2.使用term filter搜索数据
主要知识点
根据用户ID、是否隐藏、帖子ID、发帖日期来搜索帖子
一、准备数据
1、插入一些测试帖子数据
POST /forum/article/_bulk
{ "index": { "_id": 1 }}
{ "articleID" : "XHDK-A-1293-#fJ3", "userID" : 1, "hidden": false, "postDate": "2017-01-01" }
{ "index": { "_id": 2 }}
{ "articleID" : "KDKE-B-9947-#kL5", "userID" : 1, "hidden": false, "postDate": "2017-01-02" }
{ "index": { "_id": 3 }}
{ "articleID" : "JODL-X-1937-#pV7", "userID" : 2, "hidden": false, "postDate": "2017-01-01" }
{ "index": { "_id": 4 }}
{ "articleID" : "QQPX-R-3956-#aD8", "userID" : 2, "hidden": true, "postDate": "2017-01-02" }
初步来说，就先定义4个字段并插入4条数据，因为整个es是支持json document格式的，所以说扩展性和灵活性非常好。如果后续随着业务需求的增加，要在document中增加更多的field，那么我们可以很方便的随时添加field。和关系型数据库比较，比如mysql，我们如果先建立了一个表，之后要给表中新增一些column，那就很麻烦了，必须用复杂的修改表结构的语法去执行。而且可能对系统代码还有一定的影响。
2、查看mapping结构
语法：GET /forum/_mapping/article
执行结果
{
"forum": {
"mappings": {
"article": {
"properties": {
"articleID": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"hidden": {
"type": "boolean"
},
"postDate": {
"type": "date"
},
"userID": {
"type": "long"
}
}
}
}
}
}
es5.x之后的版本，如果type=text，默认会设置两个field，一个是field本身，是分词的；还有一个是field.keyword，默认不分词，会最多保留256个字符，比如本例中的articleID
二、根据用户ID搜索帖子
GET /forum/article/_search
{
"query" : {
"constant_score" : {
"filter" : {
"term" : {
"userID" : 1
}
}
}
}
}
term 搜索（term filter/query），是指对搜索文本不分词，直接以原搜索文本到倒排索引中匹配，原样匹配。比如说，如果对搜索文本进行分词的话，"helle world" 会分成两个单词 "hello"和"world"，两个词分别去倒排索引中匹配。只要匹配一个就是结果，如果是term搜索，那么就会以"hello world" 直接去倒排索引中匹配"hello world"，只有全匹配才是结果。
三、搜索没有隐藏的帖子
GET /forum/article/_search
{
"query" : {
"constant_score" : {
"filter" : {
"term" : {
"hidden" : false
}
}
}
}
}
四、根据发帖日期搜索帖子
GET /forum/article/_search
{
"query" : {
"constant_score" : {
"filter" : {
"term" : {
"postDate" : "2017-01-01"
}
}
}
}
}
五、根据帖子ID搜索帖子
1、还是以term搜索的方式去搜索：
GET /forum/article/_search
{
"query" : {
"constant_score" : {
"filter" : {
"term" : {
"articleID" : "XHDK-A-1293-#fJ3"
}
}
}
}
}
执行结果如下，发现并没有找到结果，
{
"took": 1,
"timed_out": false,
"_shards": {
"total": 5,
"successful": 5,
"failed": 0
},
"hits": {
"total": 0,
"max_score": null,
"hits": []
}
}
2、以.keywrod 方式去搜索：
GET /forum/article/_search
{
"query" : {
"constant_score" : {
"filter" : {
"term" : {
"articleID.keyword" : "XHDK-A-1293-#fJ3"
}
}
}
}
}
执行结果如下：发现已搜索出结果，
{
"took": 2,
"timed_out": false,
"_shards": {
"total": 5,
"successful": 5,
"failed": 0
},
"hits": {
"total": 1,
"max_score": 1,
"hits": [
{
"_index": "forum",
"_type": "article",
"_id": "1",
"_score": 1,
"_source": {
"articleID": "XHDK-A-1293-#fJ3",
"userID": 1,
"hidden": false,
"postDate": "2017-01-01"
}
}
]
}
}
通过比较发现：articleID.keyword，是es最新版本内置建立的field，就是不分词的。所以一个articleID建立的时候，会建立两次索引，一次是自己本身，是要分词的，分词后放入倒排索引；另外一次是基于articleID.keyword，不分词，最多保留256个字符后直接以一个字符串的形式放入倒排索引中。所以term filter，对text过滤，可以考虑使用内置的field.keyword来进行匹配。但是有个问题，默认就保留256个字符。所以尽可能还是自己去手动建立索引，指定not_analyzed（详情见第45小节）。在最新版本的es中，不需要指定not_analyzed也可以，将type=keyword即可。
默认如果是analyzed的text类型的field，建立倒排索引的时候，就会对所有的field进行分词，分词以后原本的articleID就没有了，只有分词后的各个word存在于倒排索引中。
{ "articleID" : "XHDK-A-1293-#fJ3", "userID" : 1, "hidden": false, "postDate": "2017-01-01" }
{ "articleID" : "KDKE-B-9947-#kL5", "userID" : 1, "hidden": false, "postDate": "2017-01-02" }
{ "articleID" : "JODL-X-1937-#pV7", "userID" : 2, "hidden": false, "postDate": "2017-01-01" }
{ "articleID" : "QQPX-R-3956-#aD8", "userID" : 2, "hidden": true, "postDate": "2017-01-02" }
"articleID" : "XHDK-A-1293-#fJ3"
（1）term filter：根据exact value进行搜索，数字、boolean、date天然支持
（2）text需要建索引时指定为not_analyzed，才能用term query
select * from forum.article where articleID='XHDK-A-1293-#fJ3'
