ElasticSearch 实战：full text和exact value的查询演示

Elasticsearch 中的查询可以分为两大类：Full Text 查询和 Exact Value 查询。这两种查询方式分别适用于不同的应用场景，下面通过示例来演示它们的使用：

Full Text 查询

Full Text 查询主要用于处理文本字段，允许对文本进行模糊匹配、短语匹配、同义词匹配等复杂的文本分析。Elasticsearch 使用分词器对文本进行分析，然后在索引中查找与查询条件匹配的词汇。常见的 Full Text 查询包括 match、match_phrase 和 multi_match 等。

示例 1：match 查询

假设有一个名为 articles 的索引，其中有一个 content 字段存储文章正文。我们想搜索包含关键词 “big data” 的文章：

GET articles/_search
{
  "query": {
    "match": {
      "content": "big data"
    }
  }
}

在这个查询中，Elasticsearch 会对 "big data" 进行分词，可能生成单个词汇 "big" 和 "data"，然后查找 content 字段中包含这两个词汇的文档。由于是 Full Text 查询，它会考虑词根、同义词、近似匹配等因素，因此可能会匹配到包含 “big data analysis”、“large amounts of data” 等相关表述的文章。

示例 2：match_phrase 查询

如果要精确匹配短语 “big data” 而不是分开的两个词汇，可以使用 match_phrase 查询：

GET articles/_search
{
  "query": {
    "match_phrase": {
      "content": "big data"
    }
  }
}

此查询会确保 “big” 和 “data” 两个词汇相邻且顺序正确地出现在 content 字段中，即寻找原文中包含完整短语 “big data” 的文章。

示例 3：multi_match 查询

对于跨多个字段进行相同 Full Text 查询的情况，可以使用 multi_match：

GET articles/_search
{
  "query": {
    "multi_match": {
      "query": "big data",
      "fields": ["title", "content"]
    }
  }
}

这个查询会在 title 和 content 两个字段中同时查找包含 “big data” 的文档，匹配逻辑与 match 类似。

Exact Value 查询

Exact Value 查询主要针对数值、日期、布尔值等非文本字段，或者已设置为 keyword 类型（未分词）的文本字段。这类查询要求查询条件与索引中的值完全一致，不涉及分词、同义词匹配等文本分析过程。常见的 Exact Value 查询包括 term、terms、range、exists 等。

示例 1：term 查询

假设 articles 索引有一个 category 字段，存储文章类别，值为未经分词的字符串。我们要找出类别为 “Technology” 的文章：

GET articles/_search
{
  "query": {
    "term": {
      "category.keyword": "Technology"
    }
  }
}

这里使用了 .keyword 语法来指定对 category 字段的 keyword 子字段进行查询，确保进行精确匹配。只有 category 值恰好为 “Technology”（大小写敏感）的文档会被返回。

示例 2：range 查询

对于数值或日期字段，可以使用 range 查询进行精确范围匹配。例如，查找发表日期在 2023 年 1 月 1 日至 2023 年 12 月 31 日之间的文章：

GET articles/_search
{
  "query": {
    "range": {
      "publication_date": {
        "gte": "2023-01-01",
        "lte": "2023-12-31"
      }
    }
  }
}

此查询将精确匹配 publication_date 字段位于指定日期范围内的文章。

总结

Full Text 查询和 Exact Value 查询在 Elasticsearch 中有着明确的应用场景。前者适用于需要进行文本分析、模糊匹配的文本字段查询，后者适用于对数值、日期、特定字符串进行精确匹配的非文本字段或未分词文本字段查询。实际使用时，应根据字段类型和业务需求选择合适的查询类型。