elasticsearch搜索中文分词理解、类似SQL语句中的"LIKE”条件的模糊搜索以及忽略大小写搜索

最新推荐文章于 2025-04-24 18:12:56 发布
最新推荐文章于 2025-04-24 18:12:56 发布
阅读量1.5w 收藏 19
点赞数 6
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/zhangqiang_accp/article/details/80422820
版权
本文介绍Elasticsearch在高并发场景下的应用，涵盖索引建立、分词查询、数据检索及JAVA示例等内容。

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

elasticsearch作为一款搜索引擎，应用于数据库无法承受前端的搜索压力时，采用其进行数据的搜索。可以大并发架构设计中一种选择，以下是elasticsearch搜索引擎的部分规则，在实际应用中可以让我们快速熟悉和帮助解决一些问题。

01》不进行分词的索引建立

URL： es_index_test

{
  "settings": {
    "index": {
      "number_of_shards": "4",
      "number_of_replicas": "1"
    }
  },
  "mappings": {
    "es_index_type_test": {
      "properties": {
        "productId": {
          "type": "text"
        },
        "productName": {
          "type": "keyword",
          "index": "true"
        }
      }
    }
  }

}

说明：“productName”属性建立索引时，将其设置为不进行分词设置。利用wildcard搜索方式，可以实现MYSQL中的LIKE效果。例如：文档{"productId":10001,"productName":"山鸡图"}，可以用{"query":{"wildcard":{"productName":"*鸡*"}}}，搜索出来。

02》需要进行分词的索引建立

URL： es_index_test

{
  "settings": {
    "index": {
      "number_of_shards": "4",
      "number_of_replicas": "1"
    }
  },
  "mappings": {
    "es_index_type_test": {
      "properties": {
        "productId": {
        "type": "text"
        },
        "productName": {
          "type": "text",
          "analyzer": "ik_max_word",
          "search_analyzer": "ik_max_word"
        }
      }
    }
  }

}

说明：“productName”属性建立索引时，将其设置为进行分词设置。elasticsearch默认针对中文的分词是按照一个中文字符，就是一个分词。例如：文档{"productId":10001,"productName":"山鸡图"}中,会拆分为“山”、“鸡”和“图”三个分词。中文分词的拆分，可以安装ik分词器进行分词拆分。例如：文档{"productId":10001,"productName":"山鸡图"}中，会拆分为“山鸡”和“图”两个分词。中文短句具体拆分成哪些分词是ik分词器的字典来识别的，此字典可以根据实际情况进行调整。

03》忽略大小写的索引建立

URL： es_index_test
{
  "settings": {
    "index": {
      "number_of_shards": "10",
      "number_of_replicas": "3"
    },
    "analysis": {
      "normalizer": {
        "es_normalizer": {
          "filter": [
            "lowercase",
            "asciifolding"
          ],
          "type": "custom"
        }
      }
    }
  },
  "mappings": {
    "es_index_test": {
      "properties": {
        "productId": {
          "type": "text"
        },
        "productName": {
          "type": "keyword",
          "normalizer": "es_normalizer",
          "index": "true"
        }
      }
    }
  }

}

说明：“productName”属性建立索引时，将其设置为忽略大小写。

04》分词查询

URL：es_index_test/es_index_type_test/_analyze

  • ik分词器以“ik_max_word”方式拆分
{
  "analyzer":"ik_max_word",
  "text":"中华人民共和国"

