ES系列09：Term-level queries 之 Term/Terms query

方才编程_公众号同名

发布于 2020-11-13 10:36:26

1.2K0

发布于 2020-11-13 10:36:26

文章被收录于专栏：方才编程

带着问题学习才高效

Term-level queries 与 Full text queries 的主要区别是什么？
Term-level queries 有哪些查询类型？运用场景有哪些？DSL如何书写？
Term-level queries 的各种查询对应到sql是怎样的

Term-level queries 简介

Term-level queries 术语级查询就是根据结构化数据中的精确值查找文档。

与（ Full text queries）全文查询的不同之处在于，术语级查询不会分析检索词，而是匹配存储在字段中的确切术语。不知道这是什么意思？没关系，下面TeHero结合实例进行讲解。

Term-level queries系列脑图

ps：上图的xmind文件获取方式见文末！

通过上图可以看到，Term-level queries 一共有11种查询类型，标红的四种查询是我们常用的查询：term query、terms query、range query、wildcard query。 本文将先介绍：term query、terms query这两种查询！Let's Go！

02 数据准备

以博客的数据为例，数据结构如下：

创建 blogs_index 和 tags_index（就是tag的详情）：

PUT /blogs_index
{
  "settings": {
    "index": {
      "number_of_shards": 1,
      "number_of_replicas": 1
    }
  },
  "mappings": {
    "_doc": {
      "dynamic": false,
      "properties": {
        "id": {
          "type": "integer"
        },
        "author": {
          "type": "keyword"
        },
        "title": {
          "type": "text",
          "analyzer": "ik_smart"
        },
        "tag":{
           "type": "integer"
        },
        "influence": {
          "type": "integer_range"
        },
        "createAt": {
          "type": "date"
        }
      }
    }
  }
}

PUT /tags_index
{
  "settings": {
    "index": {
      "number_of_shards": 1,
      "number_of_replicas": 1
    }
  },
  "mappings": {
    "_doc": {
      "dynamic": false,
      "properties": {
        "id": {
          "type": "integer"
        },
        "tag_name": {
          "type": "keyword"
        }
      }
    }
  }
}

批量导入数据：

POST _bulk
{"index":{"_index":"blogs_index","_type":"_doc","_id":"1"}}
{"id":1,"author":"方才兄","title":"关注我,系统学编程"}
{"index":{"_index":"blogs_index","_type":"_doc","_id":"2"}}
{"id":2,"author":"方才","title":"系统学编程,关注我"}

03 term query

核心点：检索词不会被分词，作为一个Token/term

3.1 通过实例理解

语句1：检索文档1的title字段的完整内容，发现居然检索不到文档！

POST /blogs_index/_doc/_search
{
  "query": {
    "term" : { "title" : "关注我,系统学编程" }
  }
}

语句2：只检索关键词“编程”，可以检索文档1和文档2

POST /blogs_index/_doc/_search
{
  "query": {
    "term" : { "title" : "编程" }
  }
}

3.2 分析DSL执行过程

在【ElasticSearch系列05：倒排序索引与分词Analysis】我们已经知道了es的检索过程【ps：该过程非常重要，一定要掌握，明白了这个检索过程，对于理解DSL语句非常有用】：

1）对于title字段，我们使用的是ik_smart分词，所以这5条文档，得到的PostingList的Token列表为【关注】【我】【系统学】【编程】【方才】【兄】；
2）因为是term查询，所以语句1检索词的Token列表就是【关注我,系统学编程】；语句2检索词的Token列表为【编程】；
3）在PostingList中检索，很明显语句1等价于sql语句【where Token = “关注我,系统学编程”】；语句2等价于sql语句【where Token = “编程”】。
4）所以语句1检索不到结果，语句2是可以检索到文档1和文档2的。

ps：如何知道es中文档的PostingList呢？直接使用_anlyze接口分析即可：

GET blogs_index/_analyze
{
  "text": [ "关注我,系统学编程"],
  "field": "title"
}

得到针对字段title，建立的PostingList：

{
  "tokens": [
    {
      "token": "关注",
      "start_offset": 0,
      "end_offset": 2,
      "type": "CN_WORD",
      "position": 0
    },
    {
      "token": "我",
      "start_offset": 2,
      "end_offset": 3,
      "type": "CN_CHAR",
      "position": 1
    },
    {
      "token": "系统学",
      "start_offset": 4,
      "end_offset": 7,
      "type": "CN_WORD",
      "position": 2
    },
    {
      "token": "编程",
      "start_offset": 7,
      "end_offset": 9,
      "type": "CN_WORD",
      "position": 3
    }
  ]
}

