本篇文章为你整理了分布式搜索引擎（分布式搜索引擎架构）的详细内容，包含有分布式搜索引擎排名 分布式搜索引擎架构 分布式搜索引擎需要解决的核心问题包括 分布式搜索引擎算法 分布式搜索引擎，希望能帮助你了解 分布式搜索引擎。
1.1.DSL查询分类
Elasticsearch提供了基于JSON的DSL（Domain Specific Language）来定义查询。常见的查询类型包括：
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_query
multi_match_query
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：
range
1.3.精准查询
精确查询一般是查找keyword、数值、日期、boolean等类型字段。所以不会对搜索条件分词。常见的有：
term：根据词条精确值查询
range：根据值的范围查询
1.3.1.term查询
因为精确查询的字段搜是不分词的字段，因此查询的条件也必须是不分词的词条。查询时，用户输入的内容跟自动值完全匹配时才认为符合条件。如果用户输入的内容过多，反而搜索不到数据。
语法说明：
//term查询
GET/indexName/_search
"query":{
"term":{
"FIELD":{
"value":"VALUE"
}
}
}
1.3.2.range查询
范围查询，一般应用在对数值类型做范围过滤的时候。比如做价格范围过滤。
基本语法：
//range查询
GET/indexName/_search
"query":{
"range":{
"FIELD":{
"gte":10, // 这里的gte代表大于等于，gt则代表大于
"lte":20 // lte代表小于等于，lt则代表小于
}
}
}
1.3.3.总结
精确查询常见的有哪些？
term查询：根据词条精确匹配，一般搜索keyword类型、数值类型、布尔类型、日期类型字段
range查询：根据数值范围查询，可以是数值、日期的范围
1.4.地理坐标查询
所谓的地理坐标查询，其实就是根据经纬度查询，官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/geo-queries.html
1.4.1.矩形范围查询
矩形范围查询，也就是geo_bounding_box查询，查询坐标落在某个矩形范围的所有文档：
查询时，需要指定矩形的左上、右下两个点的坐标，然后画出一个矩形，落在该矩形内的都是符合条件的点。
语法如下：
//geo_bounding_box查询
GET/indexName/_search
"query":{
"geo_bounding_box":{
"FIELD":{
"top_left":{ // 左上点
"lat":31.1,
"lon":121.5
},
"bottom_right":{ // 右下点
"lat":30.9,
"lon":121.7
}
}
}
}
1.4.2.附近查询
附近查询，也叫做距离查询（geo_distance）：查询到指定中心点小于某个距离值的所有文档。
换句话来说，在地图上找一个点作为圆心，以指定距离为半径，画一个圆，落在圆内的坐标都算符合条件：
语法说明：
//geo_distance 查询
GET/indexName/_search
"query":{
"geo_distance":{
"distance":"15km", // 半径
"FIELD":"31.21,121.5" // 圆心
}
}
1.5.复合查询
复合（compound）查询：复合查询可以将其它简单查询组合起来，实现更复杂的搜索逻辑。常见的有两种：
fuction score：算分函数查询，可以控制文档相关性算分，控制文档排名
bool query：布尔查询，利用逻辑关系组合多个其它的查询，实现复杂搜索
1.5.1.算分函数查询
说白了谁掏钱多谁排名靠前
1）语法说明
function score的运行流程如下：
1）根据原始条件查询搜索文档，并且计算相关性算分，称为原始算分（query score）
2）根据过滤条件，过滤文档
3）符合过滤条件的文档，基于算分函数运算，得到函数算分（function score）
4）将原始算分（query score）和函数算分（function score）基于运算模式做运算，得到最终结果，作为相关性算分。
2）小结
function score query定义的三要素是什么？
过滤条件：哪些文档要加分
算分函数：如何计算function score
加权方式：function score 与 query score如何运算
1.5.2.布尔查询
布尔查询是一个或多个查询子句的组合，每一个子句就是一个子查询。子查询的组合方式有：
must：必须匹配每个子查询，类似“与”
should：选择性匹配子查询，类似“或”
must_not：必须不匹配，不参与算分，类似“非”
filter：必须匹配，不参与算分
1).语法示例
2).小结
bool查询有几种逻辑关系？
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
filter：必须匹配的条件，不参与打分
2.搜索结果处理
搜索的结果可以按照用户指定的方式去处理或展示。
2.1.排序
语法：
普通字段排序：
GET/indexName/_search
"query":{
"match_all":{}
},
"sort":[
{
"FIELD":"desc"//排序字段、排序方式ASC、DESC
}
]
排序条件是一个数组，也就是可以写多个排序条件。按照声明的顺序，当第一个条件相等时，再按照第二个条件排序，以此类推
地理坐标排序：
GET/indexName/_search
"query":{
"match_all":{}
},
"sort":[
{
"_geo_distance":{
"FIELD":"纬度，经度", // 文档中geo_point类型的字段名、目标坐标点
"order":"asc", // 排序方式
"unit":"km" // 排序的距离单位
}
}
]
2.2.分页
语法：
基本的分页:
GET/hotel/_search
"query":{
