从零开发短视频电商 OpenSearch/Elasticsearch 查询总结

2023-12-15 05:04
文章标签 视频 总结 查询 开发 elasticsearch 电商 opensearch

本文主要是介绍从零开发短视频电商 OpenSearch/Elasticsearch 查询总结，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！

文章目录

    • Match Queries（全文查询）
    • Term Queries（词项查询）
    • Range Queries（范围查询）
    • Wildcard Queries（通配符查询）
    • Fuzzy Queries（模糊查询）
    • Prefix Queries（前缀查询）
    • Nested Queries（嵌套查询）
    • Exists Queries（存在查询）
    • Boolean Queries（布尔/组合查询)
    • Filter Queries（过滤查询）
    • Aggregation（聚合查询）
      • 1. Terms Aggregation（词条聚合）
      • 2. Range Aggregation（范围聚合）
      • 3. Date Histogram Aggregation（日期直方图聚合）
    • Script Query（脚本查询）
    • Search results （搜索结果）
      • 分页
      • 排序
      • 高亮

OpenSearch 和 Elasticsearch 都是搜索和分析引擎，它们使用相似的查询语言。查询可以分为不同的类型，通常包括以下几类：

查询语言一般用DSL和DQL

  • 查询特定领域语言 (DSL)：主要的 OpenSearch 查询语言，支持创建复杂的、完全可定制的查询。
  • 仪表板查询语言 (DQL)：一种简单的基于文本的查询语言，用于过滤 OpenSearch 仪表板中的数据。

Match Queries（全文查询）

Match Queries (匹配查询): 这是最简单的查询类型之一，用于在文本字段中匹配指定的词语。有两种主要的匹配查询：match和match_phrase。

match查询会匹配文档中包含任意一个查询词的文档，而match_phrase查询要求文档中的词语必须按照查询的顺序完全匹配。

  • Match: 用于执行全文本搜索。

  • Match Phrase: 用于匹配短语。

  • Match Phrase Prefix: 用于匹配以给定短语开头的文档。

  • Match All: 匹配所有文档。

GET /my_index/_search
{"query": {"match": { // 基本的match查询"content": "Elasticsearch"}}
}
// 约等于 LIKE '%Elasticsearch is%'
{"query": {"match_phrase": { // 用于确保匹配的词汇以相同的顺序出现在文本字段中。"title": "Elasticsearch is"}}
}
// 约等于 LIKE 'Elastic%'
{"query": {"match_phrase_prefix": { // 类似于match_phrase，但允许在词汇的后面包含通配符。"title": "Elastic"}}
}
// 约等于  OR
{"query": {"multi_match": { // 在多个字段中执行match查询。"query": "Elasticsearch","fields": ["title", "content"]}}
}// 相当于SQL中的SELECT * FROM index
{"query": {"match_all": {} // 返回所有文档}
}// mappings 如下
{"mappings": {"properties": {"content": {"type": "text","analyzer": "standard"},"title": {"type": "text"}}}
}

Term Queries（词项查询）

Term Queries (词项查询): 词项查询用于精确匹配字段中的词项。它适用于关键字字段。例如，如果你想匹配一个确切的词语而不是文本中的部分内容，可以使用term查询。

GET /my_index/_search
// SQL类比 SELECT * FROM my_index WHERE typeCode = 'software';
{"query": {"term": {"typeCode": "software"}}
}
// typeCode IN ('technology', 'software')
{"query": {"terms": { // 多值查询"typeCode": ["technology", "software"]}}
}// mappings 如下
{"mappings": {"properties": {"typeCode": {"type": "keyword"}}}
}

match_phrase 和 term区别？

  • term查询： 主要用于关键字字段，它执行精确匹配。对于关键字字段而言，词项是不会被分词的，整个字段值作为一个单独的词项。
  • match_phrase查询： 主要用于文本字段，它要求文本字段按照查询的顺序完全匹配。它考虑了分词器的影响，确保匹配的词语在文本中是相邻的。
  • term查询： 不考虑分词器，直接匹配整个关键字字段的值。
  • term查询： 用于进行精确匹配，通常用于关键字字段。
  • match_phrase查询： 用于匹配文本字段中按顺序出现的一组词语，通常用于全文搜索和短语匹配。