3.3 与match query的对比

1、检索会被分词的字段，match语句与term语句区别较大。

match 语句1：检索文档1的title字段的完整内容，得到文档1和文档2；

POST /blogs_index/_doc/_search
{
  "query": {
    "match" : { "title" : "关注我,系统学编程" }
  }
}

简单分析下：

1）因为是match 查询，所以语句1检索词的Token列表就是【关注】【我】【系统学】【编程】；（注意和term查询时检索词的Token列表做对比【关注我,系统学编程】）
2）在PostingList中检索，该语句等价于sql语句【where Token in （“关注”,"我","系统学","编程"）】；
3）所以可以检索到文档1和文档2。

2、检索不会分词的字段：mathc语句与term语句效果一致

POST /blogs_index/_doc/_search
{
  "query": {
    "term" : { "author" : "方才兄" }
  }
}
POST /blogs_index/_doc/_search
{
  "query": {
    "match" : { "author" : "方才兄" }
  }
}

注意：match语句会对检索词分词，使用的分词器默认与被检索字段一致【对于author这个字段，type为keyword，所以哪怕使用的是match查询，检索词依然不会被分词】。上述两个语句都只能检索到文档1！

3.4 term query 的使用场景

一般用于检索不会被分词的字段，主要是类型为：integer、keyword、boolean 的字段。

比如说我们这个blogs_index中的author字段，假如我们只想看作者为“方才兄”的blog，DSL语句如下：

POST /blogs_index/_doc/_search
{
  "query": {
    "term" : { "author" : "方才兄" }
  }
}

04 terms query

4.1 等价于mysql 的 in（）

比如，我想检索作者是【方才兄】和【方才】的文章：

POST /blogs_index/_doc/_search
{
  "query": {
    "terms" : { "author" : ["方才兄","方才"]}
  }
}

该语句等价于sql语句【where author in （“"方才兄","方才"）】

4.2 Terms lookup mechanism——等价于mysql的联表查询

比如：有如下数据：

POST _bulk
{"index":{"_index":"blogs_index","_type":"_doc","_id":"3"}}
{"id":3,"author":"方才兄","title":"关注我,系统学编程","tag":[1,2,3]}
{"index":{"_index":"tags_index","_type":"_doc","_id":"1"}}
{"id":1,"tag_name":"这是标签1"}
{"index":{"_index":"tags_index","_type":"_doc","_id":"2"}}
{"id":2,"tag_name":"这是标签2"}
{"index":{"_index":"tags_index","_type":"_doc","_id":"3"}}
{"id":3,"tag_name":"这是标签3"}}

对于blogs_index中文档3，我们获取到了tag的idList集合，我们需要把tag的详细情况查出来：

GET /tags_index/_search
{
  "query": {
    "terms": {
      "id": {
        "index": "blogs_index",
        "type": "_doc",
        "id": "3",
        "path": "tag"
      }
    }
  }
}
参数解释：

index：从中获取术语值的索引。

type：从中获取术语值的类型。

id：用于获取术语值的文档的ID，是源字段_id,而不是我们自定义的字段id。

path：指定为获取terms过滤器实际值的路径的字段 。

使用场景：当需要terms语句包含大量术语时，从索引中的文档中获取这些术语值将是有益的。其实这种垮索引的查询方法，在实际中很难应用到，对数据结构有强制的要求，而且针对另一个index的查询条件，只能是 _id = xx，不能像sql一样随意书写where条件。

上述DSL语句等价于将sql语句【select * from tags_index where id in （1,2,3）】转化为了sql【select * from tags_index where id in （select tag from blogs_index where _id = 3）】。