人生起起伏伏，有风光无限日，也有落魄失魂时，人在低谷时，唯有“熬过去，才会赢”
前言
上一篇文章我们讲了，如何整合spring data elasticsearch，并且通过spring data来操作elasticsearch做简单的增删改查，这一期呢我们来利用spring data来做一些复杂查询，我们会用官方文档的一些例子，将他们的查询表达式来用spring data实现，告诉大家如何来互相转换，授人以鱼不如授人以渔。
term 查询，可以说是我们最常用的查询，它不支持分词，可以用它处理数字（numbers）、布尔值（Booleans）、日期（dates）以及文本（text）和不分词文本（keyword）。
query DSL：
{ "term" : { "name.keyword" : "cc09c406-df37-4a48-9265-a8bcc2d756e3"}
}
query SQL：
SELECT * FROM demo WHERE name = "cc09c406-df37-4a48-9265-a8bcc2d756e3"
spring data elasticsearch：
public void term() {
QueryBuilder queryBuilder = QueryBuilders.termQuery("name.keyword", "cc09c406-df37-4a48-9265-a8bcc2d756e3");
out(queryBuilder);
}
通常，我们做精确查询的时候，是不需要对查询进 行评分计算，我们可以使用constant_score 查询来以非评分模式来执行 term 查询并以1作为统一评分。
"query" : { "constant_score" : { "filter" : { "term" : { "name.keyword" : "cc09c406-df37-4a48-9265-a8bcc2d756e3" } } }}
需要注意的是，查询text类型的字段是要加上 .keyword的，否则是无法查询的，字符串字段不加 .keyword 代表分词查询，而term是不支持分词查询的。分词查询指的是按es的分词器将字符串分为了多个字符串，只要其中一个被匹配就是为true。字段无需分词可以用keyword
在数据日常的查询中，我们经常会朋友组合条件，例如一群人中找出名字叫小熊，年龄为11岁的人，在elasticsearch中，这个时候就需要用到组合过滤器了。
现在有一条SQL：
SELECT * FROM demo WHERE (name = "小熊" OR age = 11) AND (nickName != "乖乖熊")
DSL：
"query" : {"filtered" : {"filter" : {"bool" : {"should" : [{ "term" : {"name" : "小熊"}}, { "term" : {"age" : 11}}], "must_not" : {"term" : {"nickName" : "乖乖熊"}}}}}}
pring data elasticsearch：
public void combinationFilter() {
QueryBuilder termQuery = QueryBuilders.termQuery("name.keyword", "小熊");
QueryBuilder termQuery1 = QueryBuilders.termQuery("age", 11);
QueryBuilder termQuery2 = QueryBuilders.termQuery("nickName", "乖乖熊");
QueryBuilder queryBuilder = QueryBuilders.boolQuery().should(termQuery).should(termQuery1).mustNot(termQuery2);
out(queryBuilder);
}
嵌套布尔查询
bool 是一个复合的过滤器，可以接受多个子过滤器，我们可以将一个 bool 过滤器放在其他 bool 过滤器内部，以便我们做一些复杂的处理。
现在有一条SQL：
SELECT * FROM demo WHERE name = "小熊" OR (nickName = "小笨熊" AND age = 30)
DSL：
"query" : { "filtered" : { "filter" : { "bool" : { "should" : [ { "term" : {"name" : "小熊"}}, { "bool" : { "must" : [ { "term" : {"nickName" : "小笨熊"}}, { "term" : {"age" : 30}} ] }} ] } } } }
spring data elasticsearch：
public void nestedBooleanQuery() {
QueryBuilder termQuery = QueryBuilders.termQuery("name.keyword", "小熊");
QueryBuilder termQuery1 = QueryBuilders.termQuery("nickName", "小笨熊");
QueryBuilder termQuery2 = QueryBuilders.termQuery("age", 10);
QueryBuilder queryBuilder1 = QueryBuilders.boolQuery().must(termQuery1).must(termQuery2);
QueryBuilder queryBuilder = QueryBuilders.boolQuery().must(termQuery).must(queryBuilder1);
out(queryBuilder);
}
我们往往在一个字段，可能需要匹配多个精确值，例如，我现在去找个名字叫小熊和叫小笨熊的11岁的人，那么我们首先想到会用两个term，但是实际上elasticsearch已经给我们提过了terms，顾名思义就是允许多参数的term。
DSL：
{ "terms" : { "name.keyword" : ["小熊", "小笨熊"]}
}
spring data elasticsearch：
public void termsQuery() {
QueryBuilder queryBuilder = QueryBuilders.termsQuery("name.keyword", "小熊", "小笨熊");
out(queryBuilder);
}
现在，我们要找出10-30岁的人，那么就必然要用到范围搜索了，范围搜索在日常还是很常见的，不多BB了，直接上菜。
SQL：
SELECT * FROM demo WHERE age BETWEEN 10 AND 30
DSL：
"range" : { "age" : { "gte" : 10, "lte" : 30}
}
spring data elasticsearch：
public void rangeQuery() {
QueryBuilder queryBuilder = QueryBuilders.rangeQuery("age").gte(10).lte(30);
out(queryBuilder);
}
注：range 查询同样可以处理字符串字段，字符串范围采用的是字典顺序。同时，由于数字和时间是采用索引的方式查询，所以它们的查询是高效的，但是字符串是将词语分词，每个词都通过term过滤查询，所以效率会低很多。
数据总是多变的，往往会存在空值，elasticsearch是使用的倒排索引来存储数据，而如果一个字段的值是null，它是不会存入倒排索引的，倒排索引存储的只是一个 token 列表和与之相关的文档信息，如果字段不存在，就没有文档信息，那么就拿不到token，就跟不可能存入倒排索引中了。对于这种情况，elasticsearch提供了exists来方便查询，我们直接上菜，看SQL与DSL的转换，更容易懂。
SQL：
SELECT * FROM demo WHERE name IS NOT NULL
DSL：
"query" : { "constant_score" : { "filter" : { "exists" : { "field" : "name.keyword" } } } }
spring data elasticsearch：
public void notNullQuery() {
QueryBuilder queryBuilder = QueryBuilders.existsQuery("name.keyword");
out(queryBuilder);
}
文末，贴出代码中out方法的代码：
private void out(QueryBuilder queryBuilder) {
nativeSearchQueryBuilder = nativeSearchQueryBuilder.withFilter(queryBuilder);
SearchQuery searchQuery = nativeSearchQueryBuilder.build();
List<DemoDO> demoDOList = elasticsearchTemplate.queryForList(searchQuery, DemoDO.class);
logger.info("总数：" + demoDOList.size());
for (DemoDO demoDO : demoDOList) {
System.out.println("id: " + demoDO.getId() + " name: " + demoDO.getName() + " age: " + demoDO.getAge() + " nickName: " + demoDO.getNickName());
}
}
本章讲解了使用elasticsearch来做深入搜索，贴上了SQL DSL 和 代码，方便大家的学习和理解，我立志于更好的帮助大家学习技术，希望能用最简单的方式帮助大家提升。文章中涉及到的代码，会在整部实操课程结束，放到github上开源，到时候大家不懂的可以下载看看，也可以保存下来，随时cv大法。