Range Queries（范围查询）

Range Queries（范围查询）：用于匹配在指定范围内的值。例如，你可以使用 range 查询来查找在一定范围内的日期或数字。

// BETWEEN 25 AND 40
{"query": {"range": {"create_date": {"gte": "2022-01-01","lte": "2022-12-31"}}}
}{"mappings": {"properties": {"create_date": {"type": "date"}}}
}

Wildcard Queries（通配符查询）

Wildcard Query: 允许使用通配符（*和?）进行模糊匹配。

// LIKE 'elast*'
{"query": {"wildcard": {"title": "elast*"}}
}
// LIKE 'jo%hn'
GET /my_index/_search
{"query": {"wildcard": {"username": "jo*hn"}}
}
//  LIKE 'john.d_e@example.com'
GET /my_index/_search
{"query": {"wildcard": {"email": "john.d?e@example.com"}}
}

Fuzzy Queries（模糊查询）

Fuzzy Query: 用于执行模糊匹配，允许一定程度的拼写错误或相似性。

{"query": {"fuzzy": {"name": {"value": "elasticserch","fuzziness": "AUTO"}}}
}

fuzziness参数用于定义模糊匹配的容忍度，即允许搜索词条与文档中的词条之间存在一定程度的编辑距离（编辑操作包括插入、删除、替换字符）。fuzziness值表示最大允许的编辑距离。

具体来说，fuzziness的值可以是以下之一：

  • 0: 完全匹配，不允许任何编辑操作。
  • 1: 允许一个编辑操作。
  • 2: 允许两个编辑操作。
  • 以此类推…

通过调整fuzziness参数，你可以控制模糊查询的严格程度，使其能够匹配在一定编辑距离内的相似词条。

Prefix Queries（前缀查询）

Prefix Query: 匹配字段中以指定前缀开头的文档。

// LIKE 'jo%'
{"query": {"prefix": {"tag": "tech"}}
}

Nested Queries（嵌套查询）

Nested Query: 在嵌套文档中执行查询。

// 创建索引与示例数据：
PUT /my_index
{"mappings": {"properties": {"people": {"type": "nested","properties": {"name": {"type": "text"},"age": {"type": "integer"}}}}}
}POST /my_index/_doc/1
{"people": [{"name": "John", "age": 30},{"name": "Alice", "age": 25}]
}POST /my_index/_doc/2
{"people": [{"name": "Bob", "age": 35},{"name": "Eve", "age": 28}]
} 
//嵌套查询
// SELECT *
//	FROM my_index
//        JOIN unnest(people) AS person ON true
//  WHERE person.name = 'John' AND person.age >= 30;GET /my_index/_search
{"query": {"nested": {"path": "people","query": {"bool": {"must": [{ "match": { "people.name": "John" }},{ "range": { "people.age": { "gte": 30 }}}]}}}}
}

Exists Queries（存在查询）

Exists Query: 匹配包含指定字段的文档。

// age IS NOT NULL
{"query": {"exists": {"field": "age"}}
}

Boolean Queries（布尔/组合查询)

Boolean Queries（布尔查询）：用于将多个查询组合在一起，以实现更复杂的查询逻辑。包括 must （与）、should（或）、must_not （非）等子句。

{"query": {"bool": {"must": [{ "match": { "field1": "value1" } },{ "range": { "field2": { "gte": 10, "lte": 20 } } }],"must_not": [{ "term": { "field3": "value3" } }],"should": [{ "term": { "field4": "value4" } }]}}
}

Filter Queries（过滤查询）

Filter Queries（过滤查询）：类似于布尔查询，但主要用于过滤文档而不会影响打分。它们通常用于精确匹配或范围过滤。

{"query": {"bool": {"filter": [{ "term": { "field1": "value1" } },{ "range": { "field2": { "gte": 10, "lte": 20 } } }]}}
}

Aggregation（聚合查询）

Aggregation Query（聚合查询）：用于对数据执行聚合操作，例如计算平均值、总和、最小值、最大值等。

假设我们有一个商品的文档集合，每个文档包含商品的信息，如商品名称（name）、商品类别（category）、价格（price）和销售时间戳（timestamp）等。

