当前位置：首页 > news >正文

ElasticSearch 搜索、排序、分页功能

news 文章来源：https://blog.csdn.net/qq_29627497/article/details/143937493 2025/4/17 8:21:50

一、DSL 查询文档

ElasticSearch 的查询依然是基于 json 风格的 DSL 来实现的。

官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/8.15/query-dsl.html

1.1 DSL 查询分类

常见的查询类型包括：

查询所有：查询出所有数据，一般测试用。如：
- match_all
全文检索（full text）查询：利用分词器对用户输入内容分词，然后去倒排索引库中匹配，如：
- match
- multi_match
精确查询：根据精确词条值查找数据，一般是查找keyword、数值、日期、boolean等类型字段。如：
- ids
- range
- term、terms
地理（geo）查询：根据经纬度查询，如：
- geo_distance
- geo_bounding_box
复合（compound）查询：复合查询可以将上述各种查询条件组合起来，合并查询条件。如：
- bool
- function_score

1.2 DSL 基本语法

GET /索引库/_search
{"query":{"查询类型":{"查询字段": "值"}}
}

查询所有，示例：

GET /hotel/_search
{"query":{"match_all":{}}
}

查询“速8”酒店，示例：

GET /hotel/_search
{"query":{"match": {"name": "速8"}}
}

二、全文检索查询

2.1 使用场景

商城的输入框搜索
百度输入框搜索

2.2 基本流程

对用户搜索的内容做分词，得到词条
根据词条去倒排索引库中匹配，得到文档id
根据文档id找到文档，返回给用户

说明：因为是拿着词条去匹配，因此参与搜索的字段也必须是可分词的 tex t类型的字段。

2.3 基本语法

常见的全文检索查询包括:

match 查询：单字段查询
multi_match查询：多字段查询，任意一个字段符合条件就算符合查询条件；字段越多，性能越差。

match 基本语法：

GET /索引名/_search
{"query": {"match": {"FIELD": "TEXT"}}
}

kibanna 测试示例：

GET /hotel/_search
{"query":{"match": {"name": "速8"}}
}# 响应结果：
{"took":4,"timed_out":false,"_shards":{"total":1,"successful":1,"skipped":0,"failed":0},"hits":{"total":{"value":15,"relation":"eq"},"max_score":5.8927264,"hits":[{"_index":"hotel","_id":"1637944903","_score":5.8927264,"_source":{"id":1637944903,"name":"速8酒店北京后海店","address":"西城北京市西城区德胜门内大街兴华胡同五福里2号","price":213,"score":39,"brand":"速8","city":"北京","starName":"二钻","business":"后海","location":"39.934452,116.38184","pic":"https://m.tuniucdn.com/fb2/t1/G1/M00/48/0C/Cii9EVk1JNuILdBWAAHv5O89TjMAALrFgJ8bwcAAe_8197_w200_h200_c1_t0.jpg"}},{"_index":"hotel","_id":"38609","_score":5.5926995,"_source":{"id":38609,"name":"速8酒店(上海赤峰路店)","address":"广灵二路126号","price":249,"score":35,"brand":"速8","city":"上海","starName":"二钻","business":"四川北路商业区","location":"31.282444,121.479385","pic":"https://m.tuniucdn.com/fb2/t1/G2/M00/DF/96/Cii-TFkx0ImIQZeiAAITil0LM7cAALCYwKXHQ4AAhOi377_w200_h200_c1_t0.jpg"}},{"_index":"hotel","_id":"711837","_score":5.3217444,"_source":{"id":711837,"name":"速8酒店（北京立水桥店）","address":"朝阳安立路3号1幢3层","price":268,"score":36,"brand":"速8","city":"北京","starName":"二钻","business":"亚运村、奥体中心地区","location":"40.043717,116.410962","pic":"https://m2.tuniucdn.com/filebroker/cdn/res/b3/87/b3876eaf16af62521cf6fb474504b8ca_w200_h200_c1_t0.jpg"}},{"_index":"hotel","_id":"197516492","_score":5.3217444,"_source":{"id":197516492,"name":"速8酒店（北京南苑东高地店）","address":"丰台南大红门路东营房15号","price":651,"score":39,"brand":"速8","city":"北京","starName":"二钻","business":"永定门、南站、大红门、南苑地区","location":"39.78996,116.42081","pic":"https://m.tuniucdn.com/fb2/t1/G1/M00/3B/D8/Cii-U1kxKGWIQlaxAAIdkjkSALkAALXDQMFbTsAAh2q158_w200_h200_c1_t0.jpg"}},{"_index":"hotel","_id":"197492277","_score":5.075831,"_source":{"id":197492277,"name":"速8酒店（北京平谷兴谷环岛店）","address":"平谷平谷大街31号","price":614,"score":39,"brand":"速8","city":"北京","starName":"二钻","business":"平谷城区","location":"40.159255,117.12401","pic":"https://m.tuniucdn.com/fb2/t1/G1/M00/38/D5/Cii9EFkwFCiII79zAAHKsXy_LAoAALQuQEmEZ4AAcrJ339_w200_h200_c1_t0.jpg"}},{"_index":"hotel","_id":"197496980","_score":5.075831,"_source":{"id":197496980,"name":"速8酒店(北京温都水城王府店)","address":"昌平北七家镇平西府村（温都水城东200米）","price":585,"score":39,"brand":"速8","city":"北京","starName":"二钻","business":"小汤山温泉度假区","location":"40.10144,116.380641","pic":"https://m.tuniucdn.com/fb2/t1/G2/M00/C7/CB/Cii-T1km_5eICnpJAAHOWN1GylMAAKYJwF0Hp8AAc5w000_w200_h200_c1_t0.jpg"}},{"_index":"hotel","_id":"47478","_score":4.8516397,"_source":{"id":47478,"name":"速8酒店(上海松江中心店)","address":"松江荣乐东路677号","price":428,"score":35,"brand":"速8","city":"上海","starName":"二钻","business":"佘山、松江大学城","location":"31.016712,121.261606","pic":"https://m.tuniucdn.com/filebroker/cdn/res/07/36/073662e1718fccefb7130a9da44ddf5c_w200_h200_c1_t0.jpg"}},{"_index":"hotel","_id":"5873072","_score":4.8516397,"_source":{"id":5873072,"name":"速8酒店（上海火车站北广场店）","address":"闸北芷江西路796号","price":190,"score":41,"brand":"速8","city":"上海","starName":"二钻","business":"上海火车站地区","location":"31.255579,121.452903","pic":"https://m2.tuniucdn.com/filebroker/cdn/res/96/6d/966d6596e6cb7b48c9cc1d7da79b57c8_w200_h200_c1_t0.jpg"}},{"_index":"hotel","_id":"197488318","_score":4.8516397,"_source":{"id":197488318,"name":"速8酒店（北京立水桥地铁南站店）","address":"朝阳北苑路18号院3号楼4层","price":344,"score":36,"brand":"速8","city":"北京","starName":"二钻","business":"亚运村、奥体中心地区","location":"40.043689,116.414138","pic":"https://m.tuniucdn.com/fb2/t1/G1/M00/36/4D/Cii9EVkvP72IYYjgAAF7yZeWV-wAALMQACOARMAAXvh983_w200_h200_c1_t0.jpg"}},{"_index":"hotel","_id":"234719728","_score":4.8516397,"_source":{"id":234719728,"name":"速8酒店（北京房山城关店）","address":"房山城关镇城隍庙街10号(原房山老公安局)","price":392,"score":47,"brand":"速8","city":"北京","starName":"二钻","business":"","location":"39.705216,115.981904","pic":"https://m.tuniucdn.com/fb2/t1/G1/M00/3F/66/Cii9EFkyeImIB3ZVAAHcTtTFt4oAALdsgICDO0AAdxm378_w200_h200_c1_t0.jpg"}}]}}

mulit_match 基本语法：

GET /indexName/_search
{"query": {"multi_match": {"query": "TEXT","fields": ["FIELD1", " FIELD12"]}}
}

kibana 测试示例:

GET /hotel/_search
{"query":{"multi_match": {"query": "北京速8","fields": ["name","city"]}}
}
# 响应结果：
{"took":18,"timed_out":false,"_shards":{"total":1,"successful":1,"skipped":0,"failed":0},"hits":{"total":{"value":67,"relation":"eq"},"max_score":7.23897,"hits":[{"_index":"hotel","_id":"1637944903","_score":7.23897,"_source":{"id":1637944903,"name":"速8酒店北京后海店","address":"西城北京市西城区德胜门内大街兴华胡同五福里2号","price":213,"score":39,"brand":"速8","city":"北京","starName":"二钻","business":"后海","location":"39.934452,116.38184","pic":"https://m.tuniucdn.com/fb2/t1/G1/M00/48/0C/Cii9EVk1JNuILdBWAAHv5O89TjMAALrFgJ8bwcAAe_8197_w200_h200_c1_t0.jpg"}},{"_index":"hotel","_id":"711837","_score":6.5375423,"_source":{"id":711837,"name":"速8酒店（北京立水桥店）","address":"朝阳安立路3号1幢3层","price":268,"score":36,"brand":"速8","city":"北京","starName":"二钻","business":"亚运村、奥体中心地区","location":"40.043717,116.410962","pic":"https://m2.tuniucdn.com/filebroker/cdn/res/b3/87/b3876eaf16af62521cf6fb474504b8ca_w200_h200_c1_t0.jpg"}},{"_index":"hotel","_id":"197516492","_score":6.5375423,"_source":{"id":197516492,"name":"速8酒店（北京南苑东高地店）","address":"丰台南大红门路东营房15号","price":651,"score":39,"brand":"速8","city":"北京","starName":"二钻","business":"永定门、南站、大红门、南苑地区","location":"39.78996,116.42081","pic":"https://m.tuniucdn.com/fb2/t1/G1/M00/3B/D8/Cii-U1kxKGWIQlaxAAIdkjkSALkAALXDQMFbTsAAh2q158_w200_h200_c1_t0.jpg"}},{"_index":"hotel","_id":"197492277","_score":6.235448,"_source":{"id":197492277,"name":"速8酒店（北京平谷兴谷环岛店）","address":"平谷平谷大街31号","price":614,"score":39,"brand":"速8","city":"北京","starName":"二钻","business":"平谷城区","location":"40.159255,117.12401","pic":"https://m.tuniucdn.com/fb2/t1/G1/M00/38/D5/Cii9EFkwFCiII79zAAHKsXy_LAoAALQuQEmEZ4AAcrJ339_w200_h200_c1_t0.jpg"}},{"_index":"hotel","_id":"197496980","_score":6.235448,"_source":{"id":197496980,"name":"速8酒店(北京温都水城王府店)","address":"昌平北七家镇平西府村（温都水城东200米）","price":585,"score":39,"brand":"速8","city":"北京","starName":"二钻","business":"小汤山温泉度假区","location":"40.10144,116.380641","pic":"https://m.tuniucdn.com/fb2/t1/G2/M00/C7/CB/Cii-T1km_5eICnpJAAHOWN1GylMAAKYJwF0Hp8AAc5w000_w200_h200_c1_t0.jpg"}},{"_index":"hotel","_id":"197488318","_score":5.960038,"_source":{"id":197488318,"name":"速8酒店（北京立水桥地铁南站店）","address":"朝阳北苑路18号院3号楼4层","price":344,"score":36,"brand":"速8","city":"北京","starName":"二钻","business":"亚运村、奥体中心地区","location":"40.043689,116.414138","pic":"https://m.tuniucdn.com/fb2/t1/G1/M00/36/4D/Cii9EVkvP72IYYjgAAF7yZeWV-wAALMQACOARMAAXvh983_w200_h200_c1_t0.jpg"}},{"_index":"hotel","_id":"234719728","_score":5.960038,"_source":{"id":234719728,"name":"速8酒店（北京房山城关店）","address":"房山城关镇城隍庙街10号(原房山老公安局)","price":392,"score":47,"brand":"速8","city":"北京","starName":"二钻","business":"","location":"39.705216,115.981904","pic":"https://m.tuniucdn.com/fb2/t1/G1/M00/3F/66/Cii9EFkyeImIB3ZVAAHcTtTFt4oAALdsgICDO0AAdxm378_w200_h200_c1_t0.jpg"}},{"_index":"hotel","_id":"1714520967","_score":5.960038,"_source":{"id":1714520967,"name":"速8酒店(北京安华桥黄寺大街店)","address":"黄寺大街12号院16号楼","price":559,"score":43,"brand":"速8","city":"北京","starName":"二钻","business":"马甸、安贞地区","location":"39.962742,116.388431","pic":"https://m.tuniucdn.com/fb2/t1/G1/M00/4A/21/Cii-U1k1o-uIdcUZAAIbmIKVlKAAALtvQGBb6kAAhuw170_w200_h200_c1_t0.jpg"}},{"_index":"hotel","_id":"706343","_score":5.7079287,"_source":{"id":706343,"name":"速8酒店（北京西客站北广场店）","address":"丰台莲花池东路126号","price":268,"score":39,"brand":"速8","city":"北京","starName":"二钻","business":"北京西站、丽泽商务区","location":"39.896623,116.315586","pic":"https://m.tuniucdn.com/fb2/t1/G2/M00/E3/46/Cii-TlkzMXWIL0sAAAGG8a3YwiwAALJlgG-r5YAAYcJ067_w200_h200_c1_t0.jpg"}},{"_index":"hotel","_id":"38609","_score":5.5926995,"_source":{"id":38609,"name":"速8酒店(上海赤峰路店)","address":"广灵二路126号","price":249,"score":35,"brand":"速8","city":"上海","starName":"二钻","business":"四川北路商业区","location":"31.282444,121.479385","pic":"https://m.tuniucdn.com/fb2/t1/G2/M00/DF/96/Cii-TFkx0ImIQZeiAAITil0LM7cAALCYwKXHQ4AAhOi377_w200_h200_c1_t0.jpg"}}]}}

