首先介紹一下在 es 里有兩種存儲(chǔ)字符串的字段類型庸娱，一個(gè)是 keyword熟尉，一個(gè)是 text。
keyword 在存儲(chǔ)數(shù)據(jù)的時(shí)候是作為一個(gè)整體存儲(chǔ)的剧包，不會(huì)對(duì)其進(jìn)行分詞處理
text 存儲(chǔ)數(shù)據(jù)的時(shí)候會(huì)對(duì)字符串進(jìn)行分詞處理玄捕，然后存儲(chǔ)。
而對(duì)于查詢方法馅闽， term 是精確查詢福也，match 是模糊查詢攀圈。
接下來(lái)我們用幾個(gè)例子赘来，來(lái)分別表達(dá)下這兩種類型的字段犬辰，使用 term，match灸促，match_phrase 等搜索的情況涵卵。
- 測(cè)試搜索 keyword
- 測(cè)試搜索 text
- match 的其他用法
- multi-match 搜索
首先我們創(chuàng)建這樣一個(gè) index 和下面幾條數(shù)據(jù)：
PUT /exam
PUT /exam/_mapping
{
"properties": {
"address": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"name": {
"type": "keyword"
}
}
}
我們創(chuàng)建了 name 字段為 keyword轿偎，address 字段是 text，接下來(lái)我們先創(chuàng)建幾條數(shù)據(jù)來(lái)測(cè)試 keyword 字段類型的搜索椿每。
1间护、測(cè)試搜索 keyword
寫(xiě)入數(shù)據(jù)：
PUT /exam/_doc/1
{
"name" : "hunter x",
"address": "i study english"
}
PUT /exam/_doc/2
{
"name" : "python x",
"address": "this is python x"
}
PUT /exam/_doc/3
{
"name" : "hunter python",
"address": "i live in china"
}
PUT /exam/_doc/4
{
"name" : "hunter java",
"address": "read a book"
}
PUT /exam/_doc/5
{
"name" : "java golang python",
"address": "you can get a good job"
}
PUT /exam/_doc/6
{
"name" : "js python",
"address": "wanna go out to play"
}
name 字段類型為 keyword汁尺，所以它存儲(chǔ)的時(shí)候是以整體來(lái)存儲(chǔ)的多律。
接下來(lái)介紹這幾種查詢方式查詢 name 字段的操作。
term
精確查找帮碰，對(duì)于搜索的內(nèi)容也是直接整體查找拾积，也就是說(shuō)搜索什么內(nèi)容就查詢什么內(nèi)容拓巧。
比如對(duì)于我們寫(xiě)入的 id=2 的數(shù)據(jù)肛度，要想查 name='python x' 的數(shù)據(jù)，就需要查詢的字符串和結(jié)果完全匹配才可返回冠骄，比如下面的操作操作：
GET /exam/_search
{
"query": {
"term": {
"name": {
"value": "python x"
}
}
}
}
match
match 的操作是將搜索的內(nèi)容進(jìn)行分詞后再查詢猴抹，比如我們 match 的參數(shù)是 python x锁荔，那么分詞后的結(jié)果是 python 和 x阳堕，但是 keyword 類型的字段數(shù)據(jù)不會(huì)分詞恬总，所以也需要能夠完全匹配才能查詢得到肚邢，所以這里就會(huì)去查找 name 字段里只包含了 python 和 x 的數(shù)據(jù)骡湖。
GET /exam/_search
{
"query": {
"match": {
"name": "python x"
}
}
}
2、測(cè)試搜索 text
前面的 keyword 類型的字段搜索需要把握的是完全一樣就行谆焊，而對(duì)于 text 字段的搜索，text 字段的內(nèi)容在寫(xiě)入 es 時(shí)本身會(huì)被分詞處理浦夷，所以搜索 text 的處理并不完全一樣辖试。
在這里辜王，我么用的 address 字段是 text 類型，我們還是用前面的示例作為演示罐孝。
term
term 的搜索是不分詞的呐馆，搜索給定字符串的全部?jī)?nèi)容，比如對(duì)于我們插入的 id=4 的那條數(shù)據(jù)莲兢，address 的內(nèi)容是 read a book汹来，它被分詞為三個(gè)，read俗慈、a、book遣耍，所以我們使用 term 方法搜索下面三個(gè)都可以搜到這條數(shù)據(jù)：
GET /exam/_search
{"query": {"term": {"address": "read"}}}
GET /exam/_search
{"term": {"address": "a"}}
GET /exam/_search
{"term": {"address": "book"}}
但是闺阱，如果我們 address 后面的值如下這種就搜索不到了，因?yàn)?term 操作并不會(huì)給搜索的內(nèi)容進(jìn)行分詞舵变，而是作為一個(gè)整體進(jìn)行搜索：
GET /exam/_search
{"query": {"term": {"address": "read a"}}}
GET /exam/_search
{"query": {"term": {"address": "a book"}}}
GET /exam/_search
{"query": {"term": {"address": "read a book"}}}
但是還有一種情況酣溃，那就是對(duì)于搜索的 text 字段后加上 .keyword 字段的操作，這個(gè)相當(dāng)于將 address 不分詞進(jìn)行搜索纪隙，將 address 這個(gè)字段看作是一個(gè) keyword 來(lái)操作赊豌，可以理解成是使用 term 來(lái)搜索 keyword 字段，就是上一個(gè)類型的操作绵咱。
所以下面的這個(gè)操作就是可以搜索到 address='read a book' 的數(shù)據(jù)
GET /exam/_search
