概要

結構化搜尋針對日期、時間、數字等結構化資料的搜尋，它們有自己的格式，我們可以對它們進行範圍，比較大小等邏輯操作，這些邏輯操作得到的結果非黑即白，要麼符合條件在結果集裡，要麼不符合條件在結果集之外，沒有那種相似的概念。

前言

結構化搜尋將會有大量的搜尋例項，我們將"音樂APP"作為主要的案例背景，去開發一些跟音樂APP相關的搜尋或資料分析，有助力於我們理解實戰的目標，順帶鞏固一下學習的知識。

我們將一首歌需要的欄位暫定為：
| name | code | type | remark |
| :---- | :--: | :--: | -----: |
| ID | id | keyword | 文件ID |
| 歌手 | author | text | |
| 歌曲名稱 | name | text | |
| 歌詞 | content | text | |
| 語種 | language | text | |
| 標籤 | tags | text | |
| 歌曲時長 | length | long | 記錄秒數 |
| 喜歡次數 | likes | long | 點選喜歡1次，自增1 |
| 是否釋出 | isRelease | boolean | true已釋出，false未釋出 |
| 釋出日期 | releaseDate | date | |

我們手動定義的索引mapping資訊如下：

PUT /music
{
  "mappings": {
      "children": {
        "properties": {
          "id": {
            "type": "keyword"
          },
          "author_first_name": {
            "type": "text",
            "analyzer": "english"
          },
          "author_last_name": {
            "type": "text",
            "analyzer": "english"
          },
          "author": {
            "type": "text",
            "analyzer": "english",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "name": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "content": {
            "type": "text",
            "fields": {
              "keyword": {
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "language": {
            "type": "text",
            "analyzer": "english",
            "fielddata": true
          },
          "tags": {
            "type": "text",
            "analyzer": "english"
          },
          "length": {
            "type": "long"
          },
          "likes": {
            "type": "long"
          },
          "isRelease": {
            "type": "boolean"
          },
          "releaseDate": {
            "type": "date"
          }
        }
      }
  }
}
 

我們預先匯入一批資料進去：

POST /music/children/_bulk
{ "index": { "_id": 1 }}
{ "id" : "34116101-7fa2-5630-a1a4-1735e19d2834", "author_first_name":"Peter", "author_last_name":"Gymbo", "author" : "Peter Gymbo", "name": "gymbo", "content":"I hava a friend who loves smile, gymbo is his name", "language":"english", "tags":["enlighten","gymbo","friend"], "length":53, "likes": 5, "isRelease":true, "releaseDate": "2019-12-20" }
{ "index": { "_id": 2 }}
{ "id" : "34117101-54cb-59a1-9b7a-82adb46fa58d", "author_first_name":"John", "author_last_name":"Smith", "author" : "John Smith", "name": "wake me, shark me", "content":"don't let me sleep too late, gonna get up brightly early in the morning", "language":"english", "tags":["wake","early","morning"], "length":55, "likes": 8,"isRelease":true, "releaseDate": "2019-12-21" }
{ "index": { "_id": 3 }}
{ "id" : "34117201-8d01-49d4-a495-69634ae67017", "author_first_name":"Jimmie", "author_last_name":"Davis", "author" : "Jimmie Davis", "name": "you are my sunshine", "content":"you are my sunshine, my only sunshine, you make me happy, when skies are gray", "language":"english", "tags":["sunshine","happy"], "length":65,"likes": 12, "isRelease":true, "releaseDate": "2019-12-22" }
{ "index": { "_id": 4 }}
{ "id" : "55fa74f7-35f3-4313-a678-18c19c918a78", "author_first_name":"Peter", "author_last_name":"Raffi", "author" : "Peter Raffi", "name": "brush your teeth", "content":"When you wake up in the morning it's a quarter to one, and you want to have a little fun You brush your teeth", "language":"english", "tags":"teeth", "length":45,"likes": 17, "isRelease":true, "releaseDate": "2019-12-22" }
{ "index": { "_id": 5 }}
{ "id" : "1740e61c-63da-474f-9058-c2ab3c4f0b0a", "author_first_name":"Jean", "author_last_name":"Ritchie", "author" : "Jean Ritchie", "name": "love somebody", "content":"love somebody, yes I do", "language":"english", "tags":"love", "length":38, "likes": 3,"isRelease":true, "releaseDate": "2019-12-22" }
 

