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： 赋能金融新生态，多家银行创新应用成果亮相世界人工智能大会  AI大举入侵内容行业，哪些上市*及动漫公司进行了布局？  企业软件行业更将被AI全面重构！Moka李国兴：未来优秀组织和个人将一定是善于使用AI生产力的  华为推出全新操作系统HarmonyOS 4，AI和新引擎完美融合  央视报道！星纪魅族集团车载人机交互技术成世界移动通信大会焦点  苹果在韩举办首届中小企业智能制造论坛，加速推动工业4.0发展  高质量数据推动AI场景化应用快速发展及落地  WHEE使用教程  《共同的演化》展览启幕，重新思考人类与人工智能关系  用人工智能技术，亚马逊为用户生成产品评论摘要，帮助他们轻松选购  联合国秘书长称支持建立全球人工智能监管机构  全媒封面丨⑤商汤科技：原创AI算法“发电厂”  上新7款产品，美图继续“蹭”AI  金山办公宣布与英伟达团队合作，加速WPS AI服务  OPPO三方联合发布AI可持续发展白皮书，坚持发展健康AI生态  XREAL Beam 投屏盒子正式发布：支持“可悬停 AR 空间屏”  2025世界人工智能大会成功召开  华为HarmonyOS 4将集|成人|工智能大型模型  令人惊叹！AI模型能够以iPhone照片为基础创作诗歌  马斯克反讽人工智能AI炒作：“机器学习”本质就是统计  V社悄悄封禁使用AI生成美术素材的游戏  马斯克回应“人工智能让一切变得更好”：我们已经是半机器人了  对话无界AI创始人长铗：AI的创业机会在应用层丨创新者Innovator  Midjourney 5.2震撼发布！原画生成3D场景，无限缩放无垠宇宙  人形机器人打开精密齿轮市场全新空间！受益上市公司梳理  “痴迷”元宇宙，魔珐科技想做什么？  清华系面壁智能开源中文多模态大模型VisCPM ：支持对话文图双向生成，吟诗作画能力惊艳  特斯拉首发人形机器人“擎天柱”亮相世界人工智能大会  国内AI大模型“安卓时刻”到来！阿里云通义千问免费、开源、可商用  【趋势周报】全球人工智能产业发展趋势：OpenAI向美国专利局提交“GPT-5”商标申请  中国移动副总经理高同庆：打造人工智能时代的智能服务运营新范式  腾讯自主研发机器狗 Max 升级，可“奔跑跳跃”完成避障动作  无人机巡检方案是什么，该如何选择适合的巡检方案  插画师对AI绘画软件的态度是怎样的？  郭帆谈ChatGPT：电影行业需要创新，否则人工智能将让电影变得平庸  腾讯TRS之元学习与跨域推荐的工业实战  人工智能创作的“婴儿版超级英雄”，你觉得哪个最可爱  Stability AI 推出文生图模型 SDXL0.9，GPU要求下探至消费级水平  70年前他本想逃避考试，却影响了整个互联网  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》  一家 380 亿美元的数据巨头，要掀起企业「AI 化」革命  百度文心一言App上架苹果商店，人工智能创作引发热议  高通发布长期产品计划，为工业和企业物联网产品提供全新组合方案  大疆 Air 3 无人机售价和实物照片曝光  轻量级的深度学习框架Tinygrad  280万条多模态指令-响应对，八种语言通用，首个涵盖视频内容的指令数据集MIMIC-IT来了  AI 模型 Stable Diffusion 升级：正常生成五指、图像更逼真  GPT-4使用混合大模型？研究证明MoE+指令调优确实让大模型性能超群  再也不怕「视频会议」尬住了！谷歌CHI顶会发布新神器Visual Captions：让图片做你的字幕助手  联想举办2025创新开放日，展出260余项算力及AI产品技术