elasticsearch之实例篇

栏目: 服务器 · 发布时间: 6年前

内容简介：elasticsearch之实例篇

本文上接《 elasticsearch之搭建篇》，看看如何实现类似糯米的检索功能。

在商铺和商品的存储方面，有嵌套（Nested）和父子文档（Parent-Child）两种方式，经过探索与碰壁，最终选择了嵌套（Nested）。

父子文档的探索过程我也保留了下来，感兴趣可以看本文末尾被删除的段落。

嵌套（Nested）

创建type

商品将嵌套在商铺的文档中，其创建方法如下：

<?php
 
require_once__DIR__ . "/vendor/autoload.php";
 
// 客户端
$client = Elasticsearch\ClientBuilder::fromConfig([
    'hosts' => ['localhost:9200', 'localhost:9201', 'localhost:9203'], // 最好在为ES集群搭建Haproxy反向代理
    'retries' => 2
]);
 
// 创建商铺type
$indices = $client->indices();
// 先删除旧的basic索引
$indices->delete(['index' => 'basic']);
// 创建basic索引的同时指定商铺的type mapping
$indices->create([
    'index' => 'basic',
    'body' => [
        // index配置
        'settings' => [
            "number_of_shards" => 3,    // 3个分区
            "number_of_replicas" => 2,  // 每个分区有1个主分片和2个从分片
        ],
        // type映射
        'mappings' => [
            // 商铺
            'merchant' => [
                // 属性
                'properties' => [
                    // 商铺名称
                    'merchant_name' => [
                        'type' => 'string', // 字符串
                        'index' => 'analyzed', // 全文索引
                        'analyzer' => 'ik_max_word', // 中文分词
                    ],
                    // 商铺图片
                    'merchant_img' => [
                        'type' => 'string', // 字符串
                        'index' => 'no', // 不索引
                    ],
                    // 商铺类型
                    'merchant_type' => [
                        'type' => 'string', // 字符串
                        'index' => 'not_analyzed', // 不分词,直接索引
                    ],
                    // 用户评分
                    'merchant_score' => [
                        'type' => 'integer', // 整形
                        'index' => 'not_analyzed', // 直接索引,用于过滤/排序
                    ],
                    // 人均价格
                    'merchant_avg_price' => [
                        'type' => 'integer', // 整形
                        'index' => 'not_analyzed', // 直接索引,用于过滤/排序
                    ],
                    // 地理坐标
                    'merchant_location' => [
                        'type' => 'geo_point', // 地址坐标
                    ],
                    // 嵌套商品列表
                    'merchant_product' => [
                        'type' => 'nested', // 嵌套文档
                        'properties' => [
                            // 商品ID
                            'product_id' => [
                                'type' => 'long', // 长整形
                                'index' => 'not_analyzed', // 不分词,直接索引
                            ],
                            // 商品名称
                            'product_name' => [
                                'type' => 'string', // 字符串
                                'index' => 'analyzed', // 全文索引
                                'analyzer' => 'ik_max_word', // 中文分词
                            ],
                            // 商品图片
                            'product_img' => [
                                'type' => 'string', // 字符串
                                'index' => 'no', // 不索引
                            ],
                            // 商品类型
                            'product_type' => [
                                'type' => 'string', // 字符串
                                'index' => 'not_analyzed', // 不分词,直接索引
                            ],
                            // 商品价格
                            'product_price' => [
                                'type' => 'integer', // 整形
                                'index' => 'not_analyzed', // 直接索引,用于过滤/排序
                            ],
                            // 商品销量
                            'product_sold' => [
                                'type' => 'integer', // 整形
                                'index' => 'not_analyzed', // 直接索引,用于排序/过滤
                            ]
                        ]
                    ]
                ]
            ],
        ]
    ],
]);

可见，商品列表作为一个属性存储在商铺中（type=nested，嵌套的），一个商铺有多个商品。（这里是参考文档）

可以访问接口看一下已经建立好的type：

[work@df6c675da97enuomi-search]$ curllocalhost:9200/basic?pretty
{
  "basic" : {
    "aliases" : { },
    "mappings" : {
      "merchant" : {
        "properties" : {
          "merchant_avg_price" : {
            "type" : "integer"
          },
          "merchant_img" : {
            "type" : "keyword",
            "index" : false
          },
          "merchant_location" : {
            "type" : "geo_point"
          },
          "merchant_name" : {
            "type" : "text",
            "analyzer" : "ik_max_word"
          },
          "merchant_product" : {
            "type" : "nested",
            "properties" : {
              "product_id" : {
                "type" : "long"
              },
              "product_img" : {
                "type" : "keyword",
                "index" : false
              },
              "product_name" : {
                "type" : "text",
                "analyzer" : "ik_max_word"
              },
              "product_price" : {
                "type" : "integer"
              },
              "product_sold" : {
                "type" : "integer"
              },
              "product_type" : {
                "type" : "keyword"
              }
            }
          },
          "merchant_score" : {
            "type" : "integer"
          },
          "merchant_type" : {
            "type" : "keyword"
          }
        }
      }
    },
    "settings" : {
      "index" : {
        "creation_date" : "1489890529746",
        "number_of_shards" : "3",
        "number_of_replicas" : "2",
        "uuid" : "sY5hH9kqQLq2mmZyW9HQmA",
        "version" : {
          "created" : "5020299"
        },
        "provided_name" : "basic"
      }
    }
  }
}

符合预期，商铺merchant表已建立成功，它内部嵌套了属于它的商品列表。

录入数据

我们通过bulk API批量的插入测试数据：

<?php
 
require_once__DIR__ . "/vendor/autoload.php";
 
// 客户端
$client = Elasticsearch\ClientBuilder::fromConfig([
    'hosts' => ['localhost:9200', 'localhost:9201', 'localhost:9203'], // 最好在为ES集群搭建Haproxy反向代理
    'retries' => 2
]);
 
// 批量插入测试数据
$client->bulk([
    'index' => 'basic',
    'type' => 'merchant',
    'body' => [
        // index索引请求，元信息是['_id':1]
        ['index' => ['_id' => 1]],  // _id就是店铺的ID（一般来自于Mysql）
        // 请求体
        [  // 主文档
            'merchant_name' => '鑫明明拉面',
            'merchant_score' => 4,
            'merchant_type' => '美食',
            'merchant_img' => 'http://merchant.com/1.jpg',
            'merchant_avg_price' => 2100,
            'merchant_location' => [120.3945890000, 36.0705170000],
            'merchant_product' => [ // 嵌套文档列表
                [
                    'product_id' => 1,
                    'product_name' => '羊肉烩面',
                    'product_type' => '面食',
                    'product_img' => 'http://product.com/2.jpg',
                    'product_sold' => 11,
                    'product_price' => 2200,
                ],
                [
                    'product_id' => 2,
                    'product_name' => '烤羊肉串',
                    'product_type' => '烤串',
                    'product_img' => 'http://product.com/3.jpg',
                    'product_sold' => 12,
                    'product_price' => 2300,
                ],
            ]
        ],
 
