ElasticSearch 基于 Term 的查询

最新推荐文章于 2024-03-14 00:27:45 发布
最新推荐文章于 2024-03-14 00:27:45 发布
阅读量2k 收藏 3
点赞数 1
分类专栏： ElasticSearch 文章标签： ElasticSearch Term
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40990836/article/details/96195494
版权

Term 的重要性

  • Term 是表达语音的最小单位，搜索和利用统计语言模型进行自然语言处理都需要处理 Term

特点

  • Term Level Query : Term Query / Range Query / Exists Query0 / Prefix Query / Wildcard Query
  • 在ES 中， Term 查询， 对输入不做分词，会将输入座位一个整体， 在倒排索引中查找准确的词项， 并且使用相关度算分公式为每个包含该词项的文档进行相关度算分。 – 例如 Apple Store
  • 可以通过 Constant Score 将查询转换成一个 Filtering, 避免算分， 并利用缓存，提高性能。

关于 Term 查询的例子

先添加一些数据
// 创建一个索引
PUT products
{
  "settings": {
    "number_of_shards": 1
  }
}
// 创建数据
POST products/_bulk
{"index":{"_id":1}}
{"productID" : "XHDK-A-1293-#fJ3","desc" : "iPhone"}
{"index":{"_id":2}}
{"productID" : "KDKE-B-9947-#kL5","desc" : "iPad"}
{"index":{"_id":3}}
{"productId" : "JODL-X-1937-#pV7","desc" : "MBP"}
首先搜索一下iPhone
POST products/_search
{
  "query": {
    "term": {
      "desc": {
         "value": "iPhone"
      }
    }
  }
}
// 查看搜索结果
{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 0,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [ ]
  }
}
然后搜索 iphone
POST products/_search
{
  "query": {
    "term": {
      "desc": {
 	     "value": "iphone"
      }
    }
  }
}
// 搜索结果
{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 0.9808292,
    "hits" : [
      {
        "_index" : "products",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 0.9808292,
        "_source" : {
          "productID" : "XHDK-A-1293-#fJ3",
          "desc" : "iPhone"
        }
      }
    ]
  }
}

当搜索iPhone 的时候，并没有返回一条搜索到的结果，搜索iphone 的时候，才返回了一条数据。
这是因为之前上面说了。使用term搜索的时候，你ES对你搜索输入的词，并不会去做任何处理。所以你输入的不管是iPhone 还是iphone，他并不会去处理，但是当你添加数据的时候，ES默认会帮你对数据进行一些处理，比如说。大小写转换，去除语义词等等。

我们查看一下对iPhone默认的分词
GET products/_analyze
{
  "analyzer": "standard",
  "text": ["iPhone"]
}
// 返回结果
{
  "tokens" : [
    {
      "token" : "iphone",
      "start_offset" : 0,
      "end_offset" : 6,
      "type" : "<ALPHANUM>",
      "position" : 0
    }
  ]
}

可以看到iPhone 变成了 iphone
因为term搜索时不会对搜索词进行处理，所以搜索iPhone就无法搜索到上面那条结果了

当我们对编号之类的进行搜索

POST /products/_search
{
  "query": {
    "term": {
      "productID": {
        // "value": "XHDK-A-1293-#fJ3"
         "value": "xhdk-a-1293-#fj3"
      }
    }
  }
}
// 当我们对上面编号进行搜索的时候，无论使用什么都不会被检索出来
{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 0,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [ ]
  }
}
// 那我们查看一下这个被ES处理成什么样的数据

GET products/_analyze
{
  "analyzer": "standard",
  "text": ["XHDK-A-1293-#fJ3"]
}
// 分词结果
{
  "tokens" : [
    {
      "token" : "xhdk",
      "start_offset" : 0,
      "end_offset" : 4,
      "type" : "<ALPHANUM>",
      "position" : 0
    },
    {
      "token" : "a",
      "start_offset" : 5,
      "end_offset" : 6,
      "type" : "<ALPHANUM>",
      "position" : 1
    },
    {
      "token" : "1293",
      "start_offset" : 7,
      "end_offset" : 11,
      "type" : "<NUM>",
      "position" : 2
    },
    {
      "token" : "fj3",
      "start_offset" : 13,
      "end_offset" : 16,
      "type" : "<ALPHANUM>",
      "position" : 3
    }
  ]
}
// 那么我们对xhdk 进行搜索
POST /products/_search
{
  "query": {
    "term": {
      "productID": {
        "value": "xhdk"
      }
    }
  }
}
// 这个时候我们就查询到了结果
{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 0.6931472,
    "hits" : [
      {
        "_index" : "products",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 0.6931472,
        "_source" : {
          "productID" : "XHDK-A-1293-#fJ3",
          "desc" : "iPhone"
        }
      }
    ]
  }
}
// 如果我们想要对这个编号精准搜索的话。那么我们只需要对他的keyword 进行搜索
POST /products/_search
{
    "query": {
      "term": {
        "productID.keyword": {
          "value": "XHDK-A-1293-#fJ3"
        }
      }
    }
}
// 返回结果
{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 0.6931472,
    "hits" : [
      {
        "_index" : "products",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 0.6931472,
        "_source" : {
          "productID" : "XHDK-A-1293-#fJ3",
          "desc" : "iPhone"
        }
      }
    ]
  }
}
Term 不会做分词，如果希望做一个完全匹配的话，可以选择使用keyword

