elasticsearch 搜索介绍

前言

type 类型介绍

text：

默认分词，将字符串分成若干个词，创建索引。同时，保存一份不分词的字符串，保存在索引中（默认最多保存256个字符）。例：“hello world” ，filed索引：hello，world ，field.keyword索引中存放hello word。

一. 查询

term query（短语搜索）

查询字符不分词，将查询的条件当做一个整体进行查询

filter query(过滤搜索)

优势在于会caching，增加或删除数据，会自动更新。实际上缓存的并不是一个完整的doc list数据结果，而是将filter bitset缓存起来（对于小的数据量，是不会进行缓存的），下次不需要扫码倒排索引了。大部分情况下，是在query之前执行，尽量过滤到尽可能多的数据。query会计算相关度分数，并根据相关度分数进行排序。而filter只是过滤结果，不进行相关的计算和排序。

math query（匹配搜索）

默认分词，进行精确度查询时，可以指定operator为and，进行查询。示例如下：{"query":{"match":{"title":{"query":"java elasticsearch","operator":"and"}}}}；也可以指定匹配率，进行查询。示例如下：{"query":{"match":{"title":{"query":"java elasticsearch test hadoop","minimum_should_match":"75%"}}}}

prefix query （前缀搜索）

前缀搜索，查询以搜索词开始的doc。例如查询：C4，则可以查询到C412，但是不能查询到2C4。类似mysql的模糊搜索中的"C4%"。语法：{"query":{"prefix":{"position.keyword":{"value":"C4"}}}}

wildcard query(通配符搜索)

通配符搜索，?代表以为字符，*代表0到任意多个字符。性能比较差，需要扫描所有的倒排索引。尽力不要用。查询语法：{"query":{"wildcard":{"position.keyword":{"value":"*s?f*"}}}}

regexp query(正则搜索)

正则搜索，[0-9]:指定范围的数字，[a-z]:指定范围的字符，. :代表一个字符，+：代表前面的正则表达式可以出现一个到多个。查询语法：{"query":{"regexp":{"position.keyword":{"value":"s[a-z].+"}}}}

二. 查询策略

best fields 查询策略

dis_max参数：多条件查询时，尽量将一个条件中匹配度最高的排在前面，而不是将多个条件组合匹配度高的排在前面。例：查询条件：“title”：“java elasticsearch” ，content：“java elasticsearch”，不是将分词后的查询中既满足title查询条件，又满足content查询条件的排在前面。而是分别对各个查询条件进行查询，分别计算相关度分数，然后将其中查询相关分数最高的排在前面。语法：{"query":{"dis_max":{"queries":[{"match":{"title":"java elasticsearch"}},{"match":{"content":"java elasticsearch"}}]}}}

tie_breaker参数: dis_max 只取最大的，不考虑其他查询条件的相关度分数，会出现查询结果特别不准确的情况。这时候需要引入tie_breaker参数。其他的查询条件*tie_breaker ，再加上最大相关度分数。综合计算新的相关度分数。语法：{"query":{"dis_max":{"queries":[{"match":{"title":"java elasticsearch"}},{"match":{"content":"java elasticsearch"}}],"tie_breaker":0.3}}}

语法：{"query":{"multi_match":{"query":"use china finance manager","type":"best_fields","fields":["country","position"]}}}

most fields 查询策略

        尽可能将匹配更多field的结果优先返回回来，如下（会将country和postion都匹配的优先返回）。语法：{"query":{"multi_match":{"query":"use china finance manager","type":"most_fields","fields":["country","position"]}}}

        弊端：知道尽可能到的field匹配的doc，而不是完全匹配的doc；不能使用minimun_should_match 去掉不满足条件的长尾结果。相关度分数计算方法很复杂，可能会将出现频率低filed的匹配计算的分数特别大，导致优先返回，跟预计的搜索结果相差很大。

        解决思路：将多个fields 合并为一个field。进行查询。es中提供copy_to 属性。可以将多个field合并到一个field。

cross filed 查询策略

尽可能多的field中匹配，而不是某个field中匹配。跟most_fields的区别在于cross_fields支持operator属性，可以满足每个term都必须在一个filed中出现。不加operator的话，跟most_fields查询结果几无差别。查询语法:{"query":{"multi_match":{"query":"manager china","type":"cross_fields","operator":"and","fields":["position","country"]}}}

三. 近似查询

1.match_phase 模糊匹配

        类似于sql查询的模糊查询。例如：查询java spark ，是将查询条件作为一个短语进行模糊查询。要求java和spark符合查询条件，且必须相连。查询原理：查找到既包含java，又包含spark的doc之后，计算java和spark的位置。如果正好相邻且满足查询时的顺序，则返回。查询语法：{"query":{"match_phrase":{"position":{"query":"senor software"}}}}

2. proximiy match 近似匹配

        使用match_phase和slop 进行移位查询。

        类似模糊查询，但是可以指定term之间相距的位置差。例如：java spark 查询，指定slop为1.则不仅可以模糊查询到java spark 相连的数据，还可以查询到java and spark中间间隔为1的数据；同理指定为n，则允许java和spark最多相差n位。查询语法：{"query":{"match_phrase":{"position":{"query":"senor software","slop":2}}}}

3. match_phrase_prefix 前缀近似匹配

原理和match_phrase相似，唯一的区别是会将最后一个term作为前缀进行搜索。但是只会将最后一个term作为前缀。max_expansions参数：指定term最多匹配多少个。查询语法：{"query":{"match_phrase_prefix":{"position.keyword":{"query":"technique so","max_expansions":10}}}}

4.解决问题：

        解决即想查询java，又想查询spark。并且尽可能将java和spark相距越近的排在前面，相距远的排在后面，只匹配一个的term的排在最后面。

查询语法：{"query":{"bool":{"must":[{"match":{"position":"senor manager"}}],"should":[{"match_phrase":{"position":{"query":"senor manager","slop":1}}}]}}}

rescore: 重打分

语法：{"query":{"match":{"position":"senor manager"}},"rescore":{"query":{"rescore_query":{"match_phrase":{"position":{"query":"senor manager","slop":1}}}},"window_size":50}} 其中：window_size表示对前多少个重打分。slop 标识term之间position相差的位数。