ElasticSearch Nested类型全文检索、聚合查询

【ES】--Elasticsearch的Nested类型介绍 当字段是普通数组类型,其实在ES中,每个对象元素的属性值被扁平化存储在了数组中,已丢失了对应关系,因此无法保证搜索的准确。:在实际项目中,一些数组存储的字段,根据匹配条件去查询经常会查询到一些“其他不需要”的数据,为什么会出现这种情况?:word_one是普通数组List,多个must匹配条件会匹配整个List数组数据,而不是每个Bean去匹配。通过key,value形式去更新对应数组节点的数据,如果nested数组多个被匹配,都会被修改。通过高亮显示可以看出,只会匹配第一项数据。 阅读详情

ElasticSearch Nested类型全文检索、聚合查询

Nested类型全文检索

  1. 创建索引
PUT /products1
{
  "mappings": {
    "properties": {
      "fulltext": {
          "type": "text"
        },
      "name": {
        "type": "text",
        "fields": {
          "keyword": {
            "type": "keyword",
            "ignore_above": 256
          }
        }
      },
      "reviews": {
        "type": "nested",
        "properties": {
          "rating": {
            "type": "integer"
          },
          "author": {
            "type": "text",
            "copy_to": "fulltext"
          },
          "date": {
            "type": "date"
          }
        }
      }
    }
  }
}

以上创建索引语句中实现全文检索重点为"fulltext": { "type": "text" }和"copy_to": "fulltext",nested类型中哪个text类型的字段需要全文检索,就在字段上加"copy_to": "fulltext"

  1. 添加数据
PUT /products1/_doc/1
{
  "name": "Product A",
  "reviews": [
    {
      "rating": 5,
      "author": "Alice",
      "date": "2021-01-01"
    },
    {
      "rating": 4,
      "author": "Bob",
      "date": "2021-01-02"
    }
  ]
}

PUT /products1/_doc/2
{
  "name": "Product B",
  "reviews": [
    {
      "rating": 1,
      "author": "John",
      "date": "2021-01-03"
    },
    {
      "rating": 2,
      "author": "Mary",
      "date": "2021-01-04"
    },
    {
      "rating": 3,
      "author": "James",
      "date": "2021-01-05"
    },
    {
      "rating": 4,
      "author": "Elisabeth",
      "date": "2021-01-06"
    },
    {
      "rating": 5,
      "author": "Richard",
      "date": "2021-01-07"
    }
  ]
}


PUT /products1/_doc/3
{
  "name": "Product C",
  "reviews": [
    {
      "rating": 1,
      "author": "Alex",
      "date": "2021-01-03"
    },
    {
      "rating": 2,
      "author": "Alice",
      "date": "2021-01-04"
    }
  ]
}
  1. 执行查询
POST products1/_search
{
  "query": {
    "simple_query_string": {
      "query": "Alice"
    }
  }
}
  1. 结果如下,可以看到nested类型中包含Alice的数据也被检索出来了
{
  "took" : 2,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 0.5442147,
    "hits" : [
      {
        "_index" : "products1",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 0.5442147,
        "_source" : {
          "name" : "Product A",
          "reviews" : [
            {
              "rating" : 5,
              "author" : "Alice",
              "date" : "2021-01-01"
            },
            {
              "rating" : 4,
              "author" : "Bob",
              "date" : "2021-01-02"
            }
          ]
        }
      },
      {
        "_index" : "products1",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 0.5442147,
        "_source" : {
          "name" : "Product C",
          "reviews" : [
            {
              "rating" : 1,
              "author" : "Alex",
              "date" : "2021-01-03"
            },
            {
              "rating" : 2,
              "author" : "Alice",
              "date" : "2021-01-04"
            }
          ]
        }
      }
    ]
  }
}

以上可以看到实现nested类型全文检索

nested类型聚合查询

还是在上面product1索引中测试

  1. 现在,您可以对嵌套文档执行嵌套聚合。例如,让我们计算每个产品的平均评分:
GET /products1/_search
{
  "size": 0,
  "aggs": {
    "聚合名称": {
      "terms": {
        "field": "name.keyword"
      },
      "aggs": {
        "reviews": {
          "nested": {
            "path": "reviews"
          },
          "aggs": {
            "average_rating": {
              "avg": {
                "field": "reviews.rating"
              }
            }
          }
        }
      }
    }
  }
}
  1. 我们首先使用术语聚合为每个产品创建存储桶。然后,对于每个产品,我们运行嵌套聚合,以便我们可以访问嵌套文档的集合。最后,我们可以计算这些嵌套文档的指标聚合,在我们的示例中是平均评分
{
  "took" : 3,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [ ]
  },
  "aggregations" : {
    "products" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
        {
          "key" : "Product A",
          "doc_count" : 1,
          "reviews" : {
            "doc_count" : 2,
            "average_rating" : {
              "value" : 4.5
            }
          }
        },
        {
          "key" : "Product B",
          "doc_count" : 1,
          "reviews" : {
            "doc_count" : 5,
            "average_rating" : {
              "value" : 3.0
            }
          }
        },
        {
          "key" : "Product C",
          "doc_count" : 1,
          "reviews" : {
            "doc_count" : 2,
            "average_rating" : {
              "value" : 1.5
            }
          }
        }
      ]
    }
  }
}

