term查询
Term 是表达语意的最⼩单位。搜索和利⽤统计语⾔模型进⾏⾃然语⾔处理都需要处理 Term
term查询分为：
Term Level Query: Term Query / Range Query / Exists Query / Prefix Query /Wildcard Query
ES 中，Term 查询，对输⼊不做分词。会将输⼊作为⼀个整体，在倒排索引中查找准确的词项，并
且使⽤相关度算分公式为每个包含该词项的⽂档进⾏相关度算分 – 例如“Apple Store”
POST /products/_bulk
{ “index”: { “_id”: 1 }}
{ “productID” : “XHDK-A-1293-#fJ3″,”desc”:”iPhone” }
{ “index”: { “_id”: 2 }}
{ “productID” : “KDKE-B-9947-#kL5″,”desc”:”iPad” }
{ “index”: { “_id”: 3 }}
{ “productID” : “JODL-X-1937-#pV7″,”desc”:”MBP” }
GET /products
POST /products/_search
{
“query”: {
“term”: {
“desc”: {
//”value”: “iPhone”
“value”:”iphone”
}
}
}
}
POST /products/_search
{
“query”: {
“term”: {
“desc.keyword”: {
//”value”: “iPhone”
//”value”:”iphone”
}
}
}
}
POST /products/_search
{
“query”: {
“term”: {
“productID”: {
“value”: “XHDK-A-1293-#fJ3”
}
}
}
}
POST /products/_search
{
//”explain”: true,
“query”: {
“term”: {
“productID.keyword”: {
“value”: “XHDK-A-1293-#fJ3”
}
}
}
}
如果字段设置了keyword，你用term查询，就会精确匹配。例如说keyword字段，索引时是“Iphone”，你的term查询必须是Iphone，输入“iphone”就无法匹配。
而如果你的字段是“text”类型。你index时候，如果是“Iphone”，在term查询时，“iphone”可以匹配。但是，“Iphone”不会。很多刚接触的同学会有点困惑。背后的原因是，text类型的数据会分词，默认分词器会将输入一个个单词切开，并且转小写了。所以你 term查询时，必须用“iphone”
如果你是match查询，在text字段上查询iphone或者Iphone 应该都能查到。
date类型是包含时区信息的，如果我们没有在json代表日期的字符串中显式指定时区，对es来说没什么问题，
但是如果通过kibana显示es里的数据时，就会出现问题，数据的时间会晚8个小时。因为kibana从es里读取的date类型数据，没有时区信息，
kibana会默认当作0时区来解析，但是kibana在通过浏览器展示的时候，会通过js获取当前客户端机器所在的时区，也就是东八区，
所以kibana会把从es得到的日期数据减去8小时。这里就会导致kibana经常遇到的“数据时间延迟8小时”的问题。
所以最佳实践方案就是：我们在往es提交日期数据的时候，直接提交带有时区信息的日期字符串，如：“2016-07-15T12:58:17.136+0800”。
##索引中定义的日期格式与提交数据的日期格式要一致，否则会报错
可以通过 Constant Score 将查询转换成⼀个 Filtering，避免算分，并利⽤缓存，提⾼性能
POST /products/_search
{
“explain”: true,
“query”: {
“constant_score”: {
“filter”: {
“term”: {
“productID.keyword”: “XHDK-A-1293-#fJ3”
}
}
}
}
}
默认算分都为1
{
"took" : 5,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 1,
"relation" : "eq"
},
"max_score" : 1.0,
"hits" : [
{
"_shard" : "[products][0]",
"_node" : "FOnISXrCSHCxo6YKkUhf7g",
"_index" : "products",
"_type" : "_doc",
"_id" : "1",
"_score" : 1.0,
"_source" : {
"productID" : "XHDK-A-1293-#fJ3",
"desc" : "iPhone"
},
"_explanation" : {
"value" : 1.0,
"description" : "ConstantScore(productID.keyword:XHDK-A-1293-#fJ3)",
"details" : [ ]
}
}
]
}
}
基于全⽂的查询
基于全⽂本的查找有：
Match Query / Match Phrase Query / Query String Query
特点:
索引和搜索时都会进⾏分词，查询字符串先传递到⼀个合适的分词器，然后⽣成⼀个供查询的词
项列表
查询时候，先会对输⼊的查询进⾏分词，然后每个词项逐个进⾏底层的查询，最终将结果进⾏合
并。并为每个⽂档⽣成⼀个算分。- 例如查 “Matrix reloaded”，会查到包括 Matrix 或者 reload
的所有结果
POST /movies/_search
{
“query”: {
“match”: {
“title”:{
“query”: “Matrix reloaded”
}
}
}
}
{
"took" : 19,
"timed_out" : false,
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 3,
"relation" : "eq"
},
"max_score" : 16.501785,
"hits" : [
{
"_index" : "movies",
"_type" : "_doc",
"_id" : "6365",
"_score" : 16.501785,
"_source" : {
"genre" : [
"Action",
"Adventure",
"Sci-Fi",
"Thriller",
"IMAX"
],
"title" : "Matrix Reloaded, The",
"@version" : "1",
"id" : "6365",
"year" : 2003
}
},
{
"_index" : "movies",
"_type" : "_doc",
"_id" : "2571",
"_score" : 9.095142,
"_source" : {
"genre" : [
"Action",
"Sci-Fi",
"Thriller"
],
"title" : "Matrix, The",
"@version" : "1",
"id" : "2571",
"year" : 1999
}
},
{
"_index" : "movies",
"_type" : "_doc",
"_id" : "6934",
"_score" : 7.832533,
"_source" : {
"genre" : [
"Action",
"Adventure",
"Sci-Fi",
"Thriller",
"IMAX"
],
"title" : "Matrix Revolutions, The",
"@version" : "1",
"id" : "6934",
"year" : 2003
}
}
]
}
}
返回结果包含Matrix 或者 reloaded
想要两者都包含：
方法1：POST /movies/_search
{
“query”: {
“match”: {
“title”:{
“query”: “Matrix reloaded”,
“operator”: “AND”
}
}
}
}
方法2：POST /movies/_search
{
“query”: {
“match”: {
“title”:{
“query”: “Matrix reloaded”,
“minimum_should_match”: 2
}
}
}
}
minimum_should_match ，最小匹配度
方法3：POST /movies/_search
{
“query”: {
“match_phrase”: {
“title”:{
“query”: “Matrix reloaded”,
“slop”: 1
}
}
}
}
position_increment_gap
设置告诉 Elasticsearch 应该为数组中每个新元素增加当前词条
position
的指定值。
PUT groups
{
“mappings”: {
“properties”: {
“names”:{
“type”: “text”,
“position_increment_gap”: 0
}
}
}
}
GET groups/_mapping
GET groups/_search
POST groups/_doc
{
“names”: [ “John Water”, “Water Smith”]
}
POST groups/_search
{
“query”: {
“match_phrase”: {
“names”: {
“query”: “Water Water”,
“slop”: 100
}
}
}
}
POST groups/_search
{
“query”: {
“match_phrase”: {
“names”: “Water Smith”
}
}
}