https://unsplash.com/photos/_DyUcJalGAc
在上一篇，筆者介紹了一些 ElasticSearch 的寫入操作，以及少數的查詢操作。本文一開始會引進範例資料，著重於使用 DSL 撰寫「相等」與「範圍」的查詢條件，並將它們用於字串或數值欄位上。接著講解如何組合出更複雜的條件，實現「NOT」與「OR」的邏輯。最後提及全文檢索，並介紹字串在 ES 儲存的方式，讓讀者認識關鍵字查詢的原理。
一、範例資料介紹
由於筆者會在本文示範許多條件的查詢，因此將範例資料展示如下。
這些是描述學生資料的 document，以下為欄位說明。
讀者在練習前可逐一新增 document。
在認識範例資料後，接下來的小節，筆者會示範使用 ES 的 DSL 進行查詢。DSL 的全名是 Domain-Specific Language，中文為「領域特定語言」，意思是專門用於特定應用領域的語言。對 ES 來說，就是專屬於它的語言。
二、相等查詢
（一）term
使用「term」符號，並傳入欄位與值，代表查詢條件是跟某個特定的值相等。以下範例是查詢 1 年級的學生。
{
"query": {
"term": {
"grade": 1
}
}
}
此例的查詢結果為：Winnie。
若要對字串欄位做查詢，需在欄位名稱後方加上「.keyword」，這樣條件才會是與給定的字串值完全相等。以下範例是查詢叫做「Dora Pan」的學生。
{
"query": {
"term": {
"name.keyword": "Dora Pan"
}
}
}
（二）terms
使用「terms」符號，並傳入欄位與陣列，則代表條件是與陣列中的其中一個值相等。以下範例是查詢擔任衛生股長或康樂股長的學生。
{
"query": {
"terms": {
"job.name.keyword": ["衛生股長", "康樂股長"]
}
}
}
此例的查詢結果為：Dora、Mario。
三、範圍查詢
使用「range」符號，並傳入欄位，以及範圍的上限或下限，即可對欄位做範圍查詢。在定義上下限時，可使用的符號包含 gt（大於）、gte（大於等於）、lt（小於）與 lte（小於等於）。讀者可選擇一個上限、一個下限，或兩者都用。
（一）數值欄位
以下範例是查詢操性成績 70 ~ 79 分的學生。
{
"query": {
"range": {
"conductScore": {
"gte": 70,
"lte": 79
}
}
}
}
此例的查詢結果為：Dora、Winnie。
關於範圍的上限與下限，其最大、最小值剛好與 Java 的 long 型態相同。也就是最大值為「9,223,372,036,854,775,807」，最小值為「-9,223,372,036,854,775,808」。
（二）日期欄位
以下範例是查詢英文檢定通過日在 2021-07-01 之後的學生。
{
"query": {
"range": {
"englishIssuedDate": {
"gte": "2021-07-01"
}
}
}
}
此例的查詢結果為：Winnie、Mario。
或是讀者想要使用「UNIX 時間戳」，也是行得通的。要留意的是，範圍上下限的參數是以毫秒為單位。
{
"query": {
"range": {
"englishIssuedDate": {
"gte": 1625097600000
}
}
}
}
不論是使用字串還是時間戳來表示日期，都可用於查詢。原因是 ES 有在 index 的「mapping」將 englishIssuedDate 欄位設定為「date」類型。
Mapping 是一份資料，用來定義 ES 要如何儲存欄位值。透過「GET /student/_mapping」的 API，我們可看到各欄位的 mapping。
從官方文件可知，對於 date 類型，預設是以「時間戳」與「字串（以減號區隔）」來做為解析日期的格式（format）。因此這兩種參數才能正確地查詢。
四、欄位是否存在
使用「exists」符號，並傳入欄位名稱，代表查詢條件是指定的欄位需存在。
（一）字串欄位存在
以下範例是查詢具有血型資料的學生。
{
"query": {
"exists": {
"field": "bloodType"
}
}
}
此例的查詢結果為：Vincent、Dora、Mario。
（二）字串陣列欄位存在
以下範例是查詢有提供電話號碼的學生，語法與一般欄位相同。
{
"query": {
"exists": {
"field": "phoneNumbers"
}
}
}
要注意的是，若陣列欄位存在，但裡面卻沒有元素，同樣會被 ES 視為欄位不存在。因此 exists 是個用來判斷是否為空陣列的好方法。
此例的查詢結果為：Vincent、Dora。
五、複合查詢
（一）bool
前面的範例都是只有一個條件。若想使用 AND、OR 或 NOT 邏輯，那就得使用「bool」符號了。
該符號內部可再囊括「must」、「filter」「mustNot」與「should」四個符號，語法結構如下：
{
"query": {
"bool": {
"must": [],
"mustNot": [],
"should": [],
"filter": []
}
}
}
陣列中可存放前面介紹的查詢條件，或是另一個 bool 物件。而這四個符號各自有不同的目的，接下來將分別說明。
（二）must 與 filter
這兩個符號代表「必須符合」的意思，也就是「AND」的邏輯。以下範例是查詢就讀「財務金融」系，且有修習「程式設計」課程的學生。
{
"query": {
"bool": {
"must": [
{
"term": {
"departments.keyword": "財務金融"
}
},
{
"term": {
