概述
继续跟中华石杉老师学习ES，第六篇
课程地址： https://www.roncoo.com/view/55
如果我们要想对全文检索的方式实现更细粒度的控制该怎么办呢？ 这里我们就来探讨下手动控制全文检索结果的精准度的几种方式
match query
6.4版本 :
https://www.elastic.co/guide/en/elasticsearch/reference/6.4/query-dsl-match-query.html
7.0
https://www.elastic.co/guide/en/elasticsearch/reference/7.0/query-dsl-match-query.html
数据
为了说明该部分，我们给帖子数据增加标题title字段
POST /forum/article/_bulk {"update":{"_id":"1"}} {"doc":{"title":"this is java and elasticsearch blog"}} {"update":{"_id":"2"}} {"doc":{"title":"this is java blog"}} {"update":{"_id":"3"}} {"doc":{"title":"this is elasticsearch blog"}} {"update":{"_id":"4"}} {"doc":{"title":"this is java, elasticsearch, hadoop blog"}} {"update":{"_id":"5"}} {"doc":{"title":"this is spark blog"}}
看下其中一条数据检查下title字段
mapping :
小例子
搜索标题中包含java或elasticsearch的blog
重点是： 或
The match query is of type boolean. It means that the text provided is analyzed and the analysis process constructs a boolean query from the provided text
这个，就跟之前的那个term query，不一样了。不是搜索exact value，是进行full text全文检索。
match query，是负责进行全文检索的。当然，如果要检索的field，是 not_analyzed类型的，或者是keyword类型，那么match query也相当于term query。
title的字段映射为
我们先看下 “this is java and elasticsearch blog” 的分词
GET /forum/_analyze { "field": "title", "text": "this is java and elasticsearch blog" }
被拆分成了 this 、 is 、java 、 and 、 elasticsearch 、 blog 存放在倒排索引中
我们要 搜索标题中包含java或elasticsearch的blog ，改如何做呢？
看看 java elasticsearch 的分词
GET /forum/_analyze { "field": "title", "text": "java elasticsearch" }
所以，这个只要match query即可
GET /forum/_search { "query": { "match": { "title": "java elasticsearch" } } }
返回4条数据 ，符合 或
{ "took": 5, "timed_out": false, "_shards": { "total": 5, "successful": 5, "skipped": 0, "failed": 0 }, "hits": { "total": 4, "max_score": 0.8092568, "hits": [ { "_index": "forum", "_type": "article", "_id": "4", "_score": 0.8092568, "_source": { "articleID": "QQPX-R-3956-#aD8", "userID": 2, "hidden": true, "postDate": "2017-01-02", "tag": [ "java", "elasticsearch" ], "tag_cnt": 2, "view_cnt": 80, "title": "this is java, elasticsearch, hadoop blog" } }, { "_index": "forum", "_type": "article", "_id": "1", "_score": 0.5753642, "_source": { "articleID": "XHDK-A-1293-#fJ3", "userID": 1, "hidden": false, "postDate": "2017-01-01", "tag": [ "java", "hadoop" ], "tag_cnt": 2, "view_cnt": 30, "title": "this is java and elasticsearch blog" } }, { "_index": "forum", "_type": "article", "_id": "3", "_score": 0.2876821, "_source": { "articleID": "JODL-X-1937-#pV7", "userID": 2, "hidden": false, "postDate": "2017-01-01", "tag": [ "hadoop" ], "tag_cnt": 1, "view_cnt": 100, "title": "this is elasticsearch blog" } }, { "_index": "forum", "_type": "article", "_id": "2", "_score": 0.19856805, "_source": { "articleID": "KDKE-B-9947-#kL5", "userID": 1, "hidden": false, "postDate": "2017-01-02", "tag": [ "java" ], "tag_cnt": 1, "view_cnt": 50, "title": "this is java blog" } } ] } }
搜索标题中包含java和elasticsearch的blog
重点是： 和
The operator flag can be set to or or and to control the boolean clauses (defaults to or).
如果你希望所有的搜索关键字都要匹配的，那么就用and，可以实现单纯match query无法实现的效果
GET /forum/_search { "query": { "match": { "title": { "query": "java elasticsearch", "operator": "and" } } } }
返回2条数据 ，OK
搜索包含java，elasticsearch，spark，hadoop，4个关键字中，至少3个的blog
指定一些关键字中，必须至少匹配其中的多少个关键字，才能作为结果返回
The minimum number of optional should clauses to match can be set using the minimum_should_match parameter.
minimum_should_match 说明
https://www.elastic.co/guide/en/elasticsearch/reference/7.0/query-dsl-minimum-should-match.html
百分比
GET /forum/_search { "query": { "match": { "title": { "query": "java elasticsearch spark hadoop", "minimum_should_match": "75%" } } } }
数字
GET /forum/_search { "query": { "match": { "title": { "query": "java elasticsearch spark hadoop", "minimum_should_match": 3 } } } }
返回一条数据 ，符合了至少3个
用bool组合多个搜索条件，来搜索title
GET /forum/article/_search { "query": { "bool": { "must": { "match": { "title": "java" } }, "must_not": { "match": { "title": "spark" } }, "should": [ { "match": { "title": "hadoop" } }, { "match": { "title": "elasticsearch" } } ] } } }
match在匹配时会对所查找的关键词进行分词，然后按分词匹配查找.
term会直接对关键词进行查找。一般模糊查找的时候，多用match，而精确查找时可以使用term.
也可以使用term精确查找
GET /forum/_search { "query": { "bool": { "must": { "term": { "title": "java" } }, "must_not": { "term": { "title": "spark" } }, "should": [ { "term": { "title": "hadoop" } }, { "term": { "title": "elasticsearch" } } ] } } }
bool组合多个搜索条件，如何计算relevance score
must和should搜索对应的分数，加起来，除以must和should的总数
- 排名第一：java，同时包含should中所有的关键字，hadoop，elasticsearch
- 排名第二：java，同时包含should中的elasticsearch
- 排名第三：java，不包含should中的任何关键字
should是可以影响相关度分数的
must是确保说，谁必须有这个关键字，同时会根据这个must的条件去计算出document对这个搜索条件的relevance score
在满足must的基础之上，should中的条件，不匹配也可以，但是如果匹配的更多，那么document的relevance score就会更高
搜索java，hadoop，spark，elasticsearch，至少包含其中3个关键字
默认情况下，should是可以不匹配任何一个的，比如上面的搜索中，this is java blog，就不匹配任何一个should条件
但是有个例外的情况，如果没有must的话，那么should中必须至少匹配一个才可以.
比如下面的搜索，should中有4个条件，默认情况下，只要满足其中一个条件，就可以匹配作为结果返回, 但是可以精准控制，should的4个条件中，至少匹配几个才能作为结果返回
GET /forum/article/_search { "query": { "bool": { "should": [ { "match": { "title": "java" } }, { "match": { "title": "elasticsearch" } }, { "match": { "title": "hadoop" } }, { "match": { "title": "spark" } } ], "minimum_should_match": 3 } } }
总结一下
- 1、全文检索的时候，进行多个值的检索，有两种做法，match query；should
- 2、控制搜索结果精准度：and operator、minimum_should_match
