检索文档

现在Elasticsearch中已经存储了一些数据,我们可以根据业务需求开始工作了。第一个需求是能够检索单个员工的信息。

这对于Elasticsearch来说非常简单。我们只要执行HTTP GET请求并指出文档的“地址”——索引、类型和ID既可。根据这三部分信息,我们就可以返回原始JSON文档:

  1. GET /megacorp/employee/1

响应的内容中包含一些文档的元信息,John Smith的原始JSON文档包含在_source字段中。

  1. {
  2. "_index" : "megacorp",
  3. "_type" : "employee",
  4. "_id" : "1",
  5. "_version" : 1,
  6. "found" : true,
  7. "_source" : {
  8. "first_name" : "John",
  9. "last_name" : "Smith",
  10. "age" : 25,
  11. "about" : "I love to go rock climbing",
  12. "interests": [ "sports", "music" ]
  13. }
  14. }

我们通过HTTP方法GET来检索文档,同样的,我们可以使用DELETE方法删除文档,使用HEAD方法检查某文档是否存在。如果想更新已存在的文档,我们只需再PUT一次。

简单搜索

GET请求非常简单——你能轻松获取你想要的文档。让我们来进一步尝试一些东西,比如简单的搜索!

我们尝试一个最简单的搜索全部员工的请求:

  1. GET /megacorp/employee/_search

你可以看到我们依然使用megacorp索引和employee类型,但是我们在结尾使用关键字_search来取代原来的文档ID。响应内容的hits数组中包含了我们所有的三个文档。默认情况下搜索会返回前10个结果。

  1. {
  2. "took": 6,
  3. "timed_out": false,
  4. "_shards": { ... },
  5. "hits": {
  6. "total": 3,
  7. "max_score": 1,
  8. "hits": [
  9. {
  10. "_index": "megacorp",
  11. "_type": "employee",
  12. "_id": "3",
  13. "_score": 1,
  14. "_source": {
  15. "first_name": "Douglas",
  16. "last_name": "Fir",
  17. "age": 35,
  18. "about": "I like to build cabinets",
  19. "interests": [ "forestry" ]
  20. }
  21. },
  22. {
  23. "_index": "megacorp",
  24. "_type": "employee",
  25. "_id": "1",
  26. "_score": 1,
  27. "_source": {
  28. "first_name": "John",
  29. "last_name": "Smith",
  30. "age": 25,
  31. "about": "I love to go rock climbing",
  32. "interests": [ "sports", "music" ]
  33. }
  34. },
  35. {
  36. "_index": "megacorp",
  37. "_type": "employee",
  38. "_id": "2",
  39. "_score": 1,
  40. "_source": {
  41. "first_name": "Jane",
  42. "last_name": "Smith",
  43. "age": 32,
  44. "about": "I like to collect rock albums",
  45. "interests": [ "music" ]
  46. }
  47. }
  48. ]
  49. }
  50. }

注意

响应内容不仅会告诉我们哪些文档被匹配到,而且这些文档内容完整的被包含在其中—我们在给用户展示搜索结果时需要用到的所有信息都有了。

接下来,让我们搜索姓氏中包含“Smith”的员工。要做到这一点,我们将在命令行中使用轻量级的搜索方法。这种方法常被称作查询字符串(query string)搜索,因为我们像传递URL参数一样去传递查询语句:

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

我们在请求中依旧使用_search关键字,然后将查询语句传递给参数q=。这样就可以得到所有姓氏为Smith的结果:

  1. {
  2. ...
  3. "hits": {
  4. "total": 2,
  5. "max_score": 0.30685282,
  6. "hits": [
  7. {
  8. ...
  9. "_source": {
  10. "first_name": "John",
  11. "last_name": "Smith",
  12. "age": 25,
  13. "about": "I love to go rock climbing",
  14. "interests": [ "sports", "music" ]
  15. }
  16. },
  17. {
  18. ...
  19. "_source": {
  20. "first_name": "Jane",
  21. "last_name": "Smith",
  22. "age": 32,
  23. "about": "I like to collect rock albums",
  24. "interests": [ "music" ]
  25. }
  26. }
  27. ]
  28. }
  29. }

使用DSL语句查询

查询字符串搜索便于通过命令行完成特定(ad hoc)的搜索,但是它也有局限性(参阅简单搜索章节)。Elasticsearch提供丰富且灵活的查询语言叫做DSL查询(Query DSL),它允许你构建更加复杂、强大的查询。

DSL(Domain Specific Language特定领域语言)以JSON请求体的形式出现。我们可以这样表示之前关于“Smith”的查询:

  1. GET /megacorp/employee/_search
  2. {
  3. "query" : {
  4. "match" : {
  5. "last_name" : "Smith"
  6. }
  7. }
  8. }

这会返回与之前查询相同的结果。你可以看到有些东西改变了,我们不再使用查询字符串(query string)做为参数,而是使用请求体代替。这个请求体使用JSON表示,其中使用了match语句(查询类型之一,具体我们以后会学到)。

更复杂的搜索

我们让搜索稍微再变的复杂一些。我们依旧想要找到姓氏为“Smith”的员工,但是我们只想得到年龄大于30岁的员工。我们的语句将添加过滤器(filter),它使得我们高效率的执行一个结构化搜索:

  1. GET /megacorp/employee/_search
  2. {
  3. "query" : {
  4. "filtered" : {
  5. "filter" : {
  6. "range" : {
  7. "age" : { "gt" : 30 } <1>
  8. }
  9. },
  10. "query" : {
  11. "match" : {
  12. "last_name" : "smith" <2>
  13. }
  14. }
  15. }
  16. }
  17. }
  • <1> 这部分查询属于区间过滤器(range filter),它用于查找所有年龄大于30岁的数据——gt为”greater than”的缩写。
  • <2> 这部分查询与之前的match语句(query)一致。

