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  # 株洲网站优化设计ppt  # 手机网站制作推广  # 崇左北京网站建设  # 阳泉微沙盘网站建设费用  # 泰州seo站外推广发帖  # 如何做推广和运营销售  # 湖北seo引擎优化价格  # 推广营销与销售  # 杭州新站优化seo  # 南通网站建设现状分析  # 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： 【 Google疑问12 】 【 Facebook疑问10 】 【 优化推广96088 】 【 技术知识133117 】 【 IDC资讯59369 】 【 网络运营7196 】 【 IT资讯61894 】

相关推荐： 新华三集团总裁兼首席执行官于英涛：人工智能时代需要想象力，更需要精耕务实  研究发现AI聊天机器人ChatGPT不会讲笑话，只会重复25个老梗  用AI升级会议体验！思必驰多款会议产品亮相全球智博会！  微软推出人工智能模型 CoDi，可互动和生成多模态内容  美军AI无人机“误杀”操作员，人工智能要在军事领域毁灭人类？  视觉中国宣布推出AI灵感绘图、画面扩展功能  人工智能助力精准学习，猿辅导小猿学练机满足学生个性化学习需求  0代码微调大模型火了，只需5步，成本低至150块  对话式论文阅读工具PaperMate上线，综述细节AI告诉你  爱设计PPT发布第二代AI一键生成PPT产品：智能、个性化、自动化  马斯克嘲讽人工智能：机器学习本质就是统计学  消息称 Meta Quest 将推 VR 游戏订阅：每月 7.99 美元，任选两款  百度文心一言App上架苹果商店，人工智能创作引发热议  ChatGPT会成为你家新的语音助手吗？  将上下文长度扩展到256k，无限上下文版本的LongLLaMA来了？  先进技术在防止全球数据丢失方面的作用  大脚攀爬者车主福利！无人机、运动相机大奖等你来挑战  腾讯企点客服接待与营销分析能力升级！企业操作更高效、人机交互更智能  放弃自动驾驶，也是一种和解  OpenAI已向中国申请注册“GPT-5”商标，此前已在美国提交申请  AIGC 风潮刮到游戏产业，巨人网络与阿里云达成“游戏 +AI ”合作  令人震惊的特斯拉机器人  谷歌在人工智能领域没有“护城河”？  中国最强AI研究院的大模型为何迟到了  官宣！爱康AI未来之夜三大亮点提前剧透！  “世界人工智能之都”的新烦恼：AI热潮无法拉动大量就业  联合国秘书长称支持建立全球人工智能监管机构  调查：过半数艺术家认为 AI 作图无法帮助他们的工作  Vision Pro头显重磅发布；苹果收购AR厂商Mira  美版贴吧8000小组自爆停摆！拒绝数据被谷歌OpenAI白嫖，CEO被网友骂翻：背刺第三方应用  小艺将具备大模型能力，鸿蒙4加速AI普及之路  AIGC浪潮下，联想集团再加码计算与人工智能  机智云AI离线语音识别模组，让家电变得更加智能便捷  微软大牛加入ZOOM，AI人才大战打响  华为发布两款AI存储新品  复旦发布「新闻推荐生态系统模拟器」SimuLine：单机支持万名读者、千名创作者、100+轮次推荐  探索人工智能在物联网领域的影响与改变  国内首款大尺寸仿鸵双足机器人“大圣”亮相，穿戴红色战袍  成功孵化首个大型模型解决方案的重庆人工智能创新中心  AI生成会议纪要 百度如流升级推出超级助手、智能编码等功能  特斯拉人形机器人将亮相 预计售价不超过15万元  AMD称下半年AI显卡供应充足，不需要像NVIDIA那样加价抢购  探索人工智能和物联网的动态融合  印象笔记开放旗下“印象 AI”，可一键生成思维导图、写文章等  7大探索区域打造沉浸式玩乐“元宇宙” 昆明京东MALL未来科技探索官全城招募中  Meta 发布 Voicebox AI 模型：可生成音频信息，用于 NPC 对话等  看了天美对AI的布局，我感觉它想得是真明白  成都大运会闭幕式引入人形机器人展示表演  阿里云推出通义万相AI绘画大模型  华为发布大模型时代AI存储新品 

 2023-06-13