ElasticSearch全文检索

全文检索最重要的两个方面：
- 相关度：根据文档与查询的相关程度对结果集进行排序的能力。相关度可以使用TF/IDF、地理位置详尽程度、模糊相似度或者其它算法计算。
- 分析：将一段文本转换为一组唯一的、标准化了的标记token，用来创建倒排索引、查询倒排索引。
一旦提到相关度和分析，指的都是查询而非过滤！！！

---

基于短语VS基于全文

所有的查询都会进行相关度计算，但不是所有查询都有分析阶段。
像bool或者function_score这样的查询并不在文本字段执行。
文本查询有两大类：

基于短语的查询Term-based

像term或者fuzzy一类的查询是低级查询，它们没有分析阶段。
这些查询在单一的短语上执行，例如对单词“xxx”的查询会在倒排索引里面精确查找“xxx”这个词，并对每个包含这个单词的文档计算TF/IDF相关度“_score”。也就是说，term查询精确查找特定短语，不匹配短语的其他变形。

全文检索Full-text

match和query_string这样的查询是高级查询，它们对字段进行分析的方式如下：
- 如果检索一个date或者integer字段，则把查询语句作为日期或者整数格式数据；
- 如果检索一个准确值的字符串字段，则把整个查询语句作为一个短语；
- 如果检索一个全文本字段，查询会先用适当的解析器解析查询语句，产生需要查询的短语列表，然后对列表中的每个短语执行低级查询，合并查询结果，得