Elasticsearch学习之Terms set 查询
更新时间：2023年02月02日 14:26:08 作者：Elasticsearch
这篇文章主要为大家介绍了Elasticsearch学习Terms set 查询示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
什么是 terms set 查询？
Terms set 查询根据匹配给定字段的精确术语的最少数量返回文档。
terms set 查询与 term 查询有何不同？
Terms set query 和 Terms query 之间的唯一区别是你可以提供必须匹配的最少数量的术语才能检索特定文档。
什么是 minimum_should_match_field 参数？
指向文档的数字（numeric）字段名称，其值应用作要匹配的最少术语数，以便返回文档。
minimum_should_match_script 参数是什么？
一个自定义脚本，用于确定为了返回文档而必须匹配的最少术语数。 如果你必须动态设置匹配所需的术语数，那么它将很有帮助。
示例
让我们首先创建索引：
`
PUT product
{
"mappings": {
"properties": {
"name": {
"type": "keyword"
},
"tags": {
"type": "keyword"
},
"tags_count": {
"type": "long"
}
}
}
}
`
让我们索引样本文件：
`
POST product/_doc/prod1
{
"name":"Iphone 13",
"tags":["apple","iphone","mobile"],
"tags_count":3
}
POST product/_doc/prod2
{
"name":"Iphone 12",
"tags":["apple","iphone"],
"tags_count":2
}
POST product/_doc/prod3
{
"name":"Iphone 11",
"tags":["apple","mobile"],
"tags_count":2
}
`
使用 minimum_should_match_field 参数查询：
用例 1：下面的查询将返回所有 3 个文档，因为 prod1 的最小术语匹配 (tags_count) 是 3，prod2 是 2，prod3 是 2，查询中传递了总共 3 个术语（"apple", "iphone", "mobile"）。
POST product/_search
{
"query": {
"terms_set": {
"tags": {
"terms": [ "apple", "iphone", "mobile" ],
"minimum_should_match_field": "tags_count"
}
}
}
}
上述查询的结果是：
` "hits": {
"total": {
"value": 3,
"relation": "eq"
},
"max_score": 1.4010588,
"hits": [
{
"_index": "product",
"_id": "prod1",
"_score": 1.4010588,
"_source": {
"name": "Iphone 13",
"tags": [
"apple",
"iphone",
"mobile"
],
"tags_count": 3
}
},
{
"_index": "product",
"_id": "prod2",
"_score": 0.7876643,
"_source": {
"name": "Iphone 12",
"tags": [
"apple",
"iphone"
],
"tags_count": 2
}
},
{
"_index": "product",
"_id": "prod3",
"_score": 0.7876643,
"_source": {
"name": "Iphone 11",
"tags": [
"apple",
"mobile"
],
"tags_count": 2
}
}
]
}`
用例二：下面的查询将只返回一个文档，因为查询中只传递了 2 个术语，仅与 prod3 匹配。 prod1 将不会返回，因为 tags_count 值为 3 并且查询中传递的总术语仅为 2。
POST product/_search
{
"query": {
"terms_set": {
"tags": {
"terms": [ "apple", "mobile" ],
"minimum_should_match_field": "tags_count"
}
}
}
}
上述查询的结果为：
` "hits": {
"total": {
"value": 1,
"relation": "eq"
},
"max_score": 0.5007585,
"hits": [
{
"_index": "product",
"_id": "prod3",
"_score": 0.5007585,
"_source": {
"name": "Iphone 11",
"tags": [
"apple",
"mobile"
],
"tags_count": 2
}
}
]
}`
minimum_should_match_script 示例：
现在让我们看看如何使用 minimum should match 的动态值检索相同的索引数据。
在下面的示例中，查询中提供的术语总数的值将作为最小应匹配值传递。 我们将使用 params.num_terms 来计算查询中提供的术语数。 需要匹配的词条数不能超过 params.num_terms，即 terms 字段中提供的词条数。
POST product/_search
{
"query": {
"terms_set": {
"tags": {
"terms": ["apple","iphone"],
"minimum_should_match_script": {
"source": "params.num_terms"
}
}
}
}
}
它将返回 prod1 和 prod2，因为 minimum_should_match 值将设置为 2，因为我们在查询中仅传递了 2 个术语。上述命令的返回值为：
` "hits": [
{
"_index": "product",
"_id": "prod2",
"_score": 0.5007585,
"_source": {
"name": "Iphone 12",
"tags": [
"apple",
"iphone"
],
"tags_count": 2
}
},
{
"_index": "product",
"_id": "prod1",
"_score": 0.5007585,
"_source": {
"name": "Iphone 13",
"tags": [
"apple",
"iphone",
"mobile"
],
"tags_count": 3
}
}
]
}`
让我们考虑一个场景，你想要考虑 tags_count 的最小值或查询中的术语数； 在这种情况下，以下查询会有所帮助：
