Elasticsearch查询语法详解与实战技巧

1. Elasticsearch查询语法入门指南

作为一款开源的分布式搜索和分析引擎，Elasticsearch在企业级搜索、日志分析等场景中应用广泛。初次接触ES的开发者往往会被其丰富的查询语法所困扰，今天我们就来拆解ES基础查询的核心要点。

提示：本文基于Elasticsearch 7.x版本，部分语法在早期版本可能不兼容

2. 查询语句结构解析

2.1 基本查询模板

一个完整的ES查询请求包含以下几个核心部分：

json复制GET /index_name/_search
{
  "query": {
    "查询类型": {
      "字段名": "查询条件"
    }
  },
  "size": 10,
  "from": 0,
  "sort": [
    {"字段名": {"order": "desc"}}
  ]
}

2.2 查询与过滤的区别

在实际使用中需要注意：

• 查询(query)：计算相关性得分，影响排序结果
• 过滤(filter)：仅判断是否匹配，不计算得分

json复制// 过滤示例
{
  "query": {
    "bool": {
      "filter": [
        {"term": {"status": "published"}}
      ]
    }
  }
}

3. 核心查询类型详解

3.1 全文检索查询

3.1.1 match查询

最常用的全文检索方式，会对查询文本进行分词处理：

json复制{
  "query": {
    "match": {
      "content": "搜索引擎技术"
    }
  }
}

3.1.2 match_phrase查询

要求词语必须按顺序完整匹配：

json复制{
  "query": {
    "match_phrase": {
      "content": {
        "query": "搜索引擎技术",
        "slop": 2  // 允许中间间隔的词数
      }
    }
  }
}

3.2 精确值查询

3.2.1 term查询

精确匹配字段值，常用于keyword类型字段：

json复制{
  "query": {
    "term": {
      "status": {
        "value": "published"
      }
    }
  }
}

3.2.2 terms查询

匹配多个精确值：

json复制{
  "query": {
    "terms": {
      "tags": ["技术","搜索"]
    }
  }
}

3.3 复合查询

3.3.1 bool查询

组合多个查询条件：

json复制{
  "query": {
    "bool": {
      "must": [
        {"match": {"title": "搜索引擎"}}
      ],
      "should": [
        {"match": {"content": "技术"}},
        {"match": {"content": "原理"}}
      ],
      "must_not": [
        {"term": {"status": "draft"}}
      ],
      "filter": [
        {"range": {"publish_date": {"gte": "2023-01-01"}}}
      ]
    }
  }
}

3.3.2 boosting查询

可以调整特定条件的权重：

json复制{
  "query": {
    "boosting": {
      "positive": {
        "match": {
          "content": "搜索引擎"
        }
      },
      "negative": {
        "match": {
          "content": "广告"
        }
      },
      "negative_boost": 0.5
    }
  }
}

4. 高级查询技巧

4.1 分页与排序

4.1.1 深度分页问题

ES默认限制最多返回10000条结果，深度分页推荐使用search_after：

json复制{
  "size": 10,
  "sort": [
    {"_score": {"order": "desc"}},
    {"publish_date": {"order": "desc"}}
  ],
  "search_after": [0.5, "2023-05-20"]
}

4.1.2 自定义排序

可以基于脚本进行复杂排序：

json复制{
  "sort": {
    "_script": {
      "type": "number",
      "script": {
        "source": "doc['view_count'].value * params.weight",
        "params": {
          "weight": 0.8
        }
      },
      "order": "desc"
    }
  }
}

4.2 高亮显示

json复制{
  "highlight": {
    "fields": {
      "content": {
        "number_of_fragments": 3,
        "fragment_size": 150
      }
    },
    "pre_tags": ["<em>"],
    "post_tags": ["</em>"]
  }
}

5. 性能优化建议

5.1 查询优化原则

1. 尽量使用filter代替query
2. 避免使用wildcard前缀通配符
3. 合理使用index_prefixes配置
4. 对数值范围查询使用range

5.2 索引设计建议

• 将频繁过滤的字段设为keyword类型
• 使用copy_to合并搜索字段
• 合理设置mapping中的index选项

json复制{
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "fields": {
          "keyword": {
            "type": "keyword"
          }
        }
      }
    }
  }
}

6. 常见问题排查

6.1 查询不返回预期结果

1. 检查字段mapping类型
2. 确认分词器是否合适
3. 使用analyze API验证分词效果：

bash复制GET /_analyze
{
  "text": "搜索引擎技术",
  "analyzer": "standard"
}

6.2 性能问题诊断

1. 使用profile API分析查询性能：

json复制{
  "profile": true,
  "query": {
    "match": {"title": "搜索"}
  }
}

2. 检查慢查询日志配置：

yaml复制index.search.slowlog.threshold.query.warn: 10s
index.search.slowlog.threshold.query.info: 5s

在实际项目中使用ES查询时，我发现合理设计索引结构比优化查询语句更能显著提升性能。特别是在处理千万级数据时，提前规划好字段类型和分词策略可以避免后期大量的重构工作。对于复杂的业务场景，建议将bool查询的各个子句拆分测试，逐步组合出最优的查询方案。