精確值查詢

我們根據文件的mapping設計，可以按ID、按日期進行查詢。

根據ID搜尋歌曲

GET /music/children/_search
{
    "query" : {
        "constant_score" : { 
            "filter" : {
                "term" : { 
                    "id" : "34116101-7fa2-5630-a1a4-1735e19d2834"
                }
            }
        }
    }
}

注意ID建立時，型別是指定為keyword，這樣ID在索引時不會進行分詞。如果型別為text，UUID值在索引時會分詞，這樣反而查不到結果了。

按日期搜尋歌曲

GET /music/children/_search
{
    "query" : {
        "constant_score" : { 
            "filter" : {
                "term" : { 
                    "releaseDate" : "2019-12-21"
                }
            }
        }
    }
}

按歌曲時長搜尋

GET /music/children/_search
{
    "query" : {
        "constant_score" : { 
            "filter" : {
                "term" : { 
                    "length" : 53
                }
            }
        }
    }
}

搜尋已釋出的歌曲

GET /music/children/_search
{
    "query" : {
        "constant_score" : { 
            "filter" : {
                "term" : { 
                    "isRelease" : true
                }
            }
        }
    }
}

以上3個小例子可以發現：準確值搜尋對keyword、日期、數字、boolean值天然支援。

組合過濾

前面的4個小例子都是單條件過濾的，實際的需求肯定會有多個條件，不過萬變不離其宗，再複雜的搜尋需求，也是由一個一個的基礎條件複合而成的，我們來看幾個簡單的組合過濾的例子。

複習一下之前學過的邏輯：

• bool 組合多個條件，可以巢狀
• must 必須匹配
• should 可以匹配（類似於or，多個條件在should裡）
• must_not 必須不匹配

搜尋釋出日期為2019-12-20，或歌曲ID為2a8f4288-c0a9-5c9b-8f99-67339b66f4c0，但釋出日期不能是2019-12-21的歌曲

GET /music/children/_search
{
  "query": {
    "constant_score": {
      "filter": {
        "bool": {
          "should": [
            {"term":{
              "releaseDate":"2019-12-20"
            }},
            {"term":{
              "id":"2a8f4288-c0a9-5c9b-8f99-67339b66f4c0"
            }}
          ],
          "must_not": {
          "term": {
            "releaseDate":"2019-12-21"
          }
        }
        }
      }
    }
  }
}

搜尋歌曲ID為2a8f4288-c0a9-5c9b-8f99-67339b66f4c0，或者是歌曲ID為34116101-7fa2-5630-a1a4-1735e19d2834而且釋出日期為2019-12-20的帖子

GET /music/children/_search
{
  "query": {
    "constant_score": {
      "filter": {
        "bool": {
          "should": [
            {"term":{
              "id":"2a8f4288-c0a9-5c9b-8f99-67339b66f4c0"
            }},
            {
              "bool": {
                "must" : [
                  {
                  "term" : {
                "id":"34116101-7fa2-5630-a1a4-1735e19d2834"
                  }},
                 { "term" : {
                    "releaseDate":"2019-12-20"
                  }}
                ]
              }
            }
          ]
        }
        }
      }
    }
  }

多值搜尋

使用語法terms，可以同時搜尋多個值，類似mysql的in語句。

GET /music/children/_search
{
  "query": {
    "constant_score": {
      "filter": {
        "terms": {
          "id": [
            "34116101-7fa2-5630-a1a4-1735e19d2834",
            "99268c7e-8308-569a-a975-bbce7d3f9a8e"
          ]
        }
      }
    }
  }
}