{"query": {"term": {"address.keyword": "read a book"}}}
match
match碘饼，模糊匹配，在匹配前會(huì)將搜索的字符串進(jìn)行分詞悲伶，然后將匹配上的數(shù)據(jù)按照匹配度（在 es 里有一個(gè) _score 字段用于表示這種匹配程度）倒序返回艾恼。
比如我們對(duì) address 字段搜索字符串 a，會(huì)返回兩條數(shù)據(jù)麸锉，id 為 4 和 5 的钠绍，因?yàn)?address 字段進(jìn)行分詞存儲(chǔ)后都包含這個(gè)字符串。
GET /exam/_search
{"query": {"match": {"address": "a"}}}
或者我們搜索內(nèi)容為 read a花沉，match 搜索會(huì)先將其分詞柳爽，變成 read 和 a，然后匹配分詞后包含這兩個(gè)字符串一個(gè)或者兩個(gè)的數(shù)據(jù)碱屁，在這里也會(huì)返回兩條磷脯，一條的結(jié)果是 read a book，一條是 you can get a good job忽媒，因?yàn)檫@兩條數(shù)據(jù)都包含字符串 a争拐，但是因?yàn)榍罢叻謩e滿足了兩個(gè)搜索的條件，所以前者的匹配度會(huì)更高，所以作為第一條數(shù)據(jù)返回：
GET /exam/_search
{"query": {"match": {"address": "read a"}}}
match_phrase
匹配短語(yǔ)架曹，使用這個(gè)方法不加其他參數(shù)的情況下隘冲，可以看作是會(huì)匹配包含這個(gè)短語(yǔ)、且順序一致的數(shù)據(jù)绑雄。
比如說(shuō)對(duì)于 address="read a book" 的數(shù)據(jù)展辞，搜索 read a，a book万牺，read a book 都可以篩選到這條數(shù)據(jù)罗珍。
GET /exam/_search
{"query": {"match_phrase": {"address": "read a"}}}
GET /exam/_search
{"query": {"match_phrase": {"address": "a book"}}}
GET /exam/_search
{"query": {"match_phrase": {"address": "read a book"}}}
但是如果搜索 book a，因?yàn)轫樞虿灰恢陆潘冢韵旅娴乃阉魇菬o(wú)法搜素到該數(shù)據(jù)的：
GET /exam/_search
{"query": {"match_phrase": {"address": "book a"}}}
但是 match_phrase 有一個(gè) slop 參數(shù)可以用于忽略這種順序覆旱，也就是允許搜索的關(guān)鍵詞錯(cuò)位的個(gè)數(shù)，比如 'book a'核无，分詞后的 'book' 和 'a' 如果允許錯(cuò)位兩個(gè)順序（a 往前挪一個(gè)扣唱，book 往后挪一個(gè)，這是我理解的 slop 的操作用法）团南，那么就可以篩選到我們這條數(shù)據(jù)噪沙，示例如下：
GET /exam/_search
{
"query": {
"match_phrase": {
"address": {
"query": "book a",
"slop": 2
}
}
}
}
match_phrase_prefix
匹配前綴，比如對(duì)于 address 值為 'read a book' 的數(shù)據(jù)吐根，我們只知道的值是 'read a bo'正歼，想要根據(jù)這個(gè)搜索詞搜索完整的數(shù)據(jù)，就可以用到 match_phrase_prefix拷橘。
他的用法是這樣的局义，先將檢索詞分詞，然后將最后一個(gè)分詞結(jié)果單獨(dú)去匹配冗疮，所以這個(gè)搜索詞的過(guò)程就是先根據(jù) 'read a' 的分詞結(jié)果搜索到一些數(shù)據(jù)旭咽，然后根據(jù)剩下的 'bo' 去匹配滿足這個(gè)前綴的數(shù)據(jù)：
GET /exam/_search
{"query": {"match_phrase_prefix": {"address": "read a bo"}}}
3、match 的其他用法
匹配分詞后的全部結(jié)果
對(duì)于 match赌厅，前面我們介紹過(guò)會(huì)先將搜索的字符串分詞，然后去篩選包含分詞結(jié)果一至多個(gè)的結(jié)果轿塔。
比如前面介紹的搜索 'read a'特愿，會(huì)搜索出 'read a book' 以及 'you can get a good job'，因?yàn)樗麄兌及衷~的結(jié)果 'a'勾缭，這種操作就類似于用 should 去對(duì)分詞結(jié)果進(jìn)行進(jìn)一步的搜索操作揍障，
但是如果我們想要更精確，搜索的內(nèi)容必須包含分詞的全部結(jié)果 'read' 和 'a'俩由，我么可以加上 operator 參數(shù)：
GET /exam/_search
{
"query": {
"match": {
"address": {
"query": "read a",
"operator": "and"
}
}
}
}
這樣操作結(jié)果就是篩選了包含全部搜索詞分詞后結(jié)果的數(shù)據(jù)毒嫡。
匹配的模糊處理
我們可以通過(guò) fuzziness 字段來(lái)打開(kāi)字符模糊匹配的開(kāi)關(guān)，最簡(jiǎn)單的一個(gè)例子就是比如我們搜索 'read'幻梯，打字不小心打成了 'raed'兜畸，這種就可以實(shí)現(xiàn)他的模糊匹配：
GET /exam/_search
{
"query": {
"match": {
"address": {
"query": "raed a",
"operator": "and",
"fuzziness": 1
}
}
}
}
4努释、multi-match 搜索
前面我們的 match 參數(shù)操作的都是針對(duì)于單個(gè)字段，multi_match 則可以針對(duì)于多個(gè)字段進(jìn)行 match 操作咬摇，這個(gè)需要都能匹配上搜索的關(guān)鍵字伐蒂，使用示例如下：
GET /exam/_search
{
"query": {
"multi_match": {
"query": "python",
"fields": ["name", "address"]
}
}
}
其中，fields 是一個(gè)數(shù)組肛鹏，里面是需要搜索的字段逸邦。
