Elasticsearch 核心技术（十）：GEO 地理查询（geo

阿里云国内75折 回扣 微信号：monov8
阿里云国际，腾讯云国际，低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号：monov8 飞机：@monov6

在这里插入图片描述

❤️ 博客主页水滴技术
支持水滴点赞 + 收藏⭐ + 留言
订阅专栏大数据核心技术从入门到精通

文章目录

大家好我是水滴~~

地理信息查询是 Elasticsearch 的重要特性之一其 GEO 功能主要用于地理信息的存储和搜索。本篇主要内容介绍 Elasticsearch 的两种地理数据类型并通过一些实例来讲述geo_bounding_box 查询、geo_distance 查询和 geo_shape 查询。

一、地理数据类型

在介绍地理查询前我们先来了解下地理数据类型。Elasticsearch 支持两种地理数据类型geo_point 和 geo_shape。在之前的文章《Elasticsearch 核心技术五常用数据类型详解》中有介绍过学过的友友可以跳过本章节。

注意Elasticsearch 使用的是 WGS-84 坐标系如果你是直接从高德地图中获取的经纬度坐标需要转换一下再存储否则会有精度问题。当然如果对精度要求没有那么高请忽略。

1.1、geo_point 地理点类型

geo_point 数据类型用来存储一个由经纬度组成的地理点也就是地理坐标。

地理坐标在生活中有很多用处比如在一个陌生的城市可以导航到指定的酒店点外卖时可以查看附近有哪些好吃的走累了可以看看哪里有共享单车等等。

1.1.1、创建一个含有 geo_point 字段的索引

下面示例创建一个 index_geo_point 索引其中 location 字段为 geo_point 类型。

PUT index_geo_point
{
  "mappings": {
    "properties": {
      "id": {
        "type": "keyword"
      },
      "location": {
        "type": "geo_point"
      }
    }
  }
}

1.1.2、通过“对象”指定 geo_point

可以通过一个对象来表示地理点其中 lat 表示纬度lon 表示经度。

POST index_geo_point/_doc/1
{
  "id": 1,
  "location": { 
    "lat": 39.917846,
    "lon": 116.397058
  }
}

1.1.3、通过“字符串”指定 geo_point

可以通过一个字符串表示地理点格式为"lat, lon"。

注意字符串的地理点的顺序为 lat,lon这与数组和WKT相反。

POST index_geo_point/_doc/2
{
  "id": 2,
  "location": "39.917846, 116.397058"
}

1.1.4、通过“地理哈希”指定 geo_point

可以通过地理点的哈希值来表示地理点。

POST index_geo_point/_doc/3
{
  "id": 3,
  "location": "drm3btev3e86"
}

1.1.5、通过“数组”指定 geo_point

可以通过一个数组来表示地理点格式为[lon, lat]

POST index_geo_point/_doc/4
{
  "id": 4,
  "location": [116.397058, 39.917846]
}

1.1.6、通过“WKT”指定 geo_point

可以通过 Well-Known Text 格式的 POINT 来表示地理点格式为"POINT(lon, lat)"

POST index_geo_point/_doc/5
{
  "id": 5,
  "location": "POINT(116.397058, 39.917846)"
}

1.2、geo_shape 地理形状类型

geo_shape 数据类型用于存储地理形状例如直线、矩形、多边形等。

也有很多场景只使用一个地理点是无法满足的比如一所学校、一处旅游景点、一座城市等等想要表示这样大面积的地点就需要用到 geo_shape 了。

下面一起看下 geo_shape 类型是如何指定的。

1.2.1、创建一个含有 geo_shape 字段的索引

下面示例创建一个 index_geo_shape 索引其中 location 字段为 geo_shape 类型。

PUT index_geo_shape
{
  "mappings": {
    "properties": {
      "id": {
        "type": "keyword"
      },
      "location": {
        "type": "geo_shape"
      }
    }
  }
}

1.2.2、通过 Point 指定单个地理坐标

Point 类型用于指定单个地理坐标点坐标数组格式为[lon, lat]