索引映射 (Index Mapping):

PUT /products
{"mappings": {"properties": {"name": {"type": "text"},"category": {"type": "keyword"},"price": {"type": "float"},"timestamp": {"type": "date"}}}
}

样本文档 (Sample Documents):

POST /products/_bulk
{"index":{}}
{"name": "Laptop", "category": "Electronics", "price": 1200.00, "timestamp": "2023-01-01T08:00:00"}
{"index":{}}
{"name": "Camera", "category": "Electronics", "price": 500.00, "timestamp": "2023-01-01T09:30:00"}
{"index":{}}
{"name": "Backpack", "category": "Fashion", "price": 50.00, "timestamp": "2023-01-02T12:45:00"}
{"index":{}}
{"name": "Headphones", "category": "Electronics", "price": 100.00, "timestamp": "2023-01-02T14:15:00"}
{"index":{}}
{"name": "Jacket", "category": "Fashion", "price": 150.00, "timestamp": "2023-01-03T16:30:00"}

1. Terms Aggregation（词条聚合）

商品按类别分组

GET /products/_search
{"size": 0,"aggs": {"categories": {"terms": {"field": "category"}}}
}

结果：

{"aggregations": {"categories": {"buckets": [{"key": "Electronics", "doc_count": 3},{"key": "Fashion", "doc_count": 2}]}}
}

2. Range Aggregation（范围聚合）

商品价格范围

GET /products/_search
{"size": 0,"aggs": {"price_ranges": {"range": {"field": "price","ranges": [{"from": 0, "to": 100},{"from": 100, "to": 200},{"from": 200, "to": 1000}]}}}
}

结果：

{"aggregations": {"price_ranges": {"buckets": [{"key": "0.0-100.0", "doc_count": 3},{"key": "100.0-200.0", "doc_count": 1},{"key": "200.0-1000.0", "doc_count": 1}]}}
}

3. Date Histogram Aggregation（日期直方图聚合）

商品按月份分组

GET /products/_search
{"size": 0,"aggs": {"monthly_activity": {"date_histogram": {"field": "timestamp","calendar_interval": "month","format": "yyyy-MM-dd"}}}
}

结果：

{"aggregations": {"monthly_activity": {"buckets": [{"key_as_string": "2023-01-01", "key": 1640995200000, "doc_count": 2},{"key_as_string": "2023-02-01", "key": 1643673600000, "doc_count": 2},{"key_as_string": "2023-03-01", "key": 1646140800000, "doc_count": 1}]}}
}

Script Query（脚本查询）

Script Query（脚本查询）：允许使用脚本来执行自定义查询逻辑。

{"query": {"script": {"script": {"source": "doc['popularity'].value > params.threshold","params": {"threshold": 1000}}}}
}

Search results （搜索结果）

分页

有几种方式可以进行搜索结果的分页，每种方式都有其优缺点。以下是一些常见的分页方式：

1.From/Size:

from参数是要从哪个文档开始显示结果的文档编号。

size参数是要显示的结果数量，它们共同允许你返回搜索结果的子集。

使用from和size参数时，对深度分页可能有性能影响，OpenSearch限制这种方法最多返回10,000个结果。

  • 优点： 简单明了，适用于小型数据集的分页。
  • 缺点： 对于大型数据集，性能可能下降，因为 Elasticsearch 需要跳过大量文档来获取所需的页。

2.Scroll API:

scroll操作在一定时间内保持搜索上下文，不受数据变化的影响。

  • 优点： Scroll API 允许在持续的时间内保持搜索上下文，允许客户端按需检索更多结果。适用于大型数据集的分页。
  • 缺点： 需要消耗服务器资源，因为服务器需要维护搜索上下文，可能不适合高并发的应用。

3.Search After:

Search After 分页是一种基于上一页结果中的最后一个文档的排序值（sort value）来获取下一页结果的分页方式。

与scroll操作不同，search_after参数是无状态的，因此文档的顺序可能会因为文档的添加或删除而改变。

  • 优点： 使用游标的方式，允许在结果集中移动到下一页，不需要保持搜索上下文，适用于分布式搜索。
  • 缺点： 需要客户端维护上一页的最后一个文档的排序值。
  • Point in Time（PIT）与search_after结合是OpenSearch中首选的分页方法，尤其适用于深度分页。
  • PIT在一个冻结的时间点上操作，不受查询的限制，支持一致的前后翻页。