Elasticsearch 7.6.1 从安装到实战:手把手教你搭建电商搜索系统(含IK分词器配置) 本文详细介绍了Elasticsearch 7.6.1的安装部署、IK中文分词器配置,并手把手指导如何构建一个高效的电商搜索系统。内容涵盖核心概念、数据建模、实战查询(包括过滤、排序、聚合)以及SpringBoot集成方案,旨在帮助开发者解决海量商品数据下的精准搜索与性能瓶颈问题。 阅读详情

相关推荐

ES实现nested类型聚合以及子聚合排序

ES针对nested类型聚合后排序 @doc [1111]

aliank516的博客 4864

Elasticsearch:从实例中学习 nested 数据类型的 CRUD 及搜索

在本文中,我们简要介绍了常见的查询以创建、读取、更新、删除和搜索嵌套查询。对于 CRUD 操作,你需要编写一个简单的 painless 脚本。你无需掌握整个painless 编程语言即可使用 Elasticsearch。了解一些常用命令就足以满足日常使用。如果你想成为 painless 达人,可以查看painless 指南。你也可以阅读我的文章 “Elastic:开发者上手指南” 中的 “Painless 编程” 章节。对于 nested 字段搜索,不要被看似复杂的查询吓倒。

Elastic 中国社区官方博客 2045

Elasticsearch Nested 类型全解析:原理、查询、聚合与最佳实践

本文全面解析 Elasticsearch Nested 类型,涵盖其原理、映射设计、索引与查询操作、嵌套聚合、更新策略及性能影响。通过完整示例(curl、Python、Java)、真实生产案例与操作流程,深入探讨 Nested 与 Object、Parent-Child 的对比及应用场景,并提供版本兼容性说明与最佳实践,帮助工程师高效、安全地在生产环境中使用 Nested 类型。

持续输出Java相关知识 1643

干货 | Elasticsearch Nested类型深入详解

0、概要 在Elasticsearch实战场景中,我们或多或少会遇到嵌套文档的组合形式,反映在ES中称为父子文档。 父子文档的实现,至少包含以下两种方式: 1)父子文档 父子文档在5.X版本中通过parent-child父子type实现,即:1个索引对应多个type; 6.X+版本已经不再支持一个索引多个type,6.X+的父子索引的实现改成Join。 2)Nested嵌套类型 本文通过一个例...

铭毅天下Elasticsearch 9万+

ElasticSearch查询复杂结构,aggs进行复杂结构(nested)聚合

ES拥有强大的聚合统计能力故而应用广泛,简单结构的聚合统计功能不多,如何针对复杂结构进行聚合统计实际上是很多生产上需要面对的问题,而ES相关文档毕竟很少,大多数人又不太愿意去读官方文档。这里写一下如何对复杂结构进行聚合,产生我们想要的统计数据。 本次用到工具Kibana,操作均在Kibana上进行。例我们现在有一个doc,里面有很多很多的字段,其中一个字段为wordFrequency,其样式大致...

kolloge的博客 9862

Elasticsearch Nested类型深入详解

0、概要 在Elasticsearch实战场景中,我们或多或少会遇到嵌套文档的组合形式,反映在ES中称为父子文档。 父子文档的实现,至少包含以下两种方式: 1)父子文档 父子文档在5.X版本中通过parent-child父子type实现,即:1个索引对应多个type; 6.X+版本已经不再支持一个索引多个type,6.X+的父子索引的实现改成Join。 2)Nested嵌套类型 本文通过一个例子将Nested类型适合解决的问题、应用场景、使用方法串起来, 文中所有的DSL都在Elasticsearch6

qq_28834355的博客 4912

Elasticsearch 7.x Nested 嵌套类型查询

一、什么是 ES Nested 嵌套 Elasticsearch 有很多数据类型,大致如下: 基本数据类型: string 类型。ES 7.x 中,string 类型会升级为:text 和 keyword。keyword 可以排序;text 默认分词,不可以排序。 数据类型:integer、long 等 时间类型、布尔类型、二进制类型、区间类型等 复杂数据类型: 数组类型:Array 对象类型:Object

