CN113760969A - 一种基于ElasticSearch的数据查询方法和装置 - Google Patents

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本发明实施例的基于ElasticSearch的数据查询方法的主要步骤的示意图。如图1所示，基于ElasticSearch的数据查询方法的主要步骤可以包括步骤S101至步骤S104。

步骤S101：接收数据查询请求，获取数据查询请求对应的数据查询条件和数据查询请求对应的识别方法。

在步骤S101中，接收到数据查询请求后，可以获取到该数据查询请求对应的数据查询条件和该数据查询请求对应的识别方法。其中，数据查询条件包括多个查询项，多个查询项之间通过查询项连接词连接。查询项连接词包括合取和析取；合取是自然语言中的连接词“并且”的抽象，令p、q表示任意查询项，“p且q”意为查询同时满足p、q的数据；析取是自然语言中连接词“或”的逻辑抽象，令p、q表示任意查询项，“p或q”意为查询至少满足p、q其一的数据。查询项由字段、运算符和字段值组成，如查询{下单时间>'2020-10-01'且(订单状态＝'已完成'或订单状态＝'已取消')}的订单，那么“下单时间>'2020-10-01'”、“订单状态＝'已完成'”、“订单状态＝'已取消'”为查询项，“且”、“或”为查询项连接词。对于查询项“下单时间>'2020-10-01'”，字段为下单时间，运算符为>，字段值为'2020-10-01'。

通过数据查询请求，除了可以获取数据查询条件之外，还可以获取数据查询请求对应的识别方法。其中，识别方法可以用于识别出数据查询条件对应的数据查询类型。

步骤S102：根据数据查询请求对应的识别方法，确定数据查询条件对应的数据查询类型。

其中，数据查询类型可以包括合取查询和复杂查询。将查询项之间关系全为'合取'的场景称为合取查询，将查询项之间关系包含'析取'的场景称为复杂查询。也即，合取查询是指查询项之间的关系均为合取的查询，复杂查询是指查询项之间的关系存在或的查询。实际场景中，多数查询为合取查询，只有少量查询为复杂查询。

识别方法用于识别数据查询类型为合取查询还是复杂查询。作为本发明的实施例，基于ElasticSearch的数据查询方法还可以包括：自定义合取查询和复杂查询对应的识别方法。就是说，自定义数据查询类型对应的识别方法，这样在接收到数据查询请求后，可以获取该数据查询请求对应的识别方法，然后通过获取到的识别方法确定数据查询条件对应的数据查询类型，即得到数据查询条件中的查询项之间的关系。具体的，定义方法findByQueryBean、方法findByQueryMap、以及包含注解@Query的方法findByTemplate；以及，定义方法findByQueryBean和方法findByQueryMap对应的数据查询类型为合取查询，定义包含注解@Query的方法findByTemplate对应的数据查询类型为复杂查询。

所以，作为本发明的实施例，步骤S102的根据所述数据查询请求对应的识别方法，确定所述数据查询条件对应的数据查询类型，可以包括：在数据查询请求对应的识别方法包含注解的情况下，确定数据查询类型为复杂查询；在数据查询请求对应的识别方法的方法名后缀为合取查询对应的后缀的情况下，确定数据查询类型为合取查询；在数据查询请求对应的识别方法不包含注解、且数据查询请求对应的识别方法的方法名后缀不为合取查询对应的后缀的情况下，确定数据查询请求为非查询操作。其中，合取查询对应的后缀可以根据自定义的识别方法确定，如定义方法findByQueryBean和方法findByQueryMap对应的数据查询类型为合取查询，则合取查询对应的后缀为ByQueryBean和ByQueryMap。也即，如果数据查询请求对应的识别方法的方法名后缀为ByQueryBean或ByQueryMap，则确定数据查询类型为合取查询。

