elasticsearch地理位置查询

1.1 数据准备

1.2 geo_distance query

1.3 geo_bounding_box query

1.4 geo_polygon query

1.5 geo_shape query

2.ElasticSearch 特殊查询

2.1 more_like_this query

2.2 script query

2.3 percolate query

1.1 数据准备

创建一个索引：

PUT geo
{"mappings": {"properties": {"name":{"type": "keyword"},"location":{"type": "geo_point"}}}
}

准备一个 geo.json 文件：

{"index":{"_index":"geo","_id":1}}
{"name":"西安","location":"34.288991865037524,108.9404296875"}
{"index":{"_index":"geo","_id":2}}
{"name":"北京","location":"39.926588421909436,116.43310546875"}
{"index":{"_index":"geo","_id":3}}
{"name":"上海","location":"31.240985378021307,121.53076171875"}
{"index":{"_index":"geo","_id":4}}
{"name":"天津","location":"39.13006024213511,117.20214843749999"}
{"index":{"_index":"geo","_id":5}}
{"name":"杭州","location":"30.259067203213018,120.21240234375001"}
{"index":{"_index":"geo","_id":6}}
{"name":"武汉","location":"30.581179257386985,114.3017578125"}
{"index":{"_index":"geo","_id":7}}
{"name":"合肥","location":"31.840232667909365,117.20214843749999"}
{"index":{"_index":"geo","_id":8}}
{"name":"重庆","location":"29.592565403314087,106.5673828125"}

最后，执行如下命令，批量导入 geo.json 数据：

curl -XPOST "http://localhost:9200/geo/_bulk?pretty" -H "content-type:application/json" --data-binary @geo.json

可能用到的工具网站：

http://geojson.io/#map=6/32.741/116.521

1.2 geo_distance query

给出一个中心点，查询距离该中心点指定范围内的文档：

GET geo/_search
{"query": {"bool": {"must": [{"match_all": {}}],"filter": [{"geo_distance": {"distance": "600km","location": {"lat": 34.288991865037524,"lon": 108.9404296875}}}]}}
}

以(34.288991865037524,108.9404296875) 为圆心，以 600KM 为半径，这个范围内的数据。

1.3 geo_bounding_box query

在某一个矩形内的点，通过两个点锁定一个矩形：

GET geo/_search
{"query": {"bool": {"must": [{"match_all": {}}],"filter": [{"geo_bounding_box": {"location": {"top_left": {"lat": 32.0639555946604,"lon": 118.78967285156249},"bottom_right": {"lat": 29.98824461550903,"lon": 122.20642089843749}}}}]}}
}

以南京经纬度作为矩形的左上角，以舟山经纬度作为矩形的右下角，构造出来的矩形中，包含上海和杭州两个城市。

1.4 geo_polygon query

在某一个多边形范围内的查询。

GET geo/_search
{"query": {"bool": {"must": [{"match_all": {}}],"filter": [{"geo_polygon": {"location": {"points": [{"lat": 31.793755581217674,"lon": 113.8238525390625},{"lat": 30.007273923504556,"lon":114.224853515625},{"lat": 30.007273923504556,"lon":114.8345947265625}]}}}]}}
}

给定多个点，由多个点组成的多边形中的数据。

1.5 geo_shape query

geo_shape 用来查询图形，针对 geo_shape，两个图形之间的关系有：相交、包含、不相交。

新建索引：

PUT geo_shape
{"mappings": {"properties": {"name":{"type": "keyword"},"location":{"type": "geo_shape"}}}
}

然后添加一条线：

PUT geo_shape/_doc/1
{"name":"西安-郑州","location":{"type":"linestring","coordinates":[[108.9404296875,34.279914398549934],[113.66455078125,34.768691457552706]]}
}

接下来查询某一个图形中是否包含该线：

GET geo_shape/_search
{"query": {"bool": {"must": [{"match_all": {}}],"filter": [{"geo_shape": {"location": {"shape": {"type": "envelope","coordinates": [[106.5234375,36.80928470205937],[115.33447265625,32.24997445586331]]},"relation": "within"}}}]}}
}

relation 属性表示两个图形的关系：

within 包含
intersects 相交
disjoint 不相交

2.ElasticSearch 特殊查询

2.1 more_like_this query

more_like_this query 可以实现基于内容的推荐，给定一篇文章，可以查询出和该文章相似的内容。

GET books/_search
{"query": {"more_like_this": {"fields": ["info"],"like": "大学战略","min_term_freq": 1,"max_query_terms": 12}}
}

fields：要匹配的字段，可以有多个
like：要匹配的文本
min_term_freq：词项的最低频率，默认是 2。特别注意，这个是指词项在要匹配的文本中的频率，而不是 es 文档中的频率
max_query_terms：query 中包含的最大词项数目
min_doc_freq：最小的文档频率，搜索的词，至少在多少个文档中出现，少于指定数目，该词会被忽略
max_doc_freq：最大文档频率
analyzer：分词器，默认使用字段的分词器
stop_words：停用词列表
minmum_should_match

2.2 script query

脚本查询，例如查询所有价格大于 200 的图书：

GET books/_search
{"query": {"bool": {"filter": [{"script": {"script": {"lang": "painless","source": "if(doc['price'].size()!=0){doc['price'].value > 200}"}}}]}}
}

2.3 percolate query

percolate query 译作渗透查询或者反向查询。

正常操作：根据查询语句找到对应的文档 query->document
percolate query：根据文档，返回与之匹配的查询语句，document->query

应用场景：

价格监控
库存报警
股票警告
...

例如阈值告警，假设指定字段值大于阈值，报警提示。

percolate mapping 定义：

PUT log
{"mappings": {"properties": {"threshold":{"type": "long"},"count":{"type": "long"},"query":{"type":"percolator"}}}
}

percolator 类型相当于 keyword、long 以及 integer 等。

插入文档：

PUT log/_doc/1
{"threshold":10,"query":{"bool":{"must":{"range":{"count":{"gt":10}}}}}
}

最后查询：

GET log/_search
{"query": {"percolate": {"field": "query","documents": [{"count":3},{"count":6},{"count":90},{"count":12},{"count":15}]}}
}

查询结果中会列出不满足条件的文档。

查询结果中的 _percolator_document_slot 字段表示文档的 position，从 0 开始计。