现在不要担心语法太多,我们将会在以后详细的讨论。你只要知道我们添加了一个过滤器(filter)用于执行区间搜索,然后重复利用了之前的match语句。现在我们的搜索结果只显示了一个32岁且名字是“Jane Smith”的员工:

  1. {
  2. ...
  3. "hits": {
  4. "total": 1,
  5. "max_score": 0.30685282,
  6. "hits": [
  7. {
  8. ...
  9. "_source": {
  10. "first_name": "Jane",
  11. "last_name": "Smith",
  12. "age": 32,
  13. "about": "I like to collect rock albums",
  14. "interests": [ "music" ]
  15. }
  16. }
  17. ]
  18. }
  19. }

全文搜索

到目前为止搜索都很简单:搜索特定的名字,通过年龄筛选。让我们尝试一种更高级的搜索,全文搜索——一种传统数据库很难实现的功能。

我们将会搜索所有喜欢“rock climbing”的员工:

  1. GET /megacorp/employee/_search
  2. {
  3. "query" : {
  4. "match" : {
  5. "about" : "rock climbing"
  6. }
  7. }
  8. }

你可以看到我们使用了之前的match查询,从about字段中搜索“rock climbing”,我们得到了两个匹配文档:

  1. {
  2. ...
  3. "hits": {
  4. "total": 2,
  5. "max_score": 0.16273327,
  6. "hits": [
  7. {
  8. ...
  9. "_score": 0.16273327, <1>
  10. "_source": {
  11. "first_name": "John",
  12. "last_name": "Smith",
  13. "age": 25,
  14. "about": "I love to go rock climbing",
  15. "interests": [ "sports", "music" ]
  16. }
  17. },
  18. {
  19. ...
  20. "_score": 0.016878016, <2>
  21. "_source": {
  22. "first_name": "Jane",
  23. "last_name": "Smith",
  24. "age": 32,
  25. "about": "I like to collect rock albums",
  26. "interests": [ "music" ]
  27. }
  28. }
  29. ]
  30. }
  31. }
  • <1><2> 结果相关性评分。

默认情况下,Elasticsearch根据结果相关性评分来对结果集进行排序,所谓的「结果相关性评分」就是文档与查询条件的匹配程度。很显然,排名第一的John Smithabout字段明确的写到“rock climbing”

但是为什么Jane Smith也会出现在结果里呢?原因是“rock”在她的abuot字段中被提及了。因为只有“rock”被提及而“climbing”没有,所以她的_score要低于John。

这个例子很好的解释了Elasticsearch如何在各种文本字段中进行全文搜索,并且返回相关性最大的结果集。相关性(relevance)的概念在Elasticsearch中非常重要,而这个概念在传统关系型数据库中是不可想象的,因为传统数据库对记录的查询只有匹配或者不匹配。

短语搜索

目前我们可以在字段中搜索单独的一个词,这挺好的,但是有时候你想要确切的匹配若干个单词或者短语(phrases)。例如我们想要查询同时包含”rock”和”climbing”(并且是相邻的)的员工记录。

要做到这个,我们只要将match查询变更为match_phrase查询即可:

  1. GET /megacorp/employee/_search
  2. {
  3. "query" : {
  4. "match_phrase" : {
  5. "about" : "rock climbing"
  6. }
  7. }
  8. }

毫无疑问,该查询返回John Smith的文档:

  1. {
  2. ...
  3. "hits": {
  4. "total": 1,
  5. "max_score": 0.23013961,
  6. "hits": [
  7. {
  8. ...
  9. "_score": 0.23013961,
  10. "_source": {
  11. "first_name": "John",
  12. "last_name": "Smith",
  13. "age": 25,
  14. "about": "I love to go rock climbing",
  15. "interests": [ "sports", "music" ]
  16. }
  17. }
  18. ]
  19. }
  20. }

高亮我们的搜索

很多应用喜欢从每个搜索结果中高亮(highlight)匹配到的关键字,这样用户可以知道为什么这些文档和查询相匹配。在Elasticsearch中高亮片段是非常容易的。

让我们在之前的语句上增加highlight参数:

  1. GET /megacorp/employee/_search
  2. {
  3. "query" : {
  4. "match_phrase" : {
  5. "about" : "rock climbing"
  6. }
  7. },
  8. "highlight": {
  9. "fields" : {
  10. "about" : {}
  11. }
  12. }
  13. }

当我们运行这个语句时,会命中与之前相同的结果,但是在返回结果中会有一个新的部分叫做highlight,这里包含了来自about字段中的文本,并且用<em></em>来标识匹配到的单词。

  1. {
  2. ...
  3. "hits": {
  4. "total": 1,
  5. "max_score": 0.23013961,
  6. "hits": [
  7. {
  8. ...
  9. "_score": 0.23013961,
  10. "_source": {
  11. "first_name": "John",
  12. "last_name": "Smith",
  13. "age": 25,
  14. "about": "I love to go rock climbing",
  15. "interests": [ "sports", "music" ]
  16. },
  17. "highlight": {
  18. "about": [
  19. "I love to go <em>rock</em> <em>climbing</em>" <1>
  20. ]
  21. }
  22. }
  23. ]
  24. }
  25. }
  1. 原有文本中高亮的片段

你可以在高亮章节阅读更多关于搜索高亮的部分。