图2是根据本发明实施例的确定数据查询类型的主要步骤的示意图。如图2所示，确定数据查询类型的主要步骤可以包括：

步骤S201，获取数据查询请求对应的识别方法；

步骤S202，判断该识别方法是否包含注解@Query，若是，则执行步骤S203，若否，则执行步骤S204；

步骤S203，确定为复杂查询；

步骤S204，判断该识别方法的方法名后缀是否为ByQueryBean或ByQueryMap，若是，则执行步骤S205，若否，则执行步骤S206；

步骤S205，确定为合取查询；

步骤S206，确定该数据查询请求为保存、更新、删除等非查询操作。

其中，上述步骤S201至步骤S206为确定数据查询类型的示例。在确定数据查询类型的方法中，还可以先执行步骤S204，即先判断是否为合取查询。

步骤S103：利用数据查询类型对应的解析规则，对数据查询条件进行解析，生成数据查询条件对应的ElasticSearch查询语句。

步骤S104，执行ElasticSearch查询语句，获得数据查询条件对应的数据查询结果。

通过步骤S102得到数据查询条件对应的数据查询类型，然后可以利用数据查询类型对应的解析规则对数据查询条件进行解析，得到数据查询条件对应的ElasticSearch查询语句。最后，在步骤S104中，可以执行生成的ElasticSearch查询语句，得到数据查询条件对应的数据查询结果。此外，还可以根据期望的结果返回值类型，如List、PageList、Stream等，返回数据查询结果。

本发明实施例的基于ElasticSearch的数据查询方法，能够根据获取的识别方法确定数据查询类型，即得到查询项之间的关系，进而可以利用数据查询类型对应的解析规则对数据查询条件进行解析，自动生成ElasticSearch查询语句，无需编写代码，解决了现有的利用原生Java客户端API构建查询的方法需要编写大量代码的问题，简化数据查询复杂度，且在数据查询条件变化时不需要修改方法定义，可维护性，可读性强，提高数据查询效率。

通过步骤S101至步骤S104可以得到，数据查询类型可以包括合取查询和复杂查询，且针对不同的数据查询类型，需要利用不同的解析规则进行解析。也就是说，合取查询和复杂查询对应的解析规则是不同的。接下来，详细说明两种查询对应的解析规则。

(一)若数据查询类型为合取查询，根据多个查询项对应的字段表达式和字段值，生成数据查询条件对应的ElasticSearch查询语句。

由于查询项由字段(fieldName)、运算符(operator)和字段值(value)组成，因此传入的参数需要包含这三部分。但是实际接口传参，采用实体(属性-值)、map(key-value)这样的方式，如传入的参数为：[{fieldName:orderId,operator:>,value:2222},{fieldName:orderCreateTime,operator:>＝,value:2020-12-13},{fieldName:orderCreateTime,operator:<＝,value:2020-12-15}]。显然，如果将查询条件的三元关系体现在参数中，会增加参数的复杂度。

为了降低复杂度，本发明实施例的数据查询方法可以将查询条件中的字段(fieldName)与运算符(operator)合并成为字段表达式(fieldExpression)，具体如下：

public class OrderQuery{

private String orderIdEq；//orderId为订单号，Eq代表'等于(equals)'

private String orderCreateTimeGt；//orderCreateTime为下单时间，Gt代表'大于(greate)'

private String orderCreateTimeBetween；//orderCreateTime为下单时间，Between代表'在..之间(between)'

}

由此，可以将查询项的三元关系降为字段表达式和字段值组成的二元关系，如传入的参数可以变为{orderIdEq:123456789000,orderCreate TimeBetween:[2020-12-13,2020-12-15}。可以看出，通过将字段与运算符绑定，从而可以将查询项的三元关系降为二元关系，简化查询项的复杂度。因此，若数据查询条件对应的数据查询类型为合取查询，则该数据查询条件包含的查询项可以用二元关系传入，即查询项由字段表达式和字段值组成，进而可以根据多个查询项对应的字段表达式和字段值，生成数据查询条件对应的ElasticSearch查询语句。

作为本发明的实施例，根据多个查询项对应的字段表达式和字段值，生成数据查询条件对应的ElasticSearch查询语句，可以包括：

(1)针对多个查询项中的每个查询项，对每个查询项对应的字段表达式进行解析，得到每个查询项包含的字段和运算符。由于字段表达式是由字段与运算符合并得到的，因此可以对每个查询项对应的字段表达式进行解析，得到每个查询项包含的字段和运算符，然后就可以得到每个查询项包含的字段、运算符和字段值。

(2)按照运算符与ElasticSearch查询语法的对应关系，根据每个查询项包含的字段、运算符和字段值，生成每个查询项对应的ElasticSearch查询语句。在得到每个查询项包含的字段、运算符和字段值，就可以按照运算符与ElasticSearch查询语法的对应关系，生成每个查询项对应的ElasticSearch查询语句。其中，运算符与ElasticSearch查询语法的对应关系为现有成熟技术，此处不做详细说明。