        ['index' => ['_id' => 2]],
        [
            'merchant_name' => '东方宫兰州拉面',
            'merchant_score' => 3,
            'merchant_type' => '美食',
            'merchant_img' => 'http://merchant.com/2.jpg',
            'merchant_avg_price' => 1800,
            'merchant_location' => [36.0693500000, 120.3928290000],
            'merchant_product' => [
                [
                    'product_id' => 3,
                    'product_name' => '牛肉炒面',
                    'product_type' => '面食',
                    'product_img' => 'http://product.com/4.jpg',
                    'product_sold' => 10,
                    'product_price' => 2400,
                ],
                [
                    'product_id' => 4,
                    'product_name' => '蛋炒饭',
                    'product_type' => '主食',
                    'product_img' => 'http://product.com/5.jpg',
                    'product_sold' => 14,
                    'product_price' => 2300,
                ],
                [
                    'product_id' => 5,
                    'product_name' => '羊肉汤',
                    'product_type' => '汤粉',
                    'product_img' => 'http://product.com/6.jpg',
                    'product_sold' => 10,
                    'product_price' => 2200,
                ],
            ]
        ],
 
        ['index' => ['_id' => 3]],
        [
            'merchant_name' => '开海饭店',
            'merchant_score' => 3,
            'merchant_type' => '美食',
            'merchant_img' => 'http://merchant.com/3.jpg',
            'merchant_avg_price' => 3500,
            'merchant_location' => [120.4051170000, 36.0683000000],
            'merchant_product' => [
                [
                    'product_id' => 6,
                    'product_name' => '海鲜炒饭',
                    'product_type' => '主食',
                    'product_img' => 'http://product.com/7.jpg',
                    'product_sold' => 10,
                    'product_price' => 2400,
                ],
                [
                    'product_id' => 7,
                    'product_name' => '西红柿鸡蛋面',
                    'product_type' => '面食',
                    'product_img' => 'http://product.com/8.jpg',
                    'product_sold' => 10,
                    'product_price' => 2300,
                ],
                [
                    'product_id' => 8,
                    'product_name' => '鸭血粉丝汤',
                    'product_type' => '汤粉',
                    'product_img' => 'http://product.com/9.jpg',
                    'product_sold' => 10,
                    'product_price' => 2200,
                ],
                [
                    'product_id' => 9,
                    'product_name' => '兰州炒饭',
                    'product_type' => '主食',
                    'product_img' => 'http://product.com/10.jpg',
                    'product_sold' => 15,
                    'product_price' => 2500,
                ],
            ]
        ],
    ]
]);

这里直接用ES的ID存储”商铺”的唯一ID，而嵌套的商品的ID则单独指定一个product_id字段来存储。

嵌套查询

利用嵌套查询，查找”商铺”名称或者其售卖的”商品”名称匹配”搜索关键字”的”商铺”记录：

<?php
 
require_once__DIR__ . "/vendor/autoload.php";
 
// 客户端
$client = Elasticsearch\ClientBuilder::fromConfig([
    'hosts' => ['localhost:9200', 'localhost:9201', 'localhost:9203'], // 最好在为ES集群搭建Haproxy反向代理
    'retries' => 2
]);
 
// 搜索关键字
$keyword = '东方宫拉面';
 
// 嵌套查询
$result = $client->search([
    'index' => 'basic', // 数据库
    'type' => 'merchant',  // 表
    'body' => [ // 查询体
        'query' => [
            // 查询请求,影响相关性打分
            'bool' => [ // 布尔组合
                'should' => [ // 各个子句相当于或的关系
                    // 第1项
                    [
                        // 全文匹配
                        'match' => ['merchant_name' => $keyword], // 商铺名
                    ],
                    // 第2项
                    [
                        // 嵌套查询
                        'nested' => [
                            'path' => 'merchant_product', // 子文档的路径
                            'score_mode' => 'max', // 子文档的评分方式(max表示取最多个子文档中最匹配的那个的相关性)
                            'query' => [ // 子文档查询请求,影响相关性打分
                                'match' => [ // 全文匹配
                                    'merchant_product.product_name' => $keyword, // 商品名（必须全路径）
                                ]
                            ]
                        ]
                    ]
                ]
            ]
        ],
    ]
]);
 
print_r($result);

分析一下这个查询：

query：必须要写的。
bool：组合查询。
should：OR的意思，里面有2个子句，最终计算2个子句的相关性加和，除以子句的数量得到merchant的总相关性。
match：merchant_name匹配关键字，得到第一个子句的相关性。
nested：针对嵌入文档列表的一个子查询，是第二个子句。
path：嵌入文档的路径。
score_mode：max表示取嵌入文档列表（商品列表）中最大相关性的值，作为第二个子句的总相关性。
query：必须要写的。
match：product_name匹配关键字，得到每个商品的相关性。

执行这个查询，关键字是”东方宫拉面”：

作为一个用户来说，我预期应该是”东方宫兰州拉面”最为匹配，可是没想到”鑫明明拉面”的相关性竟然高于”东方宫兰州拉面”，这是怎么回事呢？

这是因为文档的相关性计算是采用的『 词频/逆向文档频率 （TF/IDF）』，其中TF表示单词（TERM）在一个文档内的出现比例，IDF表示单词在所有文章中的出现比例，TF越高表示单词在文章内更重要（比如：这篇博客里多次出现的”ES”），而IDF越高表示单词很普通并不重要（例如：的，了，吧…），TF除IDF越高则表示这个单词与这篇文章关系更密切，也就是相关度更高。

而搜索引擎的职责就是返回相关性更高的文档，因此TF/IDF也被ES拿来实现检索。回到问题本身，其实”东方宫拉面”应该与”东方宫兰州拉面”这家店更加相关，但是因为我只插入了3个商铺文档，而我的商铺表又被分成了3个分片，这导致”东方宫兰州拉面”商铺独自存储在一个分片，而”开海饭店”和”鑫明明拉面”在另外一个分片上。

ES在计算IDF的时候默认基于分片内的词频数据统计的，正确的做法应该是根据全部分片的词频总和做为IDF，不过当数据规模较大的情况下，每个分片内的IDF都差不多均匀，因此一般不需要修改这个默认行为。

