一、基于Term的查询

1、概念和特点

概念

Term是表达语意的最小单位，搜索和利用统计语言模型进行自然语言处理都需要处理Term。

特点

• 基于Term的查询：Term Query / Range Query / Exists Query / Prefix Query。
• 在ES中，Term查询，对输入不做分词，会将输入作为一个整体，在倒排索引中查找精确的词项，并对包含该词项的文档进行算分。
• 如果想要避免算分，并利用缓存，可以通过constant_score将查询转换成一个Filtering。

2、案例

数据准备

POST /products/_bulk
{ "index": { "_id": 1 }}
{ "productID" : "XHDK-A-1293-#fJ3","desc":"iPhone" }
{ "index": { "_id": 2 }}
{ "productID" : "KDKE-B-9947-#kL5","desc":"iPad" }
{ "index": { "_id": 3 }}
{ "productID" : "JODL-X-1937-#pV7","desc":"MBP" }

数据查询

POST /products/_search
{
  "query": {
    "term": {
      "desc": {
        "value": "iPhone"
      }
    }
  }
}

这样一条查询语句查询结果是空，为什么呢？

这是因为Term查询，默认是会在倒排索引中查找精确的词项，但是ES默认的分词器会进行分词和小写处理，也就是iPhone这个单词已经被分词和小写处理了，在倒排索引中它是为iphone，所以无法匹配上。

POST /products/_search
{
  "query": {
    "term": {
      "desc": {
        "value": "iphone"
      }
    }
  }
}

将单词改写成小写就可以精确匹配上了，如果不想更改单词的分词和大小写，可以使用如下方式进行查询：

POST /products/_search
{
  "query": {
    "term": {
      "desc.keyword": {
        "value": "iPhone"
      }
    }
  }
}

如果我们想要避免算分，有效利用我们的缓冲：

POST /products/_search
{
  "explain": true,
  "query": {
    "constant_score": {
      "filter": {
        "term": {
          "productID.keyword": "XHDK-A-1293-#fJ3"
        }
      }

    }
  }
}

二、基于全文的查询

1、概念和特点

概念

基于全文本的查询主要有：

• Match Query
• Match Phrase Query
• Query String Query

特点

• 索引和搜索都会进行分词，查询字符串先传递到一个合适的分词器，然后生成一个供查询的列表。
• 查询时候，会对输入的查询进行分词，然后每个词项单独进行查询，然后将结果进行合并。比如查询 A B，会查询到包括A或者B的所有结果。

2、案例

数据准备

#设置 position_increment_gap
DELETE groups
PUT groups
{
  "mappings": {
    "properties": {
      "names":{
        "type": "text",
        "position_increment_gap": 0
      }
    }
  }
}

GET groups/_mapping

POST groups/_doc
{
  "names": [ "John Water", "Water Smith"]
}

数据查询

POST groups/_search
{
  "query": {
    "match_phrase": {
      "names": "Water"
    }
  }
}

POST groups/_search
{
  "query": {
    "match": {
      "names": {
        "query": "Water Smith",
        "operator": "and"
      }
    }
  }
}

参考

Elasticsearch 核心技术与实战 (opens new window)