【HBZ分享】ES中的DLS命令使用

2023-11-05 18:52
文章标签 es 使用 命令 分享 hbz dls

本文主要是介绍【HBZ分享】ES中的DLS命令使用,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

ES中常见的DLS关键字及命令的使用案例

  1. match:匹配关键字,包含分词的模糊匹配,以及精准匹配
title: 字段的名称, elasticsearch要查的内容,即查询title中带有elasticsearch的文档
GET /索引库名/_search 
{"query": {"match": {"title": "elasticsearch"}}
}
  1. term:用于精确匹配一个指定字段的关键词,不进行分词处理。
category: 字段的名称, books要查的内容, 即查询category = books的文档
GET /索引库名/_search 
{"query": {"term": {"category": "books"}}
}
  1. match_all: 全量查询,一般很少用,所有数据全都查出来
match_all后面的大括号就这么写就行,啥也不需要加
GET /shop_v1/_search
{"query": {"match_all": {}}
}

es中的分页 以及 范围查询

  1. gte:大于等于

  2. gt:大于

  3. lte:小于等于

  4. lt:小于

范围擦汗寻, 查询price在5-10之间的数据
GET /shop_v1/_search
{"query": {"range": {"price": {"gte": 5,"lte": 100}}}
}
分页查询, size = 每次查询的条数, from = 从第几条开始查
GET /shop_v1/_search
{"size": 10,"from": 0,"query": {"match_all": {}}
}

ES中的排序

  1. 通过sort字段,desc 与 esc分别是降序 与 升序
使用key = sort, 根据price进行esc升序排序
GET /shop_v1/_search
{"size": 10,"from": 0,"sort": [{"price": "asc"}],"query": {"match_all": {}}
}

ES的布尔查询

  1. "must"关键字用于指定必须匹配的条件,即所有条件都必须满足

  2. "must_not"关键字指定必须不匹配的条件,即所有条件都不能满足

  3. "should"关键字指定可选的匹配条件,即至少满足一个条件

格式:
{"query": {"bool": {"must": [// 必须匹配的条件],"must_not": [// 必须不匹配的条件],"should": [// 可选匹配的条件],"filter": [// 过滤条件]}}
}
案例: 查询,summary字段中,必须包含Cloud的内容(因为是match分词匹配), 【并且】price的范围必须 >= 5
GET /shop_v1/_search
{"query": {"bool": {"must": [{ "match": { "summary": "Cloud" }},{ "range": { "price": { "gte": 5 }}}]}}
}

ES中的filter过滤

  1. filter可以缓存查询数据,达到搞笑
  2. 可以对 【数字范围】,【日期范围】,【布尔逻辑】,【存在性检测】进行操作
term查询过滤器, 过滤出category = books的数据,完全匹配,因为term是精准匹配的key
GET /product/_search
{"query": {"bool": {"filter": {"term": {"category": "books"}}}}
}
range查询过滤器,过滤出price在30-50之间的数据
GET /product/_search
{"query": {"bool": {"filter": {"range": {"price": {"gte": 30,"lte": 50}}}}}
}

== 总节: 其实使用filter 和 直接使用range差范围是一致的,只不过filter下面可以同时使用range 与 term等==

ES中的match多字段匹配 和 短语搜索

  1. 多字段搜索使用:multi_match
  2. 短语搜索使用:match_phrase
  3. 短语搜索会考虑到短语间多个词语的顺序,比如搜 iPhone 32G, 那么就会把文档中带有【iPhone 32G】的搜索出来,只有iPhone 或 只有32G的数据都是不能搜出来的,又有iPhone 32G在一起的才会被搜索
多字段搜索使用:multi_match
query = 要搜索的关键词, fields = 该关键词出现的字段都要搜出来
含义:搜索出product_name, description这俩字段中,包含iPhone的文档, 两个字段为OR关系,只要iPhone这个词存在于其中一个字段那么就会被搜索
GET /product_v2/_search
{"query": {"multi_match": {"query": "iPhone","fields": ["product_name", "description"]}}
}
query:需要匹配的查询文本。
fields:一个包含需要进行匹配的字段列表的数组。
短语搜索使用:match_phrase, 搜索description字段中,带有classic noval的文档, 必须classic noval这个顺序,这个词组才行,缺一个词,或顺序不对都不能搜出来
GET /product_v2/_search
{"query": {"match_phrase": {"description": "classic novel"}}
}
match例子
match搜索,会进行分词, 即把classic novel分词,只要description带有classic 或者 novel的都能搜出,这个是match
GET /product_v2/_search
{"query": {"match": {"description": "classic novel"}}
}