}

  • 结果

{
  "tokens": [
    {
      "end_offset": 7,
      "start_offset": 0,
      "position": 0,
      "type": "CN_WORD",
      "token": "中华人民共和国"
    },
    {
      "end_offset": 4,
      "start_offset": 0,
      "position": 1,
      "type": "CN_WORD",
      "token": "中华人民"
    },
    {
      "end_offset": 2,
      "start_offset": 0,
      "position": 2,
      "type": "CN_WORD",
      "token": "中华"
    },
    {
      "end_offset": 3,
      "start_offset": 1,
      "position": 3,
      "type": "CN_WORD",
      "token": "华人"
    },
    {
      "end_offset": 7,
      "start_offset": 2,
      "position": 4,
      "type": "CN_WORD",
      "token": "人民共和国"
    },
    {
      "end_offset": 4,
      "start_offset": 2,
      "position": 5,
      "type": "CN_WORD",
      "token": "人民"
    },
    {
      "end_offset": 7,
      "start_offset": 4,
      "position": 6,
      "type": "CN_WORD",
      "token": "共和国"
    },
    {
      "end_offset": 6,
      "start_offset": 4,
      "position": 7,
      "type": "CN_WORD",
      "token": "共和"
    },
    {
      "end_offset": 7,
      "start_offset": 6,
      "position": 8,
      "type": "CN_CHAR",
      "token": "国"
    }
  ]

}

  • ik分词器以“ik_smart”方式拆分

{
  "analyzer":"ik_smart",
  "text":"中华人民共和国"

}

  • 结果

{

"tokens": [

    {
      "end_offset": 7,
      "start_offset": 0,
      "position": 0,
      "type": "CN_WORD",
      "token": "中华人民共和国"
    }
  ]

}

  • ES默认

{
  "text":"中华人民共和国"

}

  • 结果

{

  "tokens": [
    {
      "end_offset": 1,
      "start_offset": 0,
      "position": 0,
      "type": "<IDEOGRAPHIC>",
      "token": "中"
    },
    {
      "end_offset": 2,
      "start_offset": 1,
      "position": 1,
      "type": "<IDEOGRAPHIC>",
      "token": "华"
    },
    {
      "end_offset": 3,
      "start_offset": 2,
      "position": 2,
      "type": "<IDEOGRAPHIC>",
      "token": "人"
    },
    {
      "end_offset": 4,
      "start_offset": 3,
      "position": 3,
      "type": "<IDEOGRAPHIC>",
      "token": "民"
    },
    {
      "end_offset": 5,
      "start_offset": 4,
      "position": 4,
      "type": "<IDEOGRAPHIC>",
      "token": "共"
    },
    {
      "end_offset": 6,
      "start_offset": 5,
      "position": 5,
      "type": "<IDEOGRAPHIC>",
      "token": "和"
    },
    {
      "end_offset": 7,
      "start_offset": 6,
      "position": 6,
      "type": "<IDEOGRAPHIC>",
      "token": "国"
    }
  ]

}

说明：以上三种分词拆分的方式不一样，最终产生分词的结果不相同。

05》数据查询-wildcard

URL： es_index_test/es_index_type_test/_search
{
  "query":{"wildcard":{"productName": "山鸡图" }}

}

说明：wildcard种查询方式需要结合方法支持匹配符合，例如：*鸡*,ES会去匹配，在JAVA程序中构建采用。JAVA程序中采用QueryBuilders类的wildcardQuery(String name, Object text)方法。

06》数据查询-match

URL：es_index_test/es_index_type_test/_search
{
  "query":{"match":{"productName": "山鸡图" }}

}

说明：查询时会根据分词进行匹配，例如：“山鸡图”ES拆分为“山鸡”和“图”两个分词到ES搜索引擎内筛选出记录，最后将符合记录的数据返回。返回的记录可能包含，山鸡汤（包含“山鸡”）和山虎图（包含“图”分词）。JAVA程序中采用QueryBuilders类的matchQuery(String name, Object text)方法。

07》数据查询-term

URL： es_index_test/es_index_type_test/_search
{
  "query":{
    "term":{
      "productName":"山鸡图"
    }
  }
}
说明：只有分词完全匹配“山鸡图”这三个字后，才可以返回数据。JAVA程序中采用QueryBuilders类的termQuery(String name, Object value)方法。

08》数据查询-terms

URL： es_index_test/es_index_type_test/_search

{
  "query":{
    "terms":{
      "productName":["山鸡图","山虎图"]
    }
  }

}

说明：分词匹配“山鸡图”和“山虎图”返回记录。JAVA程序中采用QueryBuilders类的termsQuery(String name, String... values)方法。