POST index_geo_shape/_doc/1
{
  "id": 1,
  "location": {
    "type": "Point",
    "coordinates": [116.397058, 39.917846]
  }
}

1.2.3、通过 LineString 指定一条线

LineString 类型用于指定一条线该线由两个或多个位置点组成。

POST index_geo_shape/_doc/2
{
  "id": 2,
  "location": {
    "type": "LineString",
    "coordinates": [ [116.397058, 39.917846], [116.397058, 38.111111] ]
  }
}

1.2.4、通过 Polygon 指定一个多边形

Polygon 类型用于指定一个多边形该多边形要求第一个点和最后一个点必须相同表示该多边形是闭合的。

POST index_geo_shape/_doc/3
{
  "id": 3,
  "location": {
    "type": "Polygon",
    "coordinates": [
      [ [100.0, 0.0], [101.0, 0.0], [101.0, 1.0], [100.0, 1.0], [100.0, 0.0] ]
    ]
  }
}

这里要注意coordinates 是一个数组表示可以指定多个多边形。

下面示例指定了两个多边形一个数组表示多边形的外部边界另一个数组表示多边形的内部边界即表示一个带孔的多边形。

POST index_geo_shape/_doc/4
{
  "id": 4,
  "location" : {
    "type" : "Polygon",
    "coordinates" : [
      [ [100.0, 0.0], [101.0, 0.0], [101.0, 1.0], [100.0, 1.0], [100.0, 0.0] ],
      [ [100.2, 0.2], [100.8, 0.2], [100.8, 0.8], [100.2, 0.8], [100.2, 0.2] ]
    ]
  }
}

1.2.5、通过 MultiPoint 指定多个点

MultiPoint 类型用于指定多个点。

POST index_geo_shape/_doc/5
{
  "id": 5,
  "location" : {
    "type" : "MultiPoint",
    "coordinates" : [
      [102.0, 2.0], [103.0, 2.0]
    ]
  }
}

1.2.6、通过 MultiLineString 指定多条线

MultiLineString 类型用于指定多条线。

POST index_geo_shape/_doc/6
{
  "id": 6,
  "location" : {
    "type" : "MultiLineString",
    "coordinates" : [
      [ [102.0, 2.0], [103.0, 2.0], [103.0, 3.0], [102.0, 3.0] ],
      [ [100.0, 0.0], [101.0, 0.0], [101.0, 1.0], [100.0, 1.0] ],
      [ [100.2, 0.2], [100.8, 0.2], [100.8, 0.8], [100.2, 0.8] ]
    ]
  }
}

1.2.7、通过 MultiPolygon 指定多个多边形

MultiPolygon 类型用于指定多个多边形。

POST index_geo_shape/_doc/7
{
  "id": 7,
  "location" : {
    "type" : "MultiPolygon",
    "coordinates" : [
      [ [[102.0, 2.0], [103.0, 2.0], [103.0, 3.0], [102.0, 3.0], [102.0, 2.0]] ],
      [ [[100.0, 0.0], [101.0, 0.0], [101.0, 1.0], [100.0, 1.0], [100.0, 0.0]],
        [[100.2, 0.2], [100.8, 0.2], [100.8, 0.8], [100.2, 0.8], [100.2, 0.2]] ]
    ]
  }
}

1.2.8、通过 GeometryCollection 指定地理形状的集合

GeometryCollection 类型用于指定一个地理形状的集合即可以包含多个上面所属的地理形状。

POST index_geo_shape/_doc/8
{
  "id": 8,
  "location" : {
    "type": "GeometryCollection",
    "geometries": [
      {
        "type": "Point",
        "coordinates": [100.0, 0.0]
      },
      {
        "type": "LineString",
        "coordinates": [ [101.0, 0.0], [102.0, 1.0] ]
      }
    ]
  }
}

