把握 ElasticSearch 四种match查询的原理与应用

一、弁言 (Introduction)

在信息爆炸的期间，快速准确地找到所需信息至关重要。全文检索技术应运而生，它答应我们对文本内容进行深入搜索，而不仅仅是简单的关键词匹配。Elasticsearch 作为一个强盛的分布式搜索和分析引擎，提供了丰富的全文检索功能。
本文将重点先容 Elasticsearch 7.10 版本中四种焦点的全文检索查询：match、match_all、multi_match 和 match_phrase。通过本文，你将把握这些查询的基本概念、语法和利用场景，并通过丰富的示例学会怎样在实践中应用它们。
版本说明： 本文所有示例均基于 Elasticsearch 7.10 版本。
二、准备工作：创建索引和添加示例数据

在开始学习查询之前，我们需要先创建一个索引并添加一些示例数据。请确保你已经安装并启动了 Elasticsearch 7.10。保举利用 Kibana 的 Dev Tools 来执行以下操作。

• 创建索引 movies:
  我们创建一个名为 movies 的索引，其中包含两个字段：title (电影标题) 和 description (电影描述)。这两个字段都利用 text 范例，以便进行全文检索。
  

1. PUT movies
2. {
3.   "mappings": {
4.     "properties": {
5.       "title": {
6.         "type": "text"
7.       },
8.       "description": {
9.         "type": "text"
10.       }
11.     }
12.   }
13. }

复制代码

• 添加示例数据:
  我们添加几条电影数据，以便后续进行查询演示。
  
  1. POST movies/_bulk
  2. {"index":{"_index": "movies"}}
  3. {"title": "The Dark Knight", "description": "A dark and gritty superhero film."}
  4. {"index":{"_index": "movies"}}
  5. {"title": "The Dark Knight Rises", "description": "The epic conclusion to the Dark Knight trilogy."}
  6. {"index":{"_index": "movies"}}
  7. {"title": "Batman Begins", "description": "The origin story of the Dark Knight."}
  8. {"index":{"_index": "movies"}}
  9. {"title": "Inception", "description": "A mind-bending science fiction thriller about dream sharing."}
  10. {"index":{"_index": "movies"}}
  11. {"title": "Interstellar", "description": "A visually stunning science fiction film about space travel."}

  复制代码

三、match 查询

match 查询是 Elasticsearch 中执行全文搜索的标准查询。它的工作原理是：

• 分析 (Analysis): match 查询起首会对你提供的查询字符串进行 分析。分析过程会将文本分解成一系列的 词项 (terms)。这个过程通常包罗：
  
  
  
  • 字符过滤 (Character Filtering): 去除 HTML 标签等。
    
  • 分词 (Tokenization): 将文本分割成单词。
    
  • 词项过滤 (Token Filtering): 将单词转换为小写、移除停用词（如 “a”, “the”, “is” 等）、进行词干提取（stemming）等。
    
  
  
• 匹配 (Matching): 然后，match 查询会在指定的字段中查找包含 至少一个 分词结果的文档。
  

基本概念:

• match 查询执行全文搜索，会对查询字符串进行分词。
  
• 默认情况下，只要文档中包含 任意一个 分词结果，就会被认为是匹配的（or 逻辑）。
  
• 可以通过 operator 参数将匹配逻辑改为 and，要求文档包含 所有 分词结果。
  

语法:

1. GET index/_search
2. {
3.   "query": {
4.     "match": {
5.       "field_name": {
6.         "query": "your search text",
7.         "operator": "or"
8.       }
9.     }
10.   }
11. }

复制代码

参数说明:

• field_name: 要搜索的字段名。
  
• query: 要搜索的文本。
  
• operator (可选): 默认为 or，可以设置为 and。
  

示例:

• 示例 1：搜索包含 “dark” 或 “knight” 的电影
  
  1. GET movies/_search
  2. {
  3.   "query": {
  4.     "match": {
  5.       "title": {
  6.         "query": "Knight Rises"
  7.       }
  8.     }
  9.   }
  10. }

  复制代码
  结果表明: 这个查询会返回所有标题中包含 “Rises” 或 “knight” 或两者都包含的电影（由于默认 operator 是 or）。根据我们之前添加的数据，会返回以下两条结果：
  
  
  
  • “The Dark Knight”
    
  • “The Dark Knight Rises” 。
    
  
  
• 示例 2：搜索同时包含 “dark” 和 “knight” 的电影
  
  1. GET movies/_search
  2. {
  3.   "query": {
  4.     "match": {
  5.       "title": {
  6.         "query": "Knight Rises",
  7.         "operator": "and"
  8.       }
  9.     }
  10.   }
  11. }

  复制代码
  结果表明: 通过设置 "operator": "and"，这个查询要求标题中 同时 包含 “Knight” 和 “Rises” 分词后的结果。根据我们之前添加的数据，“The Dark Knight Rises” 会被匹配，由于它的标题分词后包含 “Knight” 和 “Rises”。
  