09》删除查询出来的结果集

URL：es_index_test/es_index_type_test/_delete_by_query

{
  "query":{"wildcard":{"productName": "*鸡*" }}

}

说明：删除产品名称包含“鸡”字文档。

10》elasticsearch中JAVA实例

1、ElasticSearchProperties 
package com.jd.ccc.sys.biz.yb.op.notice.config;

import org.springframework.boot.context.properties.ConfigurationProperties;
import org.springframework.stereotype.Component;

import lombok.Data;

/**
 * ElasticSearch搜索引擎配置参数 
 * 具体参数的配置信息在yml文件内
 * 
 * @create 2018-5-10
 * @author zhangqiang200<https://blog.youkuaiyun.com/zhangqiang_accp>
 *
 */
@Data
@Component
@ConfigurationProperties(prefix = "elasticsearch")
public class ElasticSearchProperties {
   /**
    * 集群名
    */
   private String clusterName;
   /**
    * 索引名称
    */
   private String indexName;

   /**
    * 类型名称
    */
   private String typeName;

   /**
    * 主节点
    */
   private String masterNode;

   /**
    * 从节点
    */
   private String slaveNodes;

}
2、ElasticSearchConfig 
package com.jd.ccc.sys.biz.yb.op.notice.config;

import java.net.InetAddress;
import java.net.UnknownHostException;

import org.elasticsearch.client.Client;
import org.elasticsearch.client.transport.TransportClient;
import org.elasticsearch.common.settings.Settings;
import org.elasticsearch.common.transport.InetSocketTransportAddress;
import org.elasticsearch.transport.client.PreBuiltTransportClient;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.context.properties.EnableConfigurationProperties;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

/**
 * 
 * 初始化一个ES搜索引擎配置
 * 
 * @create 2018-5-10
 * @author zhangqiang200<https://blog.youkuaiyun.com/zhangqiang_accp>
 *
 */
@Configuration
@EnableConfigurationProperties(ElasticSearchProperties.class)
public class ElasticSearchConfig {
   
    private static final Logger LOGGER = LoggerFactory.getLogger(ElasticSearchConfig.class);
   
   @Autowired
   private ElasticSearchProperties elasticSearchProperties;
   
   private static final String SYS_PROPERTY="es.set.netty.runtime.available.processors";
   
   private static final String CLUSTER_NAME="cluster.name";
   
   private static final String CLIENT_SNIFF="client.transport.sniff";

   @Bean(name="elasticSearchCluster")
   public Client getClient() {

      System.setProperty(SYS_PROPERTY, "false");
      Settings settings = Settings.builder().put(CLUSTER_NAME, elasticSearchProperties.getClusterName())
            .put(CLIENT_SNIFF, false).build();
      
      TransportClient transportClient = null;
      try {

         String[] masters = elasticSearchProperties.getMasterNode().split(":");
         transportClient = new PreBuiltTransportClient(settings).addTransportAddress(
               new InetSocketTransportAddress(InetAddress.getByName(masters[0]), Integer.parseInt(masters[1])));

         String[] slaveNodes = elasticSearchProperties.getSlaveNodes().split(",");// 逗号分隔

         //遍历从库信息
         for (String node : slaveNodes) {
            String[] ipPort = node.split(":");// 冒号分隔
            if (ipPort.length == 2) {
               transportClient.addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName(ipPort[0]),
                     Integer.parseInt(ipPort[1])));
            }
         }
         return transportClient;
      } catch (UnknownHostException e) {
         LOGGER.error("ES 客户端连接失败.{}",e);
         return null;
      }
   }

