[大数据]elasticsearch中DSL之Full text queries（全文搜索）

全文搜索

全文搜索是应用到字段类型为text上的搜索，也是es重要特性，es会根据字段的分词器算法，把字段进行解析，根据解析后的结果在es服务器中利用倒排索引算法，获取多个文档，并给出相应的得分。

搜索和过滤的区别

• 搜索要给出每个文档得分
• 过滤不计算每个文档得分，而且过滤会把数据缓存起来。

全匹配

全部匹配，每个文档得分都是1

GET myindex/_search
{
    "query": {
        "match_all": {   
        }
    }
}

全部不匹配

GET myindex/_search
{
    "query": {
        "match_none": {   
        }
    }
}

1.Match Query

match是只要文档包含任何一个分词，都要返回（分词间没有顺序依赖）
match是一个布尔查询，可能这句话不太了解这句话的含义。这是因为通常我们看到的查询语句的写法是下例：

GET myindex/_search
{
    "query": {
        "match": {
           "addr":"hangzhou shenzhen"
        }
    }
}

其实上面的简写的语法，真正的语法格式是下面：

GET myindex/_search
{
    "query": {
        "match": {
           "addr": {
               "query" :"hangzhou shenzhen",
               "operator" : "or"
           }
        }
    }
}

所以match有很多属性，就是在这里定义的，上例表示addr只要有hangzhou,shenzhen任何一个词元都要返回文档。
响应的结果：

"hits": {
      "total": 2,
      "max_score": 0.25316024,
      "hits": [
         {
            "_index": "myindex",
            "_type": "mytype",
            "_id": "2",
            "_score": 0.25316024,
            "_source": {
               "name": "mahuateng",
               "age": "40",
               "addr": "zhongguo guangdong shenzhen",
               "city": "shenzhen"
            }
         },
         {
            "_index": "myindex",
            "_type": "mytype",
            "_id": "1",
            "_score": 0.25316024,
            "_source": {
               "name": "mayun",
               "age": "43",
               "addr": "zhongguo zhejiang hangzhou",
               "city": "hangzhou"
            }
         }
      ]
   }

如果把"operator" : "or"改为"operator" : "and"则不会返回文档。
同样还有很多其他的属性：

• query：实际被解析的语句
• operator：操作符，“and” 或者 “or”，默认是"or"
• lenient：布尔值，默认false，表示格式配置失败是否失败（例如用字符串查整型字段）
• minimum_should_match：或逻辑，最小要匹配几个逻辑
• analyzer：分词器
• zero_terms_query : 文档只有停顿词，是否返回，默认是none, 还有all
• max_expansions：是指可以扩展最大通配符个数。
• fuzziness：设置模糊性，默认是AUTO
  还有很多其他的属性，就不介绍了

下面重点说下fuzziness模糊性的用法，因为对于英文语法有词根，词缀的语法，所以一个单词可以有多种变形，所以模糊性搜索就变得很常用了。（对于中文这种用法就没用了）
根据官网解释：
fuzziness is interpreted as a Levenshtein Edit Distance?—?the number of one character changes that need to be made to one string to make it the same as another string.就是从一个单词变成另一个单词需要编辑的次数。

fuzziness有两种表示方式：

• 0 或 1 或 2，表示编辑距离（可以大于2，但是和2作用一样）
• AUTO ：是一个算法。
  目标单词长度为 0 到 2 之间时，必须要精确匹配
  目标单词长度为 3 到 5 之间时，最大编辑距离为 1
  目标单词长度大于5，最大编辑距离为 2
  举个栗子：用said去查say是查不到的，因为最大编辑距离是2才能找到。
• 另外还可以设置前缀不能模糊的长度prefix_length。

match最基础的全文索引语法，所以其他的语法，都是在此基础上扩展的。（通过使用不同的参数可以构建其他的检索语法）

2.Match Phrase Query

3.Match Phrase Prefix Query

4.Multi Match Query

5.Common Terms Query

6.Query String Query

7.Simple Query String Query