作为本发明的实施例，在生成每个查询项对应的ElasticSearch查询语句之后，基于ElasticSearch的数据查询方法还可以包括：根据每个查询项包含的字段对应的注解，确定每个查询项对应的ElasticSearch查询语句的查询路由、查询索引范围和嵌套关系。

Elasticsearch的查询除了查询条件外，还有一些额外的配置项需要配置，如查询路由、查询索引范围、嵌套关系等。利用原生Java客户端API构建查询时，需要通过编写代码对查询路由、查询索引范围、嵌套关系等配置项进行额外配置。而本发明实施例中，可以通过在字段上使用注解，进而在解析数据查询条件时，能够自动设置查询路由、查询索引范围和嵌套关系，无需通过编写代码手动设置，进一步简化数据查询复杂度，提高数据查询效率。如，字段venderId上设置路由注解@Routing，字段createTime上设置有索引范围注解@GruoField，字段skuList通过注解@Field的类型FieldType.Nested声明为嵌套字段。

(3)将每个查询项对应的ElasticSearch查询语句进行组合，生成数据查询条件对应的ElasticSearch查询语句。

由于数据查询类型为合取查询，因此查询项之间的关系均为合取，所以在得到每个查询项对应的ElasticSearch查询语句之后，可以直接将每个查询项对应的ElasticSearch查询语句进行组合，得到数据查询条件对应的ElasticSearch查询语句。

图3是根据本发明实施例的若数据查询类型为合取查询，生成ElasticSearch查询语句的主要流程的示意图。如图3所示，若数据查询类型为合取查询，生成ElasticSearch查询语句的主要流程可以包括：

步骤S301，从多个查询项中选择一个查询项；

步骤S302，对该查询项对应的字段表达式进行解析，获得该查询项包含的字段和运算符，以得到该查询项包含的字段、运算符和字段值；

步骤S303，按照运算符与ElasticSearch查询语法的对应关系，根据该查询项包含的字段、运算符和字段值，生成该查询项对应的ElasticSearch查询语句；

步骤S304，根据该查询项包含的字段对应的注解，确定该查询项对应的ElasticSearch查询语句的查询路由、查询索引范围和嵌套关系；

步骤S305，判断是否生成每个查询项对应的ElasticSearch查询语句，若是，则执行步骤S306，若否，则执行步骤S301；

步骤S306，将每个查询项对应的ElasticSearch查询语句进行组合，生成数据查询条件对应的ElasticSearch查询语句。

本发明实施例的基于ElasticSearch的数据查询方法，若数据查询类型为合取查询，查询项可以用二元关系传入，即查询项由字段表达式和字段值组成，能够简化查询项的复杂度，便于用户使用；此外，通过在字段上使用注解，实现自动设置查询路由、查询索引范围和嵌套关系，无需通过编写代码手动设置，进一步简化数据查询复杂度，提高数据查询效率。

(二)若数据查询类型为复杂查询，则利用模板引擎进行解析，生成数据查询条件对应的ElasticSearch查询语句。

当查询条件中的查询项存在逻辑或时，不管是使用原生Java客户端API还是spring-data-elasticsearch构建查询都非常复杂，易出现构建过程与预期DSL查询语句不一致的情况。而本发明实施例中，可以通过使用模板引擎动态构建Elasticsearch DSL语句，从而可以降低查询语句生成的复杂度。其中，模板引擎可以为Freemarke，即一个用Java语言编写的模板引擎。

图4是根据本发明实施例的若数据查询类型为复杂查询，生成ElasticSearch查询语句的主要流程的示意图。如图4所示，若数据查询类型为复杂查询，生成ElasticSearch查询语句的主要流程可以包括：

步骤S401，解析数据查询请求对应的识别方法包含的注解，获得数据查询条件对应的模板标识；

步骤S402，根据模板标识，加载数据查询条件对应的Freemarke模板；

步骤S403，调用模板引擎Freemarke，根据数据查询条件对应的模板和数据查询条件对应的查询参数，生成数据查询条件对应的ElasticSearch DSL语句。

