ElasticSearch DSL查询之复合查询

复合查询

复合查询概述

复合查询是 Elasticsearch 中用来处理多个查询条件组合的一种方式。在实际的业务场景中，我们往往会面对多条件的查询需求，而这些条件可能是复杂的、组合型的，因此需要通过复合查询来实现。

复合查询主要有两种类型：

基于逻辑运算的复合查询：将多个子查询使用逻辑运算符组合。
影响相关性评分的查询：通过某些方式调整查询文档的相关性评分，以改变文档的排序。

布尔查询（Boolean Query）

布尔查询主要用于根据不同的逻辑条件，组合多个查询子句。常见的逻辑运算符有“与（AND）”、“或（OR）”、“非（NOT）”。在 Elasticsearch 中，布尔查询通过关键字 must、should、must_not 和 filter 来实现这些逻辑运算。

布尔查询的基本结构：

GTE /items/_search {"query": {"bool": {"must": [{ "match": { "field": "value" } }],"should": [{ "term": { "field": "value" } }],"must_not": [{ "term": { "field": "value" } }],"filter": [{ "range": { "field": { "gte": 10, "lte": 100 } } }]}}
}

must：必须匹配，等同于逻辑运算符“与（AND）”，参与评分计算。
should：可以匹配，等同于逻辑运算符“或（OR）”，参与评分计算。
must_not：必须不匹配，等同于逻辑运算符“非（NOT）”不参与评分计算。
filter：过滤条件，与 must 相似，但不参与评分计算。

布尔查询关键字解析

must：表示必须满足的条件。多个 must 子查询之间是 与（AND） 的关系，所有条件必须成立，适用于需要“必须满足”的场景。对于需要计算相关性评分的条件，使用 must。
should：表示可选条件。多个 should 子查询之间是 或（OR） 的关系，至少有一个条件满足时，查询就成功。should 子查询参与评分，但它不是必需的条件，适用于权重较低但仍需匹配的场景。
must_not：表示必须不满足的条件。多个 must_not 子查询之间是 与（AND） 的关系，所有条件必须不成立，适用于需要排除某些结果的场景。
filter：表示过滤条件，通常用于限制结果的范围（如价格、日期等）。它类似于 must，但是 不参与相关性评分，仅用于过滤结果。适用于那些不需要考虑评分的条件。

`filter` 的特点

filter 和 must 都是用来限定结果集的条件，但它们有显著的区别：

must：参与评分计算，影响文档排名。
filter：不参与评分计算，仅用于过滤。由于不计算评分，它的性能通常更优。

布尔查询实际应用分析

假设我们有一个在线商城，用户进行商品搜索时，输入了关键字“智能手机”，并通过过滤条件选择了品牌为“华为”和价格范围为 900 到 1599 元。我们需要使用布尔查询来处理这个场景。

关键字搜索：用户输入的“智能手机”需要通过全文检索进行匹配。这类查询通常需要计算相关性评分，即匹配度越高的文档越靠前。因此，我们应将其放入 must 中。
品牌过滤：用户选择了品牌为“华为”。品牌过滤通常是一个精确匹配的条件，且不需要计算相关性评分。因此，我们将其放入 filter 中。
价格范围过滤：用户选择了价格范围 900 到 1599 元。与品牌过滤一样，价格范围也是一个精确匹配条件，同样不参与评分，因此也应放入 filter 中。

实际布尔查询语法：

GET /items/_search
{"query": {"bool": {"must": [{"match": { "name": "智能手机" }}],"filter": [{"term": { "brand": "华为" }},{"range": { "price": { "gte": 90000, "lte": 159900 } }}]}}
}

match 查询用于处理“智能手机”的模糊匹配。
term 查询用于处理“品牌”字段的精确匹配。
range 查询用于处理“价格”范围的筛选。

返回结果： 返回条件匹配的记录，并按照评分进行排序。

为何使用 `filter` 而不是 `must`？

filter 用于那些不需要参与评分的条件。比如品牌和价格范围等条件，它们并不会影响文档的相关性得分，只决定了文档是否匹配，因此使用 filter 可以提高查询效率。相反，must 是用于那些需要计算相关性评分的条件，它会影响查询结果的排名。

总结

布尔查询（Boolean Query）是 Elasticsearch 中非常强大且灵活的查询方式，能够通过逻辑运算符将多个子查询结合起来。常用的布尔查询关键字有：

must：用于必须匹配的条件，并参与评分计算。
should：用于可选匹配的条件，且影响评分计算。
must_not：用于排除的条件。
filter：用于过滤的条件，不参与评分计算。

通过合理组合这些关键字，可以实现复杂的查询需求，极大地提高查询的灵活性和性能。

注意事项：

性能优化：尽量将不参与评分的条件放入 filter 中，避免影响查询效率。
评分影响：对于需要评分的查询条件，应该使用 must 或 should，而不使用 filter。
业务场景分析：在实际应用中，根据业务需求分析条件之间的关系，合理使用 must、should、must_not 和 filter。

影响相关性评分的查询

影响相关性评分的查询类型

影响相关性评分的查询通常依赖于对字段的精确匹配或模糊匹配。常见的影响相关性评分的查询类型有：

match 查询：进行全文检索，影响文档的相关性评分。
multi_match 查询：用于在多个字段上执行全文检索，影响文档的相关性评分。
boost：通过设置权重，增加某些查询条件对相关性评分的影响。

`match` 查询

match 查询是最常用的影响相关性评分的查询，它会计算查询词在文档中的匹配度，并返回相关性评分。通常，match 查询用于全文检索，文档中的匹配词出现的越多，评分越高。