1.2.9、通过 envelope 指定矩形或包络线

envelope 类型用于指定一个矩形或包络线它由两个坐标组成分别表示左上角和右下角的坐标。

POST index_geo_shape/_doc/9
{
  "id": 9,
  "location" : {
    "type" : "envelope",
    "coordinates" : [ [100.0, 1.0], [101.0, 0.0] ]
  }
}

1.2.10、通过 circle 指定圆形

circle 类型用于指定一个圆形需要指定圆心坐标和半径。

注意映射字段时圆形不能使用默认的策略需要将 strategy 指定为 recursive。如下

PUT index_geo_shape2
{
  "mappings": {
    "properties": {
      "id": {
        "type": "keyword"
      },
      "location": {
        "type": "geo_shape",
        "strategy": "recursive"
      }
    }
  }
}

添加文档时radius 用于指定半径如果未指定单位默认为米

POST index_geo_shape/_doc/10
{
  "id": 10,
  "location" : {
    "type" : "circle",
    "coordinates" : [101.0, 1.0],
    "radius" : "100m"
  }
}

二、地理查询

地理查询主要用于上文讲的两种地理数据类型 geo_point 和 geo_shape 的查询查询的方法包括下面四种geo_bounding_box、geo_distance、geo_polygon 和 geo_shape。

下面我们分别介绍它们具体的应用。

2.1、geo_bounding_box 矩形过滤

geo_bounding_box 用于查询所有落入矩形的地理点所属文档。查询时需要指定两个坐标点左上角和右下角这两个点就可以确定一个矩形而查询的结果为所有定位点落入该矩形的文档。

下面我们举例说明

2.1.1、查询矩形内的定位点文档

我们以“故宫博物院”为例取其左上角和右下角的坐标点会形成一个矩形然后查询该矩形内的坐标点所属文档。

在这里插入图片描述

上图中故宫的左上角坐标点为 116.391978,39.922561右下角坐标点为 116.402149,39.913443。
另外找了 6 个点分别代表 6 个文档的位置它们的坐标点如下
1116.39775,39.92029
2116.395947,39.916208
3116.410624,39.91871
4116.397235,39.909823
5116.385304,39.917591
6116.396548,39.92832

从肉眼可以看出1 和 2 号坐标点在故宫的矩形框内我们通过该实例看能否准确的查出内容。

我们使用索引 es_location_001 演示该示例索引的创建及文档的添加请见附录一这里我们只讲查询**。**

查询时需要指定 geo_bounding_box 类型并指定 top_left 左上角的坐标bottom_right 右下角的坐标。

GET es_location_001/_search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      },
      "filter": {
        "geo_bounding_box": {
          "location": {
            "top_left": {
              "lat": 39.922561,
              "lon": 116.391978
            },
            "bottom_right": {
              "lat": 39.913443,
              "lon": 116.402149
            }
          }
        }
      }
    }
  }
}

查询结果通过查询结果可以看出 1、2 文档被查出正是我们猜测的结果。

{
  "took" : 929,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "es_location_001",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "id" : 1,
          "location" : [
            116.39775,
            39.92029
          ]
        }
      },
      {
        "_index" : "es_location_001",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 1.0,
        "_source" : {
          "id" : 2,
          "location" : [
            116.395947,
            39.916208
          ]
        }
      }
    ]
  }
}

2.2、geo_distance 距离查询圆形过滤

geo_distance 用于查询距离中心点指定范围内的地理点所属文档也就是圆形过滤。查询时需要指定圆心的坐标以及半径长度就可以查询方圆内的文档了。

下面我们举例说明

2.2.1、查询“附近的人”

我们还是使用 es_location_001 索引那 6 个坐标点来演示而假设“我”当前的坐标为 116.410539,39.912983然后看下附近两公里内的人如下图

在这里插入图片描述

查询时需要指 geo_distance 并指定定圆心坐标“我”的位置和半径距离 distance

GET /es_location_001/_search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      },
      "filter": {
        "geo_distance": {
          "distance": "2km",
          "location": {
            "lat": 39.912983,
            "lon": 116.410539
          }
        }
      }
    }
  }
}

