elasticsearch中DSL之Full text queries（全文搜索）

全文搜索

全文搜索是应用到字段类型为text上的搜索，也是es重要特性，es会根据字段的分词器算法，把字段进行解析，根据解析后的结果在es服务器中利用倒排索引算法，获取多个文档，并给出相应的得分。

搜索和过滤的区别

• 搜索要给出每个文档得分
• 过滤不计算每个文档得分，而且过滤会把数据缓存起来。

全匹配

全部匹配，每个文档得分都是1

GET myindex/_search
{
    "query": {
        "match_all": {   
        }
    }
}

全部不匹配

GET myindex/_search
{
    "query": {
        "match_none": {   
        }
    }
}

1.Match Query

match是只要文档包含任何一个分词，都要返回（分词间没有顺序依赖）
match是一个布尔查询，可能这句话不太了解这句话的含义。这是因为通常我们看到的查询语句的写法是下例：

GET myindex/_search
{
    "query": {
        "match": {
           "addr":"hangzhou shenzhen"
        }
    }
}

其实上面的简写的语法，真正的语法格式是下面：

GET myindex/_search
{
    "query": {
        "match": {
           "addr": {
               "query" :"hangzhou shenzhen",
               "operator" : "or"
           }
        }
    }
}

所以match有很多属性，就是在这里定义的，上例表示addr只要有hangzhou,shenzhen任何一个词元都要返回文档。
响应的结果：

"hits": {
      "total": 2,
      "max_score": 0.25316024,
      "hits": [
         {
            "_index": "myindex",
            "_type": "mytype",
            "_id": "2",
            "_score": 0.25316024,
            "_source": {
               "name": "mahuateng",
               "age": "40",
               "addr": "zhongguo guangdong shenzhen",
               "city": "shenzhen"
            }
         },
         {
            "_index": "myindex",
            "_type": "mytype",
            "_id": "1",
            "_score": 0.25316024,
            "_source": {
               "name": "mayun",
               "age": "43",
               "addr": "zhongguo zhejiang hangzhou",
               "city": "hangzhou"
            }
         }
      ]
   }

如果把"operator" : "or"改为"operator" : "and"则不会返回文档。
同样还有很多其他的属性：

• query：实际被解析的语句
• operator：操作符，“and” 或者 “or”，默认是"or"
• lenient：布尔值，默认false，表示格式配置失败是否失败（例如用字符串查整型字段）
• minimum_should_match：或逻辑，最小要匹配几个逻辑
• analyzer：分词器
• zero_terms_query : 文档只有停顿词，是否返回，默认是none, 还有all
• max_expansions：是指可以扩展最大词项。
• fuzziness：设置模糊性，默认是AUTO
  还有很多其他的属性，就不介绍了

下面重点说下fuzziness模糊性的用法，因为对于英文语法有词根，词缀的语法，所以一个单词可以有多种变形，所以模糊性搜索就变得很常用了。（对于中文这种用法就没用了）
根据官网解释：
fuzziness is interpreted as a Levenshtein Edit Distance — the number of one character changes that need to be made to one string to make it the same as another string.就是从一个单词变成另一个单词需要编辑的次数。

fuzziness有两种表示方式：

• 0 或 1 或 2，表示编辑距离（可以大于2，但是和2作用一样）
• AUTO ：是一个算法。
  目标单词长度为 0 到 2 之间时，必须要精确匹配
  目标单词长度为 3 到 5 之间时，最大编辑距离为 1
  目标单词长度大于5，最大编辑距离为 2
  举个栗子：用said去查say是查不到的，因为最大编辑距离是2才能找到。
• 另外还可以设置前缀不能模糊的长度prefix_length。

match最基础的全文索引语法，所以其他的语法，都是在此基础上扩展的。（通过使用不同的参数可以构建其他的检索语法）

2.Match Phrase Query

match_phrase的分词结果必须在被检索字段的分词中都包含，而且顺序必须相同，而且默认必须都是连续的。

GET myindex/_search
{
    "query": {
        "match_phrase": {
           "addr": "zhongguo guangdong"
        }
    }
}

