你用过Elasticsearch Percolate 反向检索吗？
题记
percolator query 大家肯定在文档中见过，但实际业务中则较少用到。
本文探究一下percolator query的使用方法、原理、适用场景。
1、什么是percolator查询
percolator中文含义：***器。
percolator query等价于***查询或者反向查询。
我们相信大多数Elasticsearch开发人员都会按照惯例进行思考，我们为数据建模并将其存储在索引中。然后，他们通过搜索API定义查询以检索这些文档。
percolator query 的原理则完全相反，如下图所示：
您将查询存储到索引中，然后通过Percolate API定义文档以检索这些查询。
也就是：
传统查询，根据查询语句的查询条件返回文档。query->document。
而percolator***查询，根据文档返回与之匹配的查询语句。document->query。
2、percolator 查询的应用场景
举例：提供一个存储用户兴趣的平台，以便在每次有新内容进入时将正确的内容（通知警报）发送给正确的用户。
举例：用户订阅了特定主题，以便一旦该主题的新文章出现，就会向感兴趣的用户发送通知。
应用场景如下：
价格监控
新闻警报
股票警告
日志监控
天气预报
库存警报
......
3、实战一把
3.1 实际业务需求
阈值告警业务场景——当指定字段count值大于阈值时候，报警提示。
3.2 percolator mapping定义
DELETE my-index
PUT /my-index
{
"mappings": {
"properties": {
"threshold": {
"type": "long"
},
"count": {
"type": "long"
},
"query": {
"type": "percolator"
}
}
}
}
注意：percolator是等价于：keyword、long、Integer的数据类型。
"query": {
"type": "percolator"
}
这种定义结构是不可以修改的。
3.3 插入文档
PUT /my-index/_doc/1
{
"threshold": 100,
"query": {
"bool": {
"must": {
"range": {
"count":{
"gt":100
}
}
}
}
}
}
3.4 查询实现
GET /my-index/_search
{
"query": {
"percolate": {
"field": "query",
"documents": [
{
"count": 1
},
{
"count": 50
},
{
"count": 120
},
{
"count": 150
}
]
}
}
}
返回结果（部分）：
{
"took" : 4,
.......省略.....
},
"fields" : {
"_percolator_document_slot" : [
2,
3
]
}
}
]
}
}
其中："_percolator_document_slot” 指代的是：文档position，从0开始计数。
4、percolator 查询如何实现？
第一：通过使用DSL将用户的待设置的预警条件构造成Elasticsearch query语句，就好像它是一个文档一样，导入Elasticsearch索引。
第二：每次发布新文章时，都无需对其编入索引（索引化），就可以对其进行过滤，以了解文档值是否达到阈值。
第三：根据返回结果_percolator_document_slot，决定是否预警及精确值预警。
参考：
[1] https://www.agiratech.com/elasticsearch-percolator-query-implementation-in-ruby/
[2] https://qvault.io/2019/11/14/how-percolate-queries-in-elasticsearch-make-alerting-a-breeze/
[3] https://stackoverflow.com/questions/21536599/what-does-percolator-mean-do-in-elasticsearch
percolator query 大家肯定在文档中见过，但实际业务中则较少用到。
本文探究一下percolator query的使用方法、原理、适用场景。
1、什么是percolator查询
percolator中文含义：***器。
percolator query等价于***查询或者反向查询。
我们相信大多数Elasticsearch开发人员都会按照惯例进行思考，我们为数据建模并将其存储在索引中。然后，他们通过搜索API定义查询以检索这些文档。
percolator query 的原理则完全相反，如下图所示：
您将查询存储到索引中，然后通过Percolate API定义文档以检索这些查询。
也就是：
传统查询，根据查询语句的查询条件返回文档。query->document。
而percolator***查询，根据文档返回与之匹配的查询语句。document->query。
2、percolator 查询的应用场景
举例：提供一个存储用户兴趣的平台，以便在每次有新内容进入时将正确的内容（通知警报）发送给正确的用户。
举例：用户订阅了特定主题，以便一旦该主题的新文章出现，就会向感兴趣的用户发送通知。
应用场景如下：
价格监控
新闻警报
股票警告
日志监控
天气预报
库存警报
......
3、实战一把
3.1 实际业务需求
阈值告警业务场景——当指定字段count值大于阈值时候，报警提示。
3.2 percolator mapping定义
DELETE my-index
PUT /my-index
{
"mappings": {
"properties": {
"threshold": {
"type": "long"
},
"count": {
"type": "long"
},
"query": {
"type": "percolator"
}
}
}
}
注意：percolator是等价于：keyword、long、Integer的数据类型。
"query": {
"type": "percolator"
}
这种定义结构是不可以修改的。
3.3 插入文档
PUT /my-index/_doc/1
{
"threshold": 100,
"query": {
"bool": {
"must": {
"range": {
"count":{
"gt":100
}
}
}
}
}
}
3.4 查询实现
GET /my-index/_search
{
"query": {
"percolate": {
"field": "query",
"documents": [
{
"count": 1
},
{
"count": 50
},
{
"count": 120
},
{
"count": 150
}
]
}
}
}
返回结果（部分）：
{
"took" : 4,
.......省略.....
},
"fields" : {
"_percolator_document_slot" : [
2,
3
]
}
}
]
}
}
其中："_percolator_document_slot” 指代的是：文档position，从0开始计数。
4、percolator 查询如何实现？
第一：通过使用DSL将用户的待设置的预警条件构造成Elasticsearch query语句，就好像它是一个文档一样，导入Elasticsearch索引。
第二：每次发布新文章时，都无需对其编入索引（索引化），就可以对其进行过滤，以了解文档值是否达到阈值。
第三：根据返回结果_percolator_document_slot，决定是否预警及精确值预警。
参考：
[1] https://www.agiratech.com/elasticsearch-percolator-query-implementation-in-ruby/
[2] https://qvault.io/2019/11/14/how-percolate-queries-in-elasticsearch-make-alerting-a-breeze/
[3] https://stackoverflow.com/questions/21536599/what-does-percolator-mean-do-in-elasticsearch