《Elasticsearch:权威指南》Query DSL -- Full text queries -- Match Query

Match Query

匹配查询可以接受文本、数字及日期数据，进行分析然后构造查询。

GET /_search
{
    "query": {
        "match" : {
            "message" : "this is a test"
        }
    }
}

注意：message是字段名称，你可以替换任何字段的名称。

match查询会先对搜索词进行分词,分词完毕后再逐个对分词结果进行匹配，因此相比于term的精确搜索，match是分词匹配搜索,match搜索还有两个相似功能的变种，一个是match_phrase，一个是multi_match。

例如，当我们搜索 “中国杭州”，搜索词会先分词为“中国”和“杭州”，只要文档中包含“中国“和“杭州“任意一个词，都会被搜索到。同term查询一样，最终能否查到结果也取决于文档的内部存储结构结构，内部存储结构有分词和未分词2种情况，具体参见Term Query中 “term query 和 match query的不同之处”章节

match

match query 查询的类型为boolean， 这意味着将对提供的查询文本进行分析，并且分析过程将从提供的文本中构造一个boolean查询。运算符标志可以设置为or或and控制布尔子句（默认为or）。 可以使用minimum_should_match这个参数来设置要匹配的可选的should子句的最小数量。

这是一个提供其他参数的示例（请注意结构略有变化，消息是字段名称）：

GET /_search
{
    "query": {
        "match" : {
            "message" : {
                "query" : "this is a test",
                "operator" : "and"   //操作设置为and，表明分词后，每个词都要存在
            }
        }
    }
}

可以将分析器设置为控制哪个分析器将对文本执行分析过程。 它默认为字段显式映射定义或默认的搜索分析器。

可以将lenient参数设置为true，以忽略由数据类型不匹配引起的异常，例如尝试使用文本查询字符串查询数字字段。 默认为false。

operator参数例子

我们来看个operator的实际例子，仍然复用Term Query中 “term query 和 match query的不同之处”章节的索引结构和数据：

1.建索引和插入一条数据

PUT my_index     //建一个索引
{
  "mappings": {
    "_doc": {
      "properties": {
        "full_text": {                 
          "type":  "text"       //text类型，会分词
        },
        "exact_value": {
          "type":  "keyword"  //keyword类型，不会分词
        }
      }
    }
  }
}

PUT my_index/_doc/1   //插入一条数据
{
  "full_text":   "Quick Foxes!", 
  "exact_value": "Quick Foxes!"  
}

2.默认值or查询

我们针对full_text字段进行查询，full_text内部存储是分词的， 内部存储为[quick, foxes]，2个单词，我们使用match查询时，查询条件也会分词，分词结果为[quick, run]，2个单词，那么operator默认为 or，即查询条件数组中的单词，只要有一个符合存储数组中的值，那么认为匹配，如果匹配的个数越多，则score越大，排序越靠前。

curl  -XGET "10.40.164.63:9200/my_index/_search"  --header "Content-Type:application/json" -d ' 
{
  "query": {
    "match": {
      "full_text": "Quick run!"    //查询条件分词后第二个词是run，而内部存储的是Foxes
    }
  }
}'

注意：查询条件分词后第二个词是run，而内部存储的是Foxes

上面的例子结果：

{
	"took": 3,
	"timed_out": false,
	"_shards": {
		"total": 5,
		"successful": 5,
		"skipped": 0,
		"failed": 0
	},
	"hits": {
		"total": 1,     //查询到了
		"max_score": 0.2876821,    //如果查询条件为“Quick Foxes”，得分翻倍为0.5753642
		"hits": [{
			"_index": "my_index",
			"_type": "_doc",
			"_id": "1",
			"_score": 0.2876821,
			"_source": {
				"full_text": "Quick Foxes!",
				"exact_value": "Quick Foxes!"
			}
		}]
	}
}

2.and查询

即查询条件数组中的单词，全部符合存储数组中的值，那么认为匹配，只要有一个不符合，则不匹配。

curl  -XGET "10.40.164.63:9200/my_index/_search"  --header "Content-Type:application/json" -d ' 
{
  "query": {
    "match": {
      "full_text": {
                "query" : "Quick run!",
                "operator" : "and"   //and查询
            }
    }
  }
}'

由于分词后的run不符合，因此查询结果为空。

fuzziness

模糊性允许基于要查询的字段类型进行模糊匹配。 有关允许的设置，请参见“模糊性”。

在这种情况下，可以设置prefix_length和max_expansions来控制模糊过程。 如果设置了模糊选项，则查询将使用top_terms_blended_freqs _ $ {max_expansions}作为其重写方法，Fuzzy_rewrite参数允许控制如何重写查询。

默认情况下允许使用模糊转置（ab→ba），但可以通过将Fuzzy_transpositions设置为false来禁用模糊转置。

请注意，“模糊匹配”不适用于带有同义词的“词语”，因为在引擎盖下，这些术语被扩展为混合术语频率的特殊同义词查询，这不支持模糊扩展。

GET /_search
{
    "query": {
        "match" : {
            "message" : {
                "query" : "this is a testt",
                "fuzziness": "AUTO"
            }
        }
    }
}

模糊性

模糊匹配 对待 “模糊” 相似的两个词似乎是同一个词。首先，我们需要对我们所说的 模糊性 进行定义。

在1965年，Vladimir Levenshtein 开发出了 Levenshtein distance， 用来度量从一个单词转换到另一个单词需要多少次单字符编辑。他提出了三种类型的单字符编辑：

• 一个字符 替换 另一个字符： _f_ox → _b_ox
• 插入 一个新的字符：sic → sic_k_
• 删除 一个字符：b_l_ack → back

Frederick Damerau 后来在这些操作基础上做了一个扩展：

• 相邻两个字符的 换位 ： _st_ar → _ts_ar

举个例子，将单词 bieber 转换成 beaver 需要下面几个步骤：

• 把 b 替换成 v ：bie_b_er → bie_v_er
• 把 i 替换成 a ：b_i_ever → b_a_ ever
• 把 e 和 a 进行换位：b_ae_ver → b_ea_ver

这三个步骤表示 Damerau-Levenshtein edit distance 编辑距离为 3 。

显然，从 beaver 转换成 bieber 是一个很长的过程—他们相距甚远而不能视为一个简单的拼写错误。 Damerau 发现 80% 的拼写错误编辑距离为 1 。换句话说， 80% 的拼写错误可以对原始字符串用 单次编辑 进行修正。

Elasticsearch 指定了 fuzziness 参数支持对最大编辑距离的配置，默认为 ２ 。

当然，单次编辑对字符串的影响取决于字符串的长度。对单词 hat 两次编辑能够产生 mad ， 所以对一个只有 3 个字符长度的字符串允许两次编辑显然太多了。 fuzziness 参数可以被设置为 AUTO ，这将导致以下的最大编辑距离：

• 字符串只有 1 到 2 个字符时是 0
• 字符串有 3 、 4 或者 5 个字符时是 1
• 字符串大于 5 个字符时是 2

当然，你可能会发现编辑距离 2 仍然是太多了，返回的结果似乎并不相关。 把最大 fuzziness 设置为 1 ，你可以得到更好的结果和更好的性能。

zero_terms_query

暂不翻译

Cutoff frequency

暂不翻译