es笔记五之term-level的查询操作

原文链接:es笔记五之term-level的查询操作

官方文档上写的是 term-level queries,表义为基于准确值的对文档的查询,可以理解为对 keyword 类型或者 text 类型分词为 keyword 的字段进行 term 形式的精确查找。

以下是本篇笔记目录:

  1. 是否存在值
  2. 前缀搜索
  3. 大小于操作
  4. term 查询
  5. terms 查询
  6. wildcard 查询

1、是否存在值

exists 查询某个字段是否存在值。

还是使用上篇笔记讲的 exam 这个 index,我们创建一条数据,只给定 name 的值,那么 address 的值就 null,或者说查询返回的数据就没有这个字段了。

PUT /exam/_doc/12
{
    "name" : "test"
}

然后我们查询 address 字段有值的数据:

GET /exam/_search
{
  "query": {
    "exists": {
      "field": "address"
    }
  }
}

就可以发现返回的数据中没有我们创建的这条数据,或者我们取反操作,查询 address 字段没有值的数据:

GET /exam/_search
{
  "query": {
    "bool": {
      "must_not": [
        {"exists": {"field": "address"}}
      ]
    }
  }
}

2、前缀搜索

对于我们在前面创建的这条数据:

PUT /exam/_doc/16
{
    "name" : "张三丰",
    "address": "一个苹果"
}

如果是 name 字段,因为它是一个 keyword 类型,所以它是一个整体不会被分词处理,我们可以搜索 name 的值为 '张', '张三' 和 '张三丰' 都可以搜索到。

GET /exam/_search
{
  "query": {
    "prefix": {
      "name": {
        "value": "张"
      }
    }
  }
}

但是对于 address 字段,发现是可以搜索到 '一','一个' 和 '苹果',但是搜索 '一个苹',或者 '一个苹果' 是搜不到结果的。

GET /exam/_search
{
  "query": {
    "prefix": {
      "address": {
        "value": "一个苹"
      }
    }
  }
}

我们可以看一下 '一个苹果' 的分词结果:

GET /exam/_doc/16/_termvectors?fields=address

可以发现可以搜索到的词都在以分词结果的开头或者全部,但是 '一个苹' 是没有分词结果以此为开头的。

所以这里我们的搜索操作是基于 address 字段的分词结果列表来查询的。

如果想要搜索到从 '一' 开始到结尾之间任意地点截断的数据,我们就需要将 address 字段作为一个整体来搜索,那就是加上 .keyword 来操作。

GET /exam/_search
{
  "query": {
    "prefix": {
      "address.keyword": {
        "value": "一个苹"
      }
    }
  }
}

3、大小于操作

前面介绍了 gt, gte, lt, lte 的操作是在 bool 下的 filter 里操作,这里我们可以直接放到 query 下:

GET /bank/_search
{
  "query": {
    "range": {
      "age": {
        "gte": 10,
        "lte": 20
      }
    }
  }
}

4、term 查询

前面介绍过 term 查询是一种精确查询,但是官方文档提醒我们应该尽量避免对 text 字段使用 term 查询,因为 text 类型的数据在写入的时候会被分词,通过 term 查询我们可能搜索不到想要的查询的数据。同时建议我们查询 text 字段应当使用 match 操作。

我们使用官方文档提供的一个示例来说明为什么应该尽量避免使用 term 查询来查询 text 字段,其实前面我们介绍过相关的示例,这里单独拿出来做一下说明。

还是使用我们前面用过的索引 exam,我们来写入一条数据:

PUT /exam/_doc/18
{
  "address": "quick brown foxes"
}

然后我们想要搜索 'quick brown foxes' 这个字符串,使用下面的操作:

GET /exam/_search
{
  "query": {
    "term": {
      "address": {
        "value": "quick brown foxes"
      }
    }
  }
}

这个肯定是搜索不到的,因为这个字符串在写入的时候已经被分词处理了,而 term 是一个精确查找,相当于搜索一整个字符串,这就肯定搜索不到了。

但是我们可以使用 match,match 操作会在搜索前先对搜索的字符串进行分词处理,然后进行匹配操作,所以使用下面的操作是可以搜索到数据的:

GET /exam/_search
{
  "query": {
    "match": {
      "address": "quick brown foxes"
    }
  }
}

前面还介绍过,如果想要搜索一整个 address 的值为我们搜索的字符串内容,可以使用 address.keyword:

GET /exam/_search
{
  "query": {
    "term": {
      "address.keyword": "quick brown foxes"
    }
  }
}

5、terms 查询

如果想要同时搜索多个精确字段值,比如搜索 "quick" 和 "苹果",就可以使用 terms:

GET /exam/_search
{
  "query": {
    "terms": {
      "address": ["quick", "苹果"]
    }
  }
}

6、wildcard 查询

wildcard 是通配符的意思,这里的用法有点类似于前缀的操作,都是通过符号来实现更为随意的匹配。

这里有两个通配符,一个是 *,一个是 ?

* 的作用是 0 到 n 个字符长度

比如我搜索 qui* 就可以查到 quick 的数据:

GET /exam/_search
{
  "query": {
    "wildcard": {
      "address": {
        "value": "qui*"
      }
    }
  }
}

? 的作用是匹配任意单个字符,比如我们搜索 qui?k,也可以查询到这条数据:

GET /exam/_search
{
  "query": {
    "wildcard": {
      "address": {
        "value": "qui?k"
      }
    }
  }
}
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,271评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,275评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,151评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,550评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,553评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,559评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,924评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,580评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,826评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,578评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,661评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,363评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,940评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,926评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,156评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,872评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,391评论 2 342

推荐阅读更多精彩内容