轉(zhuǎn)~elasticsearch 查詢（match和term）

elasticsearch 查詢（match和term）

es中的查詢請求有兩種方式族跛，一種是簡易版的查詢弛作，另外一種是使用JSON完整的請求體，叫做結(jié)構(gòu)化查詢（DSL）馒稍。
由于DSL查詢更為直觀也更為簡易皿哨，所以大都使用這種方式。
DSL查詢是POST過去一個json纽谒，由于post的請求是json格式的证膨，所以存在很多靈活性，也有很多形式鼓黔。
這里有一個地方注意的是官方文檔里面給的例子的json結(jié)構(gòu)只是一部分央勒，并不是可以直接黏貼復(fù)制進(jìn)去使用的。一般要在外面加個query為key的機(jī)構(gòu)澳化。

match

最簡單的一個match例子：

查詢和"我的寶馬多少馬力"這個查詢語句匹配的文檔崔步。

{
  "query": {
    "match": {
        "content" : {
            "query" : "我的寶馬多少馬力"
        }
    }
  }
}

上面的查詢匹配就會進(jìn)行分詞，比如"寶馬多少馬力"會被分詞為"寶馬多少馬力", 所有有關(guān)"寶馬多少馬力", 那么所有包含這三個詞中的一個或多個的文檔就會被搜索出來缎谷。
并且根據(jù)lucene的評分機(jī)制(TF/IDF)來進(jìn)行評分井濒。

match_phrase

比如上面一個例子，一個文檔"我的保時捷馬力不錯"也會被搜索出來列林，那么想要精確匹配所有同時包含"寶馬多少馬力"的文檔怎么做瑞你？就要使用 match_phrase 了

{
  "query": {
    "match_phrase": {
        "content" : {
            "query" : "我的寶馬多少馬力"
        }
    }
  }
}

完全匹配可能比較嚴(yán)，我們會希望有個可調(diào)節(jié)因子希痴，少匹配一個也滿足者甲，那就需要使用到slop。

{
  "query": {
    "match_phrase": {
        "content" : {
            "query" : "我的寶馬多少馬力",
            "slop" : 1
        }
    }
  }
}

multi_match

如果我們希望兩個字段進(jìn)行匹配润梯，其中一個字段有這個文檔就滿足的話过牙，使用multi_match

{
  "query": {
    "multi_match": {
        "query" : "我的寶馬多少馬力",
        "fields" : ["title", "content"]
    }
  }
}

但是multi_match就涉及到匹配評分的問題了。
我們希望完全匹配的文檔占的評分比較高纺铭，則需要使用best_fields

{
  "query": {
    "multi_match": {
      "query": "我的寶馬發(fā)動機(jī)多少",
      "type": "best_fields",
      "fields": [
        "tag",
        "content"
      ],
      "tie_breaker": 0.3
    }
  }
}

意思就是完全匹配"寶馬發(fā)動機(jī)"的文檔評分會比較靠前寇钉，如果只匹配寶馬的文檔評分乘以0.3的系數(shù)
我們希望越多字段匹配的文檔評分越高，就要使用most_fields

{
  "query": {
    "multi_match": {
      "query": "我的寶馬發(fā)動機(jī)多少",
      "type": "most_fields",
      "fields": [
        "tag",
        "content"
      ]
    }
  }
}

我們會希望這個詞條的分詞詞匯是分配到不同字段中的舶赔，那么就使用cross_fields

{
  "query": {
    "multi_match": {
      "query": "我的寶馬發(fā)動機(jī)多少",
      "type": "cross_fields",
      "fields": [
        "tag",
        "content"
      ]
    }
  }
}

term

term是代表完全匹配扫倡，即不進(jìn)行分詞器分析，文檔中必須包含整個搜索的詞匯

{
  "query": {
    "term": {
      "content": "汽車保養(yǎng)"
    }
  }
}

查出的所有文檔都包含"汽車保養(yǎng)"這個詞組的詞匯。

使用term要確定的是這個字段是否“被分析”(analyzed)撵溃，默認(rèn)的字符串是被分析的疚鲤。

拿官網(wǎng)上的例子舉例：

mapping是這樣的：

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是被分析過的，所以full_text的索引中存的就是[quick, foxes]缘挑，而extra_value中存的是[Quick Foxes!]集歇。

那下面的幾個請求：

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

請求的出數(shù)據(jù)，因為完全匹配

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

請求不出數(shù)據(jù)的语淘，因為full_text分詞后的結(jié)果中沒有[Quick Foxes!]這個分詞诲宇。

bool聯(lián)合查詢: must,should,must_not
如果我們想要請求"content中帶寶馬，但是tag中不帶寶馬"這樣類似的需求惶翻，就需要用到bool聯(lián)合查詢姑蓝。
聯(lián)合查詢就會使用到must,should,must_not三種關(guān)鍵詞。

這三個可以這么理解

must: 文檔必須完全匹配條件
should: should下面會帶一個以上的條件吕粗，至少滿足一個條件纺荧，這個文檔就符合should
must_not: 文檔必須不匹配條件
比如上面那個需求：

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

最后編輯于：2019.03.12 17:11:18

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者