elasticsearch 查询（match和term）

elasticsearch 查询（match和term）

es中的查询请求有两种方式，一种是简易版的查询，另一种是使用JSON完整的请求体，叫作结构化查询（DSL）。
因为DSL查询更为直观也更为简易，因此大都使用这种方式。
DSL查询是POST过去一个json，因为post的请求是json格式的，因此存在不少灵活性，也有不少形式。
这里有一个地方注意的是官方文档里面给的例子的json结构只是一部分，并非能够直接黏贴复制进去使用的。通常要在外面加个query为key的机构。

match

最简单的一个match例子：

查询和"个人宝马多少马力"这个查询语句匹配的文档。

{
  "query": {
    "match": {
        "content" : {
            "query" : "个人宝马多少马力"
        }
    }
  }
}

上面的查询匹配就会进行分词，好比"宝马多少马力"会被分词为"宝马 多少 马力", 全部有关"宝马 多少 马力", 那么全部包含这三个词中的一个或多个的文档就会被搜索出来。
而且根据lucene的评分机制(TF/IDF)来进行评分。

match_phrase

好比上面一个例子，一个文档"个人保时捷马力不错"也会被搜索出来，那么想要精确匹配全部同时包含"宝马 多少 马力"的文档怎么作？就要使用 match_phrase 了

{
  "query": {
    "match_phrase": {
        "content" : {
            "query" : "个人宝马多少马力"
        }
    }
  }
}

彻底匹配可能比较严，咱们会但愿有个可调节因子，少匹配一个也知足，那就须要使用到slop。

{
  "query": {
    "match_phrase": {
        "content" : {
            "query" : "个人宝马多少马力",
            "slop" : 1
        }
    }
  }
}

multi_match

若是咱们但愿两个字段进行匹配，其中一个字段有这个文档就知足的话，使用multi_match

{
  "query": {
    "multi_match": {
        "query" : "个人宝马多少马力",
        "fields" : ["title", "content"]
    }
  }
}

可是multi_match就涉及到匹配评分的问题了。

咱们但愿彻底匹配的文档占的评分比较高，则须要使用best_fields

{
  "query": {
    "multi_match": {
      "query": "个人宝马发动机多少",
      "type": "best_fields",
      "fields": [
        "tag",
        "content"
      ],
      "tie_breaker": 0.3
    }
  }
}

意思就是彻底匹配"宝马 发动机"的文档评分会比较靠前，若是只匹配宝马的文档评分乘以0.3的系数

咱们但愿越多字段匹配的文档评分越高，就要使用most_fields

{
  "query": {
    "multi_match": {
      "query": "个人宝马发动机多少",
      "type": "most_fields",
      "fields": [
        "tag",
        "content"
      ]
    }
  }
}

咱们会但愿这个词条的分词词汇是分配到不一样字段中的，那么就使用cross_fields

{
  "query": {
    "multi_match": {
      "query": "个人宝马发动机多少",
      "type": "cross_fields",
      "fields": [
        "tag",
        "content"
      ]
    }
  }
}

term

term是表明彻底匹配，即不进行分词器分析，文档中必须包含整个搜索的词汇

{
  "query": {
    "term": {
      "content": "汽车保养"
    }
  }
}

查出的全部文档都包含"汽车保养"这个词组的词汇。

使用term要肯定的是这个字段是否“被分析”(analyzed)，默认的字符串是被分析的。

拿官网上的例子举例：

mapping是这样的：

PUT my_index
{
  "mappings": {
    "my_type": {
      "properties": {
        "full_text": {
          "type":  "string"
        },
        "exact_value": {
          "type":  "string",
          "index": "not_analyzed"
        }
      }
    }
  }
}

PUT my_index/my_type/1
{
  "full_text":   "Quick Foxes!",
  "exact_value": "Quick Foxes!"  
}

其中的full_text是被分析过的，因此full_text的索引中存的就是[quick, foxes]，而extra_value中存的是[Quick Foxes!]。

那下面的几个请求：

GET my_index/my_type/_search
{
  "query": {
    "term": {
      "exact_value": "Quick Foxes!"
    }
  }
}

请求的出数据，由于彻底匹配

GET my_index/my_type/_search
{
  "query": {
    "term": {
      "full_text": "Quick Foxes!"
    }
  }
}

请求不出数据的，由于full_text分词后的结果中没有[Quick Foxes!]这个分词。

bool联合查询: must,should,must_not

若是咱们想要请求"content中带宝马，可是tag中不带宝马"这样相似的需求，就须要用到bool联合查询。
联合查询就会使用到must,should,must_not三种关键词。

这三个能够这么理解

• must: 文档必须彻底匹配条件
• should: should下面会带一个以上的条件，至少知足一个条件，这个文档就符合should
• must_not: 文档必须不匹配条件

好比上面那个需求：

{
  "query": {
    "bool": {
      "must": {
        "term": {
          "content": "宝马"
        }
      },
      "must_not": {
        "term": {
          "tags": "宝马"
        }
      }
    }
  }
}