若数据查询类型为复杂查询，则说明数据查询请求对应的识别方法包含注解@Query，因此可以通过解析注解得到模板标识，如解析注解@Query("billChargeTemplate")得到模板标识为billChargeTemplate。然后，可以根据解析得到的模板标识，加载Freemarke模板。最后，调用模板引擎Freemarke，传入Freemarke模板及数据查询条件对应的查询参数，编译Freemarke模板中的判断条件、循环等语句，动态生成数据查询条件对应的ElasticSearch DSL语句。其中，数据查询条件对应的查询参数是指数据查询条件包含的多个查询项。需要注意的是，若数据查询类型为复杂查询，则直接利用模板引擎动态生成Elasticsearch DSL语句，因此不需要限定采用二元关系传入查询项。

本发明实施例的基于ElasticSearch的数据查询方法，若数据查询类型为复杂查询，可以通过模板引擎动态生成Elasticsearch DSL语句，解决了spring-data-elasticsearch提供的注解不支持动态DSL语句设置的问题，可读性强，提高可维护性。

图5是根据本发明实施例的基于ElasticSearch的数据查询方法的主要流程的示意图。如图5所示，基于ElasticSearch的数据查询方法的主要流程可以包括：

步骤S501，接收数据查询请求，获取数据查询请求对应的数据查询条件和数据查询请求对应的识别方法，其中，数据查询条件包括多个查询项；

步骤S502，根据数据查询请求对应的识别方法，确定数据查询条件对应的数据查询类型，其中，数据查询类型包括合取查询和复杂查询；

步骤S503，对每个查询项对应的字段表达式进行解析，获得每个查询项包含的字段和运算符，以得到每个查询项包含的字段、运算符和字段值；

步骤S504，按照运算符与ElasticSearch查询语法的对应关系，根据每个查询项包含的字段、运算符和字段值，生成每个查询项对应的ElasticSearch查询语句；

步骤S505，根据每个查询项包含的字段对应的注解，确定每个查询项对应的ElasticSearch查询语句的查询路由、查询索引范围和嵌套关系；

步骤S506，将每个查询项对应的ElasticSearch查询语句进行组合，生成数据查询条件对应的ElasticSearch查询语句；

步骤S507，解析数据查询请求对应的识别方法包含的注解，获得数据查询条件对应的模板标识；

步骤S508，根据模板标识，加载数据查询条件对应的模板；

步骤S509，调用模板引擎，根据数据查询条件对应的模板和数据查询条件对应的查询参数，生成数据查询条件对应的ElasticSearch DSL语句，其中，ElasticSearch DSL语句为ElasticSearch查询语句；

步骤S510，执行ElasticSearch查询语句，获得数据查询条件对应的数据查询结果。

其中，步骤S502的确定数据查询类型的具体实现方法已经通过步骤S201至步骤S206说明，此处不再详细说明。此外，如果确定数据查询请求为非查询操作，则可以直接返回“请求为非查询操作”。

图6是根据本发明实施例的基于ElasticSearch的数据查询装置的主要模块的示意图。如图6所示，基于ElasticSearch的数据查询装置600的主要模块可以包括：获取模块601、确定模块602、解析模块603和执行模块604。

其中，获取模块601可用于：接收数据查询请求，获取所述数据查询请求对应的数据查询条件和所述数据查询请求对应的识别方法；确定模块602可用于：根据所述数据查询请求对应的识别方法，确定所述数据查询条件对应的数据查询类型，其中，所述数据查询类型包括合取查询和复杂查询；解析模块603可用于：利用数据查询类型对应的解析规则，对数据查询条件进行解析，生成数据查询条件对应的ElasticSearch查询语句；执行模块604可用于：执行ElasticSearch查询语句，获得数据查询条件对应的数据查询结果。

作为本发明的实施例，数据查询条件可以包括多个查询项；以及，解析模块603还可用于：若数据查询类型为合取查询，则根据多个查询项对应的字段表达式和字段值，生成数据查询条件对应的ElasticSearch查询语句；若数据查询类型为复杂查询，则利用模板引擎进行解析，生成数据查询条件对应的ElasticSearch查询语句；其中，合取查询是指查询项之间的关系均为合取的查询，复杂查询是指查询项之间的关系存在或的查询。