"match_all":{}
},
"from":0,//分页开始的位置，默认为0
"size":10,//期望获取的文档总数
"sort":[
{"price":"asc"}
]
深度分页问题:
GET/hotel/_search
"query":{
"match_all":{}
},
"from":990,//分页开始的位置，默认为0
"size":10,//期望获取的文档总数
"sort":[
{"price":"asc"}
]
2.3.高亮
高亮显示的实现分为两步：
"match":{
"FIELD":"TEXT" // 查询条件，高亮一定要使用全文检索查询
}
},
"highlight":{
"fields":{//指定要高亮的字段
"FIELD":{
"pre_tags":" em ",//用来标记高亮字段的前置标签
"post_tags":" /em "//用来标记高亮字段的后置标签
}
}
}
3.RestClient查询文档
3.1.快速入门
我们以match_all查询为例
3.1.1.发起查询请求
代码解读：
第一步，创建SearchRequest对象，指定索引库名
第二步，利用request.source()构建DSL，DSL中可以包含查询、分页、排序、高亮等
query()：代表查询条件，利用QueryBuilders.matchAllQuery()构建一个match_all查询的DSL
这里关键的API有两个，一个是request.source()，其中包含了查询、排序、分页、高亮等所有功能：
一个是QueryBuilders，其中包含match、term、function_score、bool等各种查询：
3.1.2.解析响应
响应结果的解析：
3.1.3.完整代码
完整代码如下：
@Test
void testMatchAll() throws IOException {
// 1.准备Request
SearchRequest request = new SearchRequest("hotel");
// 2.准备DSL
request.source()
.query(QueryBuilders.matchAllQuery());
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
handleResponse(response);
private void handleResponse(SearchResponse response) {
// 4.解析响应
SearchHits searchHits = response.getHits();
// 4.1.获取总条数
long total = searchHits.getTotalHits().value;
System.out.println("共搜索到" + total + "条数据");
// 4.2.文档数组
SearchHit[] hits = searchHits.getHits();
// 4.3.遍历
for (SearchHit hit : hits) {
// 获取文档source
String json = hit.getSourceAsString();
// 反序列化
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
System.out.println("hotelDoc = " + hotelDoc);
3.1.4.小结
查询的基本步骤是：
创建SearchRequest对象
准备Request.source()，也就是DSL。
① QueryBuilders来构建查询条件
② 传入Request.source() 的 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）
3.2.match查询
同样是利用QueryBuilders提供的方法：
3.3.精确查询
精确查询主要是两者：
term：词条精确匹配
range：范围查询
与之前的查询相比，差异同样在查询条件，其它都一样。
查询条件构造的API如下：
3.4.布尔查询
布尔查询是用must、must_not、filter等方式组合其它查询，代码示例如下：
3.5.排序、分页
搜索结果的排序和分页是与query同级的参数，因此同样是使用request.source()来设置。
对应的API如下：
3.6.高亮
高亮的代码与之前代码差异较大，有两点：
查询的DSL：其中除了查询条件，还需要添加高亮条件，同样是与query同级。
结果解析：结果除了要解析_source文档数据，还要解析高亮结果
3.6.1.高亮请求构建
高亮请求的构建API如下：
3.6.2.高亮结果解析
高亮的结果与查询的文档结果默认是分离的，并不在一起,需要替换原来显示高亮的字段。
因此解析高亮的代码需要额外处理
3.7.算分函数
对应的JavaAPI如下：
代码如下：
// 2.算分控制
FunctionScoreQueryBuilder functionScoreQuery =
QueryBuilders.functionScoreQuery(
// 原始查询，相关性算分的查询
boolQuery,
// function score的数组
new FunctionScoreQueryBuilder.FilterFunctionBuilder[]{
// 其中的一个function score 元素
new FunctionScoreQueryBuilder.FilterFunctionBuilder(
// 过滤条件 这里实体类加个字段 "isAD" 条件为true的加广告
QueryBuilders.termQuery("isAD", true),
// 算分函数
ScoreFunctionBuilders.weightFactorFunction(10)
request.source().query(functionScoreQuery);
以上就是分布式搜索引擎（分布式搜索引擎架构）的详细内容，想要了解更多 分布式搜索引擎的内容，请持续关注盛行IT软件开发工作室。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。