- 微信
- 微博
  
  分享文章到微博
- 复制链接
  
  复制链接到剪贴板

Elasticsearch Query DSL之全文检索(Full text queries)

丁威发表于 2021/04/20 00:15:32 2021/04/20

【摘要】本节将详细介绍DSL全文搜索。全文查询包括如下几种模式： match query 标准的全文检索模式，包含模糊匹配、前缀或近似匹配等。match_phrase query 与match query类似，但只是用来精确匹配的短语。match_phrase_prefix query 与match_phrase查询类似，但是在最后一个单词上执行通配符搜索。multi_ma...

本节将详细介绍DSL全文搜索。
全文查询包括如下几种模式：

match query
标准的全文检索模式，包含模糊匹配、前缀或近似匹配等。
match_phrase query
与match query类似，但只是用来精确匹配的短语。
match_phrase_prefix query
与match_phrase查询类似，但是在最后一个单词上执行通配符搜索。
multi_match query
支持多字段的match query。
common terms query
相比match query，消除停用词与高频词对相关度的影响。
query_string query
查询字符串方式
simple_query_string query
简单查询字符串方式

本节目录

1、match query详解

1.1 match query使用示例与基本工作原理

全文索引查询，这意外着首先会对待查字符串（查询条件）进行分词，然后再去匹配，返回结果中会待上本次匹配的关联度分数。
例如存在这样一条数据：

"_source":{ "post_date":"2009-11-16T14:12:12", "message":"trying out Elasticsearch", "user":"dingw2" }

  
 
  1
  2
  3
  4
  5

使用如下查询条件：

"query": { "match" : { "message" : "this out Elasticsearch" } }

  
 
  1
  2
  3
  4
  5

其JAVA代码对应：

SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
sourceBuilder.query(QueryBuilders.matchQuery("message", "this out elasticsearch"));

  
 
  1
  2

其大体步骤如下：
首先对this out Elasticsearch分词，最终返回结果为 this、out、Elasticsearch，然后分别去库中进行匹配，默认只要一个匹配，就认为匹配，但会加入一个匹配程度（关联度），用scoce分数表示。

1.2 match query常用参数详解

operator（操作类型）
可选值为：Operator.OR 和 Operator.AND。表示对查询字符串分词后，返回的词根列表，OR只需一个满足及认为匹配，而AND则需要全部词根都能匹配，默认值为：Operator.OR。
minimum_should_match 最少需要匹配个数。
在操作类型为Operator.OR时生效，指明分词后的词根，至少minimum_should_match 个词根匹配，则命中。

"match" : { "message" : "this out Elasticsearch"， “minimum_should_match ”：“3”
}

  
 
  1
  2
  3
  4

此时由于this词根并不在原始数据"trying out Elasticsearch"中，又要求必须匹配的词根个数为3，故本次查询，无法命中。minimum_should_match 可选值如下：

Type	Example	Description
Integer	3	直接数字，不考虑查询字符串分词后的个数。如果分词的个数小于3个，则无法匹配到任何条目。
Negative integer	-2	负数表示最多不允许不匹配的个数。也就是需要匹配的个数为(total-2)。
Negative percentage	-25%	百分比，表示需要匹配的词根占总数的百分比。
Percentage	75%	允许不匹配的个数占总数的百分比。
Combination	3<90%	如果查询字符串分词的个数小于等于3（前面的整数），则只要全部匹配则返回，如果分词的个数大于3个，则只要90%的匹配即可。
Multiple combinations	2<-25% 9<-3	支持多条件表达式，中间用空格分开。该表达式的意义如下：1、如果分词的个数小于等于2，则必须全部匹配；如果大于2小于9，则除了25%（注意负号）之外都需要满足。2、如果大于9个，则只允许其中3个不满足。

