本文介绍了ES中的Term-level queries，包括wildcard query、prefix query和fuzzy query的异同点，以及如何使用terms_set query检索Array类型的字段。强调了这些查询的性能特点和使用场景，如wildcard query的慢速，fuzzy query的编辑距离计算，以及terms_set query在处理不同匹配数量需求时的优势。最后提到了exists query和terms_set query的使用，并对Term-level queries做了总结。
【系统学es系列】请移步公众号！
带着问题学习才高效
1、wildcard query、prefix query、fuzzy query这3种模糊查询的异同点是什么？
2、如何使用 terms_set query检索Array类型的字段？
ps：文末有关于Term-level queries所有查询的总结！
01 wildcard query
检索包含通配符表达式(未分析)字段的文档。【ps：等价于mysql 的 like 查询】通配符 *：它匹配任何字符序列(包括空字符) 占位符 ?：它匹配任何单个字符。
请注意，此查询的速度可能很慢，因为它需要迭代许多项。为了防止极慢的通配符查询，通配符术语不应以通配符*或？之一开头。
wildcard query是很好理解的，简单看两个示例，学会DSL语句的编写即可。
1)通配符 *
GET /blogs_index/_search
{
"query": {
"wildcard" : { "author": "方*" }
}
}上述DSL语句，可以检索到所有文档。等价于sql【where author like "方%”】
2)占位符 ?
GET /blogs_index/_search
{
"query": {
"wildcard" : { "author": "方?" }
}
}上述DSL语句，检索结果为空。等价于sql【where author like "方_”】
02 prefix query
查找指定字段包含以指定确切前缀开头的术语的文档。
GET /_search
{ "query": {
"prefix" : { "author": "方" }
}
}该DSL等价于 wildcard query 的 "wildcard" : { "author": "方*" }，等价于sql【where author like "方%”】
03 fuzzy query
模糊查询使用基于Levenshtein编辑距离的相似度。是一种误拼写时的fuzzy模糊搜索技术，用于搜索的时候可能输入的文本会出现误拼写的情况。比如输入"方财兄"，这时候也要匹配到“方才兄”。
通过简单示例，理解 fuzzy query：
GET /blogs_index/_search
{
"query": {
"fuzzy" : {
"author": {
"value": "方财兄",
"fuzziness": 1,
"prefix_length": 1,
"max_expansions": 100
}
}
}
}
参数解释：fuzziness：最大编辑距离【一个字符串要与另一个字符串相同必须更改的一个字符数】。默认为AUTO。prefix_length：不会被“模糊化”的初始字符数。这有助于减少必须检查的术语数量。默认为0。max_expansions：fuzzy查询将扩展到的最大术语数。默认为50。transpositions：是否支持模糊转置(ab→ ba)。默认值为false。
上述DSL等价于sql【where author like “方_兄”or author like “方财_”or author like “方_财兄”or author like “方财_兄”or author like “方财兄_”】(会根据上述的4个参数穷尽所有可能组合)
注意：如果prefix_length将设置为0，并且max_expansions将设置为很高的数字，则此查询可能会很繁琐。这可能会导致索引中的每一项都受到检查！
04 exists query
1)查找指定字段包含任何非空值【不是null 也不是[ ]】的文档。【ps：等价于mysql 的 is null】
注意：这些值不属于空值1、空字符串，例如""或"-" 2、包含null和另一个值的数组，例如[null, "foo"] 3、自定义null-value，在字段映射中定义
简单看个示例，学会DSL语句的编写即可：
1、查询 title字段不为 null 的文档
GET /blogs_index/_search
{
"query": {
"exists" : { "field" : "title" }
}
}
2)查询为null的字段，应该使用：must_not + exists【ps：关于bool语句，TeHero在明天将为大家分享】
GET /blogs_index/_search
{
"query": {
"bool": {
"must_not": {
"exists": {
"field": "title"
}
}
}
}
}
05 terms_set query
返回的文档至少匹配一个或多个检索的术语。这些术语未进行分析，因此必须完全匹配。每个文档中必须匹配的术语数会有所不同，并由“最小匹配项”字段控制，或者由“最小匹配项”脚本中的每个文档计算。ps：terms_set query 在对Array类型的字段做检索时非常有用，特别是对于每个文档，需要匹配的数量不一致时。如果所有文档需要匹配的数量一致，可以使用match query替代。
