍 从南到北
- 使用 Transformer 序列到序列的钢琴转录
- 未报告的异常错误IOException; 必须对其进行捕获或声明以便抛出
- 超过10的带圆圈的自动项目编号
- 利用python进行数据分析学习笔记
- WEB:Wife_wife
热门文章
- 一站解决:如何用cd-hit去低于30%的冗余(资源见百度云链接)
- 电影-满城尽带黄金甲
- 剑指offter Java单链表反转
- Longstick的学习周记——http协议小解
- CNN系列:GoogleNet:深入卷积架构(Going Deeper with Convolutions)
- [立业]想做老板?先做10道题!
- 网易嵌入式面试 2015年8月19日晚网易电话面试
- 让线程按顺序执行8种方法(转载)
- 【imessage苹果推】苹果邮箱推邮箱Apple Push IMESSage SMS
- 【C 语言】结构体 ( 结构体作为函数参数 | 结构体指针作为函数参数 )