《Elastic Stack 实战手册》——三、产品能力——3.4.入门篇——3.4.2.Elasticsearch基础应用——3.4.2.17.Text analysis, settings 及 mappings——3.4.2.17.3.全文搜索/精确搜索（8） https://developer.aliyun.com/article/1229934
四、基于全文的查询方法
基于全文的方法主要有：match/match_phrase/match_phrase_prefix/multi_match/match_bool_prefix/query_string/simple_query_string/intervals/combined_fields 九种方法。
在全文查询的复杂方法中，很多基于 match 查询的参数，如：analyzer, boost, operator, minimum_should_match, fuzziness, lenient, prefix_length, max_expansions, fuzzy_rewrite,zero_terms_query 和 cutoff_frequency 都能在其它方法中使用。
4.1 match
match 查询是一个基础的全文搜索方法，它会将查询的短语进行分词后对某一字段进行查询。match 查询对被分词后的 token 并没有强顺序关系，只要匹配就可以返回。
使用方法：
PUT my-index-000001 POST my-index-000001/_mapping {"properties":{"message":{"type":"text"}}} POST my-index-000001/_bulk { "index": { "_id": 1 }} { "message": "this is a test" } GET my-index-000001/_search { "query": { "match": { "message": { "query": "this is a test" } } } }
参数：
l analyzer：设置将查询的短语转换成 token 的分词器。默认与字段索引时的分词器一致，即 mapping 设置的 analyzer 参数。如果没有设置，则使用默认的分词。
l auto_generate_synonyms_phrase_query：如果为 true，为多项同义词自动生成短语查询。这个与分词器中设置的同义词相关。默认值为 true。
l fuzziness：允许匹配的最大编辑距离。可以是 0/1/2/AUTO
l max_expansions：创建的最大变体或者扩展词项数。默认为 50。
l prefix_length：在创建展开时保持不变的起始字符数。默认值为 0。
l fuzzy_transpositions：指编辑是否包括两个相邻字符的换位( ab → ba )。默认值为 true。
l lenient：如果为真，则忽略基于格式的错误，例如为数字字段提供 text 查询值。默认值为 false。
l operator：查询文本中的布尔逻辑。
○ OR：默认值。例如，将查询值 “capital of Hungary” 解释为 “capital” 或者 “of” 或者 “Hungary”。
○ AND：例如，将查询值 “capital of Hungary” 解释为 “capital” 和 “of” 和 “Hungary”。
l minimum_should_match：要返回的文档必须匹配的最小词项数。例如，“capital of Hungary” 被分词成 “capital”、“of”、“Hungary” 三个词项，minimum_should_match 设置为 2，则文档必须匹配前面三个词项中的两个才能返回。
l zero_terms_query：指示如果分析器删除所有词项时(例如使用停顿词分词器时)，是否不返回文档。
○ none：默认值。如果分词器删除所有词项时，则不返回文档。
○ all：与none相反，返回所有文档。
相关使用方法：
match 查询的 operator 和 minimum_should_match
先创建一个测试索引和相关测试数据：
PUT my-index-000001 POST my-index-000001/_mapping { "properties": { "message": { "type": "text" } } } PUT my-index-000001/_doc/1 { "message":"this is test"} PUT my-index-000001/_doc/2 { "message":"this is a test again"} PUT my-index-000001/_doc/3 { "message":"this is not a test"}
使用默认的分词器，可以看到几个文档会被解析成 "this"、"is"、"a"、"test"、"again"、"not" 这几个词项。
POST _analyze { "text": [ "this is test", "this is a test again", "this is not a test" ] } # 返回结果 { "tokens" : [ { "token" : "this", "start_offset" : 0, "end_offset" : 4, "type" : "<ALPHANUM>", "position" : 0 }, { "token" : "is", "start_offset" : 5, "end_offset" : 7, "type" : "<ALPHANUM>", "position" : 1 }, { "token" : "test", "start_offset" : 8, "end_offset" : 12, "type" : "<ALPHANUM>", "position" : 2 }, { "token" : "this", "start_offset" : 13, "end_offset" : 17, "type" : "<ALPHANUM>", "position" : 3 }, { "token" : "is", "start_offset" : 18, "end_offset" : 20, "type" : "<ALPHANUM>", "position" : 4 }, { "token" : "a", "start_offset" : 21, "end_offset" : 22, "type" : "<ALPHANUM>", "position" : 5 }, { "token" : "test", "start_offset" : 23, "end_offset" : 27, "type" : "<ALPHANUM>", "position" : 6 }, { "token" : "again", "start_offset" : 28, "end_offset" : 33, "type" : "<ALPHANUM>", "position" : 7 }, { "token" : "this", "start_offset" : 34, "end_offset" : 38, "type" : "<ALPHANUM>", "position" : 8 }, { "token" : "is", "start_offset" : 39, "end_offset" : 41, "type" : "<ALPHANUM>", "position" : 9 }, { "token" : "not", "start_offset" : 43, "end_offset" : 46, "type" : "<ALPHANUM>", "position" : 10 }, { "token" : "a", "start_offset" : 47, "end_offset" : 48, "type" : "<ALPHANUM>", "position" : 11 }, { "token" : "test", "start_offset" : 49, "end_offset" : 53, "type" : "<ALPHANUM>", "position" : 12 } ] }
