文章目录
- 前言
- 一、地理位置查询
- 1、点位距离查询：geo_distance query
- 2、矩形面内查询：geo_bounding_box query
- 3、多边形范围内查询：geo_polygon query
- 4、集合图形关系查询：geo_shape query
- 二、特殊查询
- 1、内容推荐查询：more_like_this query
- 2、脚本查询：script query
- 3、percolate query
- 总结
前言
最近除了再用es的基础全文查询外，也频繁用到了ES的地理位置查询与特殊查询，故而再次记录一下。
一、地理位置查询
1、点位距离查询：geo_distance query
例如：给出一个中心点，查询距离该中心点指定范围内的文档：
GET /address_point/_search
{
"query": {
"bool": {
"must": [
{
"match_all": {}
}
],
"filter": [
{
"geo_distance": {
"distance": "600km",
"location": {
"lat": 34.288991,
"lon": 108.940429
}
}
}
]
}
}
}
查询以(34.288991,108.940429) 为圆心，以 600KM 为半径，这个范围内的数据。
2、矩形面内查询：geo_bounding_box query
在某一个矩形内的点，通过两个点锁定一个矩形：
GET /address_point/_search
{
"query": {
"bool": {
"must": [
{
"match_all": {}
}
],
"filter": [
{
"geo_bounding_box": {
"location": {
"top_left": {
"lat": 32.0639555946604,
"lon": 118.78967285156249
},
"bottom_right": {
"lat": 29.98824461550903,
"lon": 122.20642089843749
}
}
}
}
]
}
}
}
以南京经纬度作为矩形的左上角，以舟山经纬度作为矩形的右下角，构造出来的矩形中，包含上海和杭州两个城市。
3、多边形范围内查询：geo_polygon query
在某一个多边形范围内的查询：
GET /address_point/_search
{
"query": {
"bool": {
"must": [
{
"match_all": {}
}
],
"filter": [
{
"geo_polygon": {
"location": {
"points": [
{
"lat": 31.793755581217674,
"lon": 113.8238525390625
},
{
"lat": 30.007273923504556,
"lon":114.224853515625
},
{
"lat": 30.007273923504556,
"lon":114.8345947265625
}
]
}
}
}
]
}
}
}
给定多个点，由多个点组成的多边形中的数据。
4、集合图形关系查询：geo_shape query
geo_shape 用来查询图形，针对 geo_shape，两个图形之间的关系有：相交、包含、不相交。
新建索引：
PUT geo_shape
{
"mappings": {
"properties": {
"name":{
"type": "keyword"
},
"location":{
"type": "geo_shape"
}
}
}
}
添加一条线：
PUT geo_shape/_doc/1
{
"name":"西安-郑州",
"location":{
"type":"linestring",
"coordinates":[
[108.9404296875,34.279914398549934],
[113.66455078125,34.768691457552706]
]
}
}
查询某一个图形中是否包含该线：
GET geo_shape/_search
{
"query": {
"bool": {
"must": [
{
"match_all": {}
}
],
"filter": [
{
"geo_shape": {
"location": {
"shape": {
"type": "envelope",
"coordinates": [
[
106.5234375,
36.80928470205937
],
[
115.33447265625,
32.24997445586331
]
]
},
"relation": "within"
}
}
}
]
}
}
}
relation 属性表示两个图形的关系：
1、within 包含
2、intersects 相交
3、disjoint 不相交
二、特殊查询
1、内容推荐查询：more_like_this query
more_like_this query 可以实现基于内容的推荐，给定一篇文章，可以查询出和该文章相似的内容。
GET books/_search
{
"query": {
"more_like_this": {
"fields": [
"info"
],
"like": "大学战略",
"min_term_freq": 1,
"max_query_terms": 12
}
}
}
说明：
1、
fields：要匹配的字段，可以有多个。
2、like：要匹配的文本。
3、min_term_freq：词项的最低频率，默认是 2。特别注意，这个是指词项在要匹配的文本中的频率，而不是 es 文档中的频率。
4、max_query_terms：query 中包含的最大词项数目。
5、min_doc_freq：最小的文档频率，搜索的词，至少在多少个文档中出现，少于指定数目，该词会被忽略。
6、max_doc_freq：最大文档频率。
7、analyzer：分词器，默认使用字段的分词器
8、stop_words：停用词列表。
9、minmum_should_match
2、脚本查询：script query
脚本查询，例如查询所有价格大于 200 的图书：
GET books/_search
{
"query": {
"bool": {
"filter": [
{
"script": {
"script": {
"lang": "painless",
"source": "if(doc['price'].size()!=0){doc['price'].value > 200}"
}
}
}
]
}
}
}
3、percolate query
percolate query 译作渗透查询或者反向查询。
- 1、正常操作：根据查询语句找到对应的文档 query->document
- 2、percolate query：根据文档，返回与之匹配的查询语句，document->query
应用场景：价格监控、库存报警、股票警告等等
例如阈值告警，假设指定字段值大于阈值，报警提示。
percolate mapping 定义：
PUT log
{
"mappings": {
"properties": {
"threshold":{
"type": "long"
},
"count":{
"type": "long"
},
"query":{
"type":"percolator"
}
}
}
}
percolator 类型相当于 keyword、long 以及 integer 等。
插入文档：
PUT log/_doc/1
{
"threshold":10,
"query":{
"bool":{
"must":{
"range":{
"count":{
"gt":10
}
}
}
}
}
}
查询：
GET log/_search
{
"query": {
"percolate": {
"field": "query",
"documents": [
{
"count":3
},
{
"count":6
},
{
"count":90
},
{
"count":12
},
{
"count":15
}
]
}
}
}
查询结果中会列出不满足条件的文档。
查询结果中的 _percolator_document_slot 字段表示文档的 position，从 0 开始计。
总结
上面简单介绍了ES中比较少用的查询方法，更多可以查看官网。
