Elasticsearch2.x 全文检索之——Match Query

Match Query

Match Query是es官网推荐的首选搜索方式，它的工作流程是先对查询文本分词，然后看分词后的词条是否出在于对应字段上，在字段上出现的词条数越多匹配度越大，所以默认情况下词条与词条之间是通过“or”来连接。

看下面的例子，先创建一个索引并索引4个文档：

PUT /my_index
{ "settings": { "number_of_shards": 1 }} 

POST /my_index/my_type/_bulk
{ "index": { "_id": 1 }}
{ "title": "The quick brown fox" }
{ "index": { "_id": 2 }}
{ "title": "The quick brown fox jumps over the lazy dog" }
{ "index": { "_id": 3 }}
{ "title": "The quick brown fox jumps over the quick dog" }
{ "index": { "_id": 4 }}
{ "title": "Brown fox brown dog" }

下面的查询，是针对title的match搜索，搜索词：QUICK!

GET /my_index/my_type/_search
{
    "query": {
        "match": {
            "title": "QUICK!"
        }
    }
}

上面的查询处理流程：

1. 检查字段类型，查询文本和字段都需要是analyzed string
2. 对查询文本进行分词
3. 查找匹配的文档，搜索词quick对应的文档时1,2,3
4. 对搜索出的文档打分

搜索的结果如下：

"hits": [
 {
    "_id":      "1",
    "_score":   0.5, 
    "_source": {
       "title": "The quick brown fox"
    }
 },
 {
    "_id":      "3",
    "_score":   0.44194174, 
    "_source": {
       "title": "The quick brown fox jumps over the quick dog"
    }
 },
 {
    "_id":      "2",
    "_score":   0.3125, 
    "_source": {
       "title": "The quick brown fox jumps over the lazy dog"
    }
 }
]

1. 文档1排在第一是因为title是最短的
2. 文档3排在文档2的前面是因为title中出现了2次quick

match query精度控制

match查询默认在词与词之间使用or操作符，当然我们也可以设置用and进行控制，比如我们希望在搜索时必须出现某几个词，如下：

{
    "query": {
        "match": {
            "title": {      
                "query":    "蜜蜂的蜂窝",
                "operator": "and"
            }
        }
    }
}

上面的查询使用ik_smart会分出“蜜蜂”和“蜂窝”，该查询会匹配那些同时出现“蜜蜂”和“蜂窝”的文档。

有时候，我们只通过and和or这种逻辑操作符来控制查询太过绝对，这时可以使用另一个参数来做到and和or中间的一个权衡：minimum_should_match，如下：

GET /my_index/my_type/_search
{
  "query": {
    "match": {
      "title": {
        "query": "quick brown dog",
        "minimum_should_match": "75%"
      }
    }
  }
}

上面的查询文档会分出3个词：“quick”、“brown”、“dog”，如果被搜索的文档中title字段只包含其中两个也是不会被匹配到的，因为匹配两个的情况下，词的匹配百分比是66.6%小于预设的75%，如果将minimum_should_match设置为66%，那么在匹配两个词的情况也会返回文档，因为66%小于66.6%。从上面的例子中我们可以看出通过使用minimum_should_match参数可以更加精确的控制词匹配的百分比。