檢索文檔（sense）基礎(chǔ)語法

檢索文檔操作 (sense)

ElasticSearch版本 2.4.2 ，新版本有待學(xué)習(xí)瞧甩。

1. 檢索單條文檔

這在 Elasticsearch 中很簡單。

一個 HTTP GET 請求并指定文檔的地址——索引庫、類型和ID岛宦。

使用這三個信息可以返回原始的 JSON 文檔：

GET /megacorp/employee/1

返回結(jié)果包含了文檔的一些元數(shù)據(jù)阱佛，以及 _source 屬性帖汞，內(nèi)容是 John Smith 雇員的原始 JSON 文檔：

{
  "_index": "megacorp",
  "_type": "employee",
  "_id": "1",
  "_version": 1,
  "found": true,
  "_source": {
      "first_name": "John",
      "last_name": "Smith",
      "age": 25,
      "about": "I love to go rock climbing",
      "interests": [
        "sports",
        "music"
      ]
  }
}

2. 輕量搜索

請求所有的雇員

GET /megacorp/employee/_search

可以看到，我們?nèi)匀皇褂盟饕龓?megacorp 以及類型 employee凑术，但與指定一個文檔 ID 不同翩蘸，這次使用 _search 。

返回結(jié)果包括了所有三個文檔淮逊，放在數(shù)組 hits 中催首。一個搜索默認(rèn)返回十條結(jié)果扶踊。

返回結(jié)果不僅告知匹配了哪些文檔，還包含了整個文檔本身：顯示搜索結(jié)果給最終用戶所需的全部信息郎任。

接下來秧耗，嘗試下搜索姓氏為 Smith 的雇員。

為此舶治，我們將使用一個高亮搜索分井，很容易通過命令行完成。

這個方法一般涉及到一個查詢字符串（query-string）搜索霉猛，我們通過一個URL參數(shù)來傳遞查詢信息給搜索接口：

GET /megacorp/employee/_search?q=last_name:Smith

具體返回結(jié)果含義再行解釋

3. 使用查詢表達(dá)式搜索

Query-string 搜索通過命令非常方便地進(jìn)行臨時性的即席搜索尺锚，但它有自身的局限性（參見輕量搜索）。

Elasticsearch 提供一個豐富靈活的查詢語言叫做查詢表達(dá)式惜浅，它支持構(gòu)建更加復(fù)雜和健壯的查詢瘫辩。

領(lǐng)域特定語言（DSL），指定了使用一個 JSON 請求赡矢。我們可以像這樣重寫之前的查詢所有 Smith 的搜索：

GET /megacorp/employee/_search
{
    "query": {
        "match": {
          "last_name": "Smith"
        }
    }
}

4. 更復(fù)雜的搜索（過濾器filter）

現(xiàn)在嘗試下更復(fù)雜的搜索杭朱。

同樣搜索姓氏為 Smith 的雇員，但這次我們只需要年齡大于 30 的吹散。

查詢需要稍作調(diào)整弧械，使用過濾器 filter ，它支持高效地執(zhí)行一個結(jié)構(gòu)化查詢空民。

GET /megacorp/employee/_search
{
    "query": {
        "bool": {
            "must": [ //這個可以省略
              {
                  "match": {
                      "last_name": "smith"
                  }
              }
            ],
            "filter":{
                "range": {
                  "age": {
                      "gt": 30
                  }
                }
            }
        }
    }
}

5. 全文搜索（相關(guān)性）

截止目前的搜索相對都很簡單：單個姓名刃唐，通過年齡過濾。

現(xiàn)在嘗試下稍微高級點兒的全文搜索——一項傳統(tǒng)數(shù)據(jù)庫確實很難搞定的任務(wù)界轩。

搜索下所有喜歡攀巖（rock climbing）的雇員：

GET /megacorp/employee/_search
{
    "query": {
        "match": {
          "about": "rock climbing"
        }
    }
}

顯然我們依舊使用之前的 match 查詢在about 屬性上搜索 “rock climbing” 画饥。得到兩個匹配的文檔：

{   
    ......
  "hits": {
      "total": 2,
      "max_score": 0.16273327,
      "hits": [
        {
            "_index": "megacorp",
            "_type": "employee",
            "_id": "1",
            "_score": 0.16273327,  ①
            "_source": {
              "first_name": "John",
              "last_name": "Smith",
              "age": 25,
              "about": "I love to go rock climbing",
              "interests": [
                  "sports",
                  "music"
              ]
            }
        },
        {
            "_index": "megacorp",
            "_type": "employee",
            "_id": "2",
            "_score": 0.016878016,    ②
            "_source": {
              "first_name": "Jane",
              "last_name": "Smith",
              "age": 32,
              "about": "I like to collect rock albums",
              "interests": [
                  "music"
              ]
            }
        }
      ]
  }
}

