借助ChatGPT快速上手ElasticSearch dsl

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

作为一个SQL玩家，接触到 ElasticSearch 以后，被其dsl奇奇怪怪的写法所困扰，比如 bool should filter 什么场景下应该嵌套，什么时候 bool query是必须的，什么时候可以干掉。排查问题时，不可避免地需要手写dsl，经常收到ES报错。

为了解决这个问题，我尝试让ChatGPT给我做翻译，效果还不错。下面我们按照场景来看。

场景一: 列表模糊查询

在B端后台系统的列表页里，我们通常可以看到很多筛选框。产品经理经常把按 ID 和 Name 模糊匹配的功能放到一个筛选框，名曰“更好的用户体验”。如果用SQL写的话，非常简单:

select * from user where client_id = 123 anduser_id like '%张三%' or user_name like '%张三%';

如果存储在MySQL，加上client_id索引就可以大大减少筛选出的数据量，性能不会太差。

如果数据量非常大，那就用ES吧。我们可以对ChatGPT这样提问：

提问开始：

ES index 名字 "user"，有三个字段

1. user_id string
2. user_name string
3. client_id int

我要查询带有以下条件的记录：client_id = 123 and (user_name = '张三' or user_id = '张三')。dsl应该怎么写？

回复开始：

要查询 "user" 索引中满足以下条件的记录：client_id = 123 and (user_name = '张三' or user_id = '张三')，可以使用 bool 查询结合 term 查询来实现。以下是相应的 DSL 查询示例：

GET /user/_search{"query": {"bool": {"filter": [{"term": {"client_id": 123}},{"bool": {"should": [{"term": {"user_name": "张三"}},{"term": {"user_id": "张三"}}]}}]}}}

在这个查询中，我们使用了 bool 查询来确保指定的条件被用于过滤文档。

在 filter 子句中，我们有两个条件：一个是针对 "client_id" 字段的值为 123 的条件，使用了 term 查询。第二个条件是一个嵌套的 bool 查询，其中包含一个 should 子句。should 子句中包含了两个 term 查询：一个是针对 "user_name" 字段，另一个是针对 "user_id" 字段，它们都检查值是否为 "张三"。通过使用 should 子句，我们表示其中任一条件匹配即可。

这个 DSL 查询将返回满足 client_id 为 123，并且用户名为 "张三" 或用户ID为 "张三" 的文档记录。

回复结束：

ChatGPT 不只给出了答案，也给出了解释，我们针对业务里的index做一下修改就好。

场景二: 根据聚合结果进行过滤 h*ing

基于上面的 user 表，我们再加一个 ticket_id 字段，表示处理过的工单，我们要查出处理工单超过100个的用户。SQL可以这样写:

select user_id, max(user_name) as user_name,count(ticket_id) as ticket_cnt from user where client_id = 123h*ing count(ticket_id) > 100;

向ChatGPT提问:

提问开始：

ES index 名字 "user"，包含以下字段：

1. user_id string
2. user_name string
3. client_id int
4. ticket_id

按照 user_id 聚合，查询 count(ticket_id) > 100 的 user_id，以及user_id对应的 user_name

回复开始：
要按照 "user_id" 字段进行聚合，并查询符合条件 count(ticket_id) > 100 的 "user_id"，以及对应的 "user_name"，可以使用聚合查询中的 terms 聚合和 bucket_selector 管道聚合来实现。以下是相应的 DSL 查询示例：

GET /user/_search{"size": 0,"aggs": {"users": {"terms": {"field": "user_id","size": 10,"min_doc_count": 101// 设置最小文档数，只返回 count(ticket_id) > 100 的聚合结果},"aggs": {"user_name": {"terms": {"field": "user_name","size": 1}},"ticket_count": {"value_count": {"field": "ticket_id"}},"bucket_filter": {"bucket_selector": {"buckets_path": {"count": "ticket_count"},"script": "params.count > 100"// 仅保留 count(ticket_id) > 100 的聚合桶}}}}}}