查询结果通过查询结果可以看出1、2、3、4个点距离“我”在两公里内。

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 4,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "es_location_001",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "id" : 1,
          "location" : [
            116.39775,
            39.92029
          ]
        }
      },
      {
        "_index" : "es_location_001",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 1.0,
        "_source" : {
          "id" : 2,
          "location" : [
            116.395947,
            39.916208
          ]
        }
      },
      {
        "_index" : "es_location_001",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 1.0,
        "_source" : {
          "id" : 3,
          "location" : [
            116.410624,
            39.91871
          ]
        }
      },
      {
        "_index" : "es_location_001",
        "_type" : "_doc",
        "_id" : "4",
        "_score" : 1.0,
        "_source" : {
          "id" : 4,
          "location" : [
            116.397235,
            39.909823
          ]
        }
      }
    ]
  }
}

2.2.2、查询“附近的人”并按距离排序

上面的示例只显示了查询结果并没有显示每个“人”距离“我”有多远也没有排序。下面我们看怎么实现排序的。

在这里插入图片描述

按距离排序需要在上面查询基础上增加 sort 选项其中_geo_distance 为“我”的坐标order指定 asc 表示由近到远排序unit 指定 km表示结果显示的距离单位。

GET /es_location_001/_search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      },
      "filter": {
        "geo_distance": {
          "distance": "2km",
          "location": {
            "lat": 39.912983,
            "lon": 116.410539
          }
        }
      }
    }
  },
  "sort": [
   {
     "_geo_distance": {
       "location": {
         "lat": 39.912983,
         "lon": 116.410539
       },
       "order": "asc",
       "unit": "km"
     }
   }
 ]
}

查询结果查询结果便是按距离排序的结果并且返回的 sort 选项为每个“人”距离“我”的距离

{
  "took" : 26,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 4,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [
      {
        "_index" : "es_location_001",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : null,
        "_source" : {
          "id" : 3,
          "location" : [
            116.410624,
            39.91871
          ]
        },
        "sort" : [
          0.6368510653173584
        ]
      },
      {
        "_index" : "es_location_001",
        "_type" : "_doc",
        "_id" : "4",
        "_score" : null,
        "_source" : {
          "id" : 4,
          "location" : [
            116.397235,
            39.909823
          ]
        },
        "sort" : [
          1.187873070108458
        ]
      },
      {
        "_index" : "es_location_001",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : null,
        "_source" : {
          "id" : 2,
          "location" : [
            116.395947,
            39.916208
          ]
        },
        "sort" : [
          1.2951412302092007
        ]
      },
      {
        "_index" : "es_location_001",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : null,
        "_source" : {
          "id" : 1,
          "location" : [
            116.39775,
            39.92029
          ]
        },
        "sort" : [
          1.360073305586383
        ]
      }
    ]
  }
}

2.3、geo_polygon 多边形查询已过时

在 7.12 版本中已弃用官方推荐使用 geo_shape。

在这里插入图片描述

2.4、geo_shape 地理形状查询

geo_shape 用于查询地理形状的空间关系。例如与指定地理形状相交、包含、不相交的地理形状等。

而 Elasticsearch 支持四种空间关系

  • intersects相交用于查询所有与指定图形相交的文档。
  • disjoint不相交用于查询所有与指定图形不相交的文档。
  • within在…之内用于查询所有在指定图形之内的文档。
  • contains包含用于查询所有包含指定图形的文档。

下面我们举例说明

我们先准备三个图形我用的是矩形如下图所示。并将它们添加到 es_location_002 索引中索引的创建及文档的添加请见附录二。
在这里插入图片描述

2.4.1、查询 intersects 相交关系

如下图查询与蓝色三角形“相交”的图形有哪些通过肉眼可以看出1 和 2 与之相交。

在这里插入图片描述
查询相交的语句

GET es_location_002/_search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      },
      "filter": {
        "geo_shape": {
          "location": {
            "shape": {
              "type": "Polygon",
              "coordinates": [
      [ [116.382215,39.921606], [116.396892,39.919039], [116.387965,39.912719], [116.382215,39.921606] ]
    ]
            },
            "relation": "intersects"
          }
        }
      }
    }
  }
}