ES 会默认给Text的field添加一个keyword属性
Term搜索也会有用一个算分结果的

复合查询 - Constant Score 转为Filter
  • 将 Query 转成 Filter， 忽略 TF - IDF 计算，避免相关性算分的开销
  • Filter 是可以有效利用缓存的
举例
// 避免算分，节省系统开销
POST /products/_search
{
  "query": {
    "constant_score": {
      "filter": {
        "term": {
          "productID.keyword": "XHDK-A-1293-#fJ3"
        }
      }
    }
  }
}
// 查询结果 
{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "products",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "productID" : "XHDK-A-1293-#fJ3",
          "desc" : "iPhone"
        }
      }
    ]
  }
}

基于全文本的查询

  • 基于全文本的查找
    1. Match Query / Match Phrase Query / Query String Query
  • 特点
    1. 索引和搜索时都会进行分词，查询字符串先传递到一个合适的分词器，然后生成一个供查询的词项列表
    2. 查询时候，会先对输入的查询进行分词，然后每个词项逐个进行底层的查询，最终将结果进行合并，并为每个文档生成一个算分， - 例如 查Matrix reloaded, 会查到包括 Matrix 或者 reload 的所有结果
// 之举列子了，前面文章有提到 
// Match Query 
POST /movies/_search
{
  "query": {
    "match": {
      "title": {
        "query": "Matrix reloaded",
        "operator": "and"  // 表示必须存在 Matrix 和 reloaded 的 才能被搜索出来  or 的话，表示两个词语存在一个就可以了
      }
    }
  }
}
// Match Phrase Query
POST movies/_search
{
  "query": {
    "match_phrase": {
      "title": {
        "query": "Matrix reloaded",
        "slop": 5
      }
    }
  }
}

