我们使用Elasticsearch进行搜索的时候，可以使用单个词语来搜索，也可以使用多个词语来搜索，从而搜索出我们需要的文档。
在出题前，先简单的了解一些知识。
举例如下：
首先，我们使用 bulk API 创建一些新的文档和索引(bulk执行多条数据插入，批量操作)：
输出内容如下：
从图中可以看出，已经成功创建了文档，下面我想做单个词查询：查询 title中包含QUICK的文档。查询语句如下：使用 match 查询搜索全文字段中的单个词
前面插入了6条数据，执行这条查询后，你认为会返回几条数据呢？先思考一下： 0条？ 3条？ 还是全部？
下面输出的为匹配到的内容：id=1 ,2 ,3 的三条数据匹配
匹配查询 match 是个 核心 查询。无论需要查询什么字段， match 查询都应该会是首选的查询方式。 它是一个高级 全文查询 ，这表示它既能处理全文字段，又能处理精确字段。
这就是说， match 查询主要的应用场景就是进行全文搜索。
看到结果，也许你会疑惑，我查找的是QUICK(大写)，不是quick, 怎么输出都变成了小写呢？如果你看过之前的分析器的文章，你就会明白了，Elasticsearch默认会使用标准分析器，它会将输入的单词全部变成小写，这就是标准分析器(standard)的特点. 因此，这里输出的是小写的quick而不是大写的QUICK。
Elasticsearch 执行上面这个 match 查询的步骤是：
1. 检查字段类型
标题 title 字段是一个 字符串类型(text 可用于分词)，是一个可分析的全文字段，这意味着查询字符串本身也应该被分析(查看所属类型)
# 注意text与keyword的区别，前文分析器也有说明的
2. 分析查询字符串
将查询的字符串 QUICK 传入标准分析器中，输出的结果是单个项 quick 。因为只有一个单词项，所以 match 查询执行的是单个底层 term(词条) 查询。
3. 查找匹配文档
用 term(词条) 查询在倒排索引中查找 quick 然后获取一组包含该项的文档，本例的结果是文档：1、2 和 3
4. 为每个文档评分
用 term(词条) 查询计算每个文档相关度评分 _score ，这是种将 词频(term frequency，即词 quick 在相关文档的 title 字段中出现的频率)和反向文档频率(inverse document frequency，即词 quick 在所有文档的 title 字段中出现的频率)，以及字段的长度(即字段越短相关度越高)相结合的计算方式
看看各条数据的评分：
文档1的分数最高，也就是表示相关度最高，因为它在title中出现了两次。
文档2比文档3分数高，表示相关度更高，因为文档2的 title 字段更短，即 quick 占据内容的一大部分
了解了上面的知识后，我们再来看看 多词查询
如果我们一次只能搜索一个词，那么全文搜索就会不太灵活，幸运的是 match 查询让多词查询变得简单。
还是以上面post的6条数据举例：
执行下面的查询语句，查询title中包含"BROWN DOG!"的文档：
那么问题来了，请回答下面几个问题(原理跟单词查询类似)：
1)输出结果中是否有数据返回？
2)如果有输出，分别是那几条?
3)如果有输出，结果中按分数高低排名，怎么排？
请思考后认真回答，输出内容以及答案在后面，然后对照自己的对比下，看是否答对。
id: 2, 3 分数相同
id: 1, 5分数相同
答案： 共有5条数据输出，分数排名为：4> 2=3 > 1=5
剖析：
- 文档 4 最相关，因为它包含词 "brown" 两次以及 "dog" 一次
- 文档 2、3 同时包含 brown 和 dog 各一次，而且它们 title 字段的长度相同，所以具有相同的评分。
- 文档 1和5 也能匹配，因为各自匹配brown 、dog
- 文档6没有任何匹配，所以输出不包含文档6
上例查找中， match 查询必须查找两个词( ["brown
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
