搜索 · ElasticSearch 權威指南

# 檢索文檔現在，我們已經在 Elasticsearch 中存儲了一些數據，我們可以開始根據這個項目的需求進行工作了。第一個需求就是要能搜索每一個員工的數據。對于 Elasticsearch 來說，這是非常簡單的。我們只需要執行一次 HTTP GET 請求，然后指出文檔的**地址**，也就是索引、類型以及 ID 即可。通過這三個部分，我們就可以得到原始的 JSON 文檔： ~~~ GET /megacorp/employee/1 ~~~ 返回的內容包含了這個文檔的元數據信息，而 John Smith 的原始 JSON 文檔也在 `_source` 字段中出現了： ~~~ { "_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" ] } } ~~~ 我們通過將HTTP后的請求方式由 `PUT` 改變為 `GET` 來獲取文檔，同理，我們也可以將其更換為 `DELETE` 來刪除這個文檔，`HEAD` 是用來查詢這個文檔是否存在的。如果你想替換一個已經存在的文檔，你只需要使用 `PUT` 再次發出請求即可。 # 簡易搜索 `GET` 命令真的相當簡單，你只需要告訴它你要什么即可。接下來，我們來試一下稍微復雜一點的搜索。我們首先要完成一個最簡單的搜索命令來搜索全部員工： ~~~ GET /megacorp/employee/_search ~~~ 你可以發現我們正在使用 `megacorp` 索引，`employee` 類型，但是我們我們并沒有指定文檔的ID，我們現在使用的是 `_search` 端口。你可以再返回的 `hits` 中發現我們錄入的三個文檔。搜索會默認返回最前的10個數值。 ~~~ { "took": 6, "timed_out": false, "_shards": { ... }, "hits": { "total": 3, "max_score": 1, "hits": [ { "_index": "megacorp", "_type": "employee", "_id": "3", "_score": 1, "_source": { "first_name": "Douglas", "last_name": "Fir", "age": 35, "about": "I like to build cabinets", "interests": [ "forestry" ] } }, { "_index": "megacorp", "_type": "employee", "_id": "1", "_score": 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": 1, "_source": { "first_name": "Jane", "last_name": "Smith", "age": 32, "about": "I like to collect rock albums", "interests": [ "music" ] } } ] } } ~~~ 注意：反饋值中不僅會告訴你匹配到哪些文檔，同時也會把這個文檔都會包含到其中：我們需要搜索的用戶的所有信息。接下來，我們將要嘗試著實現搜索一下哪些員工的姓氏中包含 `Smith`。為了實現這個，我們需要使用一種**輕量**的搜索方法。這種方法經常被稱做 _查詢字符串(query string)_ 搜索，因為我們通過URL來傳遞查詢的關鍵字： ~~~ GET /megacorp/employee/_search?q=last_name:Smith ~~~ 我們依舊使用 `_search` 端口，然后可以將參數傳入給 `q=`。這樣我們就可以得到姓Smith的結果： ~~~ { ... "hits": { "total": 2, "max_score": 0.30685282, "hits": [ { ... "_source": { "first_name": "John", "last_name": "Smith", "age": 25, "about": "I love to go rock climbing", "interests": [ "sports", "music" ] } }, { ... "_source": { "first_name": "Jane", "last_name": "Smith", "age": 32, "about": "I like to collect rock albums", "interests": [ "music" ] } } ] } } ~~~ # 使用Query DSL搜索查詢字符串是通過命令語句完成 _點對點(ad hoc)_ 的搜索，但是這也有它的局限性（可參閱《搜索局限性》章節）。Elasticsearch 提供了更加豐富靈活的查詢語言，它被稱作 _Query DSL_，通過它你可以完成更加復雜、強大的搜索任務。 DSL (_Domain Specific Language_ 領域特定語言) 需要使用 JSON 作為主體，我們還可以這樣查詢姓 Smith 的員工： ~~~ GET /megacorp/employee/_search { "query" : { "match" : { "last_name" : "Smith" } } } ~~~ 這個請求會返回同樣的結果。你會發現我們在這里沒有使用 _查詢字符串_，而是使用了一個由 JSON 構成的請求體，其中使用了 `match` 查詢法，隨后我們還將會學習到其他的查詢類型。 # 更加復雜的搜索接下來，我們再提高一點兒搜索的難度。我們依舊要尋找出姓 Smith 的員工，但是我們還將添加一個年齡大于30歲的限定條件。