Elasticsearch权威指南：深入理解match查询

Elasticsearch权威指南：深入理解match查询

elasticsearch-definitive-guide The Definitive Guide to Elasticsearch 项目地址: https://gitcode.com/gh_mirrors/el/elasticsearch-definitive-guide

什么是match查询

match查询是Elasticsearch中最基础、最常用的全文检索查询方式。作为高级全文查询，它能够智能地处理全文字段和精确值字段，是开发者进行搜索时的首选工具。

准备工作：建立测试索引

在深入探讨match查询前，我们先建立一个测试环境：

DELETE /my_index

PUT /my_index
{ "settings": { "number_of_shards": 1 }}

POST /my_index/my_type/_bulk
{ "index": { "_id": 1 }}
{ "title": "The quick brown fox" }
{ "index": { "_id": 2 }}
{ "title": "The quick brown fox jumps over the lazy dog" }
{ "index": { "_id": 3 }}
{ "title": "The quick brown fox jumps over the quick dog" }
{ "index": { "_id": 4 }}
{ "title": "Brown fox brown dog" }

这里我们特意将索引设置为单分片，这是为了避免分布式环境下相关性评分计算可能出现的偏差问题。

单字查询原理剖析

让我们从一个简单的单字查询开始：

GET /my_index/my_type/_search
{
    "query": {
        "match": {
            "title": "QUICK!"
        }
    }
}

这个查询的执行过程可以分为四个关键步骤：

1. 字段类型检查：系统首先确认title字段是已分析(analyzed)的字符串字段
2. 查询词分析：查询词"QUICK!"经过标准分析器处理后变为"quick"
3. 匹配文档查找：在倒排索引中查找包含"quick"的文档（文档1、2、3）
4. 相关性评分：基于TF-IDF算法计算每个文档的相关性得分

相关性评分详解

查询结果中，文档的排序不是随机的，而是基于精密的评分算法：

"hits": [
 {
    "_id":      "1",
    "_score":   0.5,
    "_source": {
       "title": "The quick brown fox"
    }
 },
 {
    "_id":      "3",
    "_score":   0.44194174,
    "_source": {
       "title": "The quick brown fox jumps over the quick dog"
    }
 },
 {
    "_id":      "2",
    "_score":   0.3125,
    "_source": {
       "title": "The quick brown fox jumps over the lazy dog"
    }
 }
]

评分结果说明：

• 文档1得分最高，因为其title字段最短，"quick"在内容中占比最大
• 文档3比文档2得分高，因为"quick"出现了两次
• 文档2虽然包含"quick"，但由于字段较长且"quick"只出现一次，得分最低

技术要点总结

1. 分析过程：match查询会对查询词进行与字段相同的分析处理
2. 查询转换：单字查询实际上会被转换为term查询执行
3. 评分因素：相关性评分考虑三个关键因素：
   • 词频(TF)：词项在文档中出现的频率
   • 逆文档频率(IDF)：词项在整个索引中的稀有程度
   • 字段长度：较短的字段权重更高

理解match查询的工作原理对于构建高效的搜索应用至关重要。它是Elasticsearch全文检索的基础，后续更复杂的查询大多都是在此基础上构建的。

elasticsearch-definitive-guide The Definitive Guide to Elasticsearch 项目地址: https://gitcode.com/gh_mirrors/el/elasticsearch-definitive-guide