elasticsearch 查詢（match和term）

轉自： https://www.cnblogs.com/yjf512/p/4897294.html

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，另一種是使用JSON完整的請求體，叫作結構化查詢（DSL）。
因爲DSL查詢更爲直觀也更爲簡易，因此大都使用這種方式。
DSL查詢是POST過去一個json，因爲post的請求是json格式的，因此存在不少靈活性，也有不少形式。
這裏有一個地方注意的是官方文檔裏面給的例子的json結構只是一部分，並非能夠直接黏貼複製進去使用的。通常要在外面加個query爲key的機構。

match

最簡單的一個match例子：

查詢和"個人寶馬多少馬力"這個查詢語句匹配的文檔。

{
  "query": { "match": { "content" : { "query" : "個人寶馬多少馬力" } } } }

上面的查詢匹配就會進行分詞，好比"寶馬多少馬力"會被分詞爲"寶馬 多少 馬力", 全部有關"寶馬 多少 馬力", 那麼全部包含這三個詞中的一個或多個的文檔就會被搜索出來。
而且根據lucene的評分機制(TF/IDF)來進行評分。

match_phrase

好比上面一個例子，一個文檔"個人保時捷馬力不錯"也會被搜索出來，那麼想要精確匹配全部同時包含"寶馬 多少 馬力"的文檔怎麼作？就要使用 match_phrase 了

{
  "query": { "match_phrase": { "content" : { "query" : "個人寶馬多少馬力" } } } }

徹底匹配可能比較嚴，咱們會但願有個可調節因子，少匹配一個也知足，那就須要使用到slop。

{
  "query": { "match_phrase": { "content" : { "query" : "個人寶馬多少馬力", "slop" : 1 } } } }

multi_match

若是咱們但願兩個字段進行匹配，其中一個字段有這個文檔就知足的話，使用multi_match

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

可是multi_match就涉及到匹配評分的問題了。

咱們但願徹底匹配的文檔佔的評分比較高，則須要使用best_fields

{
  "query": { "multi_match": { "query": "個人寶馬發動機多少", "type": "best_fields", "fields": [ "tag", "content" ], "tie_breaker": 0.3 } } }

意思就是徹底匹配"寶馬 發動機"的文檔評分會比較靠前，若是隻匹配寶馬的文檔評分乘以0.3的係數

咱們但願越多字段匹配的文檔評分越高，就要使用most_fields

{
  "query": { "multi_match": { "query": "個人寶馬發動機多少", "type": "most_fields", "fields": [ "tag", "content" ] } } }

咱們會但願這個詞條的分詞詞彙是分配到不一樣字段中的，那麼就使用cross_fields

{
  "query": { "multi_match": { "query": "個人寶馬發動機多少", "type": "cross_fields", "fields": [ "tag", "content" ] } } }

term

term是表明徹底匹配，即不進行分詞器分析，文檔中必須包含整個搜索的詞彙

{
  "query": { "term": { "content": "汽車保養" } } }

查出的全部文檔都包含"汽車保養"這個詞組的詞彙。

使用term要肯定的是這個字段是否「被分析」(analyzed)，默認的字符串是被分析的。

拿官網上的例子舉例：

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，因此full_text的索引中存的就是[quick, foxes]，而extra_value中存的是[Quick Foxes!]。

那下面的幾個請求：

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

請求的出數據，由於徹底匹配

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

請求不出數據的，由於full_text分詞後的結果中沒有[Quick Foxes!]這個分詞。

bool聯合查詢: must,should,must_not

若是咱們想要請求"content中帶寶馬，可是tag中不帶寶馬"這樣相似的需求，就須要用到bool聯合查詢。
聯合查詢就會使用到must,should,must_not三種關鍵詞。

這三個能夠這麼理解

• must: 文檔必須徹底匹配條件
• should: should下面會帶一個以上的條件，至少知足一個條件，這個文檔就符合should
• must_not: 文檔必須不匹配條件

好比上面那個需求：

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