我們的查詢語句將會有一些細微的調整來以識別結構化搜索的限定條件 _filter（過濾器）_: ~~~ GET /megacorp/employee/_search { "query" : { "filtered" : { "filter" : { "range" : { "age" : { "gt" : 30 } <1> } }, "query" : { "match" : { "last_name" : "Smith" <2> } } } } } ~~~ 1. 這一部分的語句是 `range`_filter_ ，它可以查詢所有超過30歲的數據 -- `gt` 代表 **greater than （大于）**。 2. 這一部分我們前一個操作的 `match`_query_ 是一樣的先不要被這么多的語句嚇到，我們將會在之后帶你逐漸了解他們的用法。你現在只需要知道我們添加了一個 _filter_，可以在 `match` 的搜索基礎上再來實現區間搜索。現在，我們的只會顯示32歲的名為**Jane Smith**的員工了： ~~~ { ... "hits": { "total": 1, "max_score": 0.30685282, "hits": [ { ... "_source": { "first_name": "Jane", "last_name": "Smith", "age": 32, "about": "I like to collect rock albums", "interests": [ "music" ] } } ] } } ~~~ # 全文搜索上面的搜索都很簡單：名字搜索、通過年齡過濾。接下來我們來學習一下更加復雜的搜索，全文搜索——一項在傳統數據庫很難實現的功能。我們將會搜索所有喜歡 **rock climbing** 的員工: ~~~ GET /megacorp/employee/_search { "query" : { "match" : { "about" : "rock climbing" } } } ~~~ 你會發現我們同樣使用了 `match` 查詢來搜索 `about` 字段中的 **rock climbing**。我們會得到兩個匹配的文檔： ~~~ { ... "hits": { "total": 2, "max_score": 0.16273327, "hits": [ { ... "_score": 0.16273327, <1> "_source": { "first_name": "John", "last_name": "Smith", "age": 25, "about": "I love to go rock climbing", "interests": [ "sports", "music" ] } }, { ... "_score": 0.016878016, <1> "_source": { "first_name": "Jane", "last_name": "Smith", "age": 32, "about": "I like to collect rock albums", "interests": [ "music" ] } } ] } } ~~~ 1. 相關評分通常情況下，Elasticsearch 會通過相關性來排列順序，第一個結果中，John Smith 的 `about` 字段中明確地寫到 **rock climbing**。而在 Jane Smith 的 `about` 字段中，提及到了 **rock**，但是并沒有提及到 **climbing**，所以后者的 `_score` 就要比前者的低。這個例子很好地解釋了 Elasticsearch 是如何執行全文搜索的。對于 Elasticsearch 來說，相關性的概念是很重要的，而這也是它與傳統數據庫在返回匹配數據時最大的不同之處。 # 段落搜索能夠找出每個字段中的獨立單詞固然很好，但是有的時候你可能還需要去匹配精確的短語或者 _段落_。例如，我們只需要查詢到 `about` 字段只包含 **rock climbing** 的短語的員工。為了實現這個效果，我們將對 `match` 查詢變為 `match_phrase` 查詢： ~~~ GET /megacorp/employee/_search { "query" : { "match_phrase" : { "about" : "rock climbing" } } } ~~~ 這樣，系統會沒有異議地返回 John Smith 的文檔： ~~~ { ... "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" ] } } ] } } ~~~ # 高亮我們的搜索很多程序希望能在搜索結果中 _高亮_ 匹配到的關鍵字來告訴用戶這個文檔是 _如何_ 匹配他們的搜索的。在 Elasticsearch 中找到高亮片段是非常容易的。讓我們回到之前的查詢，但是添加一個 `highlight` 參數： ~~~ GET /megacorp/employee/_search { "query" : { "match_phrase" : { "about" : "rock climbing" } }, "highlight": { "fields" : { "about" : {} } } } ~~~ 當我們運行這個查詢后，相同的命中結果會被返回，但是我們會得到一個新的名叫 `highlight` 的部分。在這里包含了 `about` 字段中的匹配單詞，并且會被 `` HTML字符包裹住： ~~~ { ... "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 rock climbing" <1> ] } } ] } } ~~~ 1. 在原有文本中高亮關鍵字。