相關(guān)性得分

Elasticsearch 默認(rèn)按照相關(guān)性得分排序，即每個文檔跟查詢的匹配程度浊猾。

第一個最高得分的結(jié)果很明顯：John Smith 的 about 屬性清楚地寫著 “rock climbing” 抖甘。

但為什么 Jane Smith 也作為結(jié)果返回了呢？原因是她的 about 屬性里提到了 “rock” 葫慎。

因為只有 “rock” 而沒有 “climbing” 衔彻，所以她的相關(guān)性得分低于 John 的。

這是一個很好的案例偷办，闡明了 Elasticsearch 如何在全文屬性上搜索并返回相關(guān)性最強(qiáng)的結(jié)果艰额。Elasticsearch中的相關(guān)性概念非常重要，也是完全區(qū)別于傳統(tǒng)關(guān)系型數(shù)據(jù)庫的一個概念椒涯，數(shù)據(jù)庫中的一條記錄要么匹配要么不匹配柄沮。

6. 短語搜索

找出一個屬性中的獨(dú)立單詞是沒有問題的，但有時候想要精確匹配一系列單詞或者短語。

比如祖搓，我們想執(zhí)行這樣一個查詢狱意，僅匹配同時包含 “rock” 和 “climbing” ，并且二者以短語 “rock climbing” 的形式緊挨著的雇員記錄棕硫。

為此對 match 查詢稍作調(diào)整髓涯，使用一個叫做 match_phrase 的查詢：

GET /megacorp/employee/_search
{
    "query": {
        "match_phrase": {
          "about": "rock climbing"
        }
    }
}

毫無懸念，返回結(jié)果僅有 John Smith 的文檔哈扮。

7. 高亮搜索

許多應(yīng)用都傾向于在每個搜索結(jié)果中高亮部分文本片段纬纪，以便讓用戶知道為何該文檔符合查詢條件。

在 Elasticsearch 中檢索出高亮片段也很容易滑肉。
再次執(zhí)行前面的查詢包各，并增加一個新的 highlight 參數(shù)：

GET /megacorp/employee/_search
{
    "query": {
        "match_phrase": {
          "about": "rock climbing"
        }
    },
    "highlight": {
        "fields": {
            "about":{}
        }
    }
}

當(dāng)執(zhí)行該查詢時，返回結(jié)果與之前一樣靶庙，與此同時結(jié)果中還多了一個叫做 highlight 的部分问畅。

這個部分包含了 about 屬性匹配的文本片段，并以 HTML 標(biāo)簽 <em></em> 封裝：

{
  ...
  "hits": {
      "total":      1,
      "max_score":  0.23013961,
      "hits": [
        {
            ...
            "_score":        0.23013961,
            "_source": {
              "first_name":  "John",
              "last_name":  "Smith",
              "age":        25,
              "about":      "I love to go rock climbing",
              "interests": [ "sports", "music" ]
            },
            "highlight": {
              "about": [
                  "I love to go <em>rock</em> <em>climbing</em>"
              ]
            }
        }
      ]
  }
}

關(guān)于高亮搜索片段六荒，可以在 highlighting reference documentation 了解更多信息护姆。

分析

終于到了最后一個業(yè)務(wù)需求：支持管理者對雇員目錄做分析。

Elasticsearch 有一個功能叫聚合（aggregations）掏击，允許我們基于數(shù)據(jù)生成一些精細(xì)的分析結(jié)果卵皂。

聚合與 SQL 中的 GROUP BY 類似但更強(qiáng)大。

舉個例子砚亭，挖掘出雇員中最受歡迎的興趣愛好：

GET /megacorp/employee/_search
{
  "aggs": {
    "all_interests": {
      "terms": { "field": "interests" }
    }
  }
}

{
  ...
  "hits": { ... },
  "aggregations": {
      "all_interests": {
        "buckets": [
            {
              "key":      "music",
              "doc_count": 2
            },
            {
              "key":      "forestry",
              "doc_count": 1
            },
            {
              "key":      "sports",
              "doc_count": 1
            }
        ]
      }
  }
}

可以看到灯变，兩位員工對音樂感興趣，一位對林地感興趣捅膘，一位對運(yùn)動感興趣添祸。

這些聚合并非預(yù)先統(tǒng)計，而是從匹配當(dāng)前查詢的文檔中即時生成寻仗。

如果想知道叫 Smith 的雇員中最受歡迎的興趣愛好刃泌，可以直接添加適當(dāng)?shù)牟樵儊斫M合查詢：

GET /megacorp/employee/_search
{
  "query": {
    "match": {
      "last_name": "smith"
    }
  },
  "aggs": {
    "all_interests": {
      "terms": {
        "field": "interests"
      }
    }
  }
}

聚合還支持分級匯總。比如署尤，查詢特定興趣愛好員工的平均年齡：

GET /megacorp/employee/_search
{
    "aggs" : {
        "all_interests" : {
            "terms" : { "field" : "interests" },
            "aggs" : {
                "avg_age" : {    //自定義名稱
                    "avg" : { "field" : "age" }    //avg 平均
                }
            }
        }
    }
}

輸出基本是第一次聚合的加強(qiáng)版蔬咬。

依然有一個興趣及數(shù)量的列表，只不過每個興趣都有了一個附加的 avg_age 屬性沐寺，代表有這個興趣愛好的所有員工的平均年齡。

即使現(xiàn)在不太理解這些語法也沒有關(guān)系盖奈，依然很容易了解到復(fù)雜聚合及分組通過 Elasticsearch 特性實現(xiàn)得很完美混坞。可提取的數(shù)據(jù)類型毫無限制。