Elasticsearch 模糊查询 wildcard、regexp、prefix选型

本文探讨了Elasticsearch中wildcard、regexp、prefix查询的使用场景与性能考量,特别是针对Numericdatatypes和文本类型的处理策略,以及如何通过profile语法优化查询。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

之前讲过Elasticsearch 的wildcard(通配符查询)、regexp(正则查询)、prefix(前缀查询),他们都是致力于模糊搜索,然后在实际的项目中该如何选择,稍不注意就可能到很大性能问题。

使用方式这里就不再赘述了,他们都是基于词条查询,它们也需要遍历倒排索引中的词条列表来找到所有的匹配词条,然后逐个词条地收集对应的文档ID。

针对Numeric datatypes(long, integer, short, byte, double, float....)

基本上不要使用,那样做意义真的不大,另外要关注下数值类型和Term Query有重大变化的介绍。

针对文本类型text和keyword)

这一类大概是主流需求,

当搜索字段是text类型时由于它会分词在执行wildcard、regexp、prefix时和es会检查字段中的每个词条,而不是整个字段。

当搜索字段是keyword类型时在执行wildcard、regexp、prefix时和es会检查字段中整个文本

prefix查询

如果满足你的需求,前缀匹配是优于wildcard和regexp。

regexp查询和wildcard查询

避免使用一个以通配符开头的模式(比如,*foo或者正则表达式: .*foo),运行这类查询是非常消耗资源的。

最后再提醒下,如果你想了解它的执行过程及耗时情况(优化项从这里分析),查询是添加profile语法

Elasticsearch 中,模糊询是一种非常强大的功能,它允许用户通过不完全匹配的方式检索数据。这种能力对于构建灵活的搜索体验至关重要。以下是实现模糊询的一些方法和技术指南。 ### 模糊询的基本概念 模糊询基于编辑距离算法(Levenshtein Distance),它可以确定两个字符串之间的差异程度。Elasticsearch 使用这个概念来找与给定关键词相似但不完全相同的文档。默认情况下,`fuzziness` 参数设置为 `AUTO`,这意味着 Elasticsearch 会自动根据词项长度选择合适的编辑距离阈值 [^1]。 ### 使用 Kibana 进行基本的模糊询 你可以使用 Kibana 的 Dev Tools 来执行一个简单的模糊询。下面是一个例子,展示如何对某个字段进行模糊询: ```json GET /_search { "query": { "match": { "message": { "query": "quick brown fox", "fuzziness": "AUTO" } } } } ``` 在这个示例中,`message` 字段将被用来进行模糊匹配,而 `"fuzziness": "AUTO"` 表示让 Elasticsearch 自动决定最佳的模糊级别 [^1]。 ### 高亮显示匹配内容 当你执行模糊询时,通常希望高亮显示匹配的部分以便于用户识别。可以通过添加 `highlight` 参数来实现这一点: ```json GET /_search { "query": { "match": { "content": { "query": "elasticsearch", "fuzziness": "AUTO" } } }, "highlight": { "fields": { "*": {} } } } ``` 这段代码不仅执行了模糊询,还启用了高亮功能,使得所有匹配的结果中的相关部分都会被突出显示 [^1]。 ### 利用 Spring Data Elasticsearch 实现模糊询 如果你正在使用 Java 并且利用 Spring Boot 框架,那么可以借助 Spring Data Elasticsearch 提供的抽象层来简化开发过程。例如,定义一个仓库接口如下所示即可支持模糊询: ```java public interface BookRepository extends ElasticsearchRepository<Book, String> { List<Book> findByNameContaining(String keyword); } ``` 这里 `findByNameContaining` 方法就支持了基于名称字段的模糊搜索 [^2]。 ### 多字段索引以支持精确和模糊询 为了同时支持某一字段上的精确询和模糊询,可以在映射(mapping)时配置该字段为 `multi_field` 类型。这样就可以分别指定不同的分析器用于不同类型的询需求: ```json "properties": { "source.strain": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } } } ``` 上述配置中,`source.strain` 被定义为文本类型并应用了标准分析器,适合做模糊询;而其子字段 `keyword` 则是未经过分析的原始字符串,适用于精确询 [^3]。 ### 使用通配符询实现模糊效果 除了直接使用 `match` 询外,还可以考虑采用 `wildcard` 询来达到类似的效果。这种方法特别适用于那些不需要分词处理的情况: ```json POST /indexname/_search { "query": { "wildcard": { "fieldname": { "value": "*value" } } } } ``` 此例中的 `wildcard` 询允许你使用星号(`*`)作为通配符来进行模式匹配,从而实现一种形式上的“模糊”询 [^4]。 ---
评论
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