match 查询 "this is a test"，这个短语也会被分词成 "this"、"is"、"a"、"test"
POST _analyze { "text": [ "this is a test" ] } # 返回结果 { "tokens" : [ { "token" : "this", "start_offset" : 0, "end_offset" : 4, "type" : "<ALPHANUM>", "position" : 0 }, { "token" : "is", "start_offset" : 5, "end_offset" : 7, "type" : "<ALPHANUM>", "position" : 1 }, { "token" : "a", "start_offset" : 8, "end_offset" : 9, "type" : "<ALPHANUM>", "position" : 2 }, { "token" : "test", "start_offset" : 10, "end_offset" : 14, "type" : "<ALPHANUM>", "position" : 3 } ] }
如果按照 match 默认 or 的查询逻辑，只要有一个词项匹配就会返回，那么测试的三个文档将全部返回。
GET /_search { "query": { "match": { "message": { "query": "this is a test", "operator": "or" } } } } # 返回结果 { "took" : 16, "timed_out" : false, "_shards" : { "total" : 48, "successful" : 48, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 3, "relation" : "eq" }, "max_score" : 0.5298672, "hits" : [ { "_index" : "my-index-000001", "_type" : "_doc", "_id" : "3", "_score" : 0.5298672, "_source" : { "message" : "this is not a test" } }, { "_index" : "my-index-000001", "_type" : "_doc", "_id" : "2", "_score" : 0.5298672, "_source" : { "message" : "this is a test again" } }, { "_index" : "my-index-000001", "_type" : "_doc", "_id" : "1", "_score" : 0.30433932, "_source" : { "message" : "this is test" } } ] } }
但是如果设置 minimum_should_match 为 4，则需要有四个词项匹配，那么只有文档 2 和 3 符合了。
GET /_search { "query": { "match": { "message": { "query": "this is a test", "operator": "or", "minimum_should_match": 4 } } } } # 返回结果 { ...... "hits" : { "total" : { "value" : 2, "relation" : "eq" }, "max_score" : 0.5298672, "hits" : [ { "_index" : "my-index-000001", "_type" : "_doc", "_id" : "3", "_score" : 0.5298672, "_source" : { "message" : "this is not a test" } }, { "_index" : "my-index-000001", "_type" : "_doc", "_id" : "2", "_score" : 0.5298672, "_source" : { "message" : "this is a test again" } } ] } }
然后，再看一下 operator 为 and 的时候。其实，可以发现 and 的情况与之前设置 minimum_should_match 为 4 的查询一致，因为两者都代表查询时，每个词项都需要匹配上。
GET /_search { "query": { "match": { "message": { "query": "this is a test", "operator": "and" } } } } # 返回结果 { ...... "hits" : { "total" : { "value" : 2, "relation" : "eq" }, "max_score" : 0.5298672, "hits" : [ { "_index" : "my-index-000001", "_type" : "_doc", "_id" : "3", "_score" : 0.5298672, "_source" : { "message" : "this is not a test" } }, { "_index" : "my-index-000001", "_type" : "_doc", "_id" : "2", "_score" : 0.5298672, "_source" : { "message" : "this is a test again" } } ] } }
match 中的模糊查询
fuzziness 的一系列参数可以使 match 解析出的词项进行模糊匹配。具体相关参数的使用方法与 fuzzy 查询一致，因此不详细展开了。
来看下面的例子：
GET /_search { "query": { "match": { "message": { "query": "this is a test", "fuzziness": "auto" , "operator": "and" } } } } # 返回结果 { ...... "hits" : { "total" : { "value" : 2, "relation" : "eq" }, "max_score" : 0.50886154, "hits" : [ { "_index" : "my-index-000001", "_type" : "_doc", "_id" : "3", "_score" : 0.50886154, "_source" : { "message" : "this is not a test" } }, { "_index" : "my-index-000001", "_type" : "_doc", "_id" : "2", "_score" : 0.50886154, "_source" : { "message" : "this is a test again" } } ] } }
很明显，虽然查询的内容中错误的把 “test” 写成了 “testt”，但是经过 fuzziness 参数的调整，达到了纠错的效果。
《Elastic Stack 实战手册》——三、产品能力——3.4.入门篇——3.4.2.Elasticsearch基础应用——3.4.2.17.Text analysis, settings 及 mappings——3.4.2.17.3.全文搜索/精确搜索（10） https://developer.aliyun.com/article/1229931