analyzer
设置分词器，默认使用字段映射中定义的分词器或elasticsearch默认的分词器。
lenient
是否忽略由于数据类型不匹配引起的异常，默认为false。例如尝试用文本查询字符串查询数值字段，默认会抛出错误。
fuzziness
模糊匹配。
zero_terms_query
默认情况下，如果分词器会过滤查询字句中的停用词，可能会造成查询字符串分词后变成空字符串，此时默认的行为是无法匹配到任何文档，如果想改变该默认情况，可以设置zero_terms_query=all，类似于match_all,默认值为none。
cutoff_frequency
match查询支持cutoff_frequency，允许指定绝对或相对的文档频率：
- OR：高频单词被放入“或许有”的类别，仅在至少有一个低频（低于cutoff_frequency）单词满足条
  件时才积分；
- AND：高频单词被放入“或许有”的类别，仅在所有低频（低于cutoff_frequency）单词满足条件时才积分。该查询允许在运行时动态处理停用词而不需要使用停用词文件。它阻止了对高频短语（停用词）的评分/迭代，并且只在更重要/更低频率的短语与文档匹配时才会考虑这些文档。然而，如果所有查询条件都高于给定的cutoff_frequency，则查询将自动转换为纯连接(and)查询，以确保快速执行。
  cutoff_frequency取值是相对于文档的总数的小数[0…1)，也可以是绝对值[1, +∞)。
Synonyms（同义词）
可在分词器中定义同义词，具体同义词将在后续章节中会单独介绍。

1.3 match query示例

public static void testMatchQuery() {
		RestHighLevelClient client = EsClient.getClient();
		try { SearchRequest searchRequest = new SearchRequest(); searchRequest.indices("twitter"); SearchSourceBuilder sourceBuilder = new SearchSourceBuilder(); sourceBuilder.query( QueryBuilders.matchQuery("message", "is out Elasticsearch") .zeroTermsQuery(ZeroTermsQuery.ALL) .operator(Operator.OR) .minimumShouldMatch("4<90%") ).sort(new FieldSortBuilder("post_date").order(SortOrder.DESC)) .docValueField("post_date", "epoch_millis"); searchRequest.source(sourceBuilder); SearchResponse result = client.search(searchRequest, RequestOptions.DEFAULT); System.out.println(result);
		} catch (Throwable e) { e.printStackTrace();
		} finally { EsClient.close(client);
		}
	}

  
 
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11
  12
  13
  14
  15
  16
  17
  18
  19
  20
  21
  22

2、match_phrase query

与match query类似，但只是用来精确匹配的短语。
其主要工作流程：首先，Elasearch(lucene)会使用分词器对全文本进行分词（返回一个一个的词根（顺序排列）），然后同样使用分词器对查询字符串进行分析，返回一个一个的词根（顺序性）。如果能在全字段中能够精确找到与查询字符串通用的词根序列，则认为匹配，否则认为不匹配。

举例如下：
如果原文字段message:“quick brown fox test we will like to you”,则使用标准分词器(analyzer=standard)返回的结果如下：

curl -X GET "192.168.1.10:9200/_analyze" -H 'Content-Type: application/json' -d'
{
  "tokenizer" : "standard",
  "text" : "quick brown fox test we will like to you",
  "attributes" : ["keyword"] 
}'

  
 
  1
  2
  3
  4
  5
  6

得出如下结果：

{ "tokens":[ { "token":"quick", "start_offset":0, "end_offset":5, "type":"<ALPHANUM>", "position":0 }, { "token":"brown", "start_offset":6, "end_offset":11, "type":"<ALPHANUM>", "position":1 }, { "token":"fox", "start_offset":12, "end_offset":15, "type":"<ALPHANUM>", "position":2 }, { "token":"test", "start_offset":16, "end_offset":20, "type":"<ALPHANUM>", "position":3 }, { "token":"we", "start_offset":21, "end_offset":23, "type":"<ALPHANUM>", "position":4 }, { "token":"will", "start_offset":24, "end_offset":28, "type":"<ALPHANUM>", "position":5 }, { "token":"like", "start_offset":29, "end_offset":33, "type":"<ALPHANUM>", "position":6 }, { "token":"to", "start_offset":34, "end_offset":36, "type":"<ALPHANUM>", "position":7 }, { "token":"you", "start_offset":37, "end_offset":40, "type":"<ALPHANUM>", "position":8 } ]
}