“东方宫兰州拉面”所在分片只有自己，导致所有单词的IDF都是1，而”开海饭店”标题里没有出现关键字”东方宫拉面”内任意单词，而在”鑫明明拉面”里出现了”拉面”单词，导致这个单词的IDF必然小于1，因此对于”鑫明明拉面”来说，其”拉面”的TF / IDF是大于”东方宫兰州拉面”的”拉面”的，导致了我们没有预期的结果。

在开发阶段数据量较小，我们修改默认的IDF计算方式：让每个分片计算相关性时汇总其他分片的IDF，这样就是一个相对准确的计算了，通过增加search_type参数可以做到：

<?php
 
require_once__DIR__ . "/vendor/autoload.php";
 
// 客户端
$client = Elasticsearch\ClientBuilder::fromConfig([
    'hosts' => ['localhost:9200', 'localhost:9201', 'localhost:9203'], // 最好在为ES集群搭建Haproxy反向代理
    'retries' => 2
]);
 
// 搜索关键字
$keyword = '东方宫拉面';
 
// 嵌套查询
$result = $client->search([
    'index' => 'basic', // 数据库
    'type' => 'merchant',  // 表
    'search_type' => 'dfs_query_then_fetch',  // 汇总IDF计算相关
    'body' => [ // 查询体
        'query' => [
            // 查询请求,影响相关性打分
            'bool' => [ // 布尔组合
                'should' => [ // 各个子句相当于或的关系
                    // 第1项
                    [
                        // 全文匹配
                        'match' => ['merchant_name' => $keyword], // 商铺名
                    ],
                    // 第2项
                    [
                        // 嵌套查询
                        'nested' => [
                            'path' => 'merchant_product', // 子文档的路径
                            'score_mode' => 'max', // 子文档的评分方式(max表示取最多个子文档中最匹配的那个的相关性)
                            'query' => [ // 子文档查询请求,影响相关性打分
                                'match' => [ // 全文匹配
                                    'merchant_product.product_name' => $keyword, // 商品名（必须全路径）
                                ]
                            ]
                        ]
                    ]
                ]
            ]
        ],
    ]
]);
 
print_r($result);

其结果符合预期，你可以扩展阅读文档了解TF/IDF ：

最佳子句

上面的例子工作的挺好，但是接下来我想搜索”兰州炒饭”，为了省事我只输入了”兰炒饭”这三个字，猜猜会发生什么：

从肉眼来看，显然”开海饭店”最符合我的预期，因为它明确售卖”兰州炒饭”，可为什么这次却是”东方宫兰州拉面”相关性最高呢？

默认情况下，bool的should会对其内部的2个子句（一个匹配商铺名称，一个匹配商品名称）的相关性加和并除以子句个数（这里是2）作为整个商铺文档的总相关性。

“开海饭店”是商铺标题，和”兰炒饭”没有一丁点相关性（0相关性），虽然其商品”兰州炒饭”完美相关有很高的相关性，但是经过除以2就变得小很多了；反观”东方宫兰州拉面”，它的标题里出现了”兰州”，商品里出现过”炒饭”（蛋炒饭），因此相关性加和后除以2也比”开海饭店”的相关性要高。

其实我们的初衷是找到最符合搜索关键字的字段，无论它出现在”商铺”名称还是”商品”名称中，因此”最佳字段”就是解决这个问题的：它只会保留多个检索字段中最大的相关性作为总相关性，因此”开海饭店”的”兰州炒饭”将完美相关，做法如下：

<?php
 
require_once__DIR__ . "/vendor/autoload.php";
 
// 客户端
$client = Elasticsearch\ClientBuilder::fromConfig([
    'hosts' => ['localhost:9200', 'localhost:9201', 'localhost:9203'], // 最好在为ES集群搭建Haproxy反向代理
    'retries' => 2
]);
 
// 搜索关键字
$keyword = '兰拉面';
 
// 嵌套查询
$result = $client->search([
    'index' => 'basic', // 数据库
    'type' => 'merchant',  // 表
    'search_type' => 'dfs_query_then_fetch',  // 汇总IDF计算相关
    'body' => [ // 查询体
        'query' => [
            // 查询请求,影响相关性打分
            'dis_max' => [ // 最佳字段
                'queries' => [ // 取最大的相关性
                    // 第1项
                    [
                        // 全文匹配
                        'match' => ['merchant_name' => $keyword], // 商铺名
                    ],
                    // 第2项
                    [
                        // 嵌套查询
                        'nested' => [
                            'path' => 'merchant_product', // 子文档的路径
                            'score_mode' => 'max', // 子文档的评分方式(max表示取最多个子文档中最匹配的那个的相关性)
                            'query' => [ // 子文档查询请求,影响相关性打分
                                'match' => [ // 全文匹配
                                    'merchant_product.product_name' => $keyword, // 商品名（必须全路径）
                                ]
                            ]
                        ]
                    ]
                ]
            ]
        ],
    ]
]);
 
print_r($result);

主要做了如下调整：

bool组合查询替换成了dis_max最佳字段。
should替换成了queries，下面包含多个查询子句。

结果当然变成了我们想要的样子，关于”最佳字段”可以看这个文档。

过滤距离

通常，我们希望找到附近N公里内的商铺，因此必须利用坐标进行筛选。

假设我的坐标是（127.1，128.1），筛选范围是以我为圆心，半径为1公里的圆形，那么ES会怎么做呢？

它早已为为每个商铺的merchant_location建立了索引，一个坐标将建立2个索引，按经度索引与按纬度索引。

ES在执行查询时，首先以我的坐标为中心画一个矩形，它恰好包裹圆形，接下来：

矩形的x轴区间范围，可以使用经度索引筛选出一批在x范围内的文档。
矩形的y轴区间范围，可以使用纬度索引筛选出一批在y范围内的文档。
两个文档集合求交集，得到矩形范围内的所有文档。
遍历所有文档，计算它们和我的坐标之间的距离是否在圆形范围内。

这种工作方式叫做”地理坐标盒模型”，它是一种比较精确的过滤手段。

下面我执行一个”过滤查询”，只保留1KM之内的与”拉面”相关的商铺：

<?php
 
require_once__DIR__ . "/vendor/autoload.php";
 
// 客户端
$client = Elasticsearch\ClientBuilder::fromConfig([
    'hosts' => ['localhost:9200', 'localhost:9201', 'localhost:9203'], // 最好在为ES集群搭建Haproxy反向代理
    'retries' => 2
]);
 
// 搜索关键字
$keyword = '拉面';
 
