松哥原创的 Spring Boot 视频教程已经杀青，感兴趣的小伙伴戳这里-->松哥要升级 SpringBoot 视频了，看看新增了哪些内容！
Es 系列更新到第 24 篇啦～今天我们来看 Es 中的地理位置查询与特殊查询！
地理位置查询：
特殊查询：
如果大家觉得视频风格还能接受，也可以看看松哥的付费视频：Spring Boot+Vue+微人事视频教程
以下是视频笔记：
注意，笔记只是视频内容的一个简要记录，因此笔记内容比较简单，完整的内容可以查看视频。
19.ElasticSearch 地理位置查询
19.1 数据准备
创建一个索引：
PUT geo
{
"mappings": {
"properties": {
"name":{
"type": "keyword"
},
"location":{
"type": "geo_point"
}
}
}
}
准备一个 geo.json 文件：
{"index":{"_index":"geo","_id":1}}
{"name":"西安","location":"34.288991865037524,108.9404296875"}
{"index":{"_index":"geo","_id":2}}
{"name":"北京","location":"39.926588421909436,116.43310546875"}
{"index":{"_index":"geo","_id":3}}
{"name":"上海","location":"31.240985378021307,121.53076171875"}
{"index":{"_index":"geo","_id":4}}
{"name":"天津","location":"39.13006024213511,117.20214843749999"}
{"index":{"_index":"geo","_id":5}}
{"name":"杭州","location":"30.259067203213018,120.21240234375001"}
{"index":{"_index":"geo","_id":6}}
{"name":"武汉","location":"30.581179257386985,114.3017578125"}
{"index":{"_index":"geo","_id":7}}
{"name":"合肥","location":"31.840232667909365,117.20214843749999"}
{"index":{"_index":"geo","_id":8}}
{"name":"重庆","location":"29.592565403314087,106.5673828125"}
最后，执行如下命令，批量导入 geo.json 数据：
curl -XPOST "http://localhost:9200/geo/_bulk?pretty" -H "content-type:application/json" --data-binary @geo.json
可能用到的工具网站：
http://geojson.io/#map=6/32.741/116.521
19.2 geo_distance query
给出一个中心点，查询距离该中心点指定范围内的文档：
GET geo/_search
{
"query": {
"bool": {
"must": [
{
"match_all": {}
}
],
"filter": [
{
"geo_distance": {
"distance": "600km",
"location": {
"lat": 34.288991865037524,
"lon": 108.9404296875
}
}
}
]
}
}
}
以(34.288991865037524,108.9404296875) 为圆心，以 600KM 为半径，这个范围内的数据。
19.3 geo_bounding_box query
在某一个矩形内的点，通过两个点锁定一个矩形：
GET geo/_search
{
"query": {
"bool": {
"must": [
{
"match_all": {}
}
],
"filter": [
{
"geo_bounding_box": {
"location": {
"top_left": {
"lat": 32.0639555946604,
"lon": 118.78967285156249
},
"bottom_right": {
"lat": 29.98824461550903,
"lon": 122.20642089843749
}
}
}
}
]
}
}
}
以南京经纬度作为矩形的左上角，以舟山经纬度作为矩形的右下角，构造出来的矩形中，包含上海和杭州两个城市。
19.4 geo_polygon query
在某一个多边形范围内的查询。
GET geo/_search
{
"query": {
"bool": {
"must": [
{
"match_all": {}
}
],
"filter": [
{
"geo_polygon": {
"location": {
"points": [
{
"lat": 31.793755581217674,
"lon": 113.8238525390625
},
{
"lat": 30.007273923504556,
"lon":114.224853515625
},
{
"lat": 30.007273923504556,
"lon":114.8345947265625
}
]
}
}
}
]
}
}
}
给定多个点，由多个点组成的多边形中的数据。
19.5 geo_shape query
geo_shape 用来查询图形，针对 geo_shape，两个图形之间的关系有：相交、包含、不相交。
新建索引：
PUT geo_shape
{
"mappings": {
"properties": {
"name":{
"type": "keyword"
},
"location":{
"type": "geo_shape"
}
}
}
}
然后添加一条线：
PUT geo_shape/_doc/1
{
"name":"西安-郑州",
"location":{
"type":"linestring",
"coordinates":[
[108.9404296875,34.279914398549934],