作为本发明的实施例，解析模块603还可用于：针对多个查询项中的每个查询项，对每个查询项对应的字段表达式进行解析，获得每个查询项包含的字段和运算符；按照运算符与ElasticSearch查询语法的对应关系，根据每个查询项包含的字段、运算符和字段值，生成每个查询项对应的ElasticSearch查询语句；将每个查询项对应的ElasticSearch查询语句进行组合，生成数据查询条件对应的ElasticSearch查询语句。

作为本发明的实施例，解析模块603还可用于：根据每个查询项包含的字段对应的注解，确定每个查询项对应的ElasticSearch查询语句的查询路由、查询索引范围和嵌套关系。

作为本发明的实施例，解析模块603还可用于：解析所述数据查询请求对应的识别方法包含的注解，获得数据查询条件对应的模板标识；根据模板标识，加载数据查询条件对应的模板；调用模板引擎，根据数据查询条件对应的模板和数据查询条件对应的查询参数，生成数据查询条件对应的ElasticSearch DSL语句。

作为本发明的实施例，确定模块602还可用于：在所述数据查询请求对应的识别方法包含注解的情况下，确定所述数据查询类型为复杂查询；在所述数据查询请求对应的识别方法的方法名后缀为合取查询对应的后缀的情况下，确定所述数据查询类型为合取查询；在所述数据查询请求对应的识别方法不包含注解、且所述数据查询请求对应的识别方法的方法名后缀不为合取查询对应的后缀的情况下，确定所述数据查询请求为非查询操作。

如图6所示，本发明实施例的基于ElasticSearch的数据查询600还可以包括：定义模块605。该定义模块605可用于：自定义合取查询和复杂查询对应的识别方法。

根据本发明实施例的基于ElasticSearch的数据查询装置，能够根据获取的识别方法确定数据查询类型，即得到查询项之间的关系，进而可以利用数据查询类型对应的解析规则对数据查询条件进行解析，自动生成ElasticSearch查询语句，无需编写代码，解决了现有的利用原生Java客户端API构建查询的方法需要编写大量代码的问题，简化数据查询复杂度，且在数据查询条件变化时不需要修改方法定义，可维护性，可读性强，提高数据查询效率。

图7示出了可以应用本发明实施例的基于ElasticSearch的数据查询方法或基于ElasticSearch的数据查询装置的示例性系统架构700。

如图7所示，系统架构700可以包括终端设备701、702、703，网络704和服务器705。网络704用以在终端设备701、702、703和服务器705之间提供通信链路的介质。网络704可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备701、702、703通过网络704与服务器705交互，以接收或发送消息等。终端设备701、702、703上可以安装有各种通讯客户端应用。终端设备701、702、703可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器705可以是提供各种服务的服务器，例如对用户利用终端设备701、702、703进行数据查询的过程中提供支持的后台管理服务器(仅为示例)；再例如，服务器705可以完成本发明实施例的基于ElasticSearch的数据查询。

需要说明的是，本发明实施例所提供的基于ElasticSearch的数据查询方法一般由服务器705执行，相应地，基于ElasticSearch的数据查询装置一般设置于服务器705中。

应该理解，图7中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图8，其示出了适于用来实现本发明实施例的终端设备的计算机系统800的结构示意图。图8示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图8所示，计算机系统800包括中央处理单元(CPU)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有系统800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

以下部件连接至I/O接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块、确定模块、解析模块和执行模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“接收数据查询请求，获取数据查询请求对应的数据查询条件和数据查询请求对应的识别方法的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：接收数据查询请求，获取数据查询请求对应的数据查询条件和数据查询请求对应的识别方法；根据数据查询请求对应的识别方法，确定数据查询条件对应的数据查询类型；利用数据查询类型对应的解析规则，对数据查询条件进行解析，生成数据查询条件对应的ElasticSearch查询语句；执行ElasticSearch查询语句，获得数据查询条件对应的数据查询结果。

根据本发明实施例的技术方案，能够根据获取的识别方法确定数据查询类型，即得到查询项之间的关系，进而可以利用数据查询类型对应的解析规则对数据查询条件进行解析，自动生成ElasticSearch查询语句，无需编写代码，解决了现有的利用原生Java客户端API构建查询的方法需要编写大量代码的问题，简化数据查询复杂度，且在数据查询条件变化时不需要修改方法定义，可维护性，可读性强，提高数据查询效率。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。