在这个查询中，我们使用了 terms 聚合对 "user_id" 字段进行分组，并在聚合结果中嵌套了 user_name 字段的 terms 聚合和 ticket_id 字段的 value_count 聚合。

在 terms 聚合中，我们设置了 min_doc_count 参数为 101，以仅返回满足 count(ticket_id) > 100 的聚合桶。这样可以过滤掉不满足条件的聚合结果。

最终，我们使用 bucket_selector 管道聚合来进行桶过滤，仅保留满足条件 params.count > 100 的聚合桶。这样，最终的聚合结果中将只包含满足条件的 "user_id" 和对应的 "user_name"。

请注意，根据您的具体需求，您可能需要根据实际情况调整聚合查询中的参数和设置，如设置合适的 size 值来控制返回的聚合桶数量等。

回复结束。

场景三: 聚合以后取topK

向ChatGPT提问：

提问开始：

ES index 名字 "user"，包含以下字段：

1. user_id string
2. user_name string
3. client_id int
4. ticket_id

我要查询处理ticket数量top10 的 user_id 以及对应的user_name

Seede AI

AI 驱动的设计工具

713 查看详情

回复开始：
要查询处理 ticket 数量排名前 10 的 "user_id"，以及对应的 "user_name"，可以使用 terms 聚合和 top_hits 子聚合来实现。以下是相应的 DSL 查询示例：

GET /user/_search{"size": 0,"aggs": {"top_users": {"terms": {"field": "user_id","size": 10,"order": {"ticket_count": "desc"}},"aggs": {"user_name": {"terms": {"field": "user_name","size": 1}},"ticket_count": {"value_count": {"field": "ticket_id"}},"top_user_hits": {"top_hits": {"size": 1}}}}}}

在这个查询中，我们使用了 terms 聚合对 "user_id" 字段进行分组，并按照 "ticket_count" 字段的降序对分组结果进行排序。

在 terms 聚合中，我们设置了 size 参数为 10，以仅返回前 10 个处理 ticket 数量最多的 "user_id"。

在每个聚合桶中，我们还嵌套了 user_name 字段的 terms 聚合和 ticket_id 字段的 value_count 聚合，分别用于获取对应的 "user_name" 和计算 ticket 数量。

此外，我们使用了 top_hits 子聚合来获取每个聚合桶中的匹配文档的详细信息。在这里，我们设置了 size 参数为 1，以仅获取每个聚合桶中的一条文档信息。

最终，聚合查询的结果将包含处理 ticket 数量排名前 10 的 "user_id"，对应的 "user_name"，以及每个用户最新的一条文档信息。

请注意，根据实际情况，您可能需要根据具体需求调整聚合查询中的参数和设置，如设置合适的 size 值来控制返回的聚合桶数量，以及添加其他的聚合或过滤条件等。

回复结束。

本着快速出活/快速解决问题的心态，ChatGPT确实提升了工作效率。不过在解决需求之后，还是要补补课，了解下ElasticSearch的用法和工作机制。因为ChatGPT是语言模型，一旦逻辑复杂起来，ChatGPT就开始瞎说了。

以上就是借助ChatGPT快速上手ElasticSearch dsl的详细内容，更多请关注其它相关文章！

# 太多  # 海淀外贸网站优化建设  # 无锡网站建设报价模板  # 句容优化网站价格  # 平湖中小型网站优化  # 天津百度搜索网站优化  # 大石桥seo推广  # seo网站优化如何做到首页  # 海曙网站建设电话  # 从化网站建设定制哪家好  # 房产网站建设指南pdf  # 语言模型  # 子句  # 我要  # 来实现  # 中国科学院  # 可以使用  # 使用了  # 开源  # 在这个  # 文档  # chatgpt 