查询结果1 和 2 图形被查出验证成功

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "es_location_002",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 1.0,
        "_source" : {
          "id" : 2,
          "location" : {
            "type" : "Polygon",
            "coordinates" : [
              [
                [
                  116.391913,
                  39.922199
                ],
                [
                  116.40187,
                  39.922396
                ],
                [
                  116.402127,
                  39.91318
                ],
                [
                  116.392085,
                  39.913114
                ],
                [
                  116.391913,
                  39.922199
                ]
              ]
            ]
          }
        }
      },
      {
        "_index" : "es_location_002",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "id" : 1,
          "location" : {
            "type" : "Polygon",
            "coordinates" : [
              [
                [
                  116.378009,
                  39.922199
                ],
                [
                  116.385819,
                  39.92233
                ],
                [
                  116.385819,
                  39.914958
                ],
                [
                  116.378009,
                  39.914958
                ],
                [
                  116.378009,
                  39.922199
                ]
              ]
            ]
          }
        }
      }
    ]
  }
}

2.4.2、查询 disjoint 不相交关系

还是刚才的蓝色三角形查询与蓝色三角形“不相交”的图形有哪些通过肉眼可以看出3 与之不相交。

在这里插入图片描述
查询不相交的语句

GET es_location_002/_search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      },
      "filter": {
        "geo_shape": {
          "location": {
            "shape": {
              "type": "Polygon",
              "coordinates": [
      [ [116.382215,39.921606], [116.396892,39.919039], [116.387965,39.912719], [116.382215,39.921606] ]
    ]
            },
            "relation": "disjoint"
          }
        }
      }
    }
  }
}

查询结果3 图形被查询验证成功

{
  "took" : 115,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "es_location_002",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 1.0,
        "_source" : {
          "id" : 3,
          "location" : {
            "type" : "Polygon",
            "coordinates" : [
              [
                [
                  116.407105,
                  39.923844
                ],
                [
                  116.417405,
                  39.924437
                ],
                [
                  116.417491,
                  39.912127
                ],
                [
                  116.407277,
                  39.911863
                ],
                [
                  116.407105,
                  39.923844
                ]
              ]
            ]
          }
        }
      }
    ]
  }
}

2.4.3、查询 within 在…之内关系

如下图我画了一个大的蓝色矩形将 1 和 2 包含在内那么查询所有在蓝色矩形内的文档看下 1 和 2 图形能否被查出。

在这里插入图片描述
查询在蓝色矩形之内语句

GET es_location_002/_search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      },
      "filter": {
        "geo_shape": {
          "location": {
            "shape": {
              "type": "Polygon",
              "coordinates": [
      [ [116.374404,39.92391], [116.404616,39.924108], [116.404359,39.911732], [116.374576,39.911337], [116.374404,39.92391] ]
    ]
            },
            "relation": "within"
          }
        }
      }
    }
  }
}

查询结果1 和 2 图形被查出

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "es_location_002",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 1.0,
        "_source" : {
          "id" : 2,
          "location" : {
            "type" : "Polygon",
            "coordinates" : [
              [
                [
                  116.391913,
                  39.922199
                ],
                [
                  116.40187,
                  39.922396
                ],
                [
                  116.402127,
                  39.91318
                ],
                [
                  116.392085,
                  39.913114
                ],
                [
                  116.391913,
                  39.922199
                ]
              ]
            ]
          }
        }
      },
      {
        "_index" : "es_location_002",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "id" : 1,
          "location" : {
            "type" : "Polygon",
            "coordinates" : [
              [
                [
                  116.378009,
                  39.922199
                ],
                [
                  116.385819,
                  39.92233
                ],
                [
                  116.385819,
                  39.914958
                ],
                [
                  116.378009,
                  39.914958
                ],
                [
                  116.378009,
                  39.922199
                ]
              ]
            ]
          }
        }
      }
    ]
  }
}