前面我们将 brand、name、business 值利用 copy_to 复制到了 all 字段中，比较
match + all 与 multi_match brand，name，business查询结果：
在这里插入图片描述

通过比较，我们发现两次的查询结果是一样的。但是，搜索字段越多，对查询性能影响越大，因此建议采用 copy_to，然后单字段查询的方式。

三、精确查询

精确查询一般是查找 keyword、数值、日期、boolean 等类型字段。所以不会对搜索条件分词。

常见的全文检索查询包括：

term：根据词条精确值查询
range：根据值的范围查询

3.1 term 查询

说明：

因为精确查询的字段搜是不分词的字段，因此查询的条件也必须是不分词的词条。
用户输入的内容跟文档值完全匹配时才认为符合条件。

基本语法：

GET /索引库/_search
{"query":{"term": {"FIELD": {"value": "VALUE"}}}
}

Kibana 测试：
在这里插入图片描述

3.2 range 查询

范围查询，一般应用在对数值、日期类型做范围过滤。

基本语法：

GET /索引库/_search
{"query": {"range": {"FIELD": {"gte": 10,"lte": 20}}}
}

Kibana 测试：
在这里插入图片描述

四、地理坐标查询

所谓的地理坐标查询，其实就是根据经纬度查询。

常见的使用场景：

搜索我附近的酒店
搜索我附近的出租车
搜索我附近的人

4.1 geo_bounding_box 矩形范围查询

说明：指定矩形的左上、右下两个点的坐标，然后画出一个矩形，落在该矩形内的都是符合条件的点。
基本语法：

GET /hotel/_search
{"query": {"geo_bounding_box": {"FIELD": {"top_left": {"lat": 40.73,"lon": -74.1},"bottom_right": {"lat": 40.717,"lon": -73.99}}}}

Kibana 测试：
在这里插入图片描述

4.2 geo_distance 距离查询

说明：查询到指定中心点小于某个距离值的所有文档。换句话来说，在地图上找一个点作为圆心，以指定距离为半径，画一个圆，落在圆内的坐标都算符合条件。

基本语法：

GET /hotel/_search
{"query": {"geo_distance": {"distance": "10km", 	// 半径"FIELD": { 			// 圆心"lat": 40.73,		// 纬度"lon": -74.1		// 经度}}}
}

Kibana 测试：
在这里插入图片描述

五、compound 复合查询

说明：复合查询可以将其它简单查询组合起来，实现更复杂的搜索逻辑。常见的有两种：

bool 查询：布尔查询，利用逻辑关系组合多个其它的查询，实现复杂搜索
function_score 查询：算分函数查询，可以控制文档相关性算分，控制文档排名

相关性算分：
当我们利用match查询时，文档结果会根据与搜索词条的关联度打分（_score），返回结果时按照分值降序排列。
在这里插入图片描述
打分算法是TF-IDF算法（5.1+）：

