分词的结果是：
{ "tokens": [ { "token": "hello", "start_offset": 0, "end_offset": 5, "type": "<ALPHANUM>", "position": 0 }, { "token": "world", "start_offset": 6, "end_offset": 11, "type": "<ALPHANUM>", "position": 1 }, { "token": "java", "start_offset": 13, "end_offset": 17, "type": "<ALPHANUM>", "position": 2 }, { "token": "spark", "start_offset": 18, "end_offset": 23, "type": "<ALPHANUM>", "position": 3 } ] }
从上述结果中，可以看到。ES在做分词的时候，除了将数据切分外，还会保留一个position。position代表的是这个词在整个数据中的下标。当ES执行matchphrase搜索的时候，首先将搜索条件hello world分词为hello和world。然后在倒排索引中检索数据，如果hello和world都在某个document的某个field出现时，那么检查这两个匹配到的单词的position是否是连续的，如果是连续的，代表匹配成功，如果是不连续的，则匹配失败。
**-2). match phrase搜索参数 -- slop **
在做搜索操作的是，如果搜索参数是hello spark。而ES中存储的数据是hello world, java spark。那么使用match phrase则无法搜索到。在这个时候，可以使用match来解决这个问题。但是，当我们需要在搜索的结果中，做一个特殊的要求：hello和spark两个单词距离越近，document在结果集合中排序越靠前，这个时候再使用match则未必能得到想要的结果。
ES的搜索中，对match phrase提供了参数slop。slop代表match phrase短语搜索的时候，单词最多移动多少次，可以实现数据匹配。在所有匹配结果中，多个单词距离越近，相关度评分越高，排序越靠前。
这种使用slop参数的match phrase搜索，就称为近似匹配（proximity search）
如：
数据为： hello world, java spark
搜索为： match phrase : hello spark。
slop为： 3 （代表单词最多移动3次。）
执行短语搜索的时候，将条件hello spark分词为hello和spark两个单词。并
且连续。
hello spark
接下来，可以根据slop参数执行单词的移动。
| 下标 | 0 | 1 | 2 | 3 |
| doc | hello | world | java | spark |
| 搜索 | hello | spark | ||
| 移动 | hello | spark | ||
| 移动2 | hello | spark |
匹配成功，不需要移动第三次即可匹配。
如果：
数据为： hello world, java spark
搜索为： match phrase : spark hello。
slop为： 5 （代表单词最多移动5次。）执行短语搜索的时候，将条件hello spark分词为hello和spark两个单词。并且连续。
spark hello
接下来，可以根据slop参数执行单词的移动。
下标 ： 0 1 2 3
doc ： hello world java spark
搜索 ： spark hello
移动1： spark/hello
移动2： hello spark
移动3： hello spark
移动4： hello spark
匹配成功，不需要移动第五次即可匹配。
如果当slop移动次数使用完毕，还没有匹配成功，则无搜索结果。如果使用中文分词，则
移动次数更加复杂，因为中文词语有重叠情况，很难计算具体次数，需要多次尝试才行。
测试案例：
英文：
GET _analyze { "text": "hello world, java spark", "analyzer": "standard" } POST /test_a/_doc/3 { "f" : "hello world, java spark" } GET /test_a/_search { "query": { "match_phrase": { "f" : { "query": "hello spark", "slop" : 2 } } } } GET /test_a/_search { "query": { "match_phrase": { "f" : { "query": "spark hello", "slop" : 4 } } } }
**中文： **
GET _analyze { "text": "中国，一个世界上最强的国家", "analyzer": "ik_max_word" } POST /test_a/_doc/1 { "f" : "中国，一个世界上最强的国家" } GET /test_a/_search { "query": { "match_phrase": { "f" : { "query": "中国最强", "slop" : 5 } } } } GET /test_a/_search { "query": { "match_phrase": { "f" : { "query": "最强中国", "slop" : 9 } } } }
六.经验分享
使用match和proximity search实现召回率和精准度平衡。
召回率：召回率就是搜索结果比率，如：索引A中有100个document，搜索时返回多少个document，就是召回率（recall）。
精准度：就是搜索结果的准确率，如：搜索条件为hello java，在搜索结果中尽可能让短语匹配和hello java离的近的结果排序靠前，就是精准度 （precision）。
如果在搜索的时候，只使用match phrase语法，会导致召回率底下，因为搜索
结果中必须包含短语（包括proximity search）。
如果在搜索的时候，只使用match语法，会导致精准度底下，因为搜索结果排