注意在…之内关系也属于相交关系通过查询相交的图形也能查出 1 和 2 图形来。

查询相交语句

GET es_location_002/_search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      },
      "filter": {
        "geo_shape": {
          "location": {
            "shape": {
              "type": "Polygon",
              "coordinates": [
      [ [116.374404,39.92391], [116.404616,39.924108], [116.404359,39.911732], [116.374576,39.911337], [116.374404,39.92391] ]
    ]
            },
            "relation": "intersects"
          }
        }
      }
    }
  }
}

查询结果1 和 2 图形被查出

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "es_location_002",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 1.0,
        "_source" : {
          "id" : 2,
          "location" : {
            "type" : "Polygon",
            "coordinates" : [
              [
                [
                  116.391913,
                  39.922199
                ],
                [
                  116.40187,
                  39.922396
                ],
                [
                  116.402127,
                  39.91318
                ],
                [
                  116.392085,
                  39.913114
                ],
                [
                  116.391913,
                  39.922199
                ]
              ]
            ]
          }
        }
      },
      {
        "_index" : "es_location_002",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "id" : 1,
          "location" : {
            "type" : "Polygon",
            "coordinates" : [
              [
                [
                  116.378009,
                  39.922199
                ],
                [
                  116.385819,
                  39.92233
                ],
                [
                  116.385819,
                  39.914958
                ],
                [
                  116.378009,
                  39.914958
                ],
                [
                  116.378009,
                  39.922199
                ]
              ]
            ]
          }
        }
      }
    ]
  }
}

2.4.4、查询 contains 包含关系

如下图在 3 图形内画了一个蓝色的三角形查询所有包含三角形的文档看能否将 3 图形查出来。

在这里插入图片描述
查询包含语句

GET es_location_002/_search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      },
      "filter": {
        "geo_shape": {
          "location": {
            "shape": {
              "type": "Polygon",
              "coordinates": [
      [ [116.41071,39.921014], [116.41483,39.917064], [116.409766,39.915748], [116.41071,39.921014] ]
    ]
            },
            "relation": "contains"
          }
        }
      }
    }
  }
}

输出结果3 图形被查出来

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "es_location_002",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 1.0,
        "_source" : {
          "id" : 3,
          "location" : {
            "type" : "Polygon",
            "coordinates" : [
              [
                [
                  116.407105,
                  39.923844
                ],
                [
                  116.417405,
                  39.924437
                ],
                [
                  116.417491,
                  39.912127
                ],
                [
                  116.407277,
                  39.911863
                ],
                [
                  116.407105,
                  39.923844
                ]
              ]
            ]
          }
        }
      }
    ]
  }
}

注意包含关系也属于相交关系通过查询相交的图形也能查出 3 图形来。

查询相交语句

GET es_location_002/_search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      },
      "filter": {
        "geo_shape": {
          "location": {
            "shape": {
              "type": "Polygon",
              "coordinates": [
      [ [116.41071,39.921014], [116.41483,39.917064], [116.409766,39.915748], [116.41071,39.921014] ]
    ]
            },
            "relation": "intersects"
          }
        }
      }
    }
  }
}

查询结果同样 3 图形被查询出来

{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "es_location_002",
        "_type" : "_doc",
        "_id" : "3",
        "_score" : 1.0,
        "_source" : {
          "id" : 3,
          "location" : {
            "type" : "Polygon",
            "coordinates" : [
              [
                [
                  116.407105,
                  39.923844
                ],
                [
                  116.417405,
                  39.924437
                ],
                [
                  116.417491,
                  39.912127
                ],
                [
                  116.407277,
                  39.911863
                ],
                [
                  116.407105,
                  39.923844
                ]
              ]
            ]
          }
        }
      }
    ]
  }
}

三、附录

附录一es_location_001 索引

创建 es_location_001 索引

PUT es_location_001
{
  "mappings": {
    "properties": {
      "id": {
        "type": "keyword"
      },
      "location": {
        "type": "geo_point"
      }
    }
  }
}