  
 
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11
  12
  13
  14
  15
  16
  17
  18
  19
  20
  21
  22
  23
  24
  25
  26
  27
  28
  29
  30
  31
  32
  33
  34
  35
  36
  37
  38
  39
  40
  41
  42
  43
  44
  45
  46
  47
  48
  49
  50
  51
  52
  53
  54
  55
  56
  57
  58
  59
  60
  61
  62
  63
  64
  65
  66
  67

其词根具有顺序性（词根序列）为quick、brown、fox、test 、we 、will、 like、 to 、you，

如果查询字符串为 quick brown，分词后的词根序列为 quick brown，则是原词根序列的子集，则匹配。

如果查询字符串为 quick fox，分词后的词根序列为 quick fox，与原词根序列不匹配。如果指定slop属性，设置为1，则匹配，其表示每一个词根直接跳过一个词根形成新的序列，与搜索词根进行比较，是否匹配。

如果查询字符串为quick fox test,其特点是quick与原序列跳过一个词brown，但fox后面不跳过任何次，与test紧挨着，如果指定slop=1，同样能匹配到文档，但查询字符串quick fox test will，却匹配不到文档，说明slop表示整个搜索词根中为了匹配流，能跳过的最大次数。

按照match_phrase的定义，与match query的区别一个在与精确匹配，一个在于词组term（理解为词根序列），故match_phrase与match相比，不会有如下参数：fuzziness、cutoff_frequency、operator、minimum_should_match 这些参数。

3、match phrase prefix query

与match phrase基本相同，只是该查询模式会对最后一个词根进行前缀匹配。

GET /_search
{ "query": { "match_phrase_prefix" : { "message" : { "query" : "quick brown f", "max_expansions" : 10 } } }
}

  
 
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11

其工作流程如下：首先先对除最后一个词进行分词，得到词根序列 quick brown，然后遍历整个elasticsearch倒排索引，查找以f开头的词根，依次组成多个词根流，例如(quick brown fox) (quick brown foot)，默认查找50组，受参数max_expansions控制，在使用时请设置合理的max_expansions，该值越大，查询速度将会变的更慢。该技术主要完成及时搜索，指用户在输入过程中，就根据前缀返回查询结果，随着用户输入的字符越多，查询的结果越接近用户的需求。

4、multi match query

multi_match查询建立在match查询之上，允许多字段查询。

GET /_search
{
  "query": { "multi_match" : { "query": "this is a test", "fields": [ "subject", "message" ]   // @1 }
  }
}

  
 
  1
  2
  3
  4
  5
  6
  7
  8
  9

@1执行作用（查询）的字段，有如下几种用法：

[ “subject”, “message” ] ，表示针对查询自动对subject,message字段进行查询匹配。
[ “title”, “*_name” ]，支持通配符，表示对title，以_name结尾的字段进行查询匹配。
[ “subject^3”, “message” ]，表示subject字段是message的重要性的3倍，类似于字段权重。

4.1 multi_query重要参数详解

4.1.1 type 属性

指定multi_query内部的执行方式，取值如下：best_fields、most_fields、cross_fields、phrase、phrase_prefix。

4.1.1.1 best_fields

type默认值，只要其中一个字段匹配则匹配文档（match query)。但是使用最佳匹配的字段的score来表示文档的分数，会影响文档的排序。

例如有如下两个文档，id,title,context字段值分别如下：
doc1 : 1 “Quick brown rabbits” “Brown rabbits are commonly seen brown.”
doc2：2 “Keeping pets healthy”, “My quick brown as fox eats rabbits on a regular basis.”