PIT时间点介绍

  • PIT允许你对一个固定时间点的数据集运行不同的查询。
  • 正常情况下，多次在索引上运行相同的查询可能返回不同的结果，因为文档不断地被索引、更新和删除。
  • 使用PIT，你可以保留数据的状态，即使数据在查询期间被修改。
  • 主要用途是与search_after功能结合，用于深度分页搜索结果。

限制：

  1. Scroll API：
    • 搜索结果在请求时的时间点被冻结，但与特定查询绑定。
    • Scroll只能在搜索中向前滚动，如果请求某页失败，后续请求将跳过该页，返回下一页。
  2. from和size参数：
    • 搜索结果的时间点不被冻结，可能因为文档的索引或删除而不一致。
    • 不推荐用于深度分页，因为每个页面请求需要处理所有结果并过滤它们以获取请求的页面。
  3. search_after：
    • 搜索结果的时间点不被冻结，可能因为并发文档的索引或删除而不一致。

推荐方式：

在大多数情况下，推荐使用 Search After 或 From/Size。选择哪种方式通常取决于你的具体需求和性能考虑。

  • 如果数据集较小，且性能没有太大问题，可以考虑使用 From/Size。
  • 如果数据集较大，或者需要支持高并发的搜索，可以考虑使用 Search After，这样可以更好地处理大量数据，并且不会对服务器资源产生过大的压力。

需要注意的是，对于大型数据集的分页，最好考虑使用游标式的分页（如 Search After 或 Scroll），以避免性能问题。而对于小型数据集，简单的 From/Size 方式可能更为方便。

1. Search After 分页 示例

// 第一次请求
GET /your_index/_search
{"query": {"match_all": {}},"size": 3,"sort": [{"_uid": "asc"}  // 使用 _uid 排序确保唯一性]
}{"hits": {"total": {"value": 10,"relation": "eq"},"hits": [{"_source": {"title": "Document 1"}, "sort": ["_uid:1"]},{"_source": {"title": "Document 2"}, "sort": ["_uid:2"]},{"_source": {"title": "Document 3"}, "sort": ["_uid:3"]}]}
}
// 第二次请求
GET /your_index/_search
{"query": {"match_all": {}},"size": 3,"sort": [{"_uid": "asc"}],"search_after": ["_uid:3"]  // 上一页结果中最后一个文档的排序值
}{"hits": {"total": {"value": 10,"relation": "eq"},"hits": [{"_source": {"title": "Document 4"}, "sort": ["_uid:4"]},{"_source": {"title": "Document 5"}, "sort": ["_uid:5"]},{"_source": {"title": "Document 6"}, "sort": ["_uid:6"]}]}
}

使用 Search After 分页时，需要在每个请求中提供上一页结果中最后一个文档的排序值。这个值是一个数组，包含了用于排序的字段值。在上述示例中，使用 _uid 字段作为排序字段确保了唯一性。

请注意，使用 Search After 分页通常比 Scroll API 更为高效，尤其对于大数据集。

2. from size 分页 示例

// 第一次请求
GET /your_index/_search
{"query": {"match_all": {}},"from": 0,"size": 3
}{"hits": {"total": {"value": 10,"relation": "eq"},"hits": [{"_source": {"title": "Document 1"}},{"_source": {"title": "Document 2"}},{"_source": {"title": "Document 3"}}]}
}// 第二次请求
GET /your_index/_search
{"query": {"match_all": {}},"from": 3,"size": 3
}{"hits": {"total": {"value": 10,"relation": "eq"},"hits": [{"_source": {"title": "Document 4"}},{"_source": {"title": "Document 5"}},{"_source": {"title": "Document 6"}}]}
}

