Elasticsearch深入搜索—全文搜索

原创

于 2025-06-05 01:04:00 发布 · 1k 阅读

23 ·

CC 4.0 BY-SA版权

文章标签：

#elasticsearch #大数据 #搜索引擎

第1关：Elasticsearch匹配查询

代码

第2关：Elasitcsearch组合查询

代码

第1关：Elasticsearch匹配查询

任务描述
本关任务：顾客想要找出一本讲述三国时期的历史，或者具有反抗，斗争的书籍。请你帮他找出来。

相关知识
为了完成本关任务，你需要掌握：

匹配查询；
多词匹配查询。
基于词项与基于全文
所有查询会或多或少的执行相关度计算，但不是所有查询都有分析阶段。和一些特殊的完全不会对文本进行操作的查询（如 bool 或 function_score ）不同，文本查询可以划分成两大家族：基于词项的查询和基于全文的查询。

基于词项的查询
如 term 或 fuzzy 这样的底层查询不需要分析阶段，它们对单个词项进行操作。用 term 查询词项 Foo 只要在倒排索引中查找准确词项，并且用算法为每个包含该词项的文档计算相关度评分 _score 。记住 term 查询只对倒排索引的词项精确匹配，这点很重要，它不会对词的多样性进行处理（如 foo 或 FOO ）。这里，无须考虑词项是如何存入索引的。如果是将 ["Foo","Bar"] 索引存入一个不分析的（keyword）包含精确值的字段，或者将 Foo Bar 索引到一个带有 whitespace 空格分析器的字段，两者的结果都会是在倒排索引中有 Foo 和 Bar 这两个词。

基于全文的查询
像 match 或 query_string 这样的查询是高层查询，它们了解字段映射的信息：如果查询日期（date）或整数（integer）字段，它们会将查询字符串分别作为日期或整数对待。如果查询一个（keyword）分析的精确值字符串字段，它们会将整个查询字符串作为单个词项对待。但如果要查询一个（text）已分析的全文字段，它们会先将查询字符串传递到一个合适的分析器，然后生成一个供查询的词项列表。一旦组成了词项列表，这个查询会对每个词项逐一执行底层的查询，再将结果合并，然后为每个文档生成一个最终的相关度评分。

我们很少直接使用基于词项的搜索，通常情况下都是对全文进行查询，而非单个词项，这只需要简单的执行一个高层全文查询（进而在高层查询内部会以基于词项的底层查询完成搜索）。

匹配查询
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，我们以下面一个简单例子来说明全文搜索是如何工作的：

首先，我们使用 bulk API 创建一些新的文档和索引：

curl -H "Content-Type: application/json" -XPOST 'http://127.0.0.1:9200/my_index/my_type/_bulk?pretty' --data-binary @a.json
a.json 内容：

{ "index": { "_id": 1 }}
{ "title": "The quick brown dog" }
{ "index": { "_id": 2 }}
{ "title": "The quick brown fox jumps over the lazy dog" }
{ "index": { "_id": 3 }}
{ "title": "The quick jumps fox jumps over the quick dog" }
{ "index": { "_id": 4 }}
{ "title": "Brown fox jumps dog" }
我们用第一个示例来解释使用 match 查询搜索全文字段中的单个词：

curl -H "Content-Type: application/json" -XGET 'http://localhost:9200/my_index/my_type/_search?pretty' -d '{
"query": {
"match": {
"title": "Jumps"
}
}
}'
Elasticsearch 执行上面这个 match 查询的步骤是：

检查字段类型；
标题 title 字段是一个 text 类型已分析的全文字段，这意味着查询字符串本身也应该被分析。

分析查询字符串；
将查询的字符串 Jumps 传入标准分析器中，输出的结果是单个项 jumps 。因为只有一个单词项，所以 match 查询执行的是单个底层 term 查询。

查找匹配文档；
用 term 查询在倒排索引中查找 jumps 然后获取一组包含该项的文档，本例的结果是文档：2、3 和 4。

为每个文档评分。
用 term 查询计算每个文档相关度评分 _score ，这是种将词频（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（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。

{
...
"hits" : {
"max_score" : 0.39556286,
"hits" : [
{
"_id" : "3",
"_score" : 0.39556286,
"_source" : {
"title" : "The quick jumps fox jumps over the quick dog"
}
},
{
"_id" : "4",
"_score" : 0.21636502,
"_source" : {
"title" : "Brown fox jumps dog"
}
},
{
"_id" : "2",
"_score" : 0.15753464,
"_source" : {
"title" : "The quick brown fox jumps over the lazy dog"
}
}
]
}
}
文档 3 最相关，因为它的 jumps 出现了两次，也占据了内容的一大部分；文档 4 比文档 2 更具相关性，因为在文档 4 占据的内容更大。