1. ElasticSearch之查询返回结果各字段含义

执行命令：索引库名称/_search

空搜索的结果为：

{"took": 2,		# 该命令请求花费了多长时间，单位：毫秒。"timed_out": false,		# 搜索是否超时"_shards": {		# 搜索分片信息"total": 3,		# 搜索分片总数"successful": 3,		# 搜索成功的分片数量"skipped": 0,		# 没有搜索的分片，跳过的分片"failed": 0		# 搜索失败的分片数量},"hits": {		# 搜索结果集。需要的一切数据都是从hits中获取"total": 21798,		# 返回多少条数据"max_score": 1,		#返回结果中，最大的匹配度分值"hits": [		# 默认查询前十条数据，根据分值降序排序，这里为了节省地方，把默认查询的前十条数据删了9条，只剩下一条数据{"_index": "",		# 索引库名称"_type": "",		# 类型名称"_id": "",		# 该条数据的id"_score": 1,		# 关键字与该条数据的匹配度分值"_routing": "",		# routing参数是一个可选参数，默认使用文档的_id值，用于计算文档所属分片"_source": {		# 索引库中类型，返回结果字段，不指定的话，默认全部显示出来"id": 1,"orderNo": "","appId": "","componentAppId": "","settleNo": "","outSettleNo": "","settleAmount": 5,"orderAmount": 7,"settleStatus": 3,"paymentChannel": 1,"version": 2,"settleTime": ,"createTime": ,"updateTime": ,"promotionAccountId": "","invoiceStatus": 1,"promotionTypeValue": 0,"commissionRateFeeCentAmount": 0,"commissionChargeFeeCentAmount": 0,"promotionFeeCentAmount": 2,"developerPromotionFeeCentAmount": 0,"promotionType": ""}}]}
}

按照从上到下的顺序，一共四个返回值，took，timed_out，_shards，hits。
took
- 该命令请求花费了多长时间，单位：毫秒。
timed_out
- 搜索是否超时。
shards
- 搜索分片信息。
- total
  - 搜索分片总数。
- successful
  - 搜索成功的分片数量。
- skipped
  - 没有搜索的分片，跳过的分片。
- failed
  - 搜索失败的分片数量。
hits
- 搜索结果集，需要的一切数据都是从hits中获取。
- total
  - 返回多少条数据。
- max_score
  - 返回结果中，最大的匹配度分值。
- hits
  - 默认查询前十条数据，根据分值降序排序。
- _index
  - 索引库名称。
- _type
  - 类型名称。
- _id
  - 该条数据的id。
- _score
  - 关键字与该条数据的匹配度分值。
- _source
  - 索引库中类型，返回结果字段，不指定的话，默认全部显示出来。

2. match 查询

匹配查询 match 是个核心查询。无论需要查询什么字段， match 查询都应该会是首选的查询方式。它是一个高级全文查询，这表示它既能处理全文字段(包括支持分词的字段)，又能处理精确字段
match 查询主要的应用场景就是进行全文搜索

{"query": {"match": {"appId": "ks707065143182458884"}}
}

match本质上是对term组合，所以上面的语句换成term依然能够执行

{"query": {"term": {"appId": "ks707065143182458884"}}
}

3. term查询

term 查询，可以用它处理数字（numbers）、布尔值（Booleans）、日期（dates）以及文本（text）
用 trem 搜索字符串时要将字段设置成 not_analyzed 无需分析的。不然es会将字符串进行分词，分词结果建立索引，在用trem进行精确查找时找不到任何文档
对应的 QueryBuilder class 是TermQueryBuilder
具体方法是 QueryBuilders.termQuery()

{"query": {"term": {"appId": "ks707065143182458884"}}
}

4. terms 查询

terms 查询允许指定多个值进行匹配。如果这个字段包含了指定值中的任何一个值，就表示该文档满足条件。比如我们想要查找价格字段值为 $20 或 $30 的文档则可以使用trems；
按照读个分词term匹配，它们是or的关系
对应的 QueryBuilder class 是 TermsQueryBuilder
具体方法是 QueryBuilders.termsQuery()

{"query": {"terms": {"appId": ["ks707065143182458883", "ks707065143182458884"]}}
}

5. range 范围

常常被用在数字或者日期范围的查询

Search Query	QueryBuilder Class	Method in QueryBuilders
Range	RangeQueryBuilder	QueryBuilders.rangeQuery()

{"query": {"range": {"createTime": {"gte": 1661409996661,"lte": 1661409996661}}}
}

6. 布尔查询

通过布尔逻辑将较小的查询组合成较大的查询。
概念
- Bool查询语法有以下特点
  - 子查询可以任意顺序出现
  - 可以嵌套多个查询，包括bool查询
  - 如果bool查询中没有must条件，should中必须至少满足一条才会返回结果。
- bool查询包含四种操作符，分别是must,should,must_not,filter。他们均是一种数组，数组里面是对应的判断条件。
  - must：必须匹配。贡献算分
  - must_not：过滤子句，必须不能匹配，但不贡献算分
  - should：选择性匹配，至少满足一条。贡献算分
  - filter：过滤子句，必须匹配，但不贡献算分，所以比must会更快！

