Elasticsearch：解锁深度匹配，运用Elasticsearch DSL构建闪电般的高效模糊搜索体验

news2025/4/19 12:44:10

Elasticsearch查询分类

叶子查询

全文检索查询

match查询

multi_match查询

精确查询

term查询

range查询

复杂查询

bool查询简单应用

bool查询实现排序和分页

bool查询实现高亮

场景分析

问题思考

解决方案

search_after方案(推荐)

point in time方案

方案比较

Elasticsearch查询分类

Elasticsearch的查询可以分为两大类：

叶子查询（Leaf query clauses）：一般是在特定的字段里查询特定值，属于简单查询，很少单独使用。

复合查询（Compound query clauses）：以逻辑方式组合多个叶子查询或者更改叶子查询的行为方式。

叶子查询

全文检索查询

用分词器对用户输入搜索条件先分词，得到词条，然后再利用倒排索引搜索词条。

match查询

可以以一个分词，例如"GB"得到所有name中带“GB”的数据

# match查询所有
GET /items/_search
{
  "query": {
    "match": {
      "name": "GB"
    }
  }
}

实现效果如下：（总共有17条数据中name有“GB”）

`multi_match查询`

与match类似的还有multi_match，区别在于可以同时对多个字段搜索，而且多个字段都要满足，语法示例：

GET /items/_search
{
  "query": {
    "multi_match": {
      "query": "电脑",
      "fields": ["name", "category"]
    }
  }
}

实现效果如下：（即name和brand都必须带“电脑”）

精确查询

不对用户输入搜索条件分词，根据字段内容精确值匹配。但只能查找keyword、数值、日期、boolean类型的字段。

term查询

# term查询所有
GET /items/_search
{
  "query": {
   "term": {
     "brand": {
       "value": "Dell"
     }
   }
  }
}

实现效果如下：（不在对搜索条件分词）

range查询


# range查询所有
GET /items/_search
{
  "query": {
   "range": {
     "price": {
       "gte": 10000,
       "lte": 200000
     }
   }
  }
}

实现效果如下：（对price范围查询： 10000<查询值<200000）

复杂查询

bool查询简单应用

GET /items/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "name": "GB"
          }
        }
      ],
      "filter": [
        {
          "term": {
            "brand": "Apple"
          }
        },
        {
          "range": {
            "price": {
              "gte": 100000,
              "lte": 2000000
            }
          }
        }
      ]
    }
  }
}

实现效果如下：（name中要有“GB”,brand中有“Apple”，且100000<查询值<2000000）

bool查询实现排序和分页


GET /items/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "price": {
        "order": "desc"
      },
      "sold": {
        "order": "asc"
      }
    }
  ],
  "from": 0,
  "size": 5
}

实现效果解读：查询所有数据，先以price降序排序，price相同，以sold升序排序，一页五条。

bool查询实现高亮

我们在百度，京东搜索时，关键字会变成红色，比较醒目，这叫高亮显示。

事实上elasticsearch已经提供了给搜索关键字加标签的语法，无需我们自己编码。

GET /items/_search
{
  "query": {
    "match": {
      "name": "手机"
    }
  },
  "highlight": {
    "fields": {
      "name": {}
    }
  }
}

实现效果如下：（给手机加上了<em>标签）

场景分析

问题思考

elasticsearch的数据一般会采用分片存储，也就是把一个索引中的数据分成N份，存储到不同节点上。这种存储方式比较有利于数据扩展，但给分页带来了一些麻烦。
比如一个索引库中有100000条数据，分别存储到4个分片，每个分片25000条数据。现在每页查询10条，查询第99页。
实现思路来分析，肯定是将所有数据排序，找出前1000名，截取其中的990~1000的部分。但问题来了，我们如何才能找到所有数据中的前1000名呢？
要知道每一片的数据都不一样，第1片上的第900~1000，在另1个节点上并不一定依然是900~1000名。所以我们只能在每一个分片上都找出排名前1000的数据，然后汇总到一起，重新排序，才能找出整个索引库中真正的前1000名。

解决方案

`search_after方案(推荐)`

search_after提供了一种基于上一次查询结果中最后一个文档的排序值来“继续”下一页的方式。这要求每次查询都必须带上前一次查询结果中的排序值，从而避免了深度分页的问题。

GET /_search
{
    "size": 10,
    "query": {
        "match": {
            "title": "elasticsearch"
        }
    },
    "search_after": [123456], // 上一个查询结果中的排序值
    "sort": [
        {"_id": "desc"}
    ]
}

`point in time方案`

从Elasticsearch 7.10版本开始引入的point in time功能，提供了比scroll（一个过时的方案，官方弃用）更灵活的方式来遍历结果集。与scroll不同，point in time不会自动关闭搜索上下文，而是需要显式地关闭它，这样可以在一定程度上减少资源消耗。

POST /my-index/_pit?keep_alive=1m
{}

GET /_search
{
    "size": 10,
    "query": {
        "match": {
            "title": "elasticsearch"
        }
    },
    "pit": {
        "id": "wmx3UmRBY1VnVUJqQlNvMzZQRVhBQT09LS1RY1hZRkRBPT0=",
        "keep_alive": "1m"
    },
    "sort": [{"_id": "asc"}]
}