添加 6 个文档

POST es_location_001/_doc/1
{
  "id": 1,
  "location": [116.39775,39.92029]
}

POST es_location_001/_doc/2
{
  "id": 2,
  "location": [116.395947,39.916208]
}

POST es_location_001/_doc/3
{
  "id": 3,
  "location": [116.410624,39.91871]
}

POST es_location_001/_doc/4
{
  "id": 4,
  "location": [116.397235,39.909823]
}

POST es_location_001/_doc/5
{
  "id": 5,
  "location": [116.385304,39.917591]
}

POST es_location_001/_doc/6
{
  "id": 6,
  "location": [116.396548,39.92832]
}

附录二es_location_002 索引

创建 es_location_002 索引

PUT es_location_002
{
  "mappings": {
    "properties": {
      "id": {
        "type": "keyword"
      },
      "location": {
        "type": "geo_shape"
      }
    }
  }
}

添加 3 个矩形文档

POST es_location_002/_doc/1
{
  "id": 1,
  "location": {
    "type": "Polygon",
    "coordinates": [
      [ [116.378009,39.922199], [116.385819,39.92233], [116.385819,39.914958], [116.378009,39.914958], [116.378009,39.922199] ]
    ]
  }
}

POST es_location_002/_doc/2
{
  "id": 2,
  "location": {
    "type": "Polygon",
    "coordinates": [
      [ [116.391913,39.922199], [116.40187,39.922396], [116.402127,39.91318], [116.392085,39.913114], [116.391913,39.922199] ]
    ]
  }
}

POST es_location_002/_doc/3
{
  "id": 3,
  "location": {
    "type": "Polygon",
    "coordinates": [
      [ [116.407105,39.923844], [116.417405,39.924437], [116.417491,39.912127], [116.407277,39.911863], [116.407105,39.923844] ]
    ]
  }
}

附录三地图工具

系列文章

Elasticsearch 核心技术一Elasticsearch 安装、配置、运行Windows 版
Elasticsearch 核心技术二elasticsearch-head 插件安装和使用
Elasticsearch 核心技术三Kibana 安装、配置、运行Windows 版
Elasticsearch 核心技术四索引管理、映射管理、文档管理REST API
Elasticsearch 核心技术五常用数据类型详解
Elasticsearch 核心技术六内置的 8 种分词器详解 + 代码示例
Elasticsearch 核心技术七IK 中文分词器的安装、使用、自定义字典
Elasticsearch 核心技术八常用 DSL 查询全文搜索、精确匹配、布尔查询
Elasticsearch 核心技术九搜索结果处理分页、排序、指定返回字段、去重、高亮显示

热门专栏

《Python入门核心技术》
《IDEA 教程从入门到精通》
《Java 教程从入门到精通》
《MySQL 教程从入门到精通》
《大数据核心技术从入门到精通》

阿里云国内75折 回扣 微信号：monov8
阿里云国际，腾讯云国际，低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号：monov8 飞机：@monov6
返回列表

上一篇：Redis分布式锁

下一篇：对接ChatGPT开发对话机器人小程序

“Elasticsearch 核心技术（十）：GEO 地理查询（geo” 的相关文章

Dart:Dart中的库分类1年前 (2023-02-02)
字符串不可变1年前 (2023-02-02)
JavaScript 二分查找1年前 (2023-02-02)
2022年终感悟-时光债务1年前 (2023-02-02)
Ubuntu22.04 安装 ssh1年前 (2023-02-02)
十九岁纪念|HBD To ME1年前 (2023-02-02)
一篇文章带你了解设计模式——创建者模式1年前 (2023-02-02)
【C++】多态（万字详解） —— 条件 | 虚函数重写 | 抽象类 | 多态的原理1年前 (2023-02-02)
熬夜爆肝万字C#基础入门大总结【建议收藏】_c#1年前 (2023-02-02)
SQL 语法速成手册1年前 (2023-02-02)

阿里云国际版