3. Scroll 分页 示例

// 第一次请求
POST /your_index/_search?scroll=1m
{"query": {"match_all": {}},"size": 3
}{"_scroll_id": "your_scroll_id", // OpenSearch返回一个scroll ID，通过该ID可以按批次获取结果。"hits": {"total": {"value": 10,"relation": "eq"},"hits": [{"_source": {"title": "Document 1"}},{"_source": {"title": "Document 2"}},{"_source": {"title": "Document 3"}}]}
}// 第二次请求
POST /_search/scroll
{"scroll": "1m","scroll_id": "your_scroll_id"
}{"_scroll_id": "your_new_scroll_id","hits": {"total": {"value": 10,"relation": "eq"},"hits": [{"_source": {"title": "Document 4"}},{"_source": {"title": "Document 5"}},{"_source": {"title": "Document 6"}}]}
}

排序

默认情况下，全文查询按相关性分数对结果进行排序。可以通过设置order参数为asc或desc，按升序或降序对任何字段值进行排序。

例如，通过以下查询以Henry IV剧名为条件，按line_id字段值降序排序：

GET shakespeare/_search
{"query": {"term": {"play_name": {"value": "Henry IV"}}},"sort": [{"line_id": {"order": "desc"}}]
}

排序参数是一个数组，可以按优先级指定多个字段值。

如果有两个字段对于line_id具有相同的值，OpenSearch将使用speech_number进行第二次排序：

GET shakespeare/_search
{"query": {"term": {"play_name": {"value": "Henry IV"}}},"sort": [{"line_id": {"order": "desc"}},{"speech_number": {"order": "desc"}}]
}

可以继续按任意数量的字段值进行排序，不仅限于数值字段，还可以按照日期或时间戳字段进行排序。

如果要排序文本字段，需要使用关键字类型的文本字段的原始版本。例如，通过play_name.keyword进行排序：

GET shakespeare/_search
{"query": {"term": {"play_name": {"value": "Henry IV"}}},"sort": [{"play_name.keyword": {"order": "desc"}}]
}

可以使用search_after参数结合sort参数进行更高效的滚动。确保search_after数组中的值与sort数组中的值相同且顺序一致。

排序模式(sort mode)适用于按数组或多值字段排序。它指定应选择哪个数组值来对文档进行排序。对于包含数字数组的数值字段，可以按照平均值(avg)、总和(sum)或中位数(median)模式进行排序。对于数字和字符串数据类型，可以使用最小值(min)或最大值(max)模式进行排序。

缺失值(missing values)参数指定对缺失值的处理方式。可以设置为_last（将缺失值的文档列在最后）或_first（将缺失值的文档列在最前）。默认值是_last。还可以指定用于缺失文档的自定义值作为排序值。

如果字段没有映射，可以使用unmapped_type参数，指示OpenSearch忽略该字段。这在处理未映射字段时很有用。

高亮

高亮（Highlighting）可以用于突出显示搜索结果中匹配查询条件的部分。

请注意，为了使高亮工作，字段需要被正确地映射为text类型，并且在创建索引时要启用高亮设置。

PUT /my_index
{"mappings": {"properties": {"content": {"type": "text", // content字段同时包含text类型和keyword类型，以便我们可以在查询中使用content.keyword来进行排序等操作。"fields": {"keyword": {"type": "keyword"}}}}}
}// 使用match查询来匹配包含关键词"Elasticsearch"的文档。然后，通过highlight参数指定了要高亮显示的字段，这里是content字段。
GET /my_index/_search
{"query": {"match": {"content": "Elasticsearch"}},"highlight": {"fields": {"content": {}}}
}{"hits": {"total": {"value": 2,"relation": "eq"},"hits": [{"_source": {"id": 1,"name": "John","content": "Elasticsearch is a powerful search engine."},"highlight": {"content": ["<em>Elasticsearch</em> is a powerful search engine."]}},{"_source": {"id": 3,"name": "Bob","content": "<em>Elasticsearch</em> is part of the ELK Stack."},"highlight": {"content": ["<em>Elasticsearch</em> is part of the ELK Stack."]}}]}
}

这篇关于从零开发短视频电商 OpenSearch/Elasticsearch 查询总结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/495213。

相关文章

Kubernetes常用命令大全近期总结

Kubernetes常用命令大全近期总结

《Kubernetes常用命令大全近期总结》Kubernetes是用于大规模部署和管理这些容器的开源软件-在希腊语中,这个词还有“舵手”或“飞行员”的意思,使用Kubernetes（有时被称为“... 目录前言Kubernetes 的工作原理为什么要使用 Kubernetes？Kubernetes常用命令总
阅读更多...
Oracle查询优化之高效实现仅查询前10条记录的方法与实践