POST product/_search
{
"query": {
"terms_set": {
"tags": {
"terms": ["apple","iphone"],
"minimum_should_match_script": {
"source": "Math.min(params.num_terms, doc['tags_count'].value)"
}
}
}
}
}
上述查询的结果为：
` "hits": [
{
"_index": "product",
"_id": "prod2",
"_score": 0.61233616,
"_source": {
"name": "Iphone 12",
"tags": [
"apple",
"iphone"
],
"tags_count": 2
}
},
{
"_index": "product",
"_id": "prod1",
"_score": 0.61233616,
"_source": {
"name": "Iphone 13",
"tags": [
"apple",
"iphone",
"mobile"
],
"tags_count": 3
}
}
]
}`
Terms set 查询 Elasticsearch Java 客户端
下面的代码将有助于使用 Elasticsearch Java 客户端实现术语集查询。
Using new Java API Client (8.x)
`
List<String> tags = new ArrayList<String>();
tags.add("apple");
tags.add("iphone");
// Using minimum_should_match_field param
Query query1 = Query.of(q -> q.bool(BoolQuery.of(bq -> bq.must(ts -> ts.termsSet(
TermsSetQuery.of(tq -> tq.field("tags").minimumShouldMatchField("tags_count").terms(tags)))))));
//Using minimum_should_match_script param
Map<String, JsonData> param = new HashMap<String, JsonData>();
Query query1 = Query
.of(q -> q.bool(BoolQuery.of(bq -> bq.must(ts -> ts.termsSet(TermsSetQuery.of(tq -> tq.field("tags")
.minimumShouldMatchScript(sc -> sc.inline(in -> in.lang("painless").source("params.num_terms").params(param)))
.terms(tags)))))));
`
使用 Java High Level 客户端（已弃用）
`
Map<String, Object> param = new HashMap<String, Object>();
Script script = new Script(ScriptType.INLINE, "painless", "params.num_terms", param);
List<String> tags = new ArrayList<String>();
tags.add("apple");
tags.add("iphone");
// Using minimum_should_match_field
QueryBuilder query = QueryBuilders.boolQuery()
.must(new TermsSetQueryBuilder("tags", tags).setMinimumShouldMatchField("tags_count"));
// Using minimum_should_match_script
Map<String, Object> param = new HashMap<String, Object>();
Script script = new Script(ScriptType.INLINE, "painless", "params.num_terms", param);
QueryBuilder query = QueryBuilders.boolQuery()
.must(new TermsSetQueryBuilder("tags", tags).setMinimumShouldMatchScript(script));
`以上就是Elasticsearch学习之Terms set 查询的详细内容，更多关于Elasticsearch Terms set 查询的资料请关注脚本之家其它相关文章！
相关文章
Springboot下RedisTemplate的两种序列化方式实例详解
这篇文章主要介绍了Springboot下RedisTemplate的两种序列化方式,通过定义一个配置类，自定义RedisTemplate的序列化方式，结合实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2022-09-09
本篇文章主要介绍了Java 给图片和动图添加水印的方法，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-04-04
ZooKeeper 是一个开源的分布式协调服务，由雅虎创建，是 Google Chubby 的开源实现。接下来通过本文跟大家介绍ZooKeeper的原理，小编觉得挺不错的，感兴趣的小伙伴们可以参考一下2018-05-05
这篇文章主要介绍了VScode 打造完美java开发环境最新教程,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2020-12-12
这篇文章主要介绍了springboot 热启动的过程图解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-10-10
本文给大家分享两段代码分别是java测试URL地址是否能正常连接和Java检测URL是否可用或者可打开的代码，代码都很简单，有需要的朋友可以参考下2016-08-08
最近做了一个工具，可以实现代码自动生成，今天整理出来分享给大家，需要的朋友们下面随着小编来一起学习学习吧2021-05-05
这篇文章主要介绍了Java List集合排序实现方法解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-12-12
现在遇到一个项目,移动设备存储数据,然后一起上传,那就出现了许多重复数据,这篇文章主要给大家介绍了关于java并发请求下数据插入重复问题的解决方法,需要的朋友可以参考下2021-11-11
本篇文章主要介绍了XFire构建web service客户端的五种方式。具有很好的参考价值，下面跟着小编一起来看下吧2017-01-01
最新评论