学习黑马- SpringCloud微服务技术栈项目的分布式搜索中DSL语法章节自行整理的笔记，方便日后的重构。
项目涉及技术
1.知识点是按照集数依次整理，方便日后回来查找。
2.考虑到不是固定的联网方式，时而WiFi，时而热点，配置静态IP会导致每次网络变更后都需要重新配置，所以虚拟机使用的动态路由，当需要运行相关程序时，IP变化，只需要修改测试时初始化的RestHighLevelClient即可。
3.将代码路径列举主要是为后续审查。
4.RestClient操作索引库的代码路径E:\微服务\实用篇\day05-Elasticsearch01\资料\hotel-demo。
实用篇
- DSL查询语法（P101）
- 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、multi_match；两者区别match根据一个字段查询，multi_match根据多个字段查询；参与查询的字段越多，查询性能越差。 - 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：
Boolean Query、function_score。 - 相关性打分算法(P105)
- 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。
# 查询所有 GET /hotel/_search { "query": { "match_all": {} } } # 全文检索 -- match查询（效率高） GET /hotel/_search { "query": { "match": { "all": "外滩如家" } } } # 全文检索 -- multi_match GET /hotel/_search { "query": { "multi_match": { "query": "外滩如家", "fields": ["brand", "name", "business"] } } } # 精确查询 -- term查询 GET /hotel/_search { "query": { "term": { "city": { "value": "上海" } } } } # 精确查询 -- range查询 范围 GET /hotel/_search { "query": { "range": { "price": { "gte": 100, "lte": 300 } } } } # 地理查询 -- distance查询 GET /hotel/_search { "query": { "geo_distance": { "distance": "2km", "location": "31.21, 121.5" } } } # 复合查询 -- function_score 参加打分 # 给“如家”这个品牌的酒店靠前一点 GET /hotel/_search { "query": { "function_score": { "query": { "match": { "all": "外滩" } }, "functions": [ //算分函数 { "filter": { //条件 "term": { "brand": "如家" } }, "weight": 10 //算分权重 } ], "boost_mode": "sum" //加权分式 } } } # 复合查询 -- Boolean Query # 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 - 提高效率 # filter:必须匹配的条件，不参与打分 - 提高效率 # 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 GET /hotel/_search { "query": { "bool": { "must": [ {"match":{"name": "如家"}} ], "must_not": [ {"range":{"price":{"gt": 400}}} ], "filter":[ {"geo_distance": { "distance": "20km", "location": { "lat": 31.21, "lon": 121.5 } }} ] } } }
- 搜索结果处理（P108）
- 排序 – 经过排序就不做相关性打分，提高查询效率。
- 分页–文档全部查询，然后截取当前文档的位置+显示的文档数；默认top10，查询更多修改参数-from、size。
- 深度分页问题–ES集群处理的时候，是将所有节点的结果聚合，在内存中排序，在选中相应的文档；搜索页数过深，或结果集（from+size）越大，对内存和CPU的消耗也越高。
- es设定结果集上限为10000。
- 分页方式(P109)
from + size–优点：支持随机翻页；缺点：深度分页问题。场景：百度、谷歌、京东等的随机翻页搜索。after search–优点：没有查询上限（单词查询的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，例如手机向下翻页。scroll：优点：没有查询上限（单词查询的size不超过10000），缺点：会额外消耗内存，搜索结果是非实时的，场景：海量数据的获取和迁移。（已弃用）- 高亮–将搜索结果中把搜索关键字突出显示。
# 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 GET /hotel/_search { "query": { "match_all": {} }, "sort": [ { "score": "desc" }, { "price": "asc" } ] } # 对酒店数据数据按照你的位置坐标的距离升序排序 GET /hotel/_search { "query": { "match_all": {} }, "sort": [ { "_geo_distance": { "location": { "lat": 31.034661, "lon": 121.612282 }, "order": "asc", "unit": "km" } } ] } # 分页查询 -- from-分页当前的位置 size-显示文档的总数 GET /hotel/_search { "query": { "match_all": {} }, "sort":[ { "price": "asc" } ], "from": 0, "size": 10 } # 高亮查询，默认情况下，ES搜索字段必须与高亮字段一致，可以将"require_field_match":"false"-关闭搜索字段和高亮字段匹配 GET /hotel/_search { "query": { "match": { "all": "如家" } }, "highlight":{ "fields":{ "name":{ "require_field_match":"false" } } } }
1.RestClient查询文档–利用JavaRestClient查询文档。（P111）
2.基本步骤–创建SearchRequest对象-准备Request.source()，其中QueryBuilders来构建查询条件，再传入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）。
3.全文检索 – 要构建条件只需要QueryBuilders。
4.高亮–高亮结果解析是参考JSON结果，逐层解析。
->微服务技术栈DSL语法课程视频
https://www.bilibili.com/video/BV1LQ4y127n4?p=100
<-
记录每一个学习瞬间