相关栏目： 【 行业新闻62819 】 【 科技资讯67470 】

相关推荐： “三夏”农忙保障用电，无人机高空巡视高压线  当科幻走进现实 脑机接口新技术能为生活带来哪些惊喜？  人工智能在项目管理中的作用  VMS的应用：提升多品牌设备管理效能  猿编程参加人工智能高峰论坛，推动人工智能教育解决方案在千所学校推行  云米Smart 2E AI立式空调开启预售：新三级能效，到手价3899元  PS AI修图免费平替来了！Stability AI又放大招，核弹级更新一键扩图  如何利用物联网技术提高企业生产线智能化水平，提升生产效率  零数科技CTO兰春嘉：区块链与人工智能的结合点在数据  对话式论文阅读工具PaperMate上线，综述细节AI告诉你  抛媚眼给瞎子看？微软、谷歌的AI广告被广告主抵制  赋能选题探索：AI助手在经济学专业中的应用指南  500元一张的AI艺术二维码制作，详细教程来了！  花16000元买四款扫拖机器人！科沃斯追觅石头小米谁能笑到最后？  Yann LeCun团队新研究成果：对自监督学习逆向工程，原来聚类是这样实现的  「模仿学习」只会套话？解释微调+130亿参数Orca：推理能力打平ChatGPT  【澎湃原动力】人工智能产业协同创新中心：全产业链资源在这里汇聚  绿联发布笑脸屏幕显示充电状态的30W/65W Q湃机器人充电器  人工智能产业协同创新中心：全产业链资源在这里汇聚  AI无法对传统文化符号进行解构和创新  《上古卷轴5》AI高清材质包优化游戏中所有怪物  “思享荟”沙龙热议AIGC与元宇宙 复旦大学赵星畅谈深度数字化  电池比 Air 2S 大 20%，大疆 Air 3 无人机现身 FCC  世界人工智能大会机器人同台炫技！梳理A股相关业务营收占比超50%的个股名单  Intel酷睿Ultra发布会官宣！迈向全新的AI时代  小米发布CyberDog2 - 他们的第二代仿生四足机器人展示  人才智能平台转型中的人工智能的关键角色  OpenAI 已全面开放 GPT-3.5 Turbo、DALL-E 及 Whisper API  智能公司为何纷纷投身机器人领域？  对艺术家拒绝置若罔闻，Stability AI 将推出适应多种画风的开源模型  陈根：ChatGPT和人类合作开发机器人  小红书陷入麻烦！被指控未经许可使用用户图片进行AI训练  IBM与NASA联手开源地理空间AI基础模型，促进气候科学领域进步  25个AI智能体源码现已公开，灵感来自斯坦福的「虚拟小镇」和《西部世界》  小米9号员工李明宣布创业：打造首款安卓桌面机器人  实践J*a开发，构建高性能的MongoDB数据迁移工具  XREAL Beam 投屏盒子正式发布：支持“可悬停 AR 空间屏”  华为云盘古大模型3.0发布 AI云服务同时上线：200亿亿次性能  谷歌推出 AI 反洗钱工具，可将金融机构内部风险预警准确率提高2至4倍  优化J*a与MySQL合作：分享批处理操作的技巧  鸿蒙生态带来了哪些新的流量可能性，包括AI、服务分发和原生智能等方面？  人工智能如何与智能家居集成  移远通信率先完成多场5G NTN技术外场验证，为卫星物联网应用落地提速  OpenAI首席执行官表态支持欧盟AI监管  羚客系统即将升级，推出全新的AI数字化工具  看懂AI，找到增长新势能 | 笔记侠AI峰会等你来  Win11 的画图应用将包含 Windows Copilot 的 AI 工具整合  AI大模型产品集体奔赴高考考场，教育赛道的讯飞星火能赢吗？  兆讯传媒率先全面拥抱AI 数智广告内容焕发新生机  小米又拿下国际比赛第一：AI翻译立功