// 嵌套查询
$result = $client->search([
    'index' => 'basic', // 数据库
    'type' => 'merchant',  // 表
    'search_type' => 'dfs_query_then_fetch',  // 汇总IDF计算相关
    'body' => [ // 查询体
        'query' => [
            // 组合
            'bool' => [
                'must' => [
                    // 查询请求,影响相关性打分
                    'dis_max' => [ // 布尔组合
                        'queries' => [ // 各个子句相当于或的关系
                            // 第1项
                            [
                                // 全文匹配
                                'match' => ['merchant_name' => $keyword], // 商铺名
                            ],
                            // 第2项
                            [
                                // 嵌套查询
                                'nested' => [
                                    'path' => 'merchant_product', // 子文档的路径
                                    'score_mode' => 'max', // 子文档的评分方式(max表示取最多个子文档中最匹配的那个的相关性)
                                    'query' => [ // 子文档查询请求,影响相关性打分
                                        'match' => [ // 全文匹配
                                            'merchant_product.product_name' => $keyword, // 商品名（必须全路径）
                                        ]
                                    ]
                                ]
                            ]
                        ]
                    ]
                ],
                // 过滤
                'filter' => [
                    // 地理距离过滤器
                    'geo_distance' => [
                        'distance' => '1km',
                        'merchant_location' => [
                            120.3887320000, 36.0683290000
                        ]
                    ]
                ]
            ]
        ],
    ]
]);
 
print_r($result);

这里使用了filter过滤，在ES5.0中过滤filter必须和查询放在一个bool组合中，在ES5.0之前语法是完全不同的，可以参考这里。

ES会先执行filter过滤器缩小结果集，之后再对这批结果执行查询计算相关性，结果只搜出了2个店铺，它们按相关性排序：

修改distance为2km，三个”商铺”将全部返回，在此不做演示。

排序

其实，各类APP的搜索功能中有一个叫做：”综合排序”，其实就是指相关性排序，之前我们默认采用相关性作为排序标准。

但是糯米检索还支持若干其他排序标准，比如：按距离排序。

现在我的查询需求是：2KM之内与”拉面”相关的”店铺”，并且按与我的距离远近排序。

<?php
 
require_once__DIR__ . "/vendor/autoload.php";
 
// 客户端
$client = Elasticsearch\ClientBuilder::fromConfig([
    'hosts' => ['localhost:9200', 'localhost:9201', 'localhost:9203'], // 最好在为ES集群搭建Haproxy反向代理
    'retries' => 2
]);
 
// 搜索关键字
$keyword = '拉面';
 
// 嵌套查询
$result = $client->search([
    'index' => 'basic', // 数据库
    'type' => 'merchant',  // 表
    'search_type' => 'dfs_query_then_fetch',  // 汇总IDF计算相关
    'body' => [ // 查询体
        'query' => [
            // 组合
            'bool' => [
                'must' => [
                    // 查询请求,影响相关性打分
                    'dis_max' => [ // 布尔组合
                        'queries' => [ // 各个子句相当于或的关系
                            // 第1项
                            [
                                // 全文匹配
                                'match' => ['merchant_name' => $keyword], // 商铺名
                            ],
                            // 第2项
                            [
                                // 嵌套查询
                                'nested' => [
                                    'path' => 'merchant_product', // 子文档的路径
                                    'score_mode' => 'max', // 子文档的评分方式(max表示取最多个子文档中最匹配的那个的相关性)
                                    'query' => [ // 子文档查询请求,影响相关性打分
                                        'match' => [ // 全文匹配
                                            'merchant_product.product_name' => $keyword, // 商品名（必须全路径）
                                        ]
                                    ]
                                ]
                            ]
                        ]
                    ]
                ],
                // 过滤
                'filter' => [
                    // 地理距离过滤器
                    'geo_distance' => [
                        'distance' => '2km',
                        'merchant_location' => [
                            120.3887320000, 36.0683290000
                        ]
                    ]
                ]
            ]
        ],
        // 排序
        'sort' => [
            [
                '_geo_distance' => [
                    // 计算与这个点之间的距离
                    'merchant_location' => [
                        120.3887320000, 36.0683290000
                    ],
                    // 距离近的排列在前面
                    'order' => 'asc',
                    // 返回单位是km
                    'unit' => 'km',
                ]
            ]
        ]
    ]
]);
 
print_r($result);

这里通过sort指定了一个排序规则，其返回的结果中有一个sort字段返回了与每个”商铺”的距离（其单位是km），并且按距离有序返回：

查询还是过滤

在上面这个例子中，我们使用了”带过滤的查询”，最终却没有使用”相关性”作为排序标准，因此”相关性计算”这个环节其实是完全没有必要的，我们需要的仅仅是通过倒排索引查出匹配关键字的文档，无需计算文档与关键字的相关性。

怎么关掉相关性计算呢？

<?php
 
require_once__DIR__ . "/vendor/autoload.php";
 
// 客户端
$client = Elasticsearch\ClientBuilder::fromConfig([
    'hosts' => ['localhost:9200', 'localhost:9201', 'localhost:9203'], // 最好在为ES集群搭建Haproxy反向代理
    'retries' => 2
]);
 
// 搜索关键字
$keyword = '拉面';
 