範圍查詢

針對Long型別和date型別的資料，是支援範圍查詢的，使用gt、lt、gte、lte來完成範圍的判斷。與mysql的>、<、>=、<=以及between...and異曲同工。

搜尋時長在45-60秒之間的歌曲

對Long型別的範圍查詢，直接使用範圍表示式：

GET /music/children/_search
{
  "query": {
    "constant_score": {
      "filter": {
        "range": {
          "length": {
            "gte": 45,
            "lte": 60
          }
        }
      }
    }
  }
}

日期的範圍搜尋

針對日期的範圍搜尋，除了直接寫日期，加上常規的範圍表示式之外，還可以使用+1d、-1d表示對指定日期的加減，如"2019-12-21||-1d"表示"2019-12-20"，也可以使用now-1d表示昨天，挺有趣。

給個示例：搜尋2019-12-21前一天新發布的歌曲

GET /music/children/_search
{
  "query": {
    "constant_score": {
      "filter": {
        "range": {
          "releaseDate" :{
          "gt":"2019-12-21||-1d"
        }
      }
    }
  }
}
}

Null值處理

倒排索引在建立時，是不接受空值的，這就意味著null,[],[null]這些各種形式的null值，不無法存入倒排索引的，那這樣怎麼辦？

Elasticsearch提供了兩種查詢，類似於mysql的is not null和not exists。

存在查詢

exists查詢，會返回那些指定欄位有值的文件，與mysql的is not null類似。

案例中的tags欄位，就是一個選填項，有些記錄可能是null值，如果我需要查詢所有的tags值的記錄，請求如下：

GET /music/children/_search
{
  "query": {
    "constant_score": {
      "filter": {
        "exists": {
          "field": "tags"
        }
      }
    }
  }
}

缺失查詢

缺失查詢原來是有關鍵字missing表示，效果與exists相反，語法上與mysql的is null類似，但6.x版本就已經廢棄了，我們可以改用must not + exists實現相同的效果。

還是使用tags欄位為例，查詢tags為空的文件：

GET /music/children/_search
{
  "query": {
    "bool": {
      "must_not": {
        "exists": {
          "field": "tags"
        }
      }
    }
  }
}

filter快取

過濾器為什麼效率那麼高？除了本身的設計集合來達到高效過濾之外，還將查詢結果適當地快取化。

filter執行原理

我們瞭解一下Elasticsearch對過濾器的簡單操作：

1. 根據fitler條件查詢匹配的文件，獲取document list。如果有多個過濾條件且涉及多個欄位，那麼就會有多個document list，document list是按倒排索引來的。
2. 根據document list構建bitset(包含0或1的陣列)，匹配了是1，沒匹配上為0，如[1,0,0,0]。
3. 迭代所有的bitset，從最稀疏的開始（可以排除到大量的文件），取陣列相同位置所有值為1的記錄。
4. 將bitset快取在記憶體中，用於提高效能。

filter比query好處是會caching，下次不用查倒排索引，filter大部分情況下在query之前執行query會計算doc對搜尋條件的relevance score，還會根據這個score去排序
filter簡單過濾出想要的資料，不計算relevance score，也不排序

filter快取

快取條件

1. 最近的256個filter中，某個filter超過一定次數（次數不固定），就會自動快取這個filter對應的bitset。
2. filter針對小segment獲取的結果，可以不快取，segment<1000條或segment大小<index總大小的 3%。原因是資料量小，重新掃描很快，太小的segment在後臺會自動合併到大的segment中，快取意義不大

快取更新

快取的更新非常智慧，增量更新的方式，如果有document新增或修改時，會將新文件加入bitset，而不是刪除快取或整個重新計算。

小結

本篇前半部分使用了大量的示例，可以快速閱讀，後面介紹了filter的過濾原理及快取處理機制，可以瞭解一下，謝謝。

專注Java高併發、分散式架構，更多技術乾貨分享與心得，請關注公眾號：Java架構社群
可以掃左邊二維碼新增好友，邀請你加入Java架構社群微信群共同探討技術

相關推薦