ES的fuzzy日常拼错矫正查询

  1. fuzzy可以自动矫正简单的拼错,比如日常中一个单词,某两个字母写反了,或者漏写了等简单的失误,fuzzy都可以矫正
  2. 但精准度可能比较低,并且比较耗费CPU
  3. fuzzy模糊查询是根据编辑距离来模糊匹配的
  4. 编辑距离指的是:
    (1). 更改字符(box→fox)
    (2). 删除字符(black→lack)
    (3). 插入字符(sic→sick)
    (4). 转置两个相邻字符(dgo→dog)
  5. fuzzy不会进行分词
  6. 模糊度fuzziness: 0,1,2,auto, 其中auto是单词超过5个字符,默认设置为2。小于2个字符,默认设置为0
# 指定模糊度2,更松散匹配, 比如要查询包含cloud的文档,但少写了两个字母,写成了clo, 设置模糊度为2,则可以自动匹配上
-查询summary字段中,包含cloud的文档,输入的查询值为clo, 模糊度设置2
GET /shop_v1/_search
{"query": {"fuzzy": {"summary": {"value": "clo","fuzziness": "2"}}}
}# 指定模糊度1,更严格匹配, 同样搜cloud,但写成了clo, 由于少了两个字母,模糊度为2,但实际设置是1,所以距离不够,无法检索到内容
- 查询summary字段中,包含cloud的文档,输入的查询值为clo, 模糊度设置1
GET /shop_v1/_search
{"query": {"fuzzy": {"summary": {"value": "clo","fuzziness": "1"}}}
}# 使用自动检查,1个单词拼写错误, auto自动设置模糊度,当大于5个字符会默认自动设置模糊度为2, 当小于2个字符,会自动设置模糊度为0
查询summary字段中,包含spring的文档,输入的查询成了Springa, 模糊度设置auto, 由于spring大于5,所以模糊度为2
GET /shop_v1/_search
{"query": {"fuzzy": {"summary": {"value": "Sprina","fuzziness": "auto"}}}
}

ES的高亮显示

  1. 基本用法: 在 key = highlight 里面填写要高亮显示的字段,可以填写多个字段,并且高亮的部分就是关键字,在搜出来的文档中,查询输入的内容会是高亮的。
  2. 高亮显示是通过标签包裹匹配的文本来实现的,通常是 或其他 HTML 标签,当然可以修改这个标签,下面有例子
  3. pre_tags, post_tags是前后置标签,就是改变高亮的样式,默认是, 可以通过这两个去替换em标签,比如用font来替换
查询出 title字段包含【java】 或者 content字段包含【老王】的文档, 并且高亮显示出title, content中的搜索关键字, 关键字高亮的样式设置为<font color='yellow'> java </font> 这种的,不使用默认的<em>
GET /high_light_test/_search
{"query": {"bool": {"should": [{"match": {"title": "java"}},{"match": {"content": "老王"}}]}},"highlight": {"pre_tags": "<font color='yellow'>","post_tags": "</font>","fields": [{"title":{}},{"content":{}}]} 
}

这篇关于【HBZ分享】ES中的DLS命令使用的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/351831

相关文章

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

Pandas使用AdaBoost进行分类的实现

《Pandas使用AdaBoost进行分类的实现》Pandas和AdaBoost分类算法,可以高效地进行数据预处理和分类任务,本文主要介绍了Pandas使用AdaBoost进行分类的实现,具有一定的参... 目录什么是 AdaBoost?使用 AdaBoost 的步骤安装必要的库步骤一:数据准备步骤二:模型

使用Pandas进行均值填充的实现

《使用Pandas进行均值填充的实现》缺失数据(NaN值)是一个常见的问题,我们可以通过多种方法来处理缺失数据,其中一种常用的方法是均值填充,本文主要介绍了使用Pandas进行均值填充的实现,感兴趣的... 目录什么是均值填充?为什么选择均值填充?均值填充的步骤实际代码示例总结在数据分析和处理过程中,缺失数

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

SpringBoot请求参数接收控制指南分享

《SpringBoot请求参数接收控制指南分享》:本文主要介绍SpringBoot请求参数接收控制指南,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Spring Boot 请求参数接收控制指南1. 概述2. 有注解时参数接收方式对比3. 无注解时接收参数默认位置

解决Maven项目idea找不到本地仓库jar包问题以及使用mvn install:install-file

《解决Maven项目idea找不到本地仓库jar包问题以及使用mvninstall:install-file》:本文主要介绍解决Maven项目idea找不到本地仓库jar包问题以及使用mvnin... 目录Maven项目idea找不到本地仓库jar包以及使用mvn install:install-file基

Python使用getopt处理命令行参数示例解析(最佳实践)

《Python使用getopt处理命令行参数示例解析(最佳实践)》getopt模块是Python标准库中一个简单但强大的命令行参数处理工具,它特别适合那些需要快速实现基本命令行参数解析的场景,或者需要... 目录为什么需要处理命令行参数?getopt模块基础实际应用示例与其他参数处理方式的比较常见问http

C 语言中enum枚举的定义和使用小结

《C语言中enum枚举的定义和使用小结》在C语言里,enum(枚举)是一种用户自定义的数据类型,它能够让你创建一组具名的整数常量,下面我会从定义、使用、特性等方面详细介绍enum,感兴趣的朋友一起看... 目录1、引言2、基本定义3、定义枚举变量4、自定义枚举常量的值5、枚举与switch语句结合使用6、枚

使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)

《使用Python从PPT文档中提取图片和图片信息(如坐标、宽度和高度等)》PPT是一种高效的信息展示工具,广泛应用于教育、商务和设计等多个领域,PPT文档中常常包含丰富的图片内容,这些图片不仅提升了... 目录一、引言二、环境与工具三、python 提取PPT背景图片3.1 提取幻灯片背景图片3.2 提取

使用Python实现图像LBP特征提取的操作方法

《使用Python实现图像LBP特征提取的操作方法》LBP特征叫做局部二值模式,常用于纹理特征提取,并在纹理分类中具有较强的区分能力,本文给大家介绍了如何使用Python实现图像LBP特征提取的操作方... 目录一、LBP特征介绍二、LBP特征描述三、一些改进版本的LBP1.圆形LBP算子2.旋转不变的LB