如果查询字段“brown fox”字符串，两个文档的匹配度谁高呢？初步分析如下：查询字符串"brown fox"会被分词为brown、fox两个词根，首先brown在doc1的title、context中都能匹配brown，而且次数为3次，在doc2中，只有在context字段中匹配到brown fox各一次，那哪个相关度（评分score）。

best_fields类型，认为在同一个字段能匹配到更多的查询字符串词根，则认为该字段更佳。由于doc2的context字段能匹配到两个查询词根，故doc2的匹配度更高，doc2会优先返回，对应测试代码：

	public static void testMultiQueue_best_fields() {
		RestHighLevelClient client = EsClient.getClient();
		try { SearchRequest searchRequest = new SearchRequest(); searchRequest.indices("esdemo"); SearchSourceBuilder sourceBuilder = new SearchSourceBuilder(); sourceBuilder.query( QueryBuilders.multiMatchQuery("brown fox", "title","context") .type(Type.BEST_FIELDS) ); searchRequest.source(sourceBuilder); SearchResponse result = client.search(searchRequest, RequestOptions.DEFAULT); System.out.println(result);
		} catch (Throwable e) { e.printStackTrace();
		} finally { EsClient.close(client);
		}
	}

  
 
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11
  12
  13
  14
  15
  16
  17
  18
  19

执行的查询结果如下：

{ "took":4, "timed_out":false, "_shards":{ "total":5, "successful":5, "skipped":0, "failed":0 }, "hits":{ "total":2, "max_score":0.5753642, "hits":[ { "_index":"esdemo", "_type":"matchquerydemo", "_id":"2", "_score":0.5753642, "_source":{ "context":"My quick brown as fox eats rabbits on a regular basis.", "title":"Keeping pets healthy" } }, { "_index":"esdemo", "_type":"matchquerydemo", "_id":"1", "_score":0.2876821, "_source":{ "context":"Brown rabbits are commonly seen.", "title":"Quick brown rabbits" } } ] }
}

  
 
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11
  12
  13
  14
  15
  16
  17
  18
  19
  20
  21
  22
  23
  24
  25
  26
  27
  28
  29
  30
  31
  32
  33
  34
  35
  36

best_fields类型内部会转换为（dis_max）：

GET /_search
		{ "query": { "dis_max": { "queries": [ { "match": { "subject": "brown fox" }}, { "match": { "message": "brown fox" }} ], "tie_breaker": 0.3 } }
		}

  
 
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11
  12

通常best_fields类型使用单个最佳匹配字段的分数，但如果指定了tie_breaker，则其计算结果如下:最佳匹配字段的分数加上 tie_breaker * _score(其他匹配字段分数)。该查询模式支持match query相关的参数，例如analyzer, boost, operator, minimum_should_match, fuzziness, lenient, prefix_length, max_expansions, rewrite, zero_terms_query, cutoff_frequency, auto_generate_synonyms_phrase_query 、fuzzy_transpositions等参数。

best_fields和大多数字段类型都是以字段为中心的——它们为每个字段生成匹配查询。这意味着运算符和minimum_should_match参数将分别应用于每个字段。

4.1.1.2 most_fields

查找匹配任何字段并结合每个字段的_score的文档，Elasticsearch会为每个字段生成一个match查询，然后将它们包含在一个bool查询中。其算法的核心是各个字段的评分相加作为文档的最终得分参与排序。其建议场景是不同字段对同一关键字的存储维度不一样，例如字段一可能包含同义词、词干、变音符等；字段二可能包含原始词根，这种情况下综合各个字段的评分就会显的更加具有相关性。
该查询模式支持match query相关的参数，例如analyzer, boost, operator, minimum_should_match, fuzziness, lenient, prefix_length, max_expansions, rewrite, zero_terms_query, cutoff_frequency, auto_generate_synonyms_phrase_query 、fuzzy_transpositions等参数。

4.1.1.3 phrase、phrase_prefix

这两种类型score的计算采用best_fields方法，但是其查询方式分别为match_phrase、match_phrase_prefix。

4.1.1.4 cross_fields

交叉字段，对于需要匹配多个字段的结构化文档，cross_fields类型特别有用。例如，在查询“Will Smith”的first_name和last_name字段时，在一个字段中可能会有“Will”，而在另一个字段中可能会有“Smith”。这听起来很象most_fields，cross_fields与most_fields的两个明显区别如下：