Java搜索工程技术栈 1787

Plant Simulation 实战指南:从二次分配问题到优化布局设计

本文是一份Plant Simulation实战指南,详细讲解了如何利用该仿真软件解决工厂布局中的二次分配问题。通过从数据准备、模型搭建到集成遗传算法进行自动化优化的完整流程,帮助工程师在数字孪生环境中高效寻找最优设备布局方案,从而显著降低物流成本,提升生产效率。

i1j2k的博客 573

Elasticsearch--查询(nested、join)

嵌套类型数据的某个值是json、object对象;不再是简单的数据类型,或者简单数据类型的数组;那么还用之前的查询方式就有问题了。因为ES在存储复杂类型的时候会把对象的复杂层次结果扁平化为一个键值对列表。此时,需要用nested进行查询。

CelineT的博客 3981

ThinkPad T14 Gen 2与T14P系列对比

表格您的需求推荐机型日常办公、出差、文档处理、视频会议✅(够用、轻便、便宜)视频剪辑、3D建模、编程编译、AI训练、高色准设计✅(性能强、屏幕好、扩展佳)想要未来 5 年不换机✅T14p预算低于 5000 元✅T14 Gen 2(或考虑 T14 Gen 3/4)T14p 2025 款 ≠ 小改款,而是架构级升级它从“高性能笔记本”进化为“AI 移动工作站”,核心差异在于NPU + Ultra 平台 + 全面屏显 + 超长续航。如果您从事AI 开发、视频创作、工程仿真、多任务编程。

tecoes的博客 2777

CS224W图神经网络实战:如何用Motifs和Graphlets分析社交网络结构?

本文基于斯坦福CS224W课程,深入探讨了如何利用网络模体(Motifs)和图元(Graphlets)分析社交网络的微观结构。通过实战代码演示,文章介绍了如何识别具有统计显著性的关键连接模式,计算节点的图元度向量以刻画局部拓扑特征,并将这些结构洞见应用于社区发现、影响力分析及图神经网络的节点特征工程,从而提升模型在虚假账号检测等任务中的性能。

2w3e4r5t6y的博客 914

全面盘点:Elasticsearch 支持的所有数据查询搜索方式

Elasticsearch 提供了极其丰富的查询语法体系,是它能支撑全文检索、精准筛选、地理查询、聚合分析等各类场景的核心。所有查询最终都会封装成DSL(领域特定语言)语句,通过 RESTful API 执行。ES 查询主要分为顶层查询类型和细分查询方式,覆盖从基础到高级的全场景需求。对text类型字段进行分词处理,根据分词结果匹配文档,按相关性分数排序,适用于文章、标题、描述、内容搜索。不对查询词分词,完全等值匹配,适用于 keyword、数字、ID、状态、城市等字段。使用bool。

✨ 欢迎来到【Seal ^_^ 的CSDN博客】!✨ 3600

告别Keil手动分区!用CubeMX+VS Code一键生成带Bootloader的STM32 OTA工程

本文详细介绍了如何利用STM32CubeMX和VS Code实现STM32 OTA工程的自动化构建,告别传统Keil手动分区的繁琐流程。通过图形化配置Flash分区、自动生成链接脚本以及实现Bootloader跳转逻辑,开发者可以高效完成远程升级功能开发,显著提升嵌入式开发效率。

weixin_33720956的博客 390

2025最新ES面试题整理(Elasticsearch面试指南系列)

Elasticsearch经典面试题:10/50

Elastic开源社区 2万+

告别手动画图!用Cadence SKILL写一个参数化电感PCell(附完整代码)

本文详细介绍了如何使用Cadence SKILL语言开发参数化电感PCell,实现电感版图的自动化生成。通过动态调整线宽、圈数等几何参数,自动创建端口并进行工艺规则校验,大幅提升高频电路设计效率。附完整代码示例,帮助工程师快速掌握PCell开发技巧。

weixin_30684743的博客 373

电源设计避坑指南:半桥LLC软启动的5个常见错误及解决方案

本文针对半桥LLC谐振变换器软启动过程中的五个常见设计错误,提供了详细的工程解决方案。重点分析了忽视谐振腔初始状态导致的电流冲击、软启动斜坡与环路带宽不匹配、开环到闭环切换时机不当、变压器偏磁以及参数未考虑边界条件等问题,并给出了包括主动预充电、自适应斜坡、最佳切换点判定等实用调试技巧,帮助工程师实现平稳可靠的电源启动。

weixin_29260291的博客 288

深入了解ElasticSearch的Nested数据类型

深入了解ElasticSearch的Nested数据类型

Java鱼仔的博客 1万+

【AI知识点】向量空间(vector space)