// 嵌套查询
$result = $client->search([
    'index' => 'basic', // 数据库
    'type' => 'merchant',  // 表
    'search_type' => 'dfs_query_then_fetch',  // 汇总IDF计算相关
    'body' => [ // 查询体
        'query' => [
            // 组合
            'bool' => [
                'must' => [
                    'constant_score' => [
                        'query' => [
                            // 查询请求,影响相关性打分
                            'dis_max' => [ // 最佳子句
                                'queries' => [ // 各个子句相当于或的关系
                                    // 第1项
                                    [
                                        // 全文匹配
                                        'match' => ['merchant_name' => $keyword], // 商铺名
                                    ],
                                    // 第2项
                                    [
                                        // 嵌套查询
                                        'nested' => [
                                            'path' => 'merchant_product', // 子文档的路径
                                            'score_mode' => 'max', // 子文档的评分方式(max表示取最多个子文档中最匹配的那个的相关性)
                                            'query' => [ // 子文档查询请求,影响相关性打分
                                                'match' => [ // 全文匹配
                                                    'merchant_product.product_name' => $keyword, // 商品名（必须全路径）
                                                ]
                                            ]
                                        ]
                                    ]
                                ]
                            ]
                        ]
                    ]
                ],
                // 过滤（不参与相关性计算）
                'filter' => [
                    'bool' => [ // 组合过滤
                        'must' => [ // AND关系
                            // 2KM内
                            [
                                // 地理距离过滤器
                                'geo_distance' => [
                                    'distance' => '2km',
                                    'merchant_location' => [
                                        120.3887320000, 36.0683290000
                                    ]
                                ]
                            ],
                            // 商铺评分>=4
                            [
                                'range' => [
                                    'merchant_score' => [
                                        'gte' => 4,
                                    ]
                                ]
                            ],
                            // 商品均价<=20元
                            [
                                'range' => [
                                    'merchant_avg_price' => [
                                        'lte' => 2100,
                                    ]
                                ]
                            ],
                        ]
                    ]
                ]
            ]
        ],
        // 排序
        'sort' => [
            [
                // 先按店铺评分从高到低排序
                'merchant_score' => [
                    'order' => 'desc',
                ],
                // 再按嵌套的商品总销量从高到低排序
                'merchant_product.product_sold' => [
                    'mode' => 'sum', // 求商品的总销量
                    'order' => 'desc',
                    'nested_path' => 'merchant_product', // 嵌套文档的路径
                ]
            ]
        ],
        // 仍旧返回_source完整文档内容
        '_source' => [],
        // 脚本计算字段
        'script_fields' => [
            // 自定义的字段名
            'distance' => [
                'script' => [
                    "lang" => "painless",
                    // 自定义的脚本输入参数
                    'params' => [
                        'lon' => 120.3887320000,
                        'lat' => 36.0683290000,
                    ],
                    //脚本内容
                    'inline' => "doc['merchant_location'].arcDistance(params['lat'],params['lon'])"
                ]
            ]
        ]
    ]
]);
 
print_r($result);

区别于之前的代码，我将must下面的唯一1个查询子句挪到了constant_score下面，并用query包裹起来，这样整个子句对外的相关性打分将成为常量1，ES只会判断关键字是否出现过，搜索过程变成了非0即1的黑白判定。

具体可以参考文档了解细节。

聚合统计分析

ES支持对查询出来的结果集合进行进一步的聚合分析，支持类似 Mysql 中的max，min，count，sum等聚合操作，也支持类似group by的分桶，以及分桶后的聚合操作。

聚合这块内容比较多，建议自己学习官方文档。

我在这里简单的演示一下；首先保持之前的搜索语句不变，额外增加一个aggs聚合语句，统计每种product_type的平均销量：

<?php
 
require_once__DIR__ . "/vendor/autoload.php";
 
// 客户端
$client = Elasticsearch\ClientBuilder::fromConfig([
    'hosts' => ['localhost:9200', 'localhost:9201', 'localhost:9203'], // 最好在为ES集群搭建Haproxy反向代理
    'retries' => 2
]);
 
// 搜索关键字
$keyword = '拉面';
 
// 嵌套查询
$result = $client->search([
    'index' => 'basic', // 数据库
    'type' => 'merchant',  // 表
    'search_type' => 'dfs_query_then_fetch',  // 汇总IDF计算相关
    'body' => [ // 查询体
        'query' => [
            // 组合
            'bool' => [
                'must' => [
                    'constant_score' => [
                        'query' => [
                            // 查询请求,影响相关性打分
                            'dis_max' => [ // 最佳子句
                                'queries' => [ // 各个子句相当于或的关系
                                    // 第1项
                                    [
                                        // 全文匹配
                                        'match' => ['merchant_name' => $keyword], // 商铺名
                                    ],
                                    // 第2项
                                    [
                                        // 嵌套查询
                                        'nested' => [
                                            'path' => 'merchant_product', // 子文档的路径
                                            'score_mode' => 'max', // 子文档的评分方式(max表示取最多个子文档中最匹配的那个的相关性)
                                            'query' => [ // 子文档查询请求,影响相关性打分
                                                'match' => [ // 全文匹配
                                                    'merchant_product.product_name' => $keyword, // 商品名（必须全路径）
                                                ]
                                            ]
                                        ]
                                    ]
                                ]
                            ]
                        ]
                    ]
                ],
                // 过滤（不参与相关性计算）
                'filter' => [
                    'bool' => [ // 组合过滤
                        'must' => [ // AND关系
                            // 2KM内
                            [
                                // 地理距离过滤器
                                'geo_distance' => [
                                    'distance' => '2km',
                                    'merchant_location' => [
                                        120.3887320000, 36.0683290000
                                    ]
                                ]
                            ],
                            // 商铺评分>=4
                            [
                                'range' => [
                                    'merchant_score' => [
                                        'gte' => 4,
                                    ]
                                ]
                            ],
                            // 商品均价<=20元
                            [
                                'range' => [
                                    'merchant_avg_price' => [
                                        'lte' => 2100,
                                    ]
                                ]
                            ],
                        ]
                    ]
                ]
            ]
        ],
        // 排序
        'sort' => [
            [
                // 先按店铺评分从高到低排序
                'merchant_score' => [
                    'order' => 'desc',
                ],
                // 再按嵌套的商品总销量从高到低排序
                'merchant_product.product_sold' => [
                    'mode' => 'sum', // 求商品的总销量
                    'order' => 'desc',
                    'nested_path' => 'merchant_product', // 嵌套文档的路径
                ]
            ]
        ],
        // 仍旧返回_source完整文档内容
        '_source' => [],
        // 脚本计算字段
        'script_fields' => [
            // 自定义的字段名
            'distance' => [
                'script' => [
                    "lang" => "painless",
                    // 自定义的脚本输入参数
                    'params' => [
                        'lon' => 120.3887320000,
                        'lat' => 36.0683290000,
                    ],
                    //脚本内容
                    'inline' => "doc['merchant_location'].arcDistance(params['lat'],params['lon'])"
                ]
            ]
        ],
        // 聚合（aggs和query一样必须写）
        'aggs' => [ // 1个aggs下面可以写多个key，每个key是一个聚合项
            'merchant_product' => [
                'nested' => [ // 深入到merchant_product嵌套文档
                    'path' => 'merchant_product'
                ],
                // merchant_product没有分桶，直接运用如下的聚合运算
                'aggs' => [
                    // 一个聚合项
                    'product_type' => [
                        // 数据先按product_type分桶
                        'terms' => [
                            'field' => 'merchant_product.product_type',
                        ],
                        // 对每个桶,进一步聚合
                        'aggs' => [
                            // 一个聚合项
                            'product_avg_sold' => [
                                // 不分桶
 
                                // 直接计算product_sold的平均值
                                'avg' => [
                                    'field' => 'merchant_product.product_sold'
                                ]
                            ]
                        ]
                    ],
                ]
            ]
        ]
    ]
]);
 
print_r($result);

aggs用来容纳若干聚合项，它们将分别计算。
每个聚合项可以应用2种子句：
- 调用sum，avg，min，max等对字段进行聚合，它们成为”指标”。
- 调用terms将数据分成桶，然后通过嵌套的aggs对每个桶进一步聚合。

