ElasticSearch查詢 第四篇：匹配查詢（Match）

《ElasticSearch查詢》目錄導航：

• ElasticSearch查詢 第一篇：搜索API
• ElasticSearch查詢 第二篇：文檔更新
• ElasticSearch查詢 第三篇：詞條查詢
• ElasticSearch查詢 第四篇：匹配查詢（Match）
• ElasticSearch查詢 第五篇：布爾查詢

 

匹配（Match）查詢屬於全文（Fulltext）查詢，不一樣於詞條查詢，ElasticSearch引擎在處理全文搜索時，首先分析（analyze）查詢字符串，而後根據分詞構建查詢，最終返回查詢結果。匹配查詢共有三種類型，分別是布爾（boolean）、短語（phrase）和短語前綴（phrase_prefix），默認的匹配查詢是布爾類型，這意味着，ElasticSearch引擎首先分析查詢字符串，根據分析器對其進行分詞，例如，對於如下match查詢：

"query":{  
      "match":{  
         "eventname":"Microsoft Azure Party"
      }

查詢字符串是「Microsoft Azure Party」，被分析器分詞以後，產生三個小寫的單詞：microsoft，azure和party，而後根據分析的結果構造一個布爾查詢，默認狀況下，引擎內部執行的查詢邏輯是：只要eventname字段值中包含有任意一個關鍵字microsoft、azure或party，那麼返回該文檔，僞代碼是：

if (doc.eventname contains "microsoft" or doc.eventname contains "azure" or doc.eventname contains "party") 
return doc

匹配查詢的行爲受到兩個參數的控制：

• operator：表示單個字段如何匹配查詢條件的分詞
• minimum_should_match：表示字段匹配的數量

經過調整operator 和 minimum_should_match 屬性值，控制匹配查詢的邏輯條件，進而控制引擎返回的結果。默認狀況下operator的值是or，在構造查詢時設置分詞之間的邏輯運算符，若是設置爲and，那麼引擎內部執行的查詢邏輯是：

if (doc.eventname contains "microsoft" and doc.eventname contains "azure" and doc.eventname contains "party") 
return doc

對於minimum_should_match 屬性值，默認值是1，若是設置其值爲2，表示分詞必須匹配查詢條件的數量爲2，這意味着，只要文檔的eventname字段包含任意兩個關鍵字，就知足查詢條件。

短語（Phrase）是一個字符串，其單個分詞出現的位置和分詞的數量是固定的。在進行短語查詢時，必須匹配短語中每一個分詞及其相對位置，例如，對於包含兩個分詞的短語：「azure function」，分詞「azure」出如今分詞「function」以前，而且兩個詞條之間的位置相差一個空格，下面兩個字符串都知足短語匹配：

• "Azure Notification Hubs & Azure Function"
• "Serverless Azure Function"

一，布爾匹配查詢

布爾型match查詢是把query參數中的條件字符串加以分析，使用索引映射中定義的分析器對字符串分詞，而後構建相應的子查詢，ElasticSearch選擇合適的分析器（analyzer），該analyzer和創建索引時使用的分析器相同。在執行match查詢時，默認狀況下，字段值必須匹配任意一個詞條，例如，當文檔的eventname字段匹配任意一個分詞，azure、aws和cloud時，該文檔匹配match查詢，匹配分詞的數量是由匹配參數控制的。

POST /_search -d
{  
   "from":10, "size":5, "query":{ "match":{ "eventname":"azure aws cloud" } } }

2，match查詢經常使用的參數

• operator：用來控制match查詢匹配詞條的邏輯條件，默認值是or，若是設置爲and，表示查詢知足全部條件；
• minimum_should_match：當operator參數設置爲or時，該參數用來控制應該匹配的分詞的最少數量；

POST /search -d
{  
   "from":10, "size":5, "query":{ "match":{ "eventname":{ "query":"azure aws cloud security", "operator":"or", "minimum_should_match":2 } } } }

二，短語匹配查詢(match_phrase)

在執行短語匹配查詢時，ElasticSearch引擎首先分析（analyze）查詢字符串，從分析後的文本中構建短語查詢，這意味着必須匹配短語中的全部分詞，而且保證各個分詞的相對位置不變：

POST /_search -d
{  
   "from":1, "size":100, "fields":[ "eventname"], "query":{ "match_phrase":{ "eventname":"Open Source" } } }

三，短語前綴匹配查詢(match_phrase_prefix)

除了把查詢文本的最後一個分詞只作前綴匹配以外，match_phrase_prefix和match_phrase查詢基本同樣，參數 max_expansions 控制最後一個單詞會被重寫成多少個前綴，也就是，控制前綴擴展成分詞的數量，默認值是50。擴展的前綴數量越多，找到的文檔數量就越多；若是前綴擴展的數量太少，可能查找不到相應的文檔，遺漏數據。如代碼所示，可以查到eventname包含"Open Source Hack Night"的文檔。