四、match_all 查询

match_all 查询非常简单，它会返回索引中的 所有 文档。这相当于没有任何查询条件，就像 SQL 中的 SELECT * FROM table。
基本概念:

• match_all 匹配所有文档。
  
• 通常用于与其他查询或过滤器结合利用。
  

语法:

1. GET index/_search
2. {
3.   "query": {
4.     "match_all": {}
5.   }
6. }

复制代码

示例:

1. GET movies/_search
2. {
3.   "query": {
4.     "match_all": {}
5.   }
6. }

复制代码

这个查询会返回 movies 索引中的所有文档，也就是我们之前添加的五条电影数据。
五、multi_match 查询

multi_match 查询答应你在 多个 字段中搜索相同的文本。这对于需要在多个字段中查找关键词的场景非常有效。
基本概念:

• multi_match 在多个字段中搜索相同的查询字符串。
  
• 默认情况下，它利用 best_fields 策略，即找到匹配度最高的字段。
  

语法:

1. GET index/_search
2. {
3.   "query": {
4.     "multi_match": {
5.       "query": "your search text",
6.       "fields": ["field1", "field2"]
7.     }
8.   }
9. }

复制代码

参数说明:

• query: 要搜索的文本。
  
• fields: 一个数组，包含要搜索的字段名。
  
• type (可选): 确定怎样组合多个字段的匹配结果。默认为 best_fields。其他选项包罗 most_fields、cross_fields 等（这里不深入睁开）。
  

示例:

1. GET movies/_search
2. {
3.   "query": {
4.     "multi_match": {
5.       "query": "dark knight",
6.       "fields": ["title", "description"]
7.     }
8.   }
9. }

复制代码

结果表明: 这个查询会在 title 和 description 两个字段中搜索 “dark knight”。它会返回在这两个字段的任意一个中匹配到该文本(分词后的词项)的电影。根据示例数据和match的分析,它应该会返回以下结果：

• “The Dark Knight”
  
• “The Dark Knight Rises”
  
• “Batman Begins” (由于其 description 包含 “the Dark Knight”)
  

1. // 部分json
2. {
3. "hits" : [
4.       {
5.         "_index" : "movies",
6.         "_type" : "_doc",
7.         "_id" : "mmjpI5UBFTEr5wdTXFgU",
8.         "_score" : 1.5241971,
9.         "_source" : {
10.           "title" : "The Dark Knight",
11.           "description" : "A dark and gritty superhero film."
12.         }
13.       },
14.       {
15.         "_index" : "movies",
16.         "_type" : "_doc",
17.         "_id" : "nGjpI5UBFTEr5wdTXFgU",
18.         "_score" : 1.4764125,
19.         "_source" : {
20.           "title" : "Batman Begins",
21.           "description" : "The origin story of the Dark Knight."
22.         }
23.       },
24.       {
25.         "_index" : "movies",
26.         "_type" : "_doc",
27.         "_id" : "m2jpI5UBFTEr5wdTXFgU",
28.         "_score" : 1.3997822,
29.         "_source" : {
30.           "title" : "The Dark Knight Rises",
31.           "description" : "The epic conclusion to the Dark Knight trilogy."
32.         }
33.       }
34.     ]
35. }

复制代码

六、match_phrase 查询

match_phrase 查询用于执行 短语匹配。它要求：

• 所有 查询词项都必须出现在文档中。
  
• 查询词项的 次序 必须与文档中的次序完全一致。
  
• 查询词项在文档中必须是 相邻 的（默认情况下）。
  

基本概念:

• match_phrase 用于准确的短语匹配。
  
• 它要求词项的次序和邻近度与查询字符串完全一致。
  
• slop 参数答应短语中的词项之间存在一定隔断。
  

语法:

1. GET index/_search
2. {
3.   "query": {
4.     "match_phrase": {
5.       "field_name": {
6.         "query": "your exact phrase"
7.       }
8.     }
9.   }
10. }

复制代码

• 参数说明:
  
  
  
  • field_name:字段名称
    
  • query:短语内容
    
  
  

示例:

1. GET movies/_search
2. {
3.   "query": {
4.     "match_phrase": {
5.       "title": {
6.         "query": "Dark Knight Rises"
7.       }
8.     }
9.   }
10. }

复制代码

结果表明: 根据数据，只有 title 为"The Dark Knight Rises"的数据会被搜索到。假如一部电影的标题是 “The Dark Knight”，则不会被匹配到，由于词项不完全一致。
七、总结 (Conclusion)

下表总结了本文先容的四种全文检索查询：
查询范例描述实用场景match标准的全文搜索查询，对查询字符串进行分词，匹配包含任意一个或多个分词的文档。最常用的查询范例，实用于大多数全文搜索场景。match_all返回索引中的所有文档。通常与其他查询或过滤器结合利用。multi_match在多个字段中搜索相同的文本。当需要在多个字段中查找关键词时非常有效。match_phrase准确短语匹配，要求词项的次序和邻近度与查询字符串完全一致。当需要准确匹配一个短语，而且对词项的次序和邻近度有严酷要求时利用。
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。