mobile wallpaper 1mobile wallpaper 2mobile wallpaper 3mobile wallpaper 4
3330 words
9 minutes
Elasticsearch 从 0 到 1(三):把商品搜索需求写成 Query DSL
2025-07-04
2026-09-27

商品已经写进 ES,接下来要让用户找到它。我们从一个具体需求出发:搜索“蓝牙耳机”,只看在售商品,价格 100 到 300 元,按销量从高到低展示。

不要急着拼一个很长的 JSON。先把需求拆开,每加一个条件就观察哪些商品留下、哪些被排除,最后再加分页、高亮和统计。这也是以后排查查询问题时最有效的顺序。

本文基于 Elasticsearch 8.14.0,使用第二篇创建的 products-read 别名和五条商品。请先确认 GET /products-read/_count 返回 5。所有 http 示例在 Kibana Dev Tools Console 执行;标为“片段”的 JSON 需要合并进请求,不能单独发送。

1. 先用 match 找到标题里的关键词#

Query DSL 是 ES 用来描述查询条件的 JSON。请求最外层的 query 回答“哪些文档可以进入结果集”,内部的 match 则适合对 text 字段做全文检索:

GET /products-read/_search
{
"query": {
"match": {
"title": {
"query": "蓝牙耳机",
"operator": "and"
}
}
}
}

预期命中 1001、1004、1005,暂时不要求它们的排列顺序。1004 虽然已经下架,但这个请求还没有上架状态条件,因此它仍然符合要求。

第二篇用 _analyze 验证过:cjk 把“蓝牙耳机”分析成 蓝牙、牙耳、耳机。operator: and 要求这些词项都能匹配,所以只有标题里含有相应词项的三款耳机会命中。

如果省略 operator,默认是 or:满足任一词项就可以。这样 1002 的“蓝牙音箱”可以因“蓝牙”命中,1003 的“游戏耳机”也可以因“耳机”命中,五条样本都会进入结果集。两种写法没有绝对的好坏,本篇选择 and 是为了让这个小型商品搜索的行为更容易核对。

还要区分“所有词项匹配”和“原文包含同一个连续短语”。and 不要求这些词项按原顺序相邻出现;若业务关心词序和位置,再研究 match_phrase。全文搜索并不是把 SQL 的 LIKE '%蓝牙耳机%' 换一种语法写出来。

第一次响应先看哪里#

搜索响应很长,先抓住下面几处即可:

响应位置应该怎样读
timed_out、_shards.failed检查超时或分片失败
hits.total总命中数及其精确程度
hits.hits当前这页实际返回的文档数组
命中的 _id、_source文档标识和原始商品字段
命中的 _score与当前查询的相关性分数

如果超时或有分片失败,不能把响应当作完整答案。_score 也不是百分比,不能拿不同查询的分数直接比较。

这个例子的 hits.total 应为 {"value":3,"relation":"eq"}。eq 表示精确等于;如果是 gte,value 只是下界。例如 10000 + gte 表示“至少一万条”,不能直接显示成“恰好一万条”。

2. 品牌和价格,分别交给 term 与 range#

关键词是模糊的自然语言,品牌筛选却是确定的值。选择 SoundGo 时,希望留下这个品牌的全部商品,使用 term:

GET /products-read/_search
{
"query": {
"term": { "brand": "SoundGo" }
}
}

预期命中 1001、1002、1004。brand 是 keyword,本例没有配置大小写归一化,因此换成 soundgo 就不会命中。

term 不会像 match 那样对输入做全文分析。若直接用它查 title: "蓝牙耳机",这个完整字符串并不是 cjk 建立的单个词项,结果会是零条。完整标题等值匹配可以查询 title.keyword;标题关键词检索继续使用 match。

接下来独立验证价格。价格单位是分,所以 100 到 300 元对应 10000 到 30000:

GET /products-read/_search
{
"query": {
"range": {
"price": { "gte": 10000, "lte": 30000 }
}
}
}

预期命中 1001、1002、1005。gte 和 lte 包含边界;如果要排除边界,使用 gt 和 lt。范围查询也能用于销量和日期,前提是 Mapping 已经把字段定义成对应的数值或日期类型。

到这里,三个条件单独执行的结果已经清楚。下一步需要取它们的交集,而不是把多个 query 字段塞进同一个 JSON。

3. 用 bool 组合“必须满足”和“只是加分”#

把最初的业务需求翻译成一句判断:标题符合关键词,状态等于在售,价格在区间内。对应的请求是:

GET /products-read/_search
{
"query": {
"bool": {
"must": [
{ "match": { "title": { "query": "蓝牙耳机", "operator": "and" } } }
],
"filter": [
{ "term": { "status": "ON_SALE" } },
{ "range": { "price": { "gte": 10000, "lte": 30000 } } }
]
}
}
}