向量空间(vector space),有时称为线性空间,是数学中线性代数的一部分,它描述了向量的集合以及这些向量可以进行的操作。向量空间是计算机科学、机器学习和自然语言处理(NLP)等领域的基础概念,尤其在表示数据的特征时,向量空间模型得到了广泛应用。

AI完全体 2437

Elasticsearch笔记(七):聚合查询

聚合框架有助于根据搜索查询提供聚合数据。聚合查询是数据库中重要的功能特性,ES作为搜索引擎兼数据库,同样提供了强大的聚合分析能力。它基于查询条件来对数据进行分桶、计算的方法。有点类似于 SQL 中的 group by 再加一些函数方法的操作。聚合可以嵌套,由此可以组成复杂的操作(Bucketing聚合可以包含sub-aggregation)。 聚合计算的值可以取字段的值,也可是脚本计算的结果。查...

布道 5万+

11、Windows Autopilot 部署与设备注册全攻略

本文详细介绍了Windows Autopilot的完整部署流程,涵盖注册配置文件设置、注册状态页面(ESP)配置、设备注册方法(包括CSV导入、JSON注入、在线注册等)、自动化脚本实现及故障排除技巧。通过手动与PowerShell自动化两种方式指导用户完成配置,并提供流程图、最佳实践和常见问题解答,帮助IT管理员高效实现设备零接触部署与管理。

ii567的博客 349

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

ElasticSearch(ES)使用Nested结构存储KV及聚合查询

自建博客地址:https://www.bytelife.net,欢迎访问! 本文为博客同步发表文章,为了更好的阅读体验,建议您移步至我的博客???? 本文作者: Jeffrey 本文链接: https://www.bytelife.net/articles/51440.html 版权声明: 本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处! 本文将讨论如何在ElasticSearch中使用nested结构进行数据的存储、查询和聚合,并结合K-V场景讨论ElasticSear

Jeffrey的博客 2074

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

ES中使用nested类型的内嵌对象

https://www.jianshu.com/p/d685b7b6c9d1 在大数据的应用环境中,往往使用反范式设计来提高读写性能。 假设我们有个类似简书的系统,系统里有文章,用户也可以对文章进行赞赏。在关系型数据库中,如果按照数据库范式设计,需要两张表:一张文章表和一张赞赏历史记录表,赞赏历史记录表包括了赞赏者姓名和赞赏金额。 在Elastic search中,由于都是json格式存储...

伏虎游侠的博客 1万+

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

Elasticsearch中object类型与nested类型以及数组之间的区别_es objec类型

/ 不知道从哪个版本改了,现在必须写 “categoryNst.class2”: “补水”,否则报错。“categoryObj.class1”: [“欧莱雅”,“欧莱雅”,“雅诗兰黛”],“categoryObj.class3”: [“面部护理”,“面部精华”,“面霜”]“categoryObj.class2”: [“补水”,“补水”,“美白”],“name”: “L'oreal/欧莱雅复颜玻尿酸水光充盈导入膨润精华液”,“name”: “L'oreal/欧莱雅复颜玻尿酸水光充盈导入膨润精华液”,

2401_89791606的博客 862

ElasticSearch nested类型求聚合

文章目录nested类型聚合: 正则查询 POST bdp_dev_profile_user_basic_label/_search { "query": { "regexp":{ "office_company.keyword": ".*,dy,.*" } } } PUT my_example/_doc/1 { "content":"This is a good network" } POST my_example/_search { "query":

ChengYanan的博客 1608

Elasticsearch 之 ElasticsearchRestTemplate 嵌套聚合查询【嵌套文档聚合查询】

Nested 翻译过来就是嵌套的意思,如果需要实现上述业务场景,我们需要使用嵌套查询,也就是会用到 Nested 关键字,Nested 在 Elasticsearch 中主要用于处理对象数组的情况,嵌套对象是一种特殊的对象类型,它允许在文档中存储一组相关的对象,并且在查询时能够正确地处理这些对象之间的关系,但是在映射(mapping)时候,需要将对象数组标记为 Nested 类型。简单来说就是想要实现嵌套查询就需要将对象数组标记为 Nested 类型,再使用查询语法即可实现嵌套查询。

weixin_42118323的博客 2881

Es 聚合查询 nested分组聚合时无需指定字段类型

行程单索引,一个订单对应多个游客,将游客信息采用nested类型存入订单索引中。//在最外层的查询将agg聚合设置进去,并且使用nested。2.nested分组聚合查询。//统计出现频数最多的前5条。统计游客来源地top5。

qq_37158147的博客 1326
上一篇: SprongBoot怎么热部署?
sunshine的天空
博客等级 码龄8年 9粉丝 9原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址