{"query": {"bool": {"must": [{"term": {"appId": "ks707065143182458884"}},{"term": {"paymentChannel": 1}},{"term": {"settleStatus": 3}},{"term": {"promotionAccountId": ""}},{"range": {"createTime": {"from": 1658741630780,"to": 1661420030780,"include_lower": true,"include_upper": true}}}]}}
}

6.1 filter加快查询效率的原因

query context
- query context关注的是，文档到底有多匹配查询的条件，这个匹配的程度是由相关性分数决定的，分数越高自然就越匹配。所以这种查询除了关注文档是否满足查询条件，还需要额外的计算相关性分数.
filter context
- filter context关注的是，文档是否匹配查询条件，结果只有两个，是和否。没有其它额外的计算。它常用的一个场景就是过滤时间范围。
- 并且filter context会自动被ES缓存结果，效率进一步提高。
- 对于bool查询，must使用的就是query context，而filter使用的就是filter context。
- 我们可以通过一个示例验证下。继续使用第一节的例子，我们通过kibana自带的search profiler来看看ES的查询的详细过程。
那么 filter 的 cache 是怎么做的呢？
- ES 会构建一个文档匹配过滤器的位集 bitset（用来标识一个文档对一个 filter 条件是否匹配，如果匹配就是 1，不匹配就是 0），下次再有这个 filter 条件过来的时候就不用重新扫描倒排索引，反复生成 bitset，可以大幅度提升性能，另外当添加或更新文档时，这个 filter 的位集 bitset 也会更新。

{"query": {"bool": {"must": [{"term": {"appId": "ks707065143182458884"}},{"term": {"paymentChannel": 1}},{"term": {"settleStatus": 3}},{"term": {"promotionAccountId": ""}}],"filter": {"range": {"createTime": {"from": 1658741630780,"to": 1661420030780,"include_lower": true,"include_upper": true}}}}}
}

7. boosting query(提高查询)

用来控制（提高或降低）复合查询中子查询的权重。

不同于bool查询，bool查询中只要一个子查询条件不匹配那么搜索的数据就不会出现。而boosting query则是降低显示的权重/优先级（即score)。
比如搜索逻辑是 name = 'apple' and type ='fruit'，对于只满足部分条件的数据，不是不显示，而是降低显示的优先级（即score)

~positive(积极的，加分)：
- 只有匹配上positive的查询的内容，才会被放到返回的结果集中。
~negative(消极的，减分)：
- 如果匹配上positive并且也匹配上了negative，就可以降低这样的文档score。
~negative_boost：
- 指定系数，必须小于1.0 ，那么匹配到的内容会将分数乘以当前系数；(这是个系数，因为你要控制分数，那要怎么控制呢？就是乘以系数来控制分数大小)

{"query": {"boosting": {"positive": {"term": {"appId": "ks707065143182458884"}},"negative": {"term": {"orderNo": "122082511151413374156"}},"negative_boost": 0.5}}
}

8. dis_max(最佳匹配查询）

dis_max query
- 叫做分离最大化查询，它会将任何与查询匹配的文档都作为结果返回，但是只是将其中最佳匹配的评分作为最终的评分返回。

dis_max 条件的计算分数
- 分数 = 第一个匹配条件分数 + tie_breaker * 第二个匹配的条件的分数 ...

  "query": {"dis_max": {"queries": [{"term": {"appId": "ks707065143182458884"}},{"term": {"paymentChannel": 1}},{"range": {"createTime": {"from": 1658741630780,"to": 1661420030780,"include_lower": true,"include_upper": true}}}],"tie_breaker": 0}}

9. 分页

通过 from 和 size 就可以执行分页查询。from 指明了分页查询返回的结果的起始位置，而size参数则指明了分页查询的页容量。

{"from": 0,"size": 1,"query": {"bool": {"must": [{"term": {"appId": "ks707065143182458884"}},{"term": {"paymentChannel": 1}},{"term": {"settleStatus": 3}},{"term": {"promotionAccountId": ""}},{"range": {"createTime": {"from": 1658741630780,"to": 1661420030780,"include_lower": true,"include_upper": true}}}]}}
}

10. 聚合查询【内含实际的demo】

根据appId查询昨日结算成功的指定支付渠道的结算总金额

{"query": {"bool": {"must": [{"term": {"appId": "ks707065143182458884"}},{"term": {"paymentChannel": 1}},{"term": {"settleStatus": 3}},{"term": {"promotionAccountId": ""}},{"range": {"createTime": {"from": 1658741630780,"to": 1661420030780,"include_lower": true,"include_upper": true}}}]}},"aggs": {"total_amount": {"sum": {"field": "settleAmount"}}},"size": 0
}