ES text/keyword match/term/模糊查询区别

字段类型text的时候

首先"name": {“type”:“text”}的时候,我们存入一条数据叫 零在金融 id为1

和另一条数据叫 金融行业 id为2

这时候ES通过IK分词后name的倒排索引会这样存储

nameid
1
1
金融1
金融2
行业2

这个时候使用匹配查询(match)

{“query”:{“match”:{“name”:“零在金融”}}}

会先将零在金融分词为 零、在、金融 三个词,然后分别去倒排索引匹配。这时候会匹配出id为1和id为2的两行数据,

但是由于id为1的零在金融数据匹配度更高,所以得分最高放在前面,而id为2的金融行业也会被查出来。

这个时候使用精确查询(term)

{“query”:{“term”:{“name”:“零在金融”}}}

会一条都查不出来,因为一条索引都对不上。

但是如果使用 {“query”:{“term”:{“name”:“金融”}}}

会查出来两条数据

字段类型keyword的时候

而如果使用keyword存储 零在金融 id为1;金融行业 id为2。就会变为这样

nameid
零在金融1
金融行业2

这个时候使用match查询

{“query”:{“match”:{“name”:“零在金融”}}}

由于分词缘故,会拿 零、在、金融分别去匹配就会一条找不到

这个时候使用精确查询(term)

{“query”:{“term”:{“name”:“零在金融”}}}

就只会查到id为1的数据

这个时候使用模糊查询

{“query”:{“wildcard”:{“name”:" *在金* "}}}

也能查到id为1的数据

  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
模糊查询是指在Elasticsearch中使用一定的方式去匹配查询内容,而不是完全精确匹配。在Elasticsearch中,有两种常用的模糊查询方式:match查询和term查询。 match查询是一种高层查询,它会根据查询的字段的类型不同采用不同的查询方式。如果查询的是日期或数值字段,match查询会自动将查询内容转换成日期或数值进行匹配。如果查询的是一个不能被分词的字段(keyword),match查询不会对查询关键字进行分词。如果查询的是一个可以被分词的字段(text),match查询会将查询内容根据一定的方式进行分词,然后在分词库中匹配指定的内容。\[1\] term查询是一种精确匹配查询,它不会对查询的关键字进行分词。term查询会直接将查询关键字与文档分词库中的内容进行匹配,只有完全匹配才会返回结果。\[2\] 下面是使用match查询和term查询的示例: 使用match查询进行模糊查询: ``` GET student_index/_search { "query": { "match": { "name": "James" } } } ``` 使用term查询进行精确匹配查询: ``` GET student_index/_search { "query": { "term": { "nationality": { "value": "The Greek" } } } } ``` 总结来说,match查询适用于需要进行分词匹配的情况,而term查询适用于需要精确匹配的情况。根据具体的需求选择合适的查询方式可以提高查询的准确性和效率。\[1\]\[2\] #### 引用[.reference_title] - *1* *2* [Elasticsearch 查询详解](https://blog.csdn.net/qq_34125999/article/details/127514768)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [Elasticsearch文档查询详解](https://blog.csdn.net/koutaoran4812/article/details/126167985)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值