Oracle查询优化之高效实现仅查询前10条记录的方法与实践

《Oracle查询优化之高效实现仅查询前10条记录的方法与实践》：本文主要介绍Oracle查询优化之高效实现仅查询前10条记录的相关资料,包括使用ROWNUM、ROW_NUMBER()函数、FET... 目录1. 使用 ROWNUM 查询2. 使用 ROW_NUMBER() 函数3. 使用 FETCH FI
阅读更多...
数据库oracle用户密码过期查询及解决方案

数据库oracle用户密码过期查询及解决方案

《数据库oracle用户密码过期查询及解决方案》：本文主要介绍如何处理ORACLE数据库用户密码过期和修改密码期限的问题,包括创建用户、赋予权限、修改密码、解锁用户和设置密码期限,文中通过代码介绍... 目录前言一、创建用户、赋予权限、修改密码、解锁用户和设置期限二、查询用户密码期限和过期后的修改1.查询用
阅读更多...
基于Python开发电脑定时关机工具

基于Python开发电脑定时关机工具

《基于Python开发电脑定时关机工具》这篇文章主要为大家详细介绍了如何基于Python开发一个电脑定时关机工具,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 简介2. 运行效果3. 相关源码1. 简介这个程序就像一个“忠实的管家”，帮你按时关掉电脑，而且全程不需要你多做
阅读更多...
使用SQL语言查询多个Excel表格的操作方法

使用SQL语言查询多个Excel表格的操作方法

《使用SQL语言查询多个Excel表格的操作方法》本文介绍了如何使用SQL语言查询多个Excel表格,通过将所有Excel表格放入一个.xlsx文件中,并使用pandas和pandasql库进行读取和... 目录如何用SQL语言查询多个Excel表格如何使用sql查询excel内容1. 简介2. 实现思路3
阅读更多...
Java操作ElasticSearch的实例详解

Java操作ElasticSearch的实例详解

《Java操作ElasticSearch的实例详解》Elasticsearch是一个分布式的搜索和分析引擎,广泛用于全文搜索、日志分析等场景,本文将介绍如何在Java应用中使用Elastics... 目录简介环境准备1. 安装 Elasticsearch2. 添加依赖连接 Elasticsearch1. 创
阅读更多...
Java中的Opencv简介与开发环境部署方法

Java中的Opencv简介与开发环境部署方法

《Java中的Opencv简介与开发环境部署方法》OpenCV是一个开源的计算机视觉和图像处理库,提供了丰富的图像处理算法和工具,它支持多种图像处理和计算机视觉算法,可以用于物体识别与跟踪、图像分割与... 目录1.Opencv简介Opencv的应用2.Java使用OpenCV进行图像操作opencv安装j
阅读更多...
Python视频处理库VidGear使用小结

Python视频处理库VidGear使用小结

《Python视频处理库VidGear使用小结》VidGear是一个高性能的Python视频处理库,本文主要介绍了Python视频处理库VidGear使用小结,文中通过示例代码介绍的非常详细,对大家的... 目录一、VidGear的安装二、VidGear的主要功能三、VidGear的使用示例四、VidGea
阅读更多...
Python中实现进度条的多种方法总结

Python中实现进度条的多种方法总结

《Python中实现进度条的多种方法总结》在Python编程中,进度条是一个非常有用的功能,它能让用户直观地了解任务的进度,提升用户体验,本文将介绍几种在Python中实现进度条的常用方法,并通过代码... 目录一、简单的打印方式二、使用tqdm库三、使用alive-progress库四、使用progres
阅读更多...
MySQL不使用子查询的原因及优化案例

MySQL不使用子查询的原因及优化案例

《MySQL不使用子查询的原因及优化案例》对于mysql,不推荐使用子查询,效率太差,执行子查询时,MYSQL需要创建临时表,查询完毕后再删除这些临时表,所以,子查询的速度会受到一定的影响,本文给大家... 目录不推荐使用子查询和JOIN的原因解决方案优化案例案例1：查询所有有库存的商品信息案例2：使用EX
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2