"courses.name.keyword": "程式設計"
}
}
]
}
}
}
此例的查詢結果為：Vincent。
至於 filter 符號，其用途與 must 相同，唯一的差別在於當 document 符合 must 的條件時，ES 會給予分數，而 filter 不會。
（三）mustNot
此符號代表「必須不符合」的意思，也就是「NOT」的邏輯。以下範例是查詢操行成績不低於 80 分的學生。
{
"query": {
"bool": {
"mustNot": [
{
"range": {
"conductScore": {
"lt": 80
}
}
}
]
}
}
}
此例的查詢結果為：Vincent、Mario。
（四）should
此符號代表「OR」的邏輯，只要 document 達成其中一個條件，should 的部份就算符合。以下範例是查詢就讀「會計」系，或有修習「會計學」課程的學生。
{
"query": {
"bool": {
"should": [
{
"term": {
"departments.keyword": "會計"
}
},
{
"term": {
"courses.name.keyword": "會計學"
}
}
]
}
}
}
本次的查詢結果為：Mario、Vincent、Winnie。其中 Mario 符合 2 個條件，而其他人只符合 1 個，因此 Mario 分數更高。
雖然 should 預設是只要符合 1 個條件就好，但我們可另外使用 minimum_should_match 符號，規定最少要符合的條件數量，藉此讓查詢結果的相符程度有一定水準。
以下筆者對可選擇的參數做個整理。
| 種類 | 用途 | 參數範例 | 範例說明 |
|---|---|---|---|
| 正整數 | 至少要符合的數量 | 2 | - |
| 負整數 | 最多容許多少條件不符合 | -3 | - |
| 正百分比 | 至少要符合多少比例的條件（小數點捨去） | "75%" | 假設條件總數為 9，則至少應符合 9×75%=6 個條件。 |
| 負百分比 | 最多容許多少比例的條件不符合（小數點捨去） | "-25%" | 假設條件總數為 9，則容許 9×25%=2 個條件不符。 |
| 組合 | 當條件總數大於指定數量時，才可部份符合 | "2<-25%" | 條件總數小於等於 2 時，需全部符合； 大於 2 時，可容許 25% 的條件不符。 |
| 多組合 | 根據條件總數所落在的區間，決定符合的程度 | "2<-1 6<75%" | 條件總數小於等於 2 時，需全部符合； 大於 2 但小於等於 6 時，可容許 1 個條件不符； 大於 6 時，需符合 75% 的條件。 |
以下範例是查詢「就讀會計系」、「就讀資訊管理系」、「修習會計學」或「修習程式設計」，至少符合 2 項的學生。
{
"query": {
"bool": {
"should": [
{
"term": {
"departments.keyword": "會計"
}
},
{
"term": {
"departments.keyword": "資訊管理"
}
},
{
"term": {
"courses.name.keyword": "會計學"
}
},
{
"term": {
"courses.name.keyword": "程式設計"
}
}
],
"minimum_should_match": 2
}
}
}
此例的查詢結果為：Vincent、Mario。
六、全文檢索
（一）字串的倒排索引（inverted index）
當 document 具有字串欄位，ES 理所當然會在該 document 儲存該字串。但為了做全文檢索，ES 還會另外將該字串拆解成多個單詞（term），儲存在一個叫做「倒排索引」的地方。
假設有以下兩個 document：
{
"_id": "S123",
"_source": {
"name": "Mario Chang",
"grade": 2
}
}
{
"_id": "S456",
"_source": {
"name": "Luegi Chang",
"grade": 1
}
}
則以下是 name 欄位的倒排索引之示意內容：
| term | _id |
|---|---|
| chang | "S123", "S456" |
| luegi | "S456" |
| mario | "S123" |
若我們想找出某欄位包含指定文字的 document，例如 name 欄位包含「mario」，ES 便可從倒排索引快速地知道哪些 document 符合條件，提升查詢效率。
（二）match
使用此符號，並傳入欄位與關鍵字，即可查詢欄位值包含關鍵字的 document。關鍵字之間用空格隔開，ES 會拆解成不同的單詞，並利用倒排索引進行查詢。
在上一篇文章中，筆者示範過針對一個欄位做關鍵字查詢。以下的範例稍微有變化，是查詢 name 或 introduction 欄位包含「programming」、「accounting」或「vincent」的 document。
{
"query": {
"bool": {
"should": [
{
"match": {
"name": "programming accounting vincent"
}
},
{
"match": {
"introduction": "programming accounting vincent"
}
}
]
}
}
}
此例的查詢結果為：Vincent、Mario、Dora。
讀者在實務開發上，可先決定哪些欄位能夠被搜尋，再配合輸入的關鍵字，組合出查詢條件。
上一篇：【ElasticSearch 8】透過 REST API 進行 CRUD 操作
留言
張貼留言