[大数据]ElasticSearch中字符串keyword和text类型区别

一、 背景

ES的基本数据类型很多，本文重点描述字符串类型：
ES2.*版本里面是没有这两个字段，只有string字段。
ES5.*及以后的版本，把string字段设置为了过时字段，引入text，keyword字段。

ES的基本数据类型，根据不同版本可能略有差异，参考官网不同版本说明：https://www.elastic.co/guide/en/elasticsearch/reference/6.2/mapping-types.html

二、文本类型（text）关键字类型（keyword）区别

一切文本类型的字符串可以定义成 “text”文本类型或“keyword”关键字类型两种类型。

区别在于，text类型（文本类型）会使用默认分词器分词，也就是存入的数据会先进行分词，然后将分完词的词组存入索引，当然你也可以为他指定特定的分词器。
text类型检索不是直接给出是否匹配，而是检索出相似度，并按照相似度由高到低返回结果。这样会导致本来我们认为应该查询出来的数据有可能会查询不到。

如果定义成keyword类型（关键字类型），那么默认就不会对其进行分词，原样存储。当一个字段需要按照精确值进行过滤、排序、聚合等操作时, 就应该使用keyword类型.
keyword类型检索，直接被存储为了二进制，检索时我们直接匹配，不匹配就返回false。所以精确匹配可以用keyword。

ES的模糊查询参考其他博文：
https://blog.csdn.net/pony_maggie/article/details/113951893
理论上模糊查询的性能是不如term，match的。

三、代码使用

eg:mapping结构

      {
       "mappings": {
          "example_test_type": {
            "dynamic": "false",
            "_all": {
              "enabled": false
            },
            "properties": {
              "userName": {//用户名字：测试人员（可以模糊匹配）
                "type": "text"
              },
              "userPlace": {//用户籍贯：吉林（需要精确匹配）
                "type": "keyword"
              },
              "createTime": {
                "type": "long"
              }
            }
          }
        }
       }  

get查询参数（成功查询回一条记录）：

{
  "from": 0,
  "size": 10,
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "userPlace": {
              "value": "吉林",
              "boost": 1.0
            }
          }
        },
        {
          "match_phrase": {
            "userName": {
              "query": "测试",//入参只要被测试人员包含即可
              "slop": 0,
              "zero_terms_query": "NONE",
              "boost": 1.0
            }
          }
        }
      ],
      "adjust_pure_negative": true,
      "boost": 1.0
    }
  },
  "sort": [
    {
      "createTime": {
        "order": "desc"
      }
    }
  ]
}

java代码调用：

   /*
   *一、查询条件拼装
   **/
   SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
    BoolQueryBuilder boolQueryBuilder = new BoolQueryBuilder();
     //按创建时间降序排序
    List<FieldSortBuilder> sortBuilderList = new ArrayList<>();
    sortBuilderList.add(new FieldSortBuilder("createTime").order(SortOrder.DESC));
    if (CollectionUtils.isNotEmpty(sortBuilderList)) {
        for (FieldSortBuilder sortBuilder : sortBuilderList) {
            sourceBuilder.sort(sortBuilder);
        }
    }
	 //用户姓名
   boolQueryBuilder.must(QueryBuilders.matchPhraseQuery("userName", userName));
     //用户籍贯
   boolQueryBuilder.must(QueryBuilders.termQuery("userPlace", userPlace));
   sourceBuilder.query(boolQueryBuilder)；
   
   /*
   *二、调es查询
   **/
   SearchRequest searchRequest = new SearchRequest(example_test_index);//索引
   searchRequest.types(example_test_type);//类型
   searchRequest.source(sourceBuilder);
   SearchResponse   response = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
   
   /*
   *三、处理返回结果
   **/
    List<UserBO > resultList = new ArrayList<>();
    SearchHits hits = response.getHits();
    if (hits == null || hits.totalHits <= 0) {
        return null;
    }
    //es结果转成对象
    UserBO userBO = null;
    for (SearchHit hit : hits.getHits()) {
        userBO = JsonUtil.parseObject(hit.getSourceAsString(), UserBO .class);
    	resultList .add(userBO);
        }
    }
  }

此文字符串类型主要配合matchPhraseQuery、termQuery进行处理。

另外fuzzy和match_phrase的区别：

1.fuzzy是词/项级别的模糊匹配,match_phrase是基于短语级别的

例如对于英文(standard分析器)来说"dog cat bird"来说"dog"就是一个词/词项,而"dog cat"就是一个短语,因此作用范围不一样。

2.fuzzy是基于莱文斯坦距离的,所以fuzzy是可以容错的例如你输入"dcg" 你也可以匹配到"dog cat bird",但是这里注意的是你的查询只能是单词条的查询,不能"dcg cat",如果你需要查询短语里面的拼写错误,可以使用match的fuzziness参数，match_phrase是不允许出现不存在的词条的。