聲明
原文鏈接：https://www.cnblogs.com/yjf512/p/4897294.html
es中的查詢(xún)請(qǐng)求有兩種方式，一種是簡(jiǎn)易版的查詢(xún)，另外一種是使用JSON完整的請(qǐng)求體设哗，叫做結(jié)構(gòu)化查詢(xún)（DSL）唱捣。
由于DSL查詢(xún)更為直觀(guān)也更為簡(jiǎn)易，所以大都使用這種方式网梢。
DSL查詢(xún)是POST過(guò)去一個(gè)json震缭，由于post的請(qǐng)求是json格式的，所以存在很多靈活性战虏，也有很多形式拣宰。
這里有一個(gè)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，并不是可以直接黏貼復(fù)制進(jìn)去使用的烦感。一般要在外面加個(gè)query為key的機(jī)構(gòu)巡社。
match
最簡(jiǎn)單的一個(gè)match例子：
查詢(xún)和"我的寶馬多少馬力"這個(gè)查詢(xún)語(yǔ)句匹配的文檔。
{
"query": {
"match": {
"content" : {
"query" : "我的寶馬多少馬力"
}
}
}
}
上面的查詢(xún)匹配就會(huì)進(jìn)行分詞手趣，比如"寶馬多少馬力"會(huì)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(gè)詞中的一個(gè)或多個(gè)的文檔就會(huì)被搜索出來(lái)晌该。
并且根據(jù)lucene的評(píng)分機(jī)制(TF/IDF)來(lái)進(jìn)行評(píng)分
match_phrase
比如上面一個(gè)例子，一個(gè)文檔"我的保時(shí)捷馬力不錯(cuò)"也會(huì)被搜索出來(lái)绿渣，那么想要精確匹配所有同時(shí)包含"寶馬 多少 馬力"的文檔怎么做朝群？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(huì)希望有個(gè)可調(diào)節(jié)因子怯晕，少匹配一個(gè)也滿(mǎn)足潜圃，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(gè)字段進(jìn)行匹配舟茶，其中一個(gè)字段有這個(gè)文檔就滿(mǎn)足的話(huà)谭期，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(píng)分的問(wèn)題了。
我們希望完全匹配的文檔占的評(píng)分比較高吧凉，則需要使用best_fields
{
"query": {
"multi_match": {
"query": "我的寶馬發(fā)動(dòng)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(dòng)機(jī)"的文檔評(píng)分會(huì)比較靠前隧出，如果只匹配寶馬的文檔評(píng)分乘以0.3的系數(shù)
我們希望越多字段匹配的文檔評(píng)分越高，就要使用most_fields
{
"query": {
"multi_match": {
"query": "我的寶馬發(fā)動(dòng)機(jī)多少",
"type": "most_fields",
"fields": [
"tag",
"content"
]
}
}
}
我們會(huì)希望這個(gè)詞條的分詞詞匯是分配到不同字段中的阀捅，那么就使用cross_fields
{
"query": {
"multi_match": {
"query": "我的寶馬發(fā)動(dòng)機(jī)多少",
"type": "cross_fields",
"fields": [
"tag",
"content"
]
}
}
}
term
term是代表完全匹配胀瞪，即不進(jìn)行分詞器分析，文檔中必須包含整個(gè)搜索的詞匯
{
"query": {
"term": {
"content": "汽車(chē)保養(yǎng)"
}
}
}
查出的所有文檔都包含"汽車(chē)保養(yǎng)"這個(gè)詞組的詞匯饲鄙。
使用term要確定的是這個(gè)字段是否“被分析”(analyzed)凄诞，默認(rèn)的字符串是被分析的。
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(guò)的忍级，所以full_text的索引中存的就是[quick, foxes]帆谍，而extra_value中存的是[Quick Foxes!]。
那下面的幾個(gè)請(qǐng)求：
GET my_index/my_type/_search
{
"query": {
"term": {
"exact_value": "Quick Foxes!"
}
}
}
請(qǐng)求的出數(shù)據(jù)轴咱，因?yàn)橥耆ヅ?/p>
GET my_index/my_type/_search
{
"query": {
"term": {
"full_text": "Quick Foxes!"
}
}
}
請(qǐng)求不出數(shù)據(jù)的汛蝙，因?yàn)閒ull_text分詞后的結(jié)果中沒(méi)有[Quick Foxes!]這個(gè)分詞烈涮。
bool聯(lián)合查詢(xún): must,should,must_not
如果我們想要請(qǐng)求"content中帶寶馬，但是tag中不帶寶馬"這樣類(lèi)似的需求窖剑，就需要用到bool聯(lián)合查詢(xún)坚洽。
聯(lián)合查詢(xún)就會(huì)使用到must,should,must_not三種關(guān)鍵詞。
這三個(gè)可以這么理解
must: 文檔必須完全匹配條件
should: should下面會(huì)帶一個(gè)以上的條件西土，至少滿(mǎn)足一個(gè)條件讶舰，這個(gè)文檔就符合should
must_not: 文檔必須不匹配條件
比如上面那個(gè)需求：
{
"query": {
"bool": {
"must": {
"term": {
"content": "寶馬"
}
},
"must_not": {
"term": {
"tags": "寶馬"
}
}
}
}
}
