Elasticsearch

各种ES相关知识学习博客：

Elasticsearch学习笔记
一文全览各种ES查询在Java中的实现
java-QueryBuilders进行查询:
分词器简介：
关于term、match、text、keyword实例简介：
狂神说相关笔记

ES-Java

ES相关基础知识

查询出来的结构体（注意查询结果的两层hits）

重点1：
关于term精准查询和match匹配查询的区别
1、term精准查询，直接查询精准的，需要完全匹配才可以(查询条件不进行分词)

2、match匹配查询，会先使用分词器解析！（先对查询条件进行分词，分词后进行match匹配，只要有一个匹配到可以目标值即可）

故,match会额外进行分词一次，所以会慢一些

3、Match - Multi_match

注意:
对于任何存储在ES中的数据，文本类型主要分为keyword和text两种
1、keyword不支持分词，默认就是一个整体
2、text类型的数据，默认自动会进行分词
3、重点注意上述的两个概念，一个是查询条件分词、一个ES中存储的数据分词。

三、分词器

一个 tokenizer（分词器）接收一个字符流，将之分割为独立的 tokens（词元，通常是独立的单词），然后输出 tokens 流。例如，whitespace tokenizer 遇到空白字符时分割文本。它会将文本 “Quick brown fox!” 分割为 [Quick, brown, fox!]。该 tokenizer（分词器）还负责记录各个 term（词条）的顺序或 position 位置（用于 phrase 短语和 word proximity 词近邻查询），以及 term（词条）所代表的原始 word（单词）的 start（起始）和 end（结束）的 character offsets（字符偏移量）（用于高亮显示搜索的内容）。Elasticsearch 提供了很多内置的分词器，可以用来构建 custom analyzers（自定义分词器）。

3.1.标准分词器Standard Tokenizer

standard分词器提供基于语法的分词（基于 Unicode 文本分割算法，如 Unicode 标准附件 #29 中所述）并且适用于大多数语言

POST _analyze
{
  "tokenizer": "standard",
  "text": "我是中国人"
}

3.ik分词器

es中默认的分词器，都是支持英文的，中文需要安装自己的分词器
1.ik_smart：智能分词

POST _analyze
{
  "tokenizer": "ik_smart",
  "text": "我是中国人"
}

2.ik_max_word：最大单词组合

POST _analyze
{
  "tokenizer": "ik_max_word",
  "text": "我是中国人"
}