【Elastic Engineering】Elasticsearch:使用 _validate API 在不执行查询的情况下验证查询

本文涉及的产品
Elasticsearch Serverless通用抵扣包,测试体验金 200元
简介: Elasticsearch:使用 _validate API 在不执行查询的情况下验证查询

作者:刘晓国


我们知道有的 Elasticsearch 的查询是非常耗时的。我们可以使用 _validate API 来对我们的 DSL 搜索进行一些验证。在很多的情况下,我们甚至可以使用这个 API 来验证不同的查询方法之间的区别或相同的地方。Elasticsearch 的 DSL 最终会转换为 Apache Lucene 的查询。今天,我将使用一个例子来展示这个 API 的用法。


首先,我们创建一个如下的索引及文档:

PUT my_index/_doc/1
{
  "content": "I like Elastic search because of its fast search speed, scalability and relevance"
}

我们创建了上述的一个索引叫做 my_index,并且含有一个文档。


我们可以针对这个文档进行如下的查询:

GET my_index/_search
{
  "query": {
    "match": {
      "content": {
        "query": "Elastic speed scalability relevance",
        "minimum_should_match": 2
      }
    }
  }
}

上面的查询返回的结果是:

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.1507283,
    "hits" : [
      {
        "_index" : "my_index",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 1.1507283,
        "_source" : {
          "content" : "I like Elastic search because of its fast search speed, scalability and relevance"
        }
      }
    ]
  }
}

上面的查询显示了一个分数为 1.15,并且我们查询的结果是文档含有 Elastic speed scalability relevance 这其中四个关键字中的任何两个。


在 Elasticsearch 中,我们也可以使用另外一种方法来进行查询:

GET my_index/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "content": "Elastic"
          }
        },
        {
          "match": {
            "content": "speed"
          }
        },
        {
          "match": {
            "content": "scalability"
          }
        },
        {
          "match": {
            "content": "relevance"
          }
        }
      ],
      "minimum_should_match": 2
    }
  }
}

上面的查询返回的结果是:

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.1507283,
    "hits" : [
      {
        "_index" : "my_index",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 1.1507283,
        "_source" : {
          "content" : "I like Elastic search because of its fast search speed, scalability and relevance"
        }
      }
    ]
  }
}

我们发现这两种方法查询的结果是完全一样的,而且它们的得分也是一样的。都是 1.15,那这两种方法到底是一样的吗?


我们可以通过 _validate API 接口来进行比较:

GET my_index/_validate/query?rewrite=true
{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "content": "Elastic"
          }
        },
        {
          "match": {
            "content": "speed"
          }
        },
        {
          "match": {
            "content": "scalability"
          }
        },
        {
          "match": {
            "content": "relevance"
          }
        }
      ],
      "minimum_should_match": 2
    }
  }
}

上面的命令的返回结果是:

{
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "failed" : 0
  },
  "valid" : true,
  "explanations" : [
    {
      "index" : "my_index",
      "valid" : true,
      "explanation" : "(content:elastic content:speed content:scalability content:relevance)~2"
    }
  ]
}

在 explanations 这个部分,我们可以看到

"explanation" : "(content:elastic content:speed content:scalability content:relevance)~2"

这个部分是真正要在 Apache Lucene 的部分进行查询的方法。


我们可以使用同样的方法来对 match 查询来进行验证:

GET my_index/_validate/query?rewrite=true
{
  "query": {
    "match": {
      "content": {
        "query": "Elastic speed scalability relevance",
        "minimum_should_match": 2
      }
    }
  }
}

上面的方法返回的结果是:

{
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "failed" : 0
  },
  "valid" : true,
  "explanations" : [
    {
      "index" : "my_index",
      "valid" : true,
      "explanation" : "(content:elastic content:speed content:scalability content:relevance)~2"
    }
  ]
}

从上面的结果可以看出来,这两种方法的查询的结果是完全一样的。针对 Apache Lucene 的查询完全是一样的,虽然它们的 DSL 的写法完全不同。


我们甚至可以针对如下的查询来进行验证:

GET my_index/_validate/query?rewrite=true
{
  "query": {
    "query_string": {
      "default_field": "content",
      "query": "Elastic speed scalability relevance",
      "minimum_should_match": "50%"
    }
  }
}

上面的查询结果为:

{
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "failed" : 0
  },
  "valid" : true,
  "explanations" : [
    {
      "index" : "my_index",
      "valid" : true,
      "explanation" : "(content:elastic content:speed content:scalability content:relevance)~2"
    }
  ]
}

显然它的查询结果和之前的没有什么不一样的。


我们也可以利用 explain 参数来对查询进行解释,比如:

GET my_index/_validate/query?explain=true
{
  "query": {
    "match": {
      "content": {
        "query": "Elastic speed scalability relevance",
        "minimum_should_match": 2
      }
    }
  }
}

上面显示的结果和之前的是一样的:

{
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "failed" : 0
  },
  "valid" : true,
  "explanations" : [
    {
      "index" : "my_index",
      "valid" : true,
      "explanation" : "(content:elastic content:speed content:scalability content:relevance)~2"
    }
  ]
}