对于opreator、minimum_should_match的作用域不一样，most_fields是针对字段的，（遍历每个字段，然后遍历查询词根列表，进行逐一匹配），而cross_fields是针对词根的，即遍历词根列表，搜索范围是所有字段。

相关性的考量不相同，cross_fields重在这个交叉匹配，对于一组查询词根，一部分出现在其中一个字段，另外一部分出现在另外一个字段中，其相关性计算评分将更高。
举例说明：例如有如下查询语句：

{ "query": { "multi_match" : { "query": "Will Smith", "type": "cross_fields", "fields": [ "first_name", "last_name" ], "operator":   "and" } }
	}

  
 
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10

其执行操作时，首先对查询字符串分析得出will、smith两个词根，然后遍历这两个词根，一次对 first_name,last_name 进行匹配，也就是说 opreator、minimum_should_match 这些参数作用2次，而 most_fields 方式，是一个嵌套循环，先遍历字段，然后对每一个词根在该字段上进行匹配，在该示例中，opreator、minimum_should_match 这些参数作用4次。

4.1.2 tie_breaker属性

默认情况下，每个词汇混合查询将使用组中任何字段返回的最佳分数，然后将这些分数相加，以给出最终分数。tie_breaker参数可以改变每项混合查询的默认行为。tie_breaker可选值如下：

0.0 ：默认行为，使用最佳字段的score。
1.0 ：所有匹配字段socre的和。
0.0 ~ 1.0 : 使用最佳匹配字段的score + (其他匹配字段score) * tie_breaker。

4.1.3 multi_query支持其他match query参数

其他诸如analyzer, boost, operator, minimum_should_match, fuzziness, lenient, prefix_length, max_expansions, rewrite, zero_terms_query, cutoff_frequency, auto_generate_synonyms_phrase_query 、fuzzy_transpositions等参数,multi_query同样支持。

5、common terms query

定位：排除停用词或高频词对文档的匹配影响。提高文档匹配的精确度，同时不对性能产生影响。

我们来看一个停用词（高频词）对文档过滤帅选带来的影响：

查询字符串中的每个词根都有搜索成本。搜索“the brown fox”需要三个词根查询，分别为“The”、“brown”和“fox”，所有这些查询都是针对索引中的所有文档执行的。

对于“The”的查询可能匹配许多文档，因此对相关性的影响要比其他两个术语小得多。
一种解决这个问题的方法是忽略高频项。通过将“the”视为stopword（停用词），我们可以减少索引大小并减少需要执行的词汇查询的数量。这种方法的问题在于，尽管停止语对相关性的影响很小，但它们仍然很重要。

如果我们去掉stopwords，我们就会失去精确性(比如我们无法区分“快乐”和“不快乐”)，我们就会失去回忆(比如像“The The The”或“to be or not to be”这样的文本就不会存在于索引中)。

本文将介绍另外一种方式来解决上述问题：
common terms query 将查询词根分为两组:更重要的(即低频词根)和不那么重要的(即高频词根，以前应该是停止词)。

首先，它搜索与更重要的词根(低频词)匹配的文档。这些术语出现在较少的文档中，对相关性的影响更大，性能更好。

然后，它对不太重要的词根(高频词)执行第二个查询。但是它并不会计算所有匹配（匹配高频词的所有文档）文档的相关得分，而是只计算第一个查询已经匹配的文档的_score。通过这种方式，高频项可以在不付出性能差的代价的情况下改进关联计算（低频词、高频次相互关联）。

如果查询只包含高频术语，那么一个查询将作为AND(连接)查询执行，换句话说，所有的词根都必须满足。尽管每个单独的词根将匹配许多文档，但术语组合将结果集缩小到最相关的部分，当然单个查询也可以作为或以特定的minimum_should_match执行。
词根根据cutoff_frequency被分配给高频或低频组，可以指定为绝对频率(>=1)或相对频率(0.0)。1.0)。