}
3、服务层操作 
/**
 * 查询模糊搜索产品列表的总记录数
 *
 * @param likeProductName
 *            模糊搜索产品名称的关键字
 * @param type
 *            产品类型
 * @return 总记录数
 *
 * @create 2018-5-9
 * @author zhangqiang200<https://blog.youkuaiyun.com/zhangqiang_accp>
 */
private Integer queryCount(String likeProductName, String type) {
    BoolQueryBuilder builder=this.builderQueryData(likeProductName, type);
    try {
        SearchResponse searchResponse = elasticSearchCluster.prepareSearch(elasticSearchProperties.getIndexName())
                .setTypes(elasticSearchProperties.getTypeName()).setQuery(builder)
                .setSearchType(SearchType.DEFAULT).get();
        SearchHits hits = searchResponse.getHits();
        return (int)hits.getTotalHits();
    }catch(Exception e) {
        LOGGER.error("Server access failure,{}",e);
        return 0;
    }
}

/**
 * 拼接模糊查询筛选条件
 *
 * @param likeProductName
 *            模糊搜索产品名称的关键字
 * @param type
 *            产品类型
 * @return 筛选条件字符串
 *
 * @create 2018-5-9
 * @author zhangqiang200<https://blog.youkuaiyun.com/zhangqiang_accp>
 */
private BoolQueryBuilder builderQueryData(String likeProductName, String type) {
    BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery();
    boolQueryBuilder.must(QueryBuilders.matchQuery(PRODUCT_STATUS, "03"));
    if(StringUtils.isNotBlank(likeProductName)) {
        boolQueryBuilder.must(QueryBuilders.wildcardQuery(PRODUCT_NAME,"*"+likeProductName+"*"));
    }
    // 类型不为空
    if (StringUtils.isNotBlank(type)) {
        String[] types = type.split(",");
        if (types.length == 1) {
            boolQueryBuilder.must(QueryBuilders.matchQuery(INST_TYPE,type));
        } else {
            boolQueryBuilder.must(QueryBuilders.termsQuery(INST_TYPE, types));
        }
    }
    LOGGER.debug("wild card query-->{}",boolQueryBuilder.toString());
    return boolQueryBuilder;
}

/**
 * 模糊查询商品列表数据
 * @param likeProductName 模糊搜索产品名称的关键字
 * @param type 产品类型
 * @param startIndex 开始索引
 * @param pageSize 每页大小
 * @returnW
 *
 * @create 2018-5-9
 * @author zhangqiang200<https://blog.youkuaiyun.com/zhangqiang_accp>
 */
private List<String> queryData(String likeProductName, String type, int startIndex, int pageSize) {
    List<String> resultList = new ArrayList<>();
    BoolQueryBuilder builder=this.builderQueryData(likeProductName, type);
    try {

        SearchResponse searchResponse = elasticSearchCluster.prepareSearch(elasticSearchProperties.getIndexName())
                .setTypes(elasticSearchProperties.getTypeName()).setQuery(builder)
                .setSearchType(SearchType.DEFAULT).setFrom(startIndex).setSize(pageSize).get();
        SearchHit[] hits = searchResponse.getHits().getHits();


        for (SearchHit hit : hits) {
            resultList.add(hit.getSourceAsString());
        }
    }catch(Exception e) {
        LOGGER.error("Server access failure,{}",e);
    }