5.1 bool 查询

布尔查询是一个或多个查询子句的组合，每一个子句就是一个子查询。

子查询的组合方式有：

must：必须匹配每个子查询，类似 “与” 查询
should：选择性匹配子查询，类似 “或” 查询
must_not：必须不匹配，类似 “非” 查询，不参与算分
filter：必须匹配，不参与算分

说明：参与打分的字段越多，查询性能越差。

建议：

搜索框的关键字搜索，是全文检索查询，使用 must 查询，参与算分
其它过滤条件，采用filter查询。不参与算分

语法示例：

POST /索引库/_search
{"query": {"bool" : {"must" : {"term" : { "user.id" : "kimchy" }},"filter": {"term" : { "tags" : "production" }},"must_not" : {"range" : {"age" : { "gte" : 10, "lte" : 20 }}},"should" : [{ "term" : { "tags" : "env1" } },{ "term" : { "tags" : "deployed" } }],"minimum_should_match" : 1}}
}

测试示例1：
需求：搜索名字包含“如家”，价格不高于 400，在坐标 31.21,121.5 周围 10km 范围内的酒店。

分析：

名称搜索，属于全文检索查询，应该参与算分。放到 must 中
价格不高于400，用 range 查询，属于过滤条件，不参与算分。放到 must_not 中
周围 10km 范围内，用 geo_distance 查询，属于过滤条件，不参与算分。放到filter中

语法结构：

GET /hotel/_search
{"query": {"bool": {"must": [{"match": {"name": "如家"}}],"must_not": [{"range": {"price": {"gt": 400}}}],"filter": [{"geo_distance": {"distance": "10km","location": {"lat": 31.21,"lon": 121.5}}}]}}
}

Kibana 测试：
在这里插入图片描述

5.2 function_score 算分函数查询

根据相关度打分是比较合理的需求，但合理的不一定是产品经理需要的。以百度为例，你搜索的结果中，并不是相关度越高排名越靠前，而是谁掏的钱多排名就越靠前。要想认为控制相关性算分，就需要利用 elasticsearch 中的 function_score 查询了。

5.2.1 function score 运行流程：

根据原始条件查询搜索文档，并且计算相关性算分，称为原始算分（query score）
根据过滤条件，过滤文档
符合过滤条件的文档，基于算分函数运算，得到函数算分（function score）
将原始算分（query score）和函数算分（function score）基于运算模式做运算，得到最终结果，作为相关性算分

5.2.2 相关性算分：
当我们利用 match 查询时，文档结果会根据与搜索词条的关联度打分（_score），返回结果时按照分值降序排列。

例如，我们搜索 “如家”，结果如下：
在这里插入图片描述

5.2.3 ElasticSearch（5.1+） BM25 算法公式如下：
在这里插入图片描述
5.2.4 function_score 查询语法：

query：原始查询条件，基于该条件搜索文档，并基于 BM25 算法为文档打分，所得结果即为原始分
functions: 算分函数，算分函数的结果称为 function score，结果将与 query score 运算，得到新算分。
- 常见的算分函数有：
  - weight：给一个常量值，作为函数结果
  - field_value_factor：用文档中的某个字段值，作为函数结果
  - random_score：随机生成一个值，作为函数结果
  - script_score：自定义计算公式，作为函数结果
- filter：过滤条件，符合该条件的文档才会重新算分
boost_mode：运算模式，算分函数的结果，原始查询的相关性算分，两者之间的运算方式。
- 常见的运算方式有：
  - multiply：两者相乘（默认）
  - replace：用 function score 替代 query score
  - 其他: sum、avg、max、min

5.2.5 基本语法格式：
其他可选参数，可访问官网进行学习。官网地址：https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl-function-score-query.html

GET /_search
{"query": {"function_score": {"query": { "match_all": {} },"functions": [{"filter": { "match": { "test": "cat" } },"weight": 42}],"boost_mode": "multiply"}}
}

5.2.6 测试示例：
需求：给价格小于300品牌为“如家”的酒店，排名靠前一些。
整理:

原始条件：价格小于300
过滤条件：品牌为“如家”
算法函数：按需指定，本次就直接固定加分（weight）
运算模式：求和

直接查询查询价格小于300的酒店：

在这里插入图片描述
从图上我们可以看出，直接查询“速8”的酒店靠前。

使用算法函数查询：

定义 DSL 语法：

GET /hotel/_search
{"query": {"function_score": {"query": {"range": {"price": {"lte": 300}}},"functions": [{"filter": {"term": {"brand": "如家"}},"weight": 2}],"boost_mode": "sum"}}
}

测试结果：

在这里插入图片描述
从图中我们可以看出，“如家”酒店已经靠前，且算分结果也是正常加了2分。

六、排序

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

6.1 普通字段排序

DSL 语法：

GET /hotel/_search
{"query": {"match_all": {}},"sort": [{"FIELD": {"order": "desc"}}]
}

说明：支持多字段排序，第一个条件相同时，按第二个排序，以此类推。

案例：查询所有酒店，并按照评分高的在前，价格低的在前
定义 DSL 语法：

GET /hotel/_search
{"query": {"match_all": {}},"sort": [{"score": {"order": "desc"}},{"price": {"order": "asc"}}]
}

测试结果：
在这里插入图片描述

6.2 地理坐标排序

DSL 语法：

GET /hotel/_search
{"query": {"match_all": {}},"sort": [{"_geo_distance": {"FIELD": {"lat": 40, // 纬度"lon": -70 // 经度},"order": "asc","unit": "km"}}]
}

案例：根据自己的位置按照酒店离你的位置升序排序
查询定位网址：https://map.bmcx.com/jingwei_dr__map/
定义 DSL 语法：

GET /hotel/_search
{"query": {"match_all": {}},"sort": [{"_geo_distance": {"location": {"lat": 31.264845, // 纬度"lon": 121.658846 // 经度},"order": "asc","unit": "km"}}]
}

测试结果：
在这里插入图片描述

七、分页

ElasticSearch 默认情况下只返回10条数据，如果要查询更多数据就需要修改分页参数。

from：从第几个文档开始，类似 mysql 的 offset
size：查询几个文档，类似 mysql 的 limit

7.1 基本语法

DSL 语法：

GET /hotel/_search
{"query": {"match_all": {}},"sort": [{"score": {"order": "desc"}}], "from": 0, "size": 10
}

测试结果：
在这里插入图片描述

7.2 深度分页问题

需求：查询 990 ~ 1000的数据，查询 9900 ~ 10000的数据

问题：
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 条数据。
如果 ES 是单点模式，这并无太大影响。如果是多集群部署，我需要根据条件排序后查询出 1000 数据，假如有5台节点，并不是每个节点取 200条数据，因为节点1 的 Top 200，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 Top 1000，必须先查询出每个节点的 Top 1000，汇总结果后，重新排名，重新截取 Top 1000。
那如果我要查询 9900~10000 的数据呢?是不是要先查询 Top 10000 呢?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 ES 会禁止 from + size 超过 10000 的请求。

解决方案：
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。

总结：

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
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
scroll（不推荐）
- 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

八、高亮显示

DSL 基础语法

GET /hotel/_search
{"query": {"match": {"name": "如家" // 必须指定搜索条件}},"sort": [{"score": {"order": "desc"}},{"price": {"order": "asc"}}], "from": 0,"size":10,"highlight":{"fields": {"name":{"pre_tags": "<em>", // 用来标记高亮字段的前置标签，默认：<em>"post_tags": "</em>" // 用来标记高亮字段的后置标签，默认：</em>}}}
}

说明：

高亮是对关键字高亮，因此搜索条件必须带有关键字，而不能是范围这样的查询。
默认情况下，高亮的字段，必须与搜索指定的字段一致，否则无法高亮
如果要对非搜索字段高亮，则需要添加一个属性：required_field_match=false

一、DSL 查询文档

1.1 DSL 查询分类

1.2 DSL 基本语法

二、全文检索查询

2.1 使用场景

2.2 基本流程

2.3 基本语法

三、精确查询

3.1 term 查询

3.2 range 查询

四、地理坐标查询

4.1 geo_bounding_box 矩形范围查询

4.2 geo_distance 距离查询

五、compound 复合查询

5.1 bool 查询

5.2 function_score 算分函数查询

六、排序

6.1 普通字段排序

6.2 地理坐标排序

七、分页

7.1 基本语法

7.2 深度分页问题

八、高亮显示

相关文章：