下面探究一下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：渗透器。

percolator query等价于渗透查询或者反向查询。

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渗透查询，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。