    return resultList;
}

单纯的心
关注
Elasticsearch 实现类似SQL语句中like %关键字% 的单纯模糊查询（不进行分词）
gmHappy
01-05 1万+
一、前言 1.1 需求描述 用Elasticsearch 实现类似SQL中like的功能（'%aaa%'），查询数据时，要前后模糊匹配，不要分词（用户输入AAA,检索的结果中AAA需要连在一起，不能是AABA） 1.2 所需知识点 1.2.1 phrase-matching phrase-matching 短语匹配 类似 match 查询， match_phrase 查询首先将查询字符串解析成一个词项列表，然后对这些词项进行搜索，但只保留那些包含全部搜索词项，且位置与搜索词项相同的文档。 比如对于quick
【商城实战(58)】Elasticsearch：商城全文搜索的破局利器
邓邓子的博客
03-22 1094
本文围绕商城搜索功能展开，指出 MySQL 全文索引在数据量增长及复杂搜索需求下出现性能、分词、扩展性等困境。Elasticsearch 则凭借分布式架构、实时索引更新、强大分词与相关性排序功能成为理想替代方案。文中详细介绍其搭建过程，包括环境准备、引入项目、配置索引结构等。还阐述了商品数据从 MySQL 同步至 Elasticsearch 的方案及基于 Canal 的实现，通过测试用例验证搜索功能，并针对性能问题提出优化建议，最后对全文搜索技术未来发展进行展望。
ElasticSearch中实现模糊查询效果（类似数据库中like功能）
iaoyou1的博客
05-15 6928
主要实现elasticsearch的模糊查询效果，类似关系数据库的like，es的现有模糊匹配api无法满足需求场景。
【ES实战】Elasticsearch中模糊匹配类的查询
最新发布
顧棟的博客
04-24 1587
Elasticsearch中能有模糊匹配效果的查询方式
使用Elasticsearch实现sql的like的功能并测试性能
apply_bomb的博客
06-15 584
不同版本Elasticsearch语法不同本文使用的Elasticsearch是6.8.0原理使用Elasticsearch自带分词器ngram，将句子短语逐字按步长完全拆分出来加入倒排索引中，搜索无需分词直接查询。顺带举例下分词器ngram的分词效果例如句子：你要购买什么结果：见本文下方的"查看某个id的文档的字段拆分出的实际结果"
elasticsearch进行类似mysql的like查询
m0_67392126的博客
08-16 1057
在使用es查询日志的时候，需要按照ip进行模糊查找，经测试match，match_pharse都不能满足需求，下述方式可以满足。
ElasticSearch模糊查询（中文检索）
m0_54850825的博客
03-25 1338
# "*" 表示匹配任意字符 GET /lib4/user/_search { "query": { "wildcard": {"name": "赵*"} } } # "?" 表示匹配任意一个字符 GET /lib4/user/_search { "query": { "wildcard": {"name": "li?i"} } } fuzzy实现模糊查询 uzzy 查询是 term 查询的模糊等价。 a、是包含（contains）操作，而非等值（equals）（判断）。
Elasticsearch——搜索API详解
smart_an的专栏
07-29 1471
场景：例如想要搜索博客信息，搜索的关键字是java，但是我们希望能够将评分较高的博客优先展示出来。但是默认的评分策略是没有办法考虑到评分的，他只是考虑相关性，这个时候可以通过 function_score query 来实现。PUT /blog"title": {},"votes": {"title": "Java集合详解","title": "Java多线程详解，Java锁详解","query": {"match": {默认情况，votes为10的评分更高。
Elasticsearch（Es搜索（简单使用、全文查询、复合查询）、地理位置查询、特殊查询、聚合操作、桶聚合、管道聚合)
weixin_43360488的博客
09-24 3695
match_phrase_prefix 是针对分片级别的查询，假设 max_expansions 为 1，可能返回多个文档，但是只有一个词，这是我们预期的结果。有的时候实际返回结果和我们预期结果并不一致，原因在于这个查询是分片级别的，不同的分片确实只返回了一个词，但是结果可能来自不同的分片，所以最终会看到多个词。换句话说，上面的查询和下面的查询等价。即 term 查询，就是根据词去查询，查询指定字段中包含给定单词的文档，term 查询不被解析，只有搜索的词和文档中的词精确匹配，才会返回文档。
Day6 微服务 Elasticsearch搜索引擎、Kibana编写请求、倒序索引、正向索引、IK分词器、索引库操作、文档操作、JavaRestClient客户端
2301_77358195的博客
01-19 678
