先看后赞，养成习惯。
点赞收藏，人生辉煌。
DSL是Domain Specific Language的缩写，指的是为特定问题领域设计的计算机语言。这种语言专注于某特定领域的问题解决，因而比通用编程语言更有效率。
在Elasticsearch（ES）中，DSL指的是Elasticsearch Query DSL，一种以JSON形式表示的查询语言。通过这种语言，用户可以构建复杂的查询、排序和过滤数据等操作。这些查询可以是全文搜索、分面/聚合搜索，也可以是结构化的搜索。
查询上下文
使用query关键字进行检索，倾向于相关度搜索，故需要计算评分。搜索是Elasticsearch最关键和重要的部分。
在查询上下文中，一个查询语句表示一个文档和查询语句的匹配程度。无论文档匹配与否，查询语句总能计算出一个相关性分数在_score字段上。
相关度评分：_score
相关度评分用于对搜索结果排序，评分越高则认为其结果和搜索的预期值相关度越高，即越符合搜索预期值，默认情况下评分越高，则结果越靠前。在7.x之前相关度评分默认使用TF/IDF算法计算而来，7.x之后默认为BM25。
源数据：_source
source字段包含索引时原始的JSON文档内容，字段本身不建立索引（因此无法进行搜索），但是会被存储，所以当执行获取请求是可以返回source字段。
虽然很方便，但是source字段的确会对索引产生存储开销，因此可以禁用source字段，达到节省存储开销的目的。可以通过以下接口进行关闭。
PUT my_index { "mappings": { "_source": { "enabled": false } } }
但是需要注意的是这么做会带来一些弊端，_source禁用会导致如下功能无法使用：
- 不支持update、update_by_query和reindex API。
- 不支持高亮。
- 不支持reindex、更改mapping分析器和版本升级。
总结：在禁用source之前，应该仔细考虑是否需要进行此操作。如果只是希望降低存储的开销，可以压缩索引比禁用source更好。
数据源过滤器
例如，假设你的应用只需要获取部分字段（如"name"和"price"），而其他字段（如"desc"和"tags"）不经常使用或者数据量较大，导致传输和处理这些额外的数据会增加网络开销和处理时间。在这种情况下，通过设置includes和excludes可以有效地减少每次请求返回的数据量，提高效率。例如：
PUT product { "mappings": { "_source": { "includes": ["name", "price"], "excludes": ["desc", "tags"] } } }
Including：结果中返回哪些field。
Excluding：结果中不要返回哪些field，不返回的field不代表不能通过该字段进行检索，因为元数据不存在不代表索引不存在，Excluding优先级比Including更高。
需要注意的是，尽管这些设置会影响搜索结果中_source字段的内容，但并不会改变实际存储在Elasticsearch中的数据。也就是说，"desc"和"tags"字段仍然会被索引和存储，只是在获取源数据时不会被返回。
在mapping中定义这种方式不推荐，因为mapping不可变。我们可以在查询过程中使用_source指定返回的字段，如下：
GET product/_search { "_source": { "includes": ["owner.*", "name"], "excludes": ["name", "desc", "price"] }, "query": { "match_all": {} } }
Elasticsearch的_source字段在查询时支持使用通配符（wildcards）来包含或排除特定字段。使得能够更灵活地操纵返回的数据。
关于规则，可以参考以下几点:
- *：匹配任意字符序列，包括空序列。
- ?：匹配任意单个字符。
- [abc]： 匹配方括号内列出的任意单个字符。例如，[abc]将匹配"a", "b", 或 "c"。
请注意，通配符表达式可能会导致查询性能下降，特别是在大型索引中，因此应谨慎使用。
全文检索
全文检索是Elasticsearch的核心功能之一，它可以高效地在大量文本数据中寻找特定关键词。
在Elasticsearch中，全文检索主要依靠两个步骤："分析"（Analysis）和"查询"（Search）。
- 分析: 当你向Elasticsearch索引一个文档时，会进行"分析"处理，将原始文本数据转换成称为"tokens"或"terms"的小片段。这个过程可能包括如下操作：
- 切分文本（Tokenization）
- 将所有字符转换为小写（Lowercasing）
- 删除常见但无重要含义的单词（Stopwords）
- 提取词根（Stemming）
- 查询: 当执行全文搜索时，查询字符串也会经过类似的分析过程，然后再与已经分析过的索引进行比对，找出匹配的结果并返回。
Elasticsearch提供了许多种全文搜索的查询类型，例如：
- Match Query: 最基本的全文搜索查询。
- Match Phrase Query: 用于查找包含特定短语的文档。
- Multi-Match Query: 类似Match Query，但可以在多个字段上进行搜索。
- Query String Query: 提供了丰富的搜索语法，可以执行复杂的、灵活的全文搜索。
match：匹配包含某个term的子句
GET product/_search { "query": { "match": { "name": "xiaomi nfc phone" } } }
上面的搜索语句，只要文档的"name"字段包含"xiaomi"、"nfc"或者"phone"中的任何一个词，就会被视为匹配。
match_all：匹配所有结果的子句
match_all 是 Elasticsearch 中的一个查询类型，它匹配所有文档，不需要任何参数。
GET product/_search { "query": { "match_all": {} } }
上面的语句等价于：
GET /product/_search
这个查询将会返回索引中的所有文档。这通常用于在没有特定搜索条件时获取所有的文档，或者与其他查询结合使用（如过滤器）。
需要注意，由于 match_all 查询可能返回大量的数据，所以一般在使用时都会与分页（pagination）功能结合起来，这样可以控制返回结果的数量，避免一次性加载过多数据导致的性能问题。例如，你可以使用 from 和 size 参数来限制返回结果：
GET /_search { "query": { "match_all": {} }, "from": 10, "size": 10 }
multi_match：多字段条件
multi_match 查询是 Elasticsearch 中用来在多个字段上执行全文查询的功能。它接受一个查询字符串和一组需要在其中执行查询的字段列表。例如：
GET /_search { "query": { "multi_match" : { "query": "xiaomi nfc phone", "fields": [ "name", "description" ] } } }`
这个查询会在 "name" 和 "description" 两个字段中查找包含 "xiaomi nfc phone" 的文档。
multi_match 还支持多种类型的匹配模式，如：best_fields, most_fields, cross_fields, phrase, phrase_prefix等。这些类型的行为略有不同，可以按照实际需求进行选择。
例如，“best_fields” 类型会从指定的字段中挑选分数最高的匹配结果计算最终得分，而“most_fields” 类型则会在每个字段中都寻找匹配项并将其分数累加起来。
需要注意的是，当使用 multi_match 查询时，如果字段不同，其权重可能也会不同。你可以通过在字段名后面添加尖括号（^）和权重值来调整特定字段的权重。例如，"fields": [ "name^3", "description" ]表示在"name"字段中的匹配结果权重是"description"字段的三倍。
match_phrase：短语查询
match_phrase 是 Elasticsearch 中的一种全文查询类型，它用于精确匹配包含指定短语的文档。match_phrase 查询需要字段值中的单词顺序与查询字符串中的单词顺序完全一致。
例如：
GET /_search { "query": { "match_phrase": { "message": "this is a test" } } }
这个查询将会找到"message"字段中包含完整短语"this is a test"的所有文档。
此外，match_phrase 查询还有一个 slop 参数，可以定义词组中的词语可能存在的位置偏移量。例如，如果将 slop 设置为 1，则查询 "this is a test" 也可匹配 "this is test a"，因为 "a" 和 "test" 只需移动一个位置即可匹配。