聚合aggs是在query完成后执行的，它的输入是query的输出，如果没有query语句，那么aggs将在全部文档上执行。

聚合只是用来分析数据用的，并不能把聚合的结果拿来过滤数据集，这是一定要注意的！

如果你感觉理解困难，对括号嵌套一塌糊涂，建议仔细揣摩上面的例子和解释，最好能够系统的看一下官方文档。

经过一系列的实例，应该对ES的常见用法有了一定的掌握。

我认为2个知识点是学以致用关键：

掌握全文检索的基本原理（TF/IDF，相关性）
亲自动手实践ES的查询语法，揣摩编写的逻辑。

父子文档（Parent-Child）

“parent-child父子文档”功能：它关联同一个index下的2个type形成父子关系，两个type可以各自独立更新，在查询的时候可以选择其中之一作为检索主表，另外一张作为辅表，从而实现用子文档筛选父文档或者用父文档筛选子文档的能力。一定要注意，”父子文档”并不是数据库那样的JOIN操作，因此不会将匹配的父子记录一起返回，这也是为什么”糯米美食”同时检索”店铺”和”商品”信息，但最终只能返回”店铺”数据的原因。 ~~“父子文档”要求父亲与孩子符合一定的存储要求：~~

~~如果父亲与孩子不在同一个index中存储，那么不同index各自进行分布式存储，两者数据无法本地化。~~
~~父亲与属于其的孩子不在同一个shard中存储，那么不同shard各自进行分布式存储，两者数据也无法本地化。~~

~~因为”父子文档”在技术上的这些限制，因此：~~

~~父亲与孩子必须存储在同一个index下的不同type中。~~
~~对于父亲A和属于A的孩子们，它们应该”路由”到同一个shard下。~~

~~无论如何，本节我们先创建一个index再说，它有3个分片shard，每个shard有2个备份，这样规划的原因是因为我有3个ES节点：~~

<del><spanstyle="color: #808080;"><?php
 
require_once__DIR__ . "/vendor/autoload.php";
 
// 客户端
$client = Elasticsearch\ClientBuilder::fromConfig([
    'hosts' => ['localhost:9200', 'localhost:9201', 'localhost:9203'], // 最好在为ES集群搭建Haproxy反向代理
    'retries' => 2
]);
 
// 创建index
$indices = $client->indices();
$indices->create([
    'index' => 'basic', // 基础数据
    'body' => [
        'settings' => [
            "number_of_shards" => 3,    // 3个分区
            "number_of_replicas" => 2,  // 每个分区有1个主分片和2个从分片
        ]
    ]
]);
 
 
</span></del>

~~首先创建”商铺”表：~~

<del><spanstyle="color: #808080;"><?php
 
require_once__DIR__ . "/vendor/autoload.php";
 
// 客户端
$client = Elasticsearch\ClientBuilder::fromConfig([
    'hosts' => ['localhost:9200', 'localhost:9201', 'localhost:9203'], // 最好在为ES集群搭建Haproxy反向代理
    'retries' => 2
]);
 
// 创建商铺type
$indices = $client->indices();
$indices->putMapping([
    'index' => 'basic',
    'type' => 'merchant', // 商铺表
    'body' => [
        // 属性
        'properties' => [
            // 商铺名称
            'merchant_name' => [
                'type' => 'string', // 字符串
                'index' => 'analyzed', // 全文索引
                'analyzer' => 'ik_max_word', // 中文分词
            ],
            // 商铺图片
            'merchant_img' => [
                'type' => 'string', // 字符串
                'index' => 'no', // 不索引
            ],
            // 商铺类型
            'merchant_type' => [
                'type' => 'string', // 字符串
                'index' => 'not_analyzed', // 不分词,直接索引
            ],
            // 用户评分
            'merchant_score' => [
                'type' => 'integer', // 整形
                'index' => 'not_analyzed', // 直接索引,用于过滤/排序
            ],
            // 人均价格
            'merchant_avg_price' => [
                'type' => 'integer', // 整形
                'index' => 'not_analyzed', // 直接索引,用于过滤/排序
            ],
            // 地理坐标
            'merchant_location' => [
                'type' => 'geo_point', // 地址坐标
            ]
        ]
    ],
]);
 
</span></del>

~~需要过滤，排序，检索的字段，需要根据其用途配置index项：~~

~~not_analyzed：不需要分词的将被作为整体索引，那么使用。~~
~~analyzed：需要分词的，先经过analyzer分词成很多单词再逐个被索引。~~
~~no：不需要索引，仅作为数据字段一起被保存。~~

~~同样的道理，我们现在创建”商品type”：~~

<del><spanstyle="color: #808080;"><?php
 
require_once__DIR__ . "/vendor/autoload.php";
 
// 客户端
$client = Elasticsearch\ClientBuilder::fromConfig([
    'hosts' => ['localhost:9200', 'localhost:9201', 'localhost:9203'], // 最好在为ES集群搭建Haproxy反向代理
    'retries' => 2
]);
 
// 创建商品type
$indices = $client->indices();
$indices->putMapping([
    'index' => 'basic',
    'type' => 'product', // 商品表
    'body' => [
        '_parent' => [
            'type' => 'merchant',
        ],
        // 属性
        'properties' => [
            // 商品名称
            'product_name' => [
                'type' => 'string', // 字符串
                'index' => 'analyzed', // 全文索引
                'analyzer' => 'ik_max_word', // 中文分词
            ],
            // 商品图片
            'product_img' => [
                'type' => 'string', // 字符串
                'index' => 'no', // 不索引
            ],
            // 商品类型
            'product_type' => [
                'type' => 'string', // 字符串
                'index' => 'not_analyzed', // 不分词,直接索引
            ],
            // 商品价格
            'product_price' => [
                'type' => 'integer', // 整形
                'index' => 'not_analyzed', // 直接索引,用于过滤/排序
            ],
            // 商品销量
            'product_sold' => [
                'type' => 'integer', // 整形
                'index' => 'not_analyzed', // 直接索引,用于排序/过滤
            ]
        ]
    ],
]);</span></del>

~~我通过给_parent指定了它的父亲为merchant，但是这条命令会报错：can’t add a _parent field that points to an already existing type, that isn’t already a parent。~~ ES的强制规定，表达父子关系的2个type必须在创建index的时候一起提交mapping。也就是说：假如父type已存在，希望让一个新的子type关联到父type是不可能的（详细可见说明）！ ~~无论如何，我确定要使用”父子文档”，因此我重新执行这段代码：它删除现在的index，并在重建index的同时传入2个type的mapping定义：~~