预期只剩 1001 和 1005。1002 没有满足全部标题词项,1003 既不符合关键词也不在价格区间,1004 则下架且超出价格上限。

must 和 filter 都要求子条件成立,区别在于是否参与相关性评分:我们关心标题与用户关键词匹配得多好,因此放在 must;状态和价格只需要回答“是或否”,因此放在 filter。

bool 子句匹配要求是否计分
must每个条件都必须满足查询上下文中计分
filter每个条件都必须满足否
must_not排除匹配任一子条件的文档否
should至少满足几个由参数决定查询上下文中计分

这些差别由上下文决定,不是某个查询类型天生“只算分”或“只过滤”。同一个 match 放进 filter 中,也只判断匹配,不贡献分数。过滤条件具备被缓存的可能性,但不意味着每条过滤请求都一定命中缓存。

should 不能简单理解为“可选”#

假设用户勾选“SoundGo 或 AirBeat”,同时要求在售。下面用 should 表达两个品牌任选其一:

GET /products-read/_search
{
"query": {
"bool": {
"filter": [ { "term": { "status": "ON_SALE" } } ],
"should": [
{ "term": { "brand": "SoundGo" } },
{ "term": { "brand": "AirBeat" } }
],
"minimum_should_match": 1
}
}
}

预期命中 1001、1002、1005。这里的 minimum_should_match: 1 必不可少:删除它之后,因为同一个 bool 已经存在 filter,默认值变为 0,GameMax 的 1003 也能入选;两个品牌条件只会起加分作用。

准确的默认规则是:同一层 bool 有 should,且没有 must 或 filter 时,默认至少满足一个;其他情况默认是零个。 当“至少一个”是业务约束时,直接写出 minimum_should_match: 1,不必让读代码的人根据上下文猜测。

如果只是对同一字段做多个精确值的筛选,也可以把 terms: { "brand": ["SoundGo", "AirBeat"] } 放进 filter。这里专门写成 should,是为了把它的匹配规则讲清楚。

4. 排序和分页处理的是筛选后的结果#

前面的 query 确定候选商品,排序决定展示顺序。没有显式排序时,ES 默认按 _score 从高到低排列;用户选择“销量优先”后,我们就改成按销量排序。

把下面的顶层字段片段合并到上一节的关键词、状态和价格组合请求中:

{
"from": 0,
"size": 10,
"track_total_hits": true,
"sort": [
{ "sales": "desc" },
{ "productId": "asc" }
]
}

它们与 query 同级。sales 决定主顺序,唯一业务 ID productId 在销量相同时打破平局。对当前样本,结果应依次是 1001、1005。此时排序依据是字段值,即使另一个商品 _score 更高,也不会因此排在前面。

from 是跳过的条数,size 是当前页最多返回多少条。页码从 1 开始时,换算公式为 from = (page - 1) × size。例如每页 1 条,第一页设置 from: 0,第二页设置 from: 1;对应本例分别看到 1001 和 1005,而总命中数始终是 2。

track_total_hits: true 要求精确统计总数,适合本篇验证分页。默认只保证一定阈值内的精确计数,超过阈值时可能返回 gte;显式要求精确总数也有计算成本,应根据页面是否真的需要完整页数来决定。

这里还有两个容易混淆的边界:

  • 默认 from + size 不能超过 index.max_result_window,通常为 10000。这是返回窗口限制,不是索引只能搜索一万条。
  • 排序加唯一字段能解决同值顺序不确定的问题,但不能冻结数据。两次请求之间有商品销量变化,普通分页仍可能重复或跳过文档。

需要连续翻阅很多结果或保持同一搜索快照时,使用 search_after 配合 PIT;第六篇会给出完整流程。直接调大窗口上限,会让各分片保留更多候选结果,并不是通用的深分页方案。

5. 高亮是额外的展示信息#

用户看到标题中的关键词被标记,就更容易理解商品为什么出现。为请求增加下面的顶层字段片段:

{
"highlight": {
"encoder": "html",
"pre_tags": ["<em>"],
"post_tags": ["</em>"],
"fields": {
"title": { "number_of_fragments": 0 }
}
}
}

number_of_fragments: 0 适合较短标题,表示返回整个字段。encoder: html 会先转义原始文本,再插入高亮标记。

高亮内容出现在每条命中的 highlight.title 数组里,不会覆盖 _source.title。渲染时有高亮就用高亮,没有则回退到原始标题;空关键词浏览也通常没有需要高亮的词。具体标记边界由分词和高亮器决定,不要把示例中的某一种 HTML 字符串当作固定响应格式。

