match
GET /my_index/address/_search |
句子中包含hello
或world
的都会被搜索出,比如下面的句子都会被搜索到:1.hello tom, do you know me
2.see the world
match_phrase
GET /my_index/address/_search |
也就是说hello world
必须相邻才能被搜索出来,比如下面的句子:1.Hello World tom, do you know me // 能搜到
2.see the world // 搜不到
3.Hello tom // 搜不到
match_phrase slop
GET /my_index/address/_search |
可以通过指定slot来控制移动词数。这里中间间隔的词数<2才能搜到。对于下面的例子:
1.hello world // 能搜到 |
match_phrase原理
match_phrase执行过程:
1.如match搜索一样进行分词,
2.对分词后的单词到field中去进行搜索(多个term匹配)。这一步返回每个单词对应的doc,并返回这些单词在对应的doc中的位置,
3.对返回的doc进行第一步的筛选,找到每个单词都在同一个field的doc。
4.对第3步进行筛选后的doc进行再一次的筛选,选回位置符合要求的doc。比如,对于match_phrase,就是找到后一个单词的位置比前一个单词的位置大1。或者移动次数<slot的文档。
5.proximity match(使用slot)原理一样,只是第四位对位置进行筛选时的方法不同。
比如要搜索“hello world”
- 分词为 hello 和 world
- 分别对term hello和world去搜索。返回两者匹配到的文档。
- 第一次筛选,取两个的交集。
- 继续筛选,对于match_phrase,就是找到后一个单词world的位置比前一个单词hello的位置大1的文档
prefix
前缀搜索
它会对分词后的term进行前缀搜索。
- 它不会分析要搜索字符串,传入的前缀就是想要查找的前缀
- 默认状态下,前缀查询不做相关度分数计算,它只是将所有匹配的文档返回,然后赋予所有相关分数值为1。它的行为更像是一个过滤器而不是查询。两者实际的区别就是过滤器是可以被缓存的,而前缀查询不行。
- 只能找到反向索引中存在的术语
prefix的原理:
需要遍历所有倒排索引,并比较每个term是否已所指定的前缀开头。
比如:
Term: Doc IDs: |
prefix原理
prefix搜索过程:
为了支持前缀匹配,查询会做以下事情:
- 扫描术语列表并查找到第一个以 W1 开始的术语。
- 搜集关联的ID
- 移动到下一个术语
- 如果这个术语也是以 W1 开头,查询跳回到第二步再重复执行,直到下一个术语不以 W1 为止。
如果以w1开头的term很多,那么会有严重的性能问题。但是如果term比较小集合,可以放心使用。
wildcard
模糊查询
- 工作原理和prefix相同,只不过它在1不是只比较开头,它能支持更为复杂的匹配模式。
- 它使用标准的 shell 模糊查询:? 匹配任意字符,* 匹配0个或多个字符。
GET /my_index/address/_search
{
"query": {
"regexp": {
"postcode": "W[0-9].+" #1
}
}
}
这也意味着我们需要注意与前缀查询中相同的性能问题,执行这些查询可能会消耗非常多的资源,所以我们需要避免使用左模糊这样的模式匹配(如,foo 或 .foo 这样的正则式)
注意:
prefix、wildcard 和 regrep 查询是基于术语操作的,如果我们用它们来查询分析过的字段(analyzed field),他们会检查字段里面的每个术语,而不是将字段作为整体进行处理。
match_phrase_prefix
实时模糊搜索
这种查询的行为与 match_phrase 查询一致,但是它将查询字符串的最后一个词作为前缀(prefix)使用。
比如:{
"match_phrase_prefix" : {
"brand": "johnnie walker bl"
}
}
下面的句子可能被搜索到:
- johnnie walker blll
- johnnie walker bl33
- johnnie walker blyu
查询步骤:
johnnie walker
- 跟着 一个以 bl 开始的词(prefix)
与 match_phrase 一样,它也可以接受 slop 参数让相对词序位置不那么严格:{
"match_phrase_prefix" : {
"brand" : {
"query": "walker johnnie bl", #1
"slop": 10
}
}
}
下面的句子可能被搜索到:
- johnnie ee walker blll
- johnnie aa walker bl33
- johnnie cc gg walker blyu
我们可以通过设置 max_expansions 参数来限制前缀扩展的影响,一个合理的值是可能是50:
{ |
参数max_expansions控制着可以与前缀匹配的术语的数量
另一个即时搜索的方法是,使用
Ngram部分匹配
, 这种方法会增加索引的开销,但是会加快查询速度。具体可以自行查阅。