<del><spanstyle="color: #808080;"><?php
 
require_once__DIR__ . "/vendor/autoload.php";
 
// 客户端
$client = Elasticsearch\ClientBuilder::fromConfig([
    'hosts' => ['localhost:9200', 'localhost:9201', 'localhost:9203'], // 最好在为ES集群搭建Haproxy反向代理
    'retries' => 2
]);
 
// 创建商铺type
$indices = $client->indices();
$indices->delete(['index' => 'basic']);
$indices->create([
    'index' => 'basic',
    'body' => [
        // index配置
        'settings' => [
            "number_of_shards" => 3,    // 3个分区
            "number_of_replicas" => 2,  // 每个分区有1个主分片和2个从分片
        ],
        // type映射
        'mappings' => [
            // 商铺
            'merchant' => [
                // 属性
                'properties' => [
                    // 商铺名称
                    'merchant_name' => [
                        'type' => 'string', // 字符串
                        'index' => 'analyzed', // 全文索引
                        'analyzer' => 'ik_max_word', // 中文分词
                    ],
                    // 商铺图片
                    'merchant_img' => [
                        'type' => 'string', // 字符串
                        'index' => 'no', // 不索引
                    ],
                    // 商铺类型
                    'merchant_type' => [
                        'type' => 'string', // 字符串
                        'index' => 'not_analyzed', // 不分词,直接索引
                    ],
                    // 用户评分
                    'merchant_score' => [
                        'type' => 'integer', // 整形
                        'index' => 'not_analyzed', // 直接索引,用于过滤/排序
                    ],
                    // 人均价格
                    'merchant_avg_price' => [
                        'type' => 'integer', // 整形
                        'index' => 'not_analyzed', // 直接索引,用于过滤/排序
                    ],
                    // 地理坐标
                    'merchant_location' => [
                        'type' => 'geo_point', // 地址坐标
                    ]
                ]
            ],
            // 商品
            'product' => [
                '_parent' => [
                    'type' => 'merchant',
                ],
                // 属性
                'properties' => [
                    // 商品名称
                    'product_name' => [
                        'type' => 'string', // 字符串
                        'index' => 'analyzed', // 全文索引
                        'analyzer' => 'ik_max_word', // 中文分词
                    ],
                    // 商品图片
                    'product_img' => [
                        'type' => 'string', // 字符串
                        'index' => 'no', // 不索引
                    ],
                    // 商品类型
                    'product_type' => [
                        'type' => 'string', // 字符串
                        'index' => 'not_analyzed', // 不分词,直接索引
                    ],
                    // 商品价格
                    'product_price' => [
                        'type' => 'integer', // 整形
                        'index' => 'not_analyzed', // 直接索引,用于过滤/排序
                    ],
                    // 商品销量
                    'product_sold' => [
                        'type' => 'integer', // 整形
                        'index' => 'not_analyzed', // 直接索引,用于排序/过滤
                    ]
                ]
            ],
        ]
    ],
]);</span></del>

~~通过curl看一下basic数据库的定义：~~

<del><spanstyle="color: #808080;">[work@df6c675da97enuomi-search]$ curllocalhost:9200/basic?pretty
{
  "basic" : {
    "aliases" : { },
    "mappings" : {
      "product" : {
        "_parent" : {
          "type" : "merchant"
        },
        "_routing" : {
          "required" : true
        },
        "properties" : {
          "product_img" : {
            "type" : "keyword",
            "index" : false
          },
          "product_name" : {
            "type" : "text",
            "analyzer" : "ik_max_word"
          },
          "product_price" : {
            "type" : "integer"
          },
          "product_sold" : {
            "type" : "integer"
          },
          "product_type" : {
            "type" : "keyword"
          }
        }
      },
      "merchant" : {
        "properties" : {
          "merchant_avg_price" : {
            "type" : "integer"
          },
          "merchant_img" : {
            "type" : "keyword",
            "index" : false
          },
          "merchant_location" : {
            "type" : "geo_point"
          },
          "merchant_name" : {
            "type" : "text",
            "analyzer" : "ik_max_word"
          },
          "merchant_score" : {
            "type" : "integer"
          },
          "merchant_type" : {
            "type" : "keyword"
          }
        }
      }
    },
    "settings" : {
      "index" : {
        "creation_date" : "1489749586006",
        "number_of_shards" : "3",
        "number_of_replicas" : "2",
        "uuid" : "iOCEqZHiQ1inEK9SvePetw",
        "version" : {
          "created" : "5020299"
        },
        "provided_name" : "basic"
      }
    }
  }
}</span></del>

可以看到product表的_parent已经生效，_routing强制为true是因为之前说的原因：子文档必须和父文档路由到同一个shard内才能实现”父子文档”的联合查询，那么什么是_routing呢？ ~~一个文档进入哪个shard是由hash(_routing)%分片个数来决定的，而_routing默认等于文档_id（可以点这里了解）。~~

插入数据

~~下面通过bulk批量API，先添加3个店铺：~~

<del><spanstyle="color: #808080;"><?php
 
require_once__DIR__ . "/vendor/autoload.php";
 
// 客户端
$client = Elasticsearch\ClientBuilder::fromConfig([
    'hosts' => ['localhost:9200', 'localhost:9201', 'localhost:9203'], // 最好在为ES集群搭建Haproxy反向代理
    'retries' => 2
]);
 
$client->bulk([
    'index' => 'basic',
    'type' => 'merchant',
    'body' => [
        /* 第1行记录 */
        // index方法+元数据
        ['index' => ['_id' => 1]],  // _id:店铺ID,默认_routing=_id
        // 请求体
        [
            'merchant_name' => '鑫明明拉面',
            'merchant_score' => 4,
            'merchant_type' => '美食',
            'merchant_img' => 'http://merchant.com/1.jpg',
            'merchant_avg_price' => 2100,
            'merchant_location' => ['127', '128']
        ],
 
 
        /* 第2行记录 */
        // index方法+元数据
        ['index' => ['_id' => 2]],
        // 请求体
        [
            'merchant_name' => '东方宫兰州拉面',
            'merchant_score' => 3,
            'merchant_type' => '美食',
            'merchant_img' => 'http://merchant.com/2.jpg',
            'merchant_avg_price' => 1800,
            'merchant_location' => ['120', '120']
        ],
 