例如上例：返回文档中，addr中必须包含zhongguo和guangdong而且他们的顺序是不变的，也要保证他们之间没有其他的有效词。
返回结果：

"hits": [
         {
            "_index": "myindex",
            "_type": "mytype",
            "_id": "2",
            "_score": 0.82712996,
            "_source": {
               "name": "mahuateng",
               "age": "40",
               "addr": "zhongguo guangdong shenzhen",
               "city": "shenzhen"
            }
         },
         {
            "_index": "myindex",
            "_type": "mytype",
            "_id": "1",
            "_score": 0.5063205,
            "_source": {
               "name": "renzhenfei",
               "age": "71",
               "addr": "zhongguo guangdong guangzhou",
               "city": "guangzhou"
            }
         }
      ]

短语查询有个重要参数：slop，可以容忍查询词之间位置跳过位置，默认值为0（注意：之间的跳跃位置的范围是[0, slop]，并不是必须跳过slop个位置）
注意：如果要使用参数，就不能使用简易语法了。
例如：

GET myindex/_search
{
    "query": {
        "match_phrase": {
           "addr": {
               "query" :"zhongguo shenzhen",
               "slop" : 3
           }
        }
    }
}

返回的文档：可以发现，zhongguo shenzhen之间只有一个guangdong。

"hits": [
         {
            "_index": "myindex",
            "_type": "mytype",
            "_id": "2",
            "_score": 0.5266491,
            "_source": {
               "name": "mahuateng",
               "age": "40",
               "addr": "zhongguo guangdong shenzhen",
               "city": "shenzhen"
            }
         }
      ]

3.Match Phrase Prefix Query

是对match_phrase的扩充，只是会对查询文本的分词后最后一个分词，可以前缀模糊查询。
有个重要的参数max_expansions可以指定模糊度[0, max_expansions]。
例如：

GET myindex/_search
{
    "query": {
        "match_phrase_prefix": {
           "addr": {
               "query" :"zhongguo guangdong shen",
               "max_expansions" : 10
           }
        }
    }
}

返回的结果是：

"hits": [
         {
            "_index": "myindex",
            "_type": "mytype",
            "_id": "2",
            "_score": 1.4820052,
            "_source": {
               "name": "mahuateng",
               "age": "40",
               "addr": "zhongguo guangdong shenzhen",
               "city": "shenzhen"
            }
         }
      ]

但是我发现下面的语法也能返回上述结果：（如果哪位大神指导为什么，也可以评论告知）

GET myindex/_search
{
    "query": {
        "match_phrase_prefix": {
           "addr": {
               "query" :"zhongguo guangdong shen",
               "max_expansions" : 1
           }
        }
    }
}

4.Multi Match Query

multi_match查询建立在match查询之上，重要的是它允许对多个字段查询。

GET /_search
{
  "query": {
    "multi_match" : {
      "query":    "this is a test", 
      "fields": [ "subject", "message" ] 
    }
  }
}

multi_match内部如何执行是由参数type决定的。下面是type的可选值

• best_fields:默认方式，会将任何与查询匹配的文档作为结果返回，但是只使用最佳字段的 _score 评分作为评分结果返回。（使用场景是查询文档含有多个有效词，一个文档同时含有多个有效词要比只含有一个有效词的文档得分高）。
• most_fields:会将任何与查询匹配的文档作为结果返回，但是所有字段的评分合并起来作为评分结果返回。
• cross_fields:将查询字符串分词后每个分词，在查询的字段中都去查询每个分词（当要求多个字段都应该查询到的时候适合该方式）
• phrase:和best_fields相似，只是内部使用的是match_phrase。
• phrase_prefix:和best_fields相似，只是内部使用的是match_phrase_prefix。