前端如果要以 HTML 方式展示,只保留约定的 <em> 标签,并对其他内容进行安全处理。高亮用于展示匹配片段,它不应成为判断商品是否符合业务条件的依据。

6. 聚合回答“结果里有多少种品牌”#

搜索命中返回具体商品,聚合返回这些商品的统计结果。最直观的例子是统计所有在售商品的品牌分布:

GET /products-read/_search
{
"size": 0,
"query": {
"term": { "status": "ON_SALE" }
},
"aggs": {
"brands": {
"terms": { "field": "brand", "size": 10 }
}
}
}

响应的 aggregations.brands.buckets 应包含 SoundGo 2 条、AirBeat 1 条、GameMax 1 条。size: 0 只是省略当前页的商品列表,聚合仍然执行;terms 内部的 size: 10 则是最多返回十个品牌桶,两者控制的不是同一件事。

品牌字段是 keyword,所以桶对应完整品牌。不要直接在 text 标题上做品牌统计,更不要为了让请求通过就盲目打开 fielddata。

聚合的统计范围默认受 query 限制,不受商品列表的分页大小限制。把它加到“蓝牙耳机、在售、100 到 300 元”的查询上,即使当前页只返回一件商品,品牌统计仍应覆盖两个候选商品:SoundGo 1 条、AirBeat 1 条。

terms 聚合通常用于取排名靠前的若干桶;品牌数很多或数据分散在多分片时,还要考虑截断和计数误差。本篇的小样本、单分片可以直接核对数量,不能由此推断任意规模下的 terms 都会精确返回所有品牌。

如果改做价格分段统计,可以使用 range 聚合。下面是 aggs 内部的替换片段:

{
"prices": {
"range": {
"field": "price",
"ranges": [
{ "key": "100元以下", "to": 10000 },
{ "key": "100元至300元以下", "from": 10000, "to": 30000 },
{ "key": "300元及以上", "from": 30000 }
]
}
}
}

范围聚合包含 from,不包含 to。在“所有在售商品”的查询下,这三段数量依次为 1、3、0。它和前面使用 lte: 30000 的闭区间价格筛选边界不同,设计页面时要把区间文案写准确。

用户再勾选 SoundGo 后,品牌列表是否仍应显示 AirBeat?这涉及“商品列表”和“筛选项统计”的范围是否一致,第七篇会用 post_filter 展开。现在先把普通聚合理解为:对当前 query 选中的全部文档分组。

7. 把请求合起来,核对最终行为#

下面是本篇完整的商品搜索请求,可以直接执行。它同时返回当前页、精确总数、高亮标题和品牌统计:

GET /products-read/_search
{
"from": 0,
"size": 10,
"track_total_hits": true,
"_source": ["productId", "title", "brand", "price", "sales", "status"],
"query": {
"bool": {
"must": [
{ "match": { "title": { "query": "蓝牙耳机", "operator": "and" } } }
],
"filter": [
{ "term": { "status": "ON_SALE" } },
{ "range": { "price": { "gte": 10000, "lte": 30000 } } }
]
}
},
"sort": [
{ "sales": "desc" },
{ "productId": "asc" }
],
"highlight": {
"encoder": "html",
"pre_tags": ["<em>"],
"post_tags": ["</em>"],
"fields": { "title": { "number_of_fragments": 0 } }
},
"aggs": {
"brands": { "terms": { "field": "brand", "size": 10 } }
}
}

新增的 _source 数组仅限制响应里返回哪些原始字段,减少无关内容;它没有删除索引中的字段,也不会改变匹配条件。最终应观察到:

检查项预期结果
hits.totalvalue: 2,relation: "eq"
hits.hits 中的 _id 顺序1001,然后 1005
返回价格19900、25900,仍以分为单位
高亮每条结果中可读取 highlight.title
品牌桶SoundGo 1 条、AirBeat 1 条

最后做两个小改动,检验是否真的理解了条件之间的关系。第一,把 size 改成 1:当前页只剩 1001,但总数和品牌桶不变。第二,保留 size: 10,移除 must 中的关键词条件:价格区间内的在售音箱 1002 也会进入结果,顺序变为 1001、1005、1002。

真正的空关键词浏览应由应用决定保留哪些筛选条件,并省略关键词查询;不应把空字符串直接塞进 match 期待它自动变成“查全部”。下一篇就把这些规则转成 Java 代码,再通过 Spring Boot 暴露搜索接口。

参考资料#


上一篇:建好商品索引,理解 Mapping 与分词 · 系列目录 · 下一篇:Spring Boot 集成与商品搜索实战

Share

If this article helped you, please share it with others!

Elasticsearch 从 0 到 1(三):把商品搜索需求写成 Query DSL
https://mizuki.mysqil.com/posts/elasticsearch-03-query-dsl/
Author
梦幻晨风
Published at
2025-07-04
License
CC BY-NC-SA 4.0

Some information may be outdated

Table of Contents