1.1.1 DSLQuery的分类
Elasticsearch提供了基于JSON的DSL（Domain Specific Language）来定义查询。常见的查询类型包括：
查询所有：查询出所有数据，一般测试用。例如：match_all
全文检索（full text）查询：利用分词器对用户输入内容分词，然后去倒排索引库中匹配。例如：
- match_query
- multi_match_query
精确查询：根据精确词条值查找数据，一般是查找keyword、数值、日期、boolean等类型字段。例如：
- ids
- range
- term
地理（geo）查询：根据经纬度查询。例如：
- geo_distance
- geo_bounding_box
复合（compound）查询：复合查询可以将上述各种查询条件组合起来，合并查询条件。例如：
- bool
- function_score
1.1.2 Query基本语法
条件查询：
GET /indexName/_search { "query": { "查询类型": { "查询条件": "条件值" } } }
查询所有
GET /indexName/_search { "query": { "match_all": { } } }
总结：查询DSL的基本语法是什么？
- GET /索引库名/_search
- { "query": { "查询类型": { "FIELD": "TEXT"}}}
全文检索查询，会对用户输入内容分词，常用于搜索框搜索：
match查询：全文检索查询的一种，会对用户输入内容分词，然后去倒排索引库检索，语法：
GET /indexName/_search { "query": { "match": { "FIELD": "TEXT" } } }
multi_match：与match查询类似，只不过允许同时查询多个字段，语法：
GET /indexName/_search { "query": { "multi_match": { "query": "TEXT", "fields": ["FIELD1", " FIELD12"] } } }
match和multi_match的区别是什么？
match：根据一个字段查询
multi_match：根据多个字段查询，参与查询字段越多，查询性能越差
精确查询一般是查找keyword、数值、日期、boolean等类型字段。所以不会对搜索条件分词。常见的有：
term：根据词条精确值查询
range：根据值的范围查询
精确查询常见的有term查询和range查询。语法如下：
term查询
GET /indexName/_search { "query": { "term": { "FIELD": { "value": "VALUE" } } } }
range查询
GET /indexName/_search { "query": { "range": { "FIELD": { "gte": 10, "lte": 20 } } } }
总结：精确查询常见的有哪些？
term查询：根据词条精确匹配，一般搜索keyword类型、数值类型、布尔类型、日期类型字段
range查询：根据数值范围查询，可以是数值、日期的范围
根据经纬度查询。常见的使用场景包括：
携程：搜索我附近的酒店
滴滴：搜索我附近的出租车
微信：搜索我附近的人
geo_bounding_box：查询geo_point值落在某个矩形范围的所有文档
GET /indexName/_search { "query": { "geo_bounding_box": { "FIELD": { "top_left": { "lat": 31.1, "lon": 121.5 }, "bottom_right": { "lat": 30.9, "lon": 121.7 } } } } }
geo_distance：查询到指定中心点小于某个距离值的所有文档
GET /indexName/_search { "query": { "geo_distance": { "distance": "15km", "FIELD": "31.21,121.5" } } }
复合（compound）查询：复合查询可以将其它简单查询组合起来，实现更复杂的搜索逻辑，例如：
fuction score：算分函数查询，可以控制文档相关性算分，控制文档排名。例如百度竞价
相关性算分
当我们利用match查询时，文档结果会根据与搜索词条的关联度打分（_score），返回结果时按照分值降序排列。
例如，我们搜索 "虹桥如家"，结果如下：
elasticsearch中的相关性打分算法是什么？
TF-IDF：在elasticsearch5.0之前，会随着词频增加而越来越大
BM25：在elasticsearch5.0之后，会随着词频增加而增大，但增长曲线会趋于水平
Function Score Query
使用 function score query，可以修改文档的相关性算分（query score），根据新得到的算分排序。
案例：给“如家”这个品牌的酒店排名靠前一些
把这个问题翻译一下，function score需要的三要素：
1、哪些文档需要算分加权？
品牌为如家的酒店
2、算分函数是什么？
weight就可以
3、加权模式是什么？
求和
function score query定义的三要素是什么？
- 过滤条件：哪些文档要加分
- 算分函数：如何计算function score
- 加权方式：function score 与 query score如何运算
复合查询 Boolean Query
布尔查询是一个或多个查询子句的组合。子查询的组合方式有：
must：必须匹配每个子查询，类似“与”
should：选择性匹配子查询，类似“或”
must_not：必须不匹配，不参与算分，类似“非”
filter：必须匹配，不参与算分
案例：利用bool查询实现功能
需求：搜索名字包含“如家”，价格不高于400，在坐标31.21,121.5周围10km范围内的酒店。
总结：bool查询有几种逻辑关系？
must：必须匹配的条件，可以理解为“与”
should：选择性匹配的条件，可以理解为“或”
must_not：必须不匹配的条件，不参与打分
filter：必须匹配的条件，不参与打分
elasticsearch支持对搜索结果排序，默认是根据相关度算分（_score）来排序。可以排序字段类型有：keyword类型、数值类型、地理坐标类型、日期类型等。
案例：对酒店数据按照用户评价降序排序，评价相同的按照价格升序排序
评价是score字段，价格是price字段，按照顺序添加两个排序规则即可。
案例：实现对酒店数据按照到你的位置坐标的距离升序排序
获取经纬度的方式：获取鼠标点击经纬度-地图属性-示例中心-JS API 2.0 示例 | 高德地图API
elasticsearch 默认情况下只返回top10的数据。而如果要查询更多数据就需要修改分页参数了。