示例：

GET /indexName/_search
{"query": {"match": {"description": "智能手机"}}
}

在此查询中，description 字段中包含“智能手机”的文档将会有更高的相关性评分。

`multi_match`查询

multi_match 查询是一个扩展的 match 查询，可以在多个字段中执行全文检索。它与多个 match 查询类似，但只需要编写一个查询条件即可应用于多个字段。

示例：

GET /indexName/_search
{"query": {"multi_match": {"query": "智能手机","fields": ["title", "description", "content"]}}
}

在这个例子中，查询会在 title、description 和 content 三个字段中查找包含“智能手机”的文档，并根据字段匹配度进行相关性评分。

`boost`设置

通过 boost 参数可以增强某些查询条件对相关性评分的影响。boost 是一个浮动系数，表示该查询条件相对于其他条件的权重。

示例：

GET /indexName/_search
{"query": {"bool": {"should": [{"match": {"title": {"query": "智能手机","boost": 2}}},{"match": {"description": "智能手机"}}]}}
}

在此查询中，title 字段的匹配结果会被加权处理，相对于 description 字段的匹配结果，其得分为 (boost 值的)两倍。

影响评分的其他查询类型

除了上述常见的查询方式，还有一些查询可以直接或间接地影响相关性评分，主要包括：

term 查询：精确匹配某个字段的值。虽然 term 查询通常不参与评分计算，但在某些情况下，它可以与其他查询结合，间接影响文档的排序。
range 查询：根据字段的范围来过滤文档，range 查询本身不会直接影响评分，但可以通过与 must 或 should 结合使用，间接调整评分。
function_score 查询：允许用户通过自定义函数对文档的相关性评分进行调整，可以结合查询结果和外部因素来进行评分计算。

`function_score`查询

function_score 查询允许开发者通过自定义的函数对查询结果的评分进行修改。可以使用不同的评分函数（如权重、衰减函数、随机函数等）来影响文档的最终评分。

示例：

GET /indexName/_search
{"query": {"function_score": {"query": {"match": { "description": "智能手机" }},"boost_mode": "multiply","functions": [{"gauss": {"price": {"origin": "1000","scale": "500","offset": "0","decay": 0.5}}}]}}
}

function_score 查询：这部分会基于查询的结果修改文档的评分。它接收一个查询和一个或多个评分函数，在这个例子中有一个评分函数是 gauss。
boost_mode: "multiply"：这个选项表示查询的原始相关性评分（来自 match 查询）将与函数评分结果相乘。这意味着如果函数评分较高，文档的总评分会被放大，影响其在结果中的排名。
functions 部分：
- gauss 函数是一个常用的数学函数，通常用来对某些字段（比如 price）进行评分调整。
- price 字段表示的是文档的价格。gauss 函数的作用是根据价格的值来对文档的评分进行调整。
  - origin: "1000"：这是函数的起始值，即价格为 1000 时，评分的衰减（Decay）开始。
  - scale: "500"：这是衰减的范围。当价格偏离 1000 达到 500 时，评分会降低。
  - offset: "0"：这个参数表示从 1000 开始，计算衰减的“偏移量”，通常设置为0。
  - decay: 0.5：这个参数决定了衰减的速率。衰减越快，价格越高的文档评分会降低得越快。

结果是：

match 查询会根据 description 字段中与“智能手机”的匹配程度来评分文档。
gauss 函数会根据文档中的 price 字段的值来调整评分。价格接近1000的文档会有更高的评分，价格偏离1000的文档评分会降低。
最终，两个评分（来自 match 和 gauss）会通过 boost_mode: "multiply" 进行相乘，影响文档的最终评分。

`dis_max`查询

dis_max 查询允许我们根据多个查询结果返回得分最高的一个，通常用于组合多个查询条件。它会选择所有查询中得分最高的一个，并返回该文档。这个查询适用于某些场景下，想要从多个查询条件中选择最匹配的一个。

示例：

GET /indexName/_search
{"query": {"dis_max": {"queries": [{ "match": { "title": "智能手机" } },{ "match": { "description": "智能手机" } }],"tie_breaker": 0.7}}
}

dis_max 查询的核心组成部分：

queries：这是一个数组，里面包含了多个查询。在这个例子中，有两个 match 查询：
- match 查询在 title 字段中查找“智能手机”。
- match 查询在 description 字段中查找“智能手机”。
tie_breaker：这个参数用于控制当多个查询的相关性评分差距较小（即评分接近时）如何合并它们的评分。如果 tie_breaker 为 0（默认值），那么 dis_max 查询只会选择评分最高的查询结果。如果设置为一个值（例如 0.7），则当多个查询的评分相近时，它们的相关性评分会按比例合并，tie_breaker 表示合并的权重。

总结

影响相关性评分的查询是 Elasticsearch 中用于调整和优化查询结果排序的重要工具。通过合理使用以下查询类型，可以极大地提高查询的精准度和业务需求的匹配度：

match 和multi_match 查询：用于全文检索，影响评分计算。
boost：通过权重调整查询条件对评分的影响。
function_score 查询：自定义评分函数，灵活调整文档得分。
dis_max 查询：选择多个查询结果中得分最高的一个，适用于多条件匹配。

通过结合使用这些查询类型，可以灵活地优化文档的排序和相关性评分，使查询结果更加符合用户的需求。

注意事项：

避免过度使用 boost：虽然 boost 可以增加某些条件的权重，但过多使用可能导致其他条件的权重过低，从而影响查询的合理性。
调整评分函数时要小心：使用 function_score 时，确保函数的设计符合业务需求，避免因过度复杂的评分函数导致性能问题。
性能优化：影响评分的查询会增加计算复杂度，在大量文档的查询场景中，应谨慎使用复杂的查询函数，确保查询效率。