使用ES Term query查询时一定要注意的地方

一、Term query简介

使用Term query可以根据精确值查找相关文档数据，不过Term query查询与Match query查询还是有区别的，有时候你会发现用Match query可以查到，换成Term query却不行，本文整理一些使用Term query容易出错的点供参考。

如果你查看Term query的官方文档，你就会发现，官网首先对Term query做了3项明确说明。

• 避免是对text属性的字段使用Term query查询。
• Elasticsearch会因为分词器的原因改变字段的值，所以如果想要精确匹配text类型的字段将会很难。
• 如果查询text类型的字段，建议使用Match query。
  

二、Term query和Match query对比

1. 数据准备

建立一个索引，其中name是keyword类型，full_name是text类型。

PUT /test-index
{
  "mappings": {
    "_doc": {
      "properties": {
        "name": {
          "type": "keyword"
        },
        "full_name": {
          "type": "text"
        }
      }
    }
  }
}

插入一条数据

PUT /test-index/_doc/1
{
  "name":"zhang",
  "full_name":"zhang san"
}

2. 使用Match query查询

查询name字段

GET /test-index/_search
{
  "query": {
    "match": {
      "name": "zhang"
    }
  }
}

可以查询到结果

查询full_name字段

GET /test-index/_search
{
  "query": {
    "match": {
      "full_name": "zhang san"
    }
  }
}

同样也可以查询到结果

3. 使用Term query查询

查询name字段

GET /test-index/_search
{
  "query": {
    "term": {
      "name": "zhang"
    }
  }
}

可以查询到结果

查询full_name字段

GET /test-index/_search
{
  "query": {
    "term": {
      "full_name": "zhang san"
    }
  }
}

没有查到结果

但是如果你按空格拆开来查询，比如只查询zhang或者san，是可以查询到结果的（Match query拆分后也可以查询到结果）

GET /test-index/_search
{
  "query": {
    "term": {
      "full_name": "zhang"
    }
  }
}

好了，到此就解释了为什么官网要做那三项说明，简单来说就是当使用Term query查询时，如果是text类型，会按照分词后的结果来进行匹配，而分词的规则，如果你掌握不好，那么查询时就很容易出错了。

我们也可以验证一下在standard分词器下，zhang san的分词结果。

POST _analyze
{
  "analyzer": "standard",
  "text": "zhang san"
}

可以看到，zhang san确实被拆分为了zhang和san两部分。

所以使用Term query查询时，如果直接查询zhang san是查询不到结果的。

三、分词器修改字段值的场景

我们知道Elasticsearch的有多种分词器，你也可以自定义分词器，所以实际上在不同的分词器下，zhang san可能有不同的拆分方法，就像前面说的，分词的规则如果你掌握不好，就会导致查询的结果和你设想中的结果不匹配，下面，我们可以来看看默认的分词器standard analyzer，会有哪些改变字段值的场景？

1. 删除大多数标点符号

POST _analyze
{
  "analyzer": "standard",
  "text": "hello! zhang san"
}

可以对比下如果是whitespace分词器则可以识别出标点符号

POST _analyze
{
  "analyzer": "whitespace",
  "text": "hello! zhang san"
}

可以看到hello！并没有被拆分开。

2. 英文大写转小写

这是一个很容易掉坑的地方。

POST _analyze
{
  "analyzer": "standard",
  "text": "Hello Zhang San"
}

经过standard分词器后，大写的英文字母都被转换成了小写，所以，此时如果你还是按照Hello来查询的话，是不会查询到结果的，这点要特别注意。

3. 超过max_token_length部分单独拆分

max_token_length：最大令牌长度。如果超过此长度，则会被拆分开。默认值为 ：255

自定义一个分词器，并设置max_token_length长度为5。

PUT test-analyzer
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "my_tokenizer"
        }
      },
      "tokenizer": {
        "my_tokenizer": {
          "type": "standard",
          "max_token_length": 5
        }
      }
    }
  }
}

看一下分词效果

POST test-analyzer/_analyze
{
  "analyzer": "my_analyzer",
  "text": "Hello, Elasticsearch"
}

可以看到，拆分后的每一项长度最多不会超过5。