elasticsearch中通过修改from、size参数来控制要返回的分页结果：
深度分页问题
ES是分布式的，所以会面临深度分页问题。例如按price排序后，获取from = 990，size =10的数据：
- 首先在每个数据分片上都排序并查询前1000条文档。
- 然后将所有节点的结果聚合，在内存中重新排序选出前1000条文档
- 最后从这1000条中，选取从990开始的10条文档
如果搜索页数过深，或者结果集（from + size）越大，对内存和CPU的消耗也越高。因此ES设定结果集查询的上限是10000
深度分页解决方案
针对深度分页，ES提供了两种解决方案：
- search after：分页时需要排序，原理是从上一次的排序值开始，查询下一页数据。官方推荐使用的方式。
- scroll：原理将排序数据形成快照，保存在内存。官方已经不推荐使用。
总结：
from + size：
优点：支持随机翻页
缺点：深度分页问题，默认查询上限（from + size）是10000
场景：百度、京东、谷歌、淘宝这样的随机翻页搜索
after search：
优点：没有查询上限（单次查询的size不超过10000）
缺点：只能向后逐页查询，不支持随机翻页
场景：没有随机翻页需求的搜索，例如手机向下滚动翻页
scroll：
优点：没有查询上限（单次查询的size不超过10000）
缺点：会有额外内存消耗，并且搜索结果是非实时的
场景：海量数据的获取和迁移。从ES7.1开始不推荐，建议用 after search方案。
高亮：就是在搜索结果中把搜索关键字突出显示。
原理是这样的：
将搜索结果中的关键字用标签标记出来
在页面中给标签添加css样式
语法：
搜索结果处理整体语法：
我们通过match_all来演示下基本的API，先看请求DSL的组织：
我们通过match_all来演示下基本的API，再看结果的解析：
RestAPI中其中构建DSL是通过HighLevelRestClient中的resource()来实现的，其中包含了查询、排序、分页、高亮等所有功能：
RestAPI中其中构建查询条件的核心部分是由一个名为QueryBuilders的工具类提供的，其中包含了各种查询方法：
总结：查询的基本步骤是：
- 创建SearchRequest对象
- 准备Request.source()，也就是DSL。
QueryBuilders来构建查询条件
传入Request.source() 的 query() 方法- 发送请求，得到结果
- 解析结果（参考JSON结果，从外到内，逐层解析）
全文检索的match和multi_match查询与match_all的API基本一致。差别是查询条件，也就是query的部分。
同样是利用QueryBuilders提供的方法：
// 单字段查询QueryBuilders.matchQuery("all", "如家");
// 多字段查询QueryBuilders.multiMatchQuery("如家", "name", "business");
精确查询常见的有term查询和range查询，同样利用QueryBuilders实现：
// 词条查询QueryBuilders.termQuery("city", "杭州");
// 范围查询QueryBuilders.rangeQuery("price").gte(100).lte(150);
精确查询常见的有term查询和range查询，同样利用QueryBuilders实现：
// 创建布尔查询
BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
// 添加must条件
boolQuery.must(QueryBuilders.termQuery("city", "杭州"));
// 添加filter条件
boolQuery.filter(QueryBuilders.rangeQuery("price").lte(250));
总结：要构建查询条件，只要记住一个类：QueryBuilders
搜索结果的排序和分页是与query同级的参数，对应的API如下：
// 查询
request.source().query(QueryBuilders.matchAllQuery());
// 分页
request.source().from(0).size(5);
高亮API包括请求DSL构建和结果解析两部分。我们先看请求的DSL构建：
总结：
所有搜索DSL的构建，记住一个API：
SearchRequest的source()方法。
高亮结果解析是参考JSON结果，逐层解析
先实现其中的关键字搜索功能，实现步骤如下：
- 定义实体类，接收前端请求
- 定义controller接口，接收页面请求，调用IHotelService的search方法
- 定义IHotelService中的search方法，利用match查询实现根据关键字搜索酒店信息
步骤1：定义类，接收前端请求参数：
步骤2：定义controller接口，接收前端请求：
定义一个HotelController，声明查询接口，满足下列要求：
- 请求方式：Post
- 请求路径：/hotel/list
- 请求参数：对象，类型为RequestParam
- 返回值：PageResult，包含两个属性
Long total：总条数
List hotels：酒店数据
步骤3：在IHotelService中定义一个方法，实现搜索功能：
- 在IHotelService中定义一个方法，声明如下：
- 在HotelService中实现该方法，满足下列要求：
- 利用match查询，根据参数中的key搜索all字段，查询酒店信息并返回
- 利用参数中的page、size实现分页
步骤：
修改RequestParams类，添加brand、city、starName、minPrice、maxPrice等参数
修改search方法的实现，在关键字搜索时，如果brand等参数存在，对其做过滤
步骤一：拓展IUserService的search方法的参数列表
修改RequestParams类，接收所有参数：
步骤二：修改search方法，在match查询基础上添加过滤条件
过滤条件包括：
- city精确匹配
- brand精确匹配
- starName精确匹配
- price范围过滤
注意事项：
- 多个条件之间是AND关系，组合多条件用BooleanQuery
- 参数存在才需要过滤，做好非空判断
我们给需要置顶的酒店文档添加一个标记。然后利用function score给带有标记的文档增加权重。
实现步骤分析：
- 给HotelDoc类添加isAD字段，Boolean类型
- 挑选几个你喜欢的酒店，给它的文档数据添加isAD字段，值为true
- 修改search方法，添加function score功能，给isAD值为true的酒店增加权重