如果我们不加任何的参数,我们并没有执行这个查询,只是验证一下查询是否为有效的查询:

GET my_index/_validate/query
{
  "query": {
    "match": {
      "content": {
        "query": "Elastic speed scalability relevance",
        "minimum_should_match": 2
      }
    }
  }
}

上面返回的结果为:

{
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "failed" : 0
  },
  "valid" : true
}

上面验证是成功的。


相关实践学习
以电商场景为例搭建AI语义搜索应用
本实验旨在通过阿里云Elasticsearch结合阿里云搜索开发工作台AI模型服务,构建一个高效、精准的语义搜索系统,模拟电商场景,深入理解AI搜索技术原理并掌握其实现过程。
ElasticSearch 最新快速入门教程
本课程由千锋教育提供。全文搜索的需求非常大。而开源的解决办法Elasricsearch(Elastic)就是一个非常好的工具。目前是全文搜索引擎的首选。本系列教程由浅入深讲解了在CentOS7系统下如何搭建ElasticSearch,如何使用Kibana实现各种方式的搜索并详细分析了搜索的原理,最后讲解了在Java应用中如何集成ElasticSearch并实现搜索。  
相关文章
|
7天前
|
移动开发 算法 API
淘宝/天猫:使用物流查询API实时显示包裹位置,减少客服咨询量
电商平台中物流咨询占客服工作40%以上,用户频繁追问包裹位置。本文介绍通过物流查询API实现包裹实时追踪,降低75.6%咨询量,提升用户体验与复购率,助力降本增效。(238字)
96 0
|
1月前
|
JSON 自然语言处理 搜索推荐
银行卡归属地及开户行查询API查询实战指南
银行卡归属地及开户行查询API,通过卡号快速识别发卡行、开户地及卡种信息,支持全国1500+银行,数据实时更新。提供结构化数据返回,广泛应用于支付、风控、用户画像等场景,助力金融系统高效、安全运行。
449 5
|
10天前
|
人工智能 JSON API
淘宝/天猫:使用物流查询API实时显示包裹位置,减少客服咨询量
在电商竞争激烈的环境下,淘宝、天猫通过集成物流查询API,实现实时追踪包裹位置,显著减少用户咨询量。本文解析其原理、实现步骤与效益,展示如何以技术手段提升用户体验、降低客服压力,助力平台高效运营。(238字)
91 0
|
1月前
|
JSON Unix API
1688查询榜单列表API详解
1688榜单API提供实时热销、新品等商品榜单数据,支持20+品类及40+字段筛选,适用于选品与市场分析。每小时更新,响应迅速。提供Python调用示例,开发者可快速集成。
|
19天前
|
监控 安全 算法
快递查询API|一次接通2700+快递服务商的物流轨迹
在物流数字化的浪潮中,企业对接多家快递服务商的痛点日益凸显:每新增一家合作物流商,技术团队就要投入 5-7 个工作日进行接口开发,不同服务商的接口协议差异导致系统稳定性差,物流轨迹数据分散在各平台难以整合分析。快递鸟快递查询 API 通过标准化接口架构,创新性地实现了 2700 + 国内外快递服务商的一键接入,将传统模式下的周级开发周期压缩至小时级,彻底重构了物流数据对接的技术范式。
62 0
|
1月前
|
JSON API 数据格式
银行卡联行号查询API:在风控中的落实践
银行卡联行号查询API,基于HTTPS协议,支持Token认证与跨域调用,提供精准高效的银行信息查询服务,助力支付系统提升成功率与稳定性。
213 0
|
2月前
|
JSON 供应链 API
1688 电商 API 接口,供应商信息查询便捷通道
1688电商API接口为企业提供高效查询供应商信息的解决方案,支持自动化获取公司名称、联系方式、信用评级等核心数据,并具备批量处理与精准筛选功能,提升供应链管理效率。
176 1
|
2月前
|
JSON API PHP
化学元素信息,元素周期表查询免费API完整指南
本接口提供权威化学元素的100+项参数查询服务,涵盖原子结构、物理性质、分布数据等科研级参数。支持中文名称、元素符号(区分大小写)或原子序数查询,适用于教育软件、化学工具和科研系统开发。数据版权归属接口盒子。
|
2月前
|
安全 API Python
详解手机状态查询API实战指南
手机状态查询API是一款高效接口,可实时识别手机号状态(实号、空号、风险号等),帮助企业筛选有效号码,提升业务触达率与客户体验。
328 0
|
21天前
|
人工智能 API
阿里云百炼API-KEY在哪查询?如何获取阿里云AI百炼大模型的API-KEY?
阿里云百炼是阿里云推出的AI大模型平台,用户可通过其管理控制台获取API-KEY。需先开通百炼平台及大模型服务,即可创建并复制API-KEY。目前平台提供千万tokens免费额度,详细操作流程可参考官方指引。

相关产品

  • 检索分析服务 Elasticsearch版