        /* 第3行记录 */
        // index方法+元数据
        ['index' => ['_id' => 3]],
        // 请求体
        [
            'merchant_name' => '开海饭店',
            'merchant_score' => 3,
            'merchant_type' => '美食',
            'merchant_img' => 'http://merchant.com/3.jpg',
            'merchant_avg_price' => 3500,
            'merchant_location' => ['50', '50']
        ],
    ]
]);</span></del>

~~之后为每个店铺添加一些商品：~~

<del><spanstyle="color: #808080;">$client->bulk([
    'index' => 'basic',
    'type' => 'product',
    'body' => [
        // 第1个商铺的商品,设置其_parent=1从而与对应的商铺进入同一个shard
        // index方法+元数据
        ['index' => ['_id' => 1, '_parent' => 1]],  // _id:商品ID
        // 请求体
        [
            'product_name' => '牛肉拉面',
            'product_type' => '面食',
            'product_img' => 'http://product.com/1.jpg',
            'product_sold' => 10,
            'product_price' => 2100,
        ],
        // index方法+元数据
        ['index' => ['_id' => 2, '_parent' => 1]],  // _id:商品ID
        // 请求体
        [
            'product_name' => '羊肉烩面',
            'product_type' => '面食',
            'product_img' => 'http://product.com/2.jpg',
            'product_sold' => 11,
            'product_price' => 2200,
        ],
        // index方法+元数据
        ['index' => ['_id' => 3, '_parent' => 1]],  // _id:商品ID
        // 请求体
        [
            'product_name' => '烤羊肉串',
            'product_type' => '烤串',
            'product_img' => 'http://product.com/3.jpg',
            'product_sold' => 12,
            'product_price' => 2300,
        ],
        ///////// 第1个商铺的商品插入结束
 
        // 第2个商铺的商品,设置其_parent=2从而与对应的商铺进入同一个shard
        // index方法+元数据
        ['index' => ['_id' => 4, '_parent' => 2]],  // _id:商品ID
        // 请求体
        [
            'product_name' => '牛肉炒面',
            'product_type' => '面食',
            'product_img' => 'http://product.com/4.jpg',
            'product_sold' => 10,
            'product_price' => 2400,
        ],
        // index方法+元数据
        ['index' => ['_id' => 5, '_parent' => 2]],  // _id:商品ID
        // 请求体
        [
            'product_name' => '蛋炒饭',
            'product_type' => '主食',
            'product_img' => 'http://product.com/5.jpg',
            'product_sold' => 10,
            'product_price' => 2300,
        ],
        // index方法+元数据
        ['index' => ['_id' => 6, '_parent' => 2]],  // _id:商品ID
        // 请求体
        [
            'product_name' => '羊肉汤',
            'product_type' => '汤粉',
            'product_img' => 'http://product.com/6.jpg',
            'product_sold' => 10,
            'product_price' => 2200,
        ],
        ///////// 第2个商铺的商品插入结束
 
        // 第3个商铺的商品,设置其_parent=3从而与对应的商铺进入同一个shard
        // index方法+元数据
        ['index' => ['_id' => 7, '_parent' => 3]],  // _id:商品ID
        // 请求体
        [
            'product_name' => '海鲜炒饭',
            'product_type' => '主食',
            'product_img' => 'http://product.com/7.jpg',
            'product_sold' => 10,
            'product_price' => 2400,
        ],
        // index方法+元数据
        ['index' => ['_id' => 8, '_parent' => 3]],  // _id:商品ID
        // 请求体
        [
            'product_name' => '西红柿鸡蛋面',
            'product_type' => '面食',
            'product_img' => 'http://product.com/8.jpg',
            'product_sold' => 10,
            'product_price' => 2300,
        ],
        // index方法+元数据
        ['index' => ['_id' => 9, '_parent' => 3]],  // _id:商品ID
        // 请求体
        [
            'product_name' => '鸭血粉丝汤',
            'product_type' => '汤粉',
            'product_img' => 'http://product.com/9.jpg',
            'product_sold' => 10,
            'product_price' => 2200,
        ],
        ///////// 第3个商铺的商品插入结束
    ]
]);</span></del>

~~需要注意：~~

~~通常来说，每个店铺的id可能来自于mysql中的自增ID，商品id也是同样的，上面可以看出它们独立自增。~~
为了满足”父子文档”，商铺文档按商铺ID路由即可，而对应的商品在添加时不能用商品id路由而是应该使用_routing=其所属的商铺id，这样hash(product._routing)==hash(merchant._id)。另外，我们不必自己传递_routing值而是直接指定_parent即可，相关父子数据将自动进入同一个shard存储。
bulk API批量提交一堆请求，每个请求由”元数据”+”请求体”共2行组成，其中”元数据”应该指定操作的类型和表名等，而”请求体”则承载具体的请求参数。

父子查询筛选店铺

~~下面是一个简单的筛选，即搜索售卖”鸭血粉丝汤”的”店铺”有哪些：~~

<del><spanstyle="color: #808080;"><?php
 
require_once__DIR__ . "/vendor/autoload.php";
 
// 客户端
$client = Elasticsearch\ClientBuilder::fromConfig([
    'hosts' => ['localhost:9200', 'localhost:9201', 'localhost:9203'], // 最好在为ES集群搭建Haproxy反向代理
    'retries' => 2
]);
 
// 搜索框的输入内容
$keyword = '鸭血粉丝汤';
 
$ret = $client->search([
    'index' => 'basic',
    'type' => 'merchant',
    'body' => [
        'query' => [
            'has_child' => [
                'type' => 'product',
                'score_mode' => 'max',
                'query' => [
                    'match' => [
                        'product_name' => $keyword,
                    ]
                ]
            ]
        ]
    ]
]);
 
print_r($ret);</span></del>

~~这里score_mode表示：同一个”店铺”下有多个”商品”匹配关键字，那么取匹配程度最高的那个”商品”的打分作为”店铺”的打分依据。~~ 结果很准确，”开海饭店”售卖”鸭血粉丝汤”，其匹配度打分_score高达10分+，而”东方宫兰州拉面”因为售卖”羊肉汤”而命中”汤”字，所以也出现在了结果集之中，不过匹配度打分_score才区区0.9分。

但是父子查询最大的问题就像你看到上面的例子一样，只能使用has_child过滤子文档，但是无法同时过滤父文档，这个鸡肋的设定让我不得不放弃父子文档！

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。

码农书籍

Pro Git (Second Edition)

Scott Chacon、Ben Straub / Apress / 2014-11-9 / USD 59.99

Scott Chacon is a cofounder and the CIO of GitHub and is also the maintainer of the Git homepage ( git-scm.com ) . Scott has presented at dozens of conferences around the world on Git, GitHub and the ......一起来看看《Pro Git (Second Edition)》这本书的介绍吧!

码农工具