检索文档（sense）基础语法

检索文档操作 (sense)

ElasticSearch版本 2.4.2 ，新版本有待学习。

1. 检索单条文档

这在 Elasticsearch 中很简单。

一个 HTTP GET 请求并指定文档的地址——索引库、类型和ID。

使用这三个信息可以返回原始的 JSON 文档：

GET /megacorp/employee/1

返回结果包含了文档的一些元数据，以及 _source 属性，内容是 John Smith 雇员的原始 JSON 文档：

{
  "_index": "megacorp",
  "_type": "employee",
  "_id": "1",
  "_version": 1,
  "found": true,
  "_source": {
      "first_name": "John",
      "last_name": "Smith",
      "age": 25,
      "about": "I love to go rock climbing",
      "interests": [
        "sports",
        "music"
      ]
  }
}

2. 轻量搜索

请求所有的雇员

GET /megacorp/employee/_search

可以看到，我们仍然使用索引库 megacorp 以及类型 employee，但与指定一个文档 ID 不同，这次使用 _search 。

返回结果包括了所有三个文档，放在数组 hits 中。一个搜索默认返回十条结果。

返回结果不仅告知匹配了哪些文档，还包含了整个文档本身：显示搜索结果给最终用户所需的全部信息。

接下来，尝试下搜索姓氏为 Smith 的雇员。

为此，我们将使用一个高亮搜索，很容易通过命令行完成。

这个方法一般涉及到一个查询字符串（query-string）搜索，我们通过一个URL参数来传递查询信息给搜索接口：

GET /megacorp/employee/_search?q=last_name:Smith

具体返回结果含义再行解释

3. 使用查询表达式搜索

Query-string 搜索通过命令非常方便地进行临时性的即席搜索，但它有自身的局限性（参见轻量搜索）。

Elasticsearch 提供一个丰富灵活的查询语言叫做查询表达式，它支持构建更加复杂和健壮的查询。

领域特定语言（DSL），指定了使用一个 JSON 请求。我们可以像这样重写之前的查询所有 Smith 的搜索：

GET /megacorp/employee/_search
{
    "query": {
        "match": {
          "last_name": "Smith"
        }
    }
}

4. 更复杂的搜索（过滤器filter）

现在尝试下更复杂的搜索。

同样搜索姓氏为 Smith 的雇员，但这次我们只需要年龄大于 30 的。

查询需要稍作调整，使用过滤器 filter ，它支持高效地执行一个结构化查询。

GET /megacorp/employee/_search
{
    "query": {
        "bool": {
            "must": [ //这个可以省略
              {
                  "match": {
                      "last_name": "smith"
                  }
              }
            ],
            "filter":{
                "range": {
                  "age": {
                      "gt": 30
                  }
                }
            }
        }
    }
}

5. 全文搜索（相关性）

截止目前的搜索相对都很简单：单个姓名，通过年龄过滤。

现在尝试下稍微高级点儿的全文搜索——一项传统数据库确实很难搞定的任务。

搜索下所有喜欢攀岩（rock climbing）的雇员：

GET /megacorp/employee/_search
{
    "query": {
        "match": {
          "about": "rock climbing"
        }
    }
}

显然我们依旧使用之前的 match 查询在about 属性上搜索 “rock climbing” 。得到两个匹配的文档：

{   
    ......
  "hits": {
      "total": 2,
      "max_score": 0.16273327,
      "hits": [
        {
            "_index": "megacorp",
            "_type": "employee",
            "_id": "1",
            "_score": 0.16273327,  ①
            "_source": {
              "first_name": "John",
              "last_name": "Smith",
              "age": 25,
              "about": "I love to go rock climbing",
              "interests": [
                  "sports",
                  "music"
              ]
            }
        },
        {
            "_index": "megacorp",
            "_type": "employee",
            "_id": "2",
            "_score": 0.016878016,    ②
            "_source": {
              "first_name": "Jane",
              "last_name": "Smith",
              "age": 32,
              "about": "I like to collect rock albums",
              "interests": [
                  "music"
              ]
            }
        }
      ]
  }
}