5.1 示例详解

5.1.1 简单使用说明

GET /_search
{ "query": { "common": { "body": { "query": "this is bonsai cool", "cutoff_frequency": 0.001 } } }
}

  
 
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11

会对查询词根 this、is、bonsai、cool4个词根分词，词根频率小于0.001的bonsail、cool会被当成低频次，而this、is会被设置为高频词组。由于common term query将词根分成了低频组与高频组，故针对match query的operator、minimum_should_match分别由如下四个参数代替：low_freq_operator、high_freq_operator、minimum_should_match:{low_freq、hign_freq}。

java rest api使用示例如下：

public static void testCommonQuery() {
		RestHighLevelClient client = EsClient.getClient();
		try { SearchRequest searchRequest = new SearchRequest(); searchRequest.indices("esdemo"); SearchSourceBuilder sourceBuilder = new SearchSourceBuilder(); sourceBuilder.query( QueryBuilders.commonTermsQuery("context", "this is brown fox") .cutoffFrequency(0.001f) .highFreqOperator(Operator.OR) .highFreqMinimumShouldMatch("3") .lowFreqOperator(Operator.OR) .lowFreqMinimumShouldMatch("2") ); searchRequest.source(sourceBuilder); SearchResponse result = client.search(searchRequest, RequestOptions.DEFAULT); System.out.println(result);
		} catch (Throwable e) { e.printStackTrace();
		} finally { EsClient.close(client);
		}
	}

  
 
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11
  12
  13
  14
  15
  16
  17
  18
  19
  20
  21
  22
  23

6、query_string query

查询字符串方式。query_string查询解析器支持对查询字符串按照操作符进行切割，每个部分独立分析，例如：

GET /_search
{ "query": { "query_string" : { "default_field" : "content", "query" : "(new york city) OR (big apple)" } }
}

  
 
  1
  2
  3
  4
  5
  6
  7
  8
  9

query_string的顶层参数如下：

参数名	描述
query	查询字符串。
default_field	默认匹配字段，如果未设置，则为"*"，表示所有的字段，也可通过index.query.default_field来统一配置默认字段。
default_operator	设置默认操作类型，可选值：Operator.OR 和 Operator.AND，默认为Operator.OR。
analyzer	设置分词器。
quote_analyzer	用于分析查询字符串中引用的短语的分析器的名称。对于这些部分，它覆盖了使用analyzer参数或search_quote_analyzer设置设置的其他分析器。
allow_leading_wildcard	是否允许第一个字符为通配符(*或?),默认为允许。
enable_position_increments	是否允许以在结果查询中启用位置增量。默认值为true。
fuzzy_max_expansions	控制模糊匹配的词根的扩展个数，在match phrase prefix的max_expansions已详解，默认为50。
fuzziness	设置为模糊匹配。
fuzzy_prefix_length	模糊查询设置前缀长度。默认值为0。
fuzzy_transpositions	是否开启模糊互换(ab -> ba)。默认为true。
phrase_slop	match_phrase查询的slop。
boost	设置查询的boost值。默认为1.0。
auto_generate_phrase_queries	是否自动生成短语查询(match_phrase)，默认为false。
analyze_wildcard	默认情况下，查询字符串中的通配符项不会被分析。通过将该值设置为true，还将尽力分析这些值。
max_determinized_states	设置可以创建自动状态机（正则表达式），默认为 10000。
minimum_should_match	具体参考match_query的minimum_should_match。
lenient	是否忽略由于数据类型不匹配引起的异常，默认为false
time_zone	时区应用于与日期相关的任何范围查询。参见JODA时区。
auto_generate_synonyms_phrase_query	在使用match_phrase_query查询时开启同义词匹配，默认为true.
all_fields	6.4.0版本后已废弃，使用default_field。

6.1 多字段支持（multi field）

query_string支持多字段查询，可通过fields属性指定，例如：

GET /_search
{ "query": { "query_string" : { "fields" : ["content", "name"], "query" : "this AND that" } }
}

  
 