分词器的作用是什么？创建倒排索引时，对文档进行分词用户搜索时，对输入的内容分词IK分词器有几种模式？ik_smart：智能切分，粗粒度：最细切分，细粒度IK分词器如何拓展词条？如何停用词条？利用config目录的文件添加拓展词典和停用词典在词典中添加拓展词条或者停用词条索引库操作有哪些？创建索引库：PUT/索引库名查询索引库：GET/索引库名删除索引库：DELETE/索引库名修改索引库，添加字段：PUT/索引库名/_mapping。
使用es实现个人博客的模糊搜索,搜索推荐
Mark姚
07-18 3429
使用ElasticSearch完成文档的模糊搜索，高亮显示，搜索推荐等功能
springboot整合elasticsearch实现类似于mysql的like查询
HelloTheWorld100的博客
07-05 1888
springboot整合elasticsearch、RestHighLevelClient实现多字段模糊查询及时间段查询
Elasticsearch实现Mysql的Like效果
程序员半支烟，wechat：yclxiao
04-28 1501
为实现模糊匹配的搜索效果，通常有两种方式，其中之一是match_phrase，先说说match_phrase。match_phrase短语匹配会对检索内容进行分词，要求这些分词在被检索内容中全部存在，并且顺序必须一致。默认情况下，这些词必须是连续的。Wildcard Query 是使用通配符表达式进行查询匹配。?，使用?来匹配任意字符。*，使用 * 来匹配 0 或多个字符。"query": {"customerName": "*测试*"
【ElasticSearch查询忽略大小写】
一只不想做开发的猿猴
11-24 2629
ElasticSearch数据查询忽略大小写问题解决思路
Elasticsearch实现类似 like '?%' 搜索
记事本
10-18 5603
  在做搜索的时候，下拉联想词的搜索肯定是最常见的一个场景，用户在输入的时候，要自动补全词干，说得简单点，就是以...开头搜索，如果是数据库，一句SQL就很容易实现，但在elasticsearch如何实现呢？ 大家可能会立马想到用elasticsearch自带的suggest功能，确实，在一些初级应用场景，特别是数据量比较少的情况下，suggest可以快速简易的解决问题。 在数据量比较大的时...
实战elasticSearch实现mysql的like搜索效果
phplife的电子商务网上商城专栏
05-10 1766
实战elasticSearch实现mysql的like搜索效果，并且支侍多个字段的联合搜索效果和订单号后几位的这种mysql无法使用索引的搜索保在ES中创建索引并且如保高效使用索引
elasticsearch实现like查询
热门推荐
祈雨v的博客
05-09 1万+
问题 elasticsearch查询需要实现类似于mysql的like查询效果，例如值为hello中国233的记录，即可以通过中国查询出记录，也可以通过llo查询出记录。 但是elasticsearch的查询都是基于分词查询，hello中国233会默认分词为hello、中、国、233。当使用hello查询时可以匹配到该记录，但是使用llo查询时，匹配不到该记录。 解决 由于记录内容分词的结果的粒度...
es 查询like‘91%’
04-04
<think>好的，用户想在Elasticsearch中实现类似SQL的LIKE '91%'的功能，也就是匹配以'91'开头的数据。我需要先回忆一下Elasticsearch中用于模糊查询的方法。 首先，Elasticsearch不像SQL那样直接支持LIKE操作符，但有几种方式可以实现类似效果。常见的模糊查询方法有wildcard查询、prefix查询，还有使用ngram分词器配合match_phrase_prefix等方法。 用户提到的是以'91%'开头，也就是前缀匹配。这时候，prefix查询可能是最直接的选择，因为它专门用来匹配以特定前缀开头的词项。不过要注意的是，prefix查询对大小写敏感，并且要求字段是keyword类型，因为它是基于词项的精确匹配。如果字段是text类型，可能需要使用子字段.keyword来进行查询。 另外，wildcard查询也支持通配符，比如使用'91*'来匹配以91开头的任何字符串。但wildcard查询在性能上可能不如prefix高效，尤其是在处理大量数据时，因为它需要扫描更多的词项。同时，通配符查询的开销较大，特别是如果模式以通配符开头的话，比如'*91'，但这里的情况是前缀，所以性能影响可能较小。 还有一种方法是使用ngram分词器，将文本分解成更小的片段，然后进行匹配。例如，设置min_gram为2，这样每个两个字符的组合都会被索引。然后可以使用match_phrase_prefix来查找以'91'开头的短语。这种方法可能在索引时增加存储开销，但查询时会更高效，尤其是对于较长的前缀。 接下来需要考虑用户的实际应用场景。如果用户的数据量不大，或者查询频率不高，使用prefix或wildcard查询可能已经足够。但如果有高性能需求或大数据量，可能需要优化索引结构，比如使用ngram分词器。 同时，还要提醒用户注意字段的类型。如果字段是text类型，默认情况下会被分词，而prefix或wildcard查询需要的是未分词的keyword类型。