相关性得分

Elasticsearch 默认按照相关性得分排序，即每个文档跟查询的匹配程度。

第一个最高得分的结果很明显：John Smith 的 about 属性清楚地写着 “rock climbing” 。

但为什么 Jane Smith 也作为结果返回了呢？原因是她的 about 属性里提到了 “rock” 。

因为只有 “rock” 而没有 “climbing” ，所以她的相关性得分低于 John 的。

这是一个很好的案例，阐明了 Elasticsearch 如何在全文属性上搜索并返回相关性最强的结果。Elasticsearch中的相关性概念非常重要，也是完全区别于传统关系型数据库的一个概念，数据库中的一条记录要么匹配要么不匹配。

6. 短语搜索

找出一个属性中的独立单词是没有问题的，但有时候想要精确匹配一系列单词或者短语。

比如，我们想执行这样一个查询，仅匹配同时包含 “rock” 和 “climbing” ，并且二者以短语 “rock climbing” 的形式紧挨着的雇员记录。

为此对 match 查询稍作调整，使用一个叫做 match_phrase 的查询：

GET /megacorp/employee/_search
{
    "query": {
        "match_phrase": {
          "about": "rock climbing"
        }
    }
}

毫无悬念，返回结果仅有 John Smith 的文档。

7. 高亮搜索

许多应用都倾向于在每个搜索结果中高亮部分文本片段，以便让用户知道为何该文档符合查询条件。

在 Elasticsearch 中检索出高亮片段也很容易。
再次执行前面的查询，并增加一个新的 highlight 参数：

GET /megacorp/employee/_search
{
    "query": {
        "match_phrase": {
          "about": "rock climbing"
        }
    },
    "highlight": {
        "fields": {
            "about":{}
        }
    }
}

当执行该查询时，返回结果与之前一样，与此同时结果中还多了一个叫做 highlight 的部分。

这个部分包含了 about 属性匹配的文本片段，并以 HTML 标签 <em></em> 封装：

{
  ...
  "hits": {
      "total":      1,
      "max_score":  0.23013961,
      "hits": [
        {
            ...
            "_score":        0.23013961,
            "_source": {
              "first_name":  "John",
              "last_name":  "Smith",
              "age":        25,
              "about":      "I love to go rock climbing",
              "interests": [ "sports", "music" ]
            },
            "highlight": {
              "about": [
                  "I love to go <em>rock</em> <em>climbing</em>"
              ]
            }
        }
      ]
  }
}

关于高亮搜索片段，可以在 highlighting reference documentation 了解更多信息。

分析

终于到了最后一个业务需求：支持管理者对雇员目录做分析。

Elasticsearch 有一个功能叫聚合（aggregations），允许我们基于数据生成一些精细的分析结果。

聚合与 SQL 中的 GROUP BY 类似但更强大。

举个例子，挖掘出雇员中最受欢迎的兴趣爱好：

GET /megacorp/employee/_search
{
  "aggs": {
    "all_interests": {
      "terms": { "field": "interests" }
    }
  }
}

{
  ...
  "hits": { ... },
  "aggregations": {
      "all_interests": {
        "buckets": [
            {
              "key":      "music",
              "doc_count": 2
            },
            {
              "key":      "forestry",
              "doc_count": 1
            },
            {
              "key":      "sports",
              "doc_count": 1
            }
        ]
      }
  }
}

可以看到，两位员工对音乐感兴趣，一位对林地感兴趣，一位对运动感兴趣。

这些聚合并非预先统计，而是从匹配当前查询的文档中即时生成。

如果想知道叫 Smith 的雇员中最受欢迎的兴趣爱好，可以直接添加适当的查询来组合查询：

GET /megacorp/employee/_search
{
  "query": {
    "match": {
      "last_name": "smith"
    }
  },
  "aggs": {
    "all_interests": {
      "terms": {
        "field": "interests"
      }
    }
  }
}

聚合还支持分级汇总。比如，查询特定兴趣爱好员工的平均年龄：

GET /megacorp/employee/_search
{
    "aggs" : {
        "all_interests" : {
            "terms" : { "field" : "interests" },
            "aggs" : {
                "avg_age" : {    //自定义名称
                    "avg" : { "field" : "age" }    //avg 平均
                }
            }
        }
    }
}

输出基本是第一次聚合的加强版。

依然有一个兴趣及数量的列表，只不过每个兴趣都有了一个附加的 avg_age 属性，代表有这个兴趣爱好的所有员工的平均年龄。

即使现在不太理解这些语法也没有关系，依然很容易了解到复杂聚合及分组通过 Elasticsearch 特性实现得很完美。可提取的数据类型毫无限制。