[113.66455078125,34.768691457552706]
]
}
}
接下来查询某一个图形中是否包含该线：
GET geo_shape/_search
{
"query": {
"bool": {
"must": [
{
"match_all": {}
}
],
"filter": [
{
"geo_shape": {
"location": {
"shape": {
"type": "envelope",
"coordinates": [
[
106.5234375,
36.80928470205937
],
[
115.33447265625,
32.24997445586331
]
]
},
"relation": "within"
}
}
}
]
}
}
}
relation 属性表示两个图形的关系：
-
within 包含
-
intersects 相交
-
disjoint 不相交
20.ElasticSearch 特殊查询
20.1 more_like_this query
more_like_this query 可以实现基于内容的推荐，给定一篇文章，可以查询出和该文章相似的内容。
GET books/_search
{
"query": {
"more_like_this": {
"fields": [
"info"
],
"like": "大学战略",
"min_term_freq": 1,
"max_query_terms": 12
}
}
}
-
fields：要匹配的字段，可以有多个
-
like：要匹配的文本
-
min_term_freq：词项的最低频率，默认是 2。
特别注意，这个是指词项在要匹配的文本中的频率，而不是 es 文档中的频率
-
max_query_terms：query 中包含的最大词项数目
-
min_doc_freq：最小的文档频率，搜索的词，至少在多少个文档中出现，少于指定数目，该词会被忽略
-
max_doc_freq：最大文档频率
-
analyzer：分词器，默认使用字段的分词器
-
stop_words：停用词列表
-
minmum_should_match
20.2 script query
脚本查询，例如查询所有价格大于 200 的图书：
GET books/_search
{
"query": {
"bool": {
"filter": [
{
"script": {
"script": {
"lang": "painless",
"source": "if(doc['price'].size()!=0){doc['price'].value > 200}"
}
}
}
]
}
}
}
20.3 percolate query
percolate query 译作渗透查询或者反向查询。
-
正常操作：根据查询语句找到对应的文档 query->document
-
percolate query：根据文档，返回与之匹配的查询语句，document->query
应用场景：
-
价格监控
-
库存报警
-
股票警告
-
...
例如阈值告警，假设指定字段值大于阈值，报警提示。
percolate mapping 定义：
PUT log
{
"mappings": {
"properties": {
"threshold":{
"type": "long"
},
"count":{
"type": "long"
},
"query":{
"type":"percolator"
}
}
}
}
percolator 类型相当于 keyword、long 以及 integer 等。
插入文档：
PUT log/_doc/1
{
"threshold":10,
"query":{
"bool":{
"must":{
"range":{
"count":{
"gt":10
}
}
}
}
}
}
最后查询：
GET log/_search
{
"query": {
"percolate": {
"field": "query",
"documents": [
{
"count":3
},
{
"count":6
},
{
"count":90
},
{
"count":12
},
{
"count":15
}
]
}
}
}
查询结果中会列出不满足条件的文档。
查询结果中的 _percolator_document_slot 字段表示文档的 position，从 0 开始计。
ElasticSearch 系列其他文章：
-
打算出一个 ElasticSearch 教程，谁赞成，谁反对？
-
ElasticSearch 从安装开始
-
ElasticSearch 第三弹，核心概念介绍
-
ElasticSearch 中的中文分词器该怎么玩？
-
ElasticSearch 索引基本操作
-
ElasticSearch 文档的添加、获取以及更新
-
ElasticSearch 文档的删除和批量操作
-
ElasticSearch 文档路由，你的数据到底存在哪一个分片上？
-
ElasticSearch 并发的处理方式：锁和版本控制
-
ElasticSearch 中的倒排索引到底是什么？
-
ElasticSearch 动态映射与静态映射
-
ElasticSearch 四种字段类型详解
-
ElasticSearch 中的地理类型和特殊类型
-
ElasticSearch 23 种映射参数详解
-
ElasticSearch 如何配置某个字段的权重？
-
ElasticSearch 23 种映射参数详解【3】
-
ElasticSearch 映射模版
-
ElasticSearch 搜索入门
-
ElasticSearch 全文搜索怎么玩？
-
ElasticSearch 打错字还能搜索到？试试 fuzzy query！
-
ElasticSearch 复合查询，理解 Es 中的文档评分策略！
-
想搜索附近评分较高的餐厅，ElasticSearch 大显身手！
-
ElasticSearch 如何像 MySQL 一样做多表联合查询？
1
50+ 需求文档免费下载！
2
Spring Security 教程合集
3
接了两个私活，都是血汗钱
本文分享自微信公众号 - 江南一点雨（a_javaboy）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
相关文章