因此，正确的字段映射非常重要。例如，确保字段是keyword类型，或者在text类型字段中有一个keyword子字段。 例如，用户的映射可能需要类似这样的结构： ```json { "mappings": { "properties": { "field_name": { "type": "text", "fields": { "keyword": { "type": "keyword" } } } } } } ``` 这样，在查询时可以使用field_name.keyword来进行前缀匹配。 此外，还需要考虑查询的性能问题。prefix查询在Lucene中是优化的，因为它可以利用倒排索引的结构来快速定位前缀匹配的文档。而wildcard查询可能需要遍历更多的词项，特别是当通配符模式复杂时。因此，在可能的情况下，优先使用prefix查询。 最后，用户可能需要查看实际返回的结果是否符合预期。如果存在大小写不一致的情况，可能需要将数据规范化（如全部转为小写）或在查询时进行处理，比如使用通配符时忽略大小写，但Elasticsearch的wildcard查询默认是区分大小写的，所以需要注意这一点。 总结下来，可能的解决方案有： 1. 使用prefix查询，适用于keyword类型的字段，匹配以'91'开头的精确前缀。 2. 使用wildcard查询，支持更复杂的通配符模式，但性能可能较低。 3. 使用ngram分词器结合match_phrase_prefix，适合更灵活的匹配，但需要调整索引设置。 需要根据用户的具体需求和数据情况推荐最合适的方案，并提醒相关的注意事项，如字段类型、性能影响和大小写敏感问题。</think>在Elasticsearch中实现类似SQL的`LIKE '91%'`功能，可以通过以下方法实现： --- ### 方法1：使用`prefix`查询（推荐） 适用于精确前缀匹配，要求字段类型为`keyword`： ```python from elasticsearch import Elasticsearch es = Elasticsearch(hosts=["http://localhost:9200"], timeout=30) query = { "query": { "prefix": { "field_name.keyword": { # 替换为实际字段名 "value": "91" } } } } result = es.search(index="your_index", body=query) ``` - **原理**：直接匹配以`91`开头的词项，性能高效[^3] - **注意**：字段需为`keyword`类型（或使用`.keyword`子字段） --- ### 方法2：使用`wildcard`查询 支持更复杂的通配符模式： ```python query = { "query": { "wildcard": { "field_name.keyword": { "value": "91*" # *表示任意字符 } } } } ``` - **特点**：支持`*`（多字符）和`?`（单字符）通配符 - **缺点**：性能略低于`prefix`查询，避免开头使用通配符（如`*91`） --- ### 方法3：使用`ngram`分词器（大数据量优化） 1. **定义索引映射**： ```json { "settings": { "analysis": { "analyzer": { "ngram_analyzer": { "tokenizer": "ngram_tokenizer" } }, "tokenizer": { "ngram_tokenizer": { "type": "ngram", "min_gram": 2, "max_gram": 3 } } } }, "mappings": { "properties": { "field_name": { "type": "text", "analyzer": "ngram_analyzer" } } } } ``` 2. **查询语句**： ```python query = { "query": { "match_phrase_prefix": { "field_name": "91" } } } ``` --- ### 关键差异对比 | 方法 | 适用场景 | 性能 | 字段类型要求 | |-----------|--------------------|-----|--------------| | `prefix` | 简单前缀匹配 | 高 | `keyword`类型 | | `wildcard` | 复杂模式匹配 | 中 | `keyword`类型 | | `ngram` | 高频前缀查询的大数据场景 | 最高 | 需自定义分词器 | --- ### 注意事项 1. 若字段为`text`类型，需通过`字段名.keyword`访问原始值 2. 避免在`wildcard`中使用`*`开头，会导致全索引扫描 3. 使用`ngram`分词器会显著增加索引存储空间
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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