elasticsearch 查詢（match和term）

es中的查詢請求有兩種方式，一種是簡易版的查詢，另外一種是使用JSON完整的請求體，叫做結(jié)構(gòu)化查詢（DSL）。
由于DSL查詢更為直觀也更為簡易，所以大都使用這種方式。
DSL查詢是POST過去一個(gè)json，由于post的請求是json格式的，所以存在很多靈活性，也有很多形式。
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。一般要在外面加個(gè)query為key的機(jī)構(gòu)。

match

最簡單的一個(gè)match例子：

查詢和"我的寶馬多少馬力"這個(gè)查詢語句匹配的文檔。

{"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(gè)詞中的一個(gè)或多個(gè)的文檔就會被搜索出來。
并且根據(jù)lucene的評分機(jī)制(TF/IDF)來進(jìn)行評分。

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)"也會被搜索出來，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？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(gè)可調(diào)節(jié)因子，少匹配一個(gè)也滿足，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，其中一個(gè)字段有這個(gè)文檔就滿足的話，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，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)"的文檔評分會比較靠前，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(dòng)機(jī)多少","type": "most_fields","fields": ["tag","content"]}} }

我們會希望這個(gè)詞條的分詞詞匯是分配到不同字段中的，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，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": "汽車保養(yǎng)"}} }

查出的所有文檔都包含"汽車保養(yǎng)"這個(gè)詞組的詞匯。

使用term要確定的是這個(gè)字段是否“被分析”(analyzed)，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是被分析過的，所以full_text的索引中存的就是[quick, foxes]，而extra_value中存的是[Quick Foxes!]。

那下面的幾個(gè)請求：

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

請求的出數(shù)據(jù)，因?yàn)橥耆ヅ?/p> GET my_index/my_type/_search {"query": {"term": {"full_text": "Quick Foxes!"}} }

請求不出數(shù)據(jù)的，因?yàn)閒ull_text分詞后的結(jié)果中沒有[Quick Foxes!]這個(gè)分詞。

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，就需要用到bool聯(lián)合查詢。
聯(lián)合查詢就會使用到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下面會帶一個(gè)以上的條件，至少滿足一個(gè)條件，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"}}}} }

總結(jié)

以上是生活随笔為你收集整理的elasticsearch 查询（match和term）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。