POST /_search -d
{  
   "from":1, "size":100, "fields":[ "eventname" ], "query":{ "match_phrase_prefix":{ "eventname":{ "query":"Open Source hac", "max_expansions":50 } } } }

四，多字段匹配查詢

在多個字段上執行匹配相同的查詢，叫作"multi_match"查詢，Elasticsearch共有五種多字段匹配查詢：best_fields，most_fields，cross_fields，phrase和phrase_prefix，默認的是best_fields類型，以下示例代碼：

{
  "multi_match" : {
    "query":    "Microsoft Azure", 
    "fields": [ "subject", "message" ] 
  }
}

參數query指定查詢的條件，在match查詢中，query中的參數被分析成分詞；參數type指定查詢的類型，默認值是best_fields；參數fields指定字段數組，ElasticSearch在每一個字段上匹配參數query。對於best_fields和most_fields類型，每一個字段都會拆分紅一個子查詢（Individual Query），這意味着，ElasticSearch引擎在每一個字段上生成一個子查詢，每一個子查詢都匹配相同的query參數。

在示例中，參數query被拆分紅兩個分詞microsoft和azure，ElasticSearch引擎有兩個參數設置每一個子查詢（Individual Query）應該匹配的分詞數量。

參數operator設置每一個字段的子查詢的匹配分詞的邏輯方式，默認值是or，例如，若是設置參數operator爲and，那麼subject字段中必須同時含有microsoft和azure這兩個分詞。也就是說，匹配全部的分詞。

"operator":"and"

當參數operator使用默認值時，參數minimum_should_match設置每一個子查詢應該匹配多少個分詞，默認值是1，例如，設置minimum_should_match爲1，那麼subject字段中至少含有microsoft或azure的一個分詞。

「operator」:"or"
"minimum_should_match":1

1，best_fields類型

best_fields類型是默認值，從指定的字段中匹配查詢，每一個字段都計算評分（_score），返回最高的評分。若是不考慮評分，那麼best_fields查詢類型的含義是從指定的字段中執行查詢，返回匹配的文檔。

對於best_fields和most_fields查詢類型，它們都是基於字段拆分的，每一個字段都會產生一個子查詢，

{
  "multi_match" : {
    "query":      "Will Smith",
    "type":       "best_fields",
    "fields":     [ "first_name", "last_name" ],
    "operator":   "and" 
  }
}

跟best_fields類型相同的查詢類型是dis_max，字母dis是單詞「Disjunction」的簡寫，意思是分離，dis_max查詢類型有一個子查詢數組，每個子查詢都單獨計算評分，返回子查詢中最高的評分。若是忽略評分，那麼dis_max查詢類型的含義是執行指定的子查詢，返回匹配的文檔。

{
  "dis_max": {
    "queries": [
      { "match": { "subject": "brown fox" }},
      { "match": { "message": "brown fox" }}
    ]
  }
}

2，most_fields類型

most_fields類型是默認值，從指定的字段中匹配查詢，每一個字段都計算評分（_score），最後把每一個字段的評分合並（Combine）在一塊兒，求平均分。若是不考慮評分，那麼most_fields查詢類型的含義是從指定的字段中執行查詢，返回匹配的文檔。

該類型的查詢相似於布爾查詢的should子句查詢，

{
  "bool": {
    "should": [
      { "match": { "title":          "quick brown fox" }},
      { "match": { "title.original": "quick brown fox" }},
      { "match": { "title.shingles": "quick brown fox" }}
    ]
  }
}

3，phrase和phrase_prefix查詢類型

該類型的query是phrase，在每一個字段上執行查詢，而後返回最高的評分，相似於best_fields類型。

{
  "multi_match" : {
    "query":      "quick brown f",
    "type":       "phrase_prefix",
    "fields":     [ "subject", "message" ]
  }
}


{
  "dis_max": {
    "queries": [
      { "match_phrase_prefix": { "subject": "quick brown f" }},
      { "match_phrase_prefix": { "message": "quick brown f" }}
    ]
  }
}

View Code

4，cross_fields類型

該查詢類型是把query條件拆分紅各個分詞，而後在各個字段上執行匹配分詞，默認狀況下，只要有一個字段匹配，那麼返回文檔。

例如，query參數拆分紅will和smith兩個分詞，當參數operator爲and時，字段first_name或last_name必須包含will ，而且 first_name或last_name必須包含smith。

{
  "multi_match" : {
    "query":      "Will Smith",
    "type":       "cross_fields",
    "fields":     [ "first_name", "last_name" ],
    "operator":   "and"
  }
}

若是參數operator爲or，字段first_name或last_name必須包含will ，或者 first_name或last_name必須包含smith，其等價的邏輯是，只要字段 first_name或last_name中包含 will或smith就返回文檔。

 

參考文檔：

Elasticsearch Reference [2.4] » Query DSL