目录

一、排序

1）普通字段排序

2）地理坐标排序

1、语法说明：

2、示例：

二、分页 

1）基本的分页

2）深度分页问题

3）小结

三、高亮

1）高亮原理

2）实现高亮 

1、高亮的语法

 2、注意事项

 3、示例

 四、总结

一、排序

elasticsearch默认是根据相关度算分（_score）来排序，但是也支持自定义方式对搜索结果排序。可以排序字段类型有：keyword类型、数值类型、地理坐标类型、日期类型等。

1）普通字段排序

keyword、数值、日期类型排序的语法基本一致。

语法：

GET /indexName/_search
{
  \"query\": {
    \"match_all\": {}
  },
  \"sort\": [
    {
      \"FIELD\": \"desc\"  // 排序字段、排序方式ASC、DESC
    }
  ]
}

排序条件是一个数组，也就是可以写多个排序条件。按照声明的顺序，当第一个条件相等时，再按照第二个条件排序，以此类推 

示例：

需求描述：酒店数据按照用户评价（score)降序排序，评价相同的按照价格(price)升序排序

2）地理坐标排序

地理坐标排序略有不同。

1、语法说明：

GET /indexName/_search
{
  \"query\": {
    \"match_all\": {}
  },
  \"sort\": [
    {
      \"_geo_distance\" : {
          \"FIELD\" : \"纬度，经度\", // 文档中geo_point类型的字段名、目标坐标点
          \"order\" : \"asc\", // 排序方式
          \"unit\" : \"km\" // 排序的距离单位
      }
    }
  ]
}

这个查询的含义是：

• 指定一个坐标，作为目标点

• 计算每一个文档中，指定字段（必须是geo_point类型）的坐标 到目标点的距离是多少

• 根据距离排序

2、示例：

需求描述：实现对酒店数据按照到你的位置坐标的距离升序排序

提示：获取你的位置的经纬度的方式：获取鼠标点击经纬度-地图属性-示例中心-JS API 2.0 示例 | 高德地图API

假设我的位置是：22.542986,  114.054644，寻找我周围距离最近的酒店。

二、分页 

elasticsearch 默认情况下只返回top10的数据。而如果要查询更多数据就需要修改分页参数了。elasticsearch中通过修改from、size参数来控制要返回的分页结果：

• from：从第几个文档开始

• size：总共查询几个文档

类似于mysql中的limit ?, ?

1）基本的分页

分页的基本语法如下：

GET /hotel/_search
{
  \"query\": {
    \"match_all\": {}
  },
  \"from\": 0, // 分页开始的位置，默认为0
  \"size\": 10, // 期望获取的文档总数
  \"sort\": [
    {\"price\": \"asc\"}
  ]
}

2）深度分页问题

现在，我要查询990~1000的数据，查询逻辑要这么写：

GET /hotel/_search
{
  \"query\": {
    \"match_all\": {}
  },
  \"from\": 990, // 分页开始的位置，默认为0
  \"size\": 10, // 期望获取的文档总数
  \"sort\": [
    {\"price\": \"asc\"}
  ]
}

这里是查询990开始的数据，也就是 第990~第1000条 数据。

不过，elasticsearch内部分页时，必须先查询 0~1000条，然后截取其中的990 ~ 1000的这10条：

查询TOP1000，如果es是单点模式，这并无太大影响。

但是elasticsearch将来一定是集群，例如我集群有5个节点，我要查询TOP1000的数据，并不是每个节点查询200条就可以了。

因为节点A的TOP200，在另一个节点可能排到10000名以外了。

因此要想获取整个集群的TOP1000，必须先查询出每个节点的TOP1000，汇总结果后，重新排名，重新截取TOP1000

那如果我要查询9900~10000的数据呢？是不是要先查询TOP10000呢？那每个节点都要查询10000条？汇总到内存中？

当查询分页深度较大时，汇总数据过多，对内存和CPU会产生非常大的压力，因此elasticsearch会禁止from+ size 超过10000的请求。

针对深度分页，ES提供了两种解决方案，官方文档：

• search after：分页时需要排序，原理是从上一次的排序值开始，查询下一页数据。官方推荐使用的方式。

• scroll：原理将排序后的文档id形成快照，保存在内存。官方已经不推荐使用。

3）小结

分页查询的常见实现方案以及优缺点：

• from + size：

  • 优点：支持随机翻页

  • 缺点：深度分页问题，默认查询上限（from + size）是10000

  • 场景：百度、京东、谷歌、淘宝这样的随机翻页搜索

• after search：

  • 优点：没有查询上限（单次查询的size不超过10000）

  • 缺点：只能向后逐页查询，不支持随机翻页

  • 场景：没有随机翻页需求的搜索，例如手机向下滚动翻页

• scroll：

  • 优点：没有查询上限（单次查询的size不超过10000）

  • 缺点：会有额外内存消耗，并且搜索结果是非实时的

  • 场景：海量数据的获取和迁移。从ES7.1开始不推荐，建议用 after search方案。

三、高亮

1）高亮原理

什么是高亮显示呢？

我们在百度，京东搜索时，关键字会变成红色，比较醒目，这叫高亮显示：

高亮显示的实现分为两步：

• 1）给文档中的所有关键字都添加一个标签，例如标签

• 2）页面给标签编写CSS样式