1) 数据准备
PUT /term_set_index
{
"mappings": {
"_doc": {
"properties": {
"codes": {
"type": "keyword"
},
"required_matches": {
"type": "integer"
}
}
}
}
}
PUT /term_set_index/_doc/1?refresh
{
"codes": ["系统学习", "es","关注我"],
"required_matches": 2
}
PUT /term_set_index/_doc/2?refresh
{
"codes": ["系统", "学习"],
"required_matches": 1
}
ps：控制必须匹配术语的数量的字段必须是数字字段。
2) minimum_should_match_field
GET /term_set_index/_search
{
"query": {
"terms_set": {
"codes": {
"terms": [
"关注我",
"学习"
],
"minimum_should_match_field": "required_matches"
}
}
}
}分析：该DSL语句可以检索到文档2。对于文档1，需要至少匹配2个term，但是在检索terms里，只能匹配上【关注我】一个term，所以文档1不符合检索条件；对于文档2，只需要匹配一个term，刚好能匹配上检索terms里的【学习】。
3) minimum_should_match_script
GET /term_set_index/_search
{
"query": {
"terms_set": {
"codes": {
"terms": [
"系统学习",
"关注我"
],
"minimum_should_match_script": {
"source": " doc['required_matches'].value"
}
}
}
}
}等价于上一句DSL。
4) 与match query的比较
当每个文档的required_matches值都相同时，上述两句DSL与下面的match query 语句检索效果完全一致：
GET /term_set_index/_search
{
"query": {
"match": {
"codes" : {
"query": "系统学习 关注我",
"analyzer": "whitespace",
"minimum_should_match": 2
}
}
}
}分析：DSL语句使用 "analyzer": "whitespace", 所以query会被分词两个Token/term【系统学习】【关注我】。"minimum_should_match": 2，所以可以检索到文档1。
ps：关于Term-level queries 与 Full Text queries 的对比分析，使用场景对比，后续TeHero将详细为大家讲解！敬请期待哟！
07 仅用于了解的term-level queries
1) regexp query——使用正则表达式术语查询
GET /_search
{
"query": {
"regexp":{
"name.first": "s.*y"
}
}
}注意：regexp查询的性能在很大程度上取决于所选的正则表达式。匹配所有类似的东西.*都很慢，而且使用环视正则表达式也很慢。如果可能，应在正则表达式开始之前尝试使用长前缀。【ps，正在表达式，在日志系统使用较多，后面在Logstash系列，TeHero再为大家讲解】
2) type query
筛选与提供的文档/映射类型匹配的文档。【几乎无用，因为 type 在7.x已被弃用，并将在8.x版本中被删除】
GET /your_index/_search
{
"query": {
"type" : {
"value" : "_doc"
}
}
}
3) ids query
根据index的_id 字段检索文档
GET /_search
{
"query": {
"ids" : {
"type" : "_doc",
"values" : ["1", "4", "100"]
}
}
}
08 总结
到此我们已经学完Term-level queries 的11种查询，下面我们进行一个简单的总结：1、 所有的 Term-level queries 的检索关键词都不会分词；
2、term query 等价于sql【where Token = “检索词”】；
3、terms query 等价于sql【where Token in ( 检索词List )】；
4、range query 掌握Date Math 和对 range类型字段检索的 relation参数；
5、掌握 wildcard query、prefix query、fuzzy query 这3种模糊查询；
6、terms_set query 用于检索Array类型的字段，但文档中必须定义一个数字字段——表示最低匹配的term数量；
7、exists query 用于检索为null的字段，检索不为null的字段使用 must_not + exists。
下期预告：Compound queries之Bool query【关注公众号：方才编程，系统学习ES】
待续
你点的每个赞，我都认真当成了喜欢
扫一扫
5298
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