Match Query 查询过程

在这里插入图片描述

天才小熊猫12138584
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
elasticsearch中term与match的区别讲解
08-26
今天小编就为大家分享一篇关于elasticsearch中term与match的区别讲解，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧
elasticSearch查询语句DSL
06-27
在这篇资源中，我们将详细介绍如何使用DSL...最后，我们将分享一些实用技巧和最佳实践，帮助您充分发挥DSL在Elasticsearch中的优势。我们将探讨性能优化、查询调试和索引优化等关键主题，以提升查询效率和搜索准确性。
Elasticsearch Java API 的使用（17）—实现term查询、terms查询
zx711166的博客
09-06 7544
term查询 trem查询只可指定查询一个字段对应单个词条 public class EsMatchAll{ public void updateIndex(TransportClient client){ //查询所有（match_all） QueryBuilder qb = QueryBuilders.termQuery(&amp;amp;quot;interests&amp;amp;quot;, &amp;amp;quot;c
Elasticsearch中的Term查询和全文查询
最新发布
m0_60607927的博客
03-14 912
各位读者，由于本篇幅度过长，为了避免影响阅读体验，下面我就大概概括了整理了“name”: {这条语句的结果就能查询出第一和第四条数据，注意，虽然第四条数据中的是大写字母开头，但是索引的时候会将其转为小写进行索引，所以也能查询出结果。此时我们加入slot=1各位读者，由于本篇幅度过长，为了避免影响阅读体验，下面我就大概概括了整理了[外链图片转存中…(img-qxK9yC5d-1710347253286)][外链图片转存中…(img-wQtpnzY5-1710347253287)]
ElasticSearch_(10)term多种查询
Mikowoo007的博客
06-07 356
介绍 单词级别查询 这些查询通常用于结构化的数据，比如：number, date, keyword 等，而不是对 text 也就是说，全文本查询之前要先对文本内容进行分词、而单词级别的查询直接在相应字段的反向索引中精确查找，单词级别的查询一般用于数值、日期等类型的字段上 准备工作 使用 kibana 可视化工具 删除 nba 索引 创建 nba 索引 和 映射 PUT nba { "mappings": { "properties": { "birthDay":{
Elaticsearch查询 -Term查询
weixin_43796428的博客
06-19 1006
Elasitcsearch的字段精准查询，Term查询的使用语法与简介
ElasticSearch系列 - SpringBoot整合ES：精确值查询 term
你今天真好看呀
03-28 2341
文本也可以是结构化的。由于 “title” 字段的类型为 keyword，因此 term 查询会将查询关键词作为一个整体进行匹配，只有当文档中的 “title” 字段的值与查询关键词完全匹配时，才会返回匹配的文档。因此，如果需要对文档进行评分排序，可以使用查询语句（如 match 查询、bool 查询等），如果只需要返回精确匹配的文档，可以使用过滤器语句（如 term 查询、range 查询等）。但是，需要注意的是，term查询是精确匹配查询，只能用于搜索精确匹配的值，而不能用于搜索范围或模糊匹配的值。
ElasticSearch 常用的查询过滤语句
qiezikuaichuan的专栏
08-02 5868
http://www.cnblogs.com/ghj1976/p/5293250.html query 和  filter 的区别请看： http://www.cnblogs.com/ghj1976/p/5292740.html    Filter DSL   term 过滤 term主要用于精确匹配哪些值，比如数字，日期，布尔值或 not_analyzed 的字符串(未经分析的文
elasticsearch查询term等级（query查询）
white_while的博客
01-26 3603
elasticsearch查询笔记
elasticsearch查询操作（语句方式）
qq_42108331的博客
07-25 3084
elasticsearch查询操作（DSL语句方式）
Java如何使用elasticsearch进行模糊查询
08-25
主要介绍了Java如何使用elasticsearch进行模糊查询,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
Elasticsearch基于对象存储实践
11-10
Elasticsearch基于对象存储实践
wuzhc#zcnote#elasticsearch系列4-term查询1
07-25
为了配合本文的讲解，我们先导入一批数据match和term有什么区别使用match搜索文本时，es会先将文本进行分词，然后将分词后多个关键字再去搜索，而term
elasticsearch7常见查询（term、match、bool、filter、match）
热门推荐
星空的风fly
10-29 2万+
一、精准查询term term是代表完全匹配，即不进行分词器分析，文档中必须包含整个搜索的词汇 1、term单值 字段只有一个值时候，用term关键词查询 查询biz_id值为1909190023901225的记录 curl -XGET http://192.168.1.73:9200/xyerp/order/_search -H 'Content-Type: application/...
【Elasticsearch】 09-DSL语法详解-精确检索term、terms 、range
程序员小屋
08-18 1154
在 Elasticsearch 中，term、terms 和 range 查询是非常常用的查询语法。它们分别适用于精确匹配、多值精确匹配和范围查询的场景。通过熟练掌握它们的语法和参数，能够更灵活地进行数据查询和分析，提升数据处理的效率。
Elasticsearch(十)搜索---搜索匹配功能①--查询所有文档和term级别查询
学习不止境的博客
06-20 2049
之前的学习我们已经了解了搜索的辅助功能，从这一章开始就是ES真正核心的功能，搜索。针对不同的数据类型，ES提供了很多搜索匹配功能：既有进行完全匹配的term搜索，也有按照范围匹配的range搜索；既有进行分词匹配的match搜索，也有按照前缀匹配的suggesr搜索。我们同样也会通过在kibana上进行DSL的搜索示例，也会给出java客户端的使用代码。本节我们将介绍两个场景：查询所有文档和term级别的查询。
es查询语句，term和match的区别
qq_41829888的博客
12-03 3690
– es查询特定的数据 curl -H “Content-Type: application/json” --user es账号:es密码 -XGET “http://ip:9200/索引/_search?pretty” -d’{ “query”: { “term”: { “idCardNo”: { “value”: “要查询的人员证件号码********” } } } }’ term和match的区别： term代表完全匹配，也就是精确查询，搜索前不会再对搜索词进行分词拆解。 这里通过例子来说明，先存放一
Elasticsearch - 全文检索服务器
Carpediemn的博客
08-26 633
Elasticsearch - 全文检索服务器
elasticsearch Term suggester与Phrase Suggester的区别
07-25
Elasticsearch的Term Suggester和Phrase Suggester是用于查询建议的两个不同的功能。 Term Suggester主要用于根据用户输入的查询词来提供类似的词汇建议。它基于编辑距离（Levenshtein距离）算法来计算查询词与已有...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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