  1
  2
  3
  4
  5
  6
  7
  8
  9

其含义类似于：“query”: “(content:this OR name:this) AND (content:that OR name:that)”。

同时query_string(查询字符串)模式同样支持match_query等查询对应的参数，其工作机制一样，示例如下：

GET /_search
{ "query": { "query_string" : { "fields" : ["content", "name^5"],
// "fields" : ["city.*"], "query" : "this AND that OR thus", "tie_breaker" : 0, "type": "best_fields",
  "auto_generate_synonyms_phrase_query" : false (同义词synonym机制) } }
}

  
 
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11
  12
  13

6.2 支持通配符

查询字符串中支持使用通配符?与*，其中?表示的单个字符，而表示0个或多个字符。查询字符串使用通配符，可能会消耗更多的内存，查询性能较低下。为了提高通配符效率，如果只是一个的话，命令就会被重写为存在查询（是否存在文档），例如fields:["*"]。在关系型数据库中前置通配符(" ab")，这种查询是不支持索引查询的，在es中同样如此，需要遍历索引中所有词根，可以通过allow_leading_wildcard=false来禁用这种查询。通过将analyze_wildcard设置为true，将分析以结尾的查询，并从不同的令牌构建布尔查询，方法是确保第一个N-1令牌上的精确匹配，以及最后一个令牌上的前缀匹配。

6.3 支持正则表达式

正则表达式可以嵌入到查询字符串中，方法是将它们包装成斜杠("/")。注意allow_leading_wildcard无法控制正则表达式的行为。

6.4 邻近查询（可前可后）

虽然短语查询match_phrase(如“john smith”)要求所有的术语都按照完全相同的顺序进行查询，但是接近查询允许指定的单词进一步分开或以不同的顺序进行查询,并且也提供诸如match_query的slop属性。例如：“fox quick”~5。

6.5 范围查询

可以为日期、数字或字符串字段指定范围查询。包含范围用方括号[min到max]指定，排他范围用花括号{min到max}指定。例如如下：

日期在2012年之内。
date:[2012-01-01 TO 2012-12-31]
大于等1，小于等5
count:[1 TO 5]
Tags在 alpha 和omega之间，但不包括alpha和omega
tag:{alpha TO omega}
大于等于10
count:[10 TO *]
日期小于2012年
date:{* TO 2012-01-01}

6.6 搜索字符串权重提升

使用提高运算符^{可以设置一个词根相比其他词根更加重要（相关性更高）。例如针对查询字符串"quick}2 fox"，表明quick这个词根的重要性比fox重要2倍。该操作符也可以针对短语或组，一个组用()表示，示例如下：“john smith”^2 (foo bar)^4。

6.7 boolean运算

默认情况下，所有词根都是可选的，只要一个词根匹配即可(Opreator.OR),从上面得知通过修改default_operator可以改变其默认行为。ES还支持对查询字符串进行boolean运算。例如查询字符串“quick brown +fox -news”表示的含义是：

fox词根必须存在。
news词根必须不存在。
quick brown 可选。
也支持常见的布尔运算符AND, OR和NOT(也写为&&，||和!)，但要注意，它们不遵守通常的优先规则，因此当多个运算符一起使用时，应该使用括号。例如，前面的查询可以改写为:((quick AND fox) OR (brown AND fox) OR fox) AND NOT news。

6.8 分组(grouping)

多个词根或子句可以用括号组合在一起，形成子查询，例如(quick OR brown) AND fox。

6.9 转义字符

在ES中，如下字符需要使用转义符合\，保留字符是:+ - = && || > < !(){ }[]”^ ~ * ?:\ /。

6.10 空查询

如果查询字符串为空或仅包含空白，则查询将生成空结果集。

6.11 query_string示例

public static void testQueryStringQuery_Query() {
		RestHighLevelClient client = EsClient.getClient();
		try { SearchRequest searchRequest = new SearchRequest(); searchRequest.indices("esdemo"); SearchSourceBuilder sourceBuilder = new SearchSourceBuilder(); sourceBuilder.query(
// QueryBuilders.queryStringQuery("brown -fox")
// QueryBuilders.queryStringQuery("brown^8 fox^2") QueryBuilders.queryStringQuery("(quick OR brown) AND fox") .allowLeadingWildcard(false) .field("context") .field("title")
// .minimumShouldMatch("1") ); searchRequest.source(sourceBuilder); SearchResponse result = client.search(searchRequest, RequestOptions.DEFAULT); System.out.println(result);
		} catch (Throwable e) { e.printStackTrace();
		} finally { EsClient.close(client);
		}
	}

  
 
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11
  12
  13
  14
  15
  16
  17
  18
  19
  20
  21
  22
  23
  24

测试情况如下：
目前范围查询暂不知如何编写查询字符串，但ES专门通过QueryBuilders.rangeQuery(String name)返回RangeQueryBuilder，邻近查询未能编写Demo。

7、simple_query_string query

简单字符串查询模式。使用SimpleQueryParser解析上下文的查询。与常规的query_string查询不同，simple_query_string查询永远不会抛出异常，并丢弃查询的无效部分。下面是一个例子:

GET /_search
{
  "query": { "simple_query_string" : { "query": "\"fried eggs\" +(eggplant | potato) -frittata", "fields": ["title^5", "body"], "default_operator": "and" }
  }
}

  
 
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10

查询字符串的写法非常符合(query_string)中定义的，例如查询字符串中支持boolean运算等。simple_query_string中的顶级参数都定义在org.elasticsearch.index.query.SimpleQueryStringBuilder中，其含义与query_string中类似，在这里就不重复介绍了。
simple_query_string支持如下写法。

+signifies 表示必须包含。
| signifies 相当于OR。
negates 相当于非
" 包装一些标记以表示搜索的短语
- 例如a*，表示前缀匹配
( and ) 括号可表示优先级
~N after a word 表示模糊匹配举例，类似于match_phrase slop。
~N after a phrase（短语），表示溢出量。

上述这些写法与在query_string机制一样。接下来主要再讲述query_string不同点。

7.1 flags

simple_query_string支持多个标记来指定应该启用哪些解析特性。它被指定为一个|分隔的字符串,例如：

GET /_search
{ "query": { "simple_query_string" : { "query" : "foo | bar + baz*", "flags" : "OR|AND|PREFIX" } }
}

  
 
  1
  2
  3
  4
  5
  6
  7
  8
  9

可用的flag的列表如下：ALL, NONE, AND, OR, NOT, PREFIX, PHRASE, PRECEDENCE, ESCAPE, WHITESPACE, FUZZY, NEAR, and SLOP。

7.2 使用示例

public static void testSimpleQueryString_Query() {
		RestHighLevelClient client = EsClient.getClient();
		try { SearchRequest searchRequest = new SearchRequest(); searchRequest.indices("esdemo"); SearchSourceBuilder sourceBuilder = new SearchSourceBuilder(); sourceBuilder.query( QueryBuilders.simpleQueryStringQuery("brown -fox") ); searchRequest.source(sourceBuilder); SearchResponse result = client.search(searchRequest, RequestOptions.DEFAULT); System.out.println(result);
		} catch (Throwable e) { e.printStackTrace();
		} finally { EsClient.close(client);
		}
	}

  
 
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11
  12
  13
  14
  15
  16
  17
  18

关于es 的全文检索就介绍到这里了。

见文如面，我是威哥，热衷于成体系剖析JAVA主流中间件，关注公众号『中间件兴趣圈』，回复专栏可获取成体系专栏导航，回复资料可以获取笔者的学习思维导图。

文章来源: blog.csdn.net，作者：中间件兴趣圈，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/prestigeding/article/details/102295397

点赞
收藏
关注作者

0/1000

抱歉，系统识别当前为高风险访问，暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称，即可参与社区互动！

*长度不超过10个汉字或20个英文字符，设置后3个月内不可修改。

确认取消

加入云驻计划，成为创作者

华为云周边好礼
免费体验产品
特殊身份标识
线下官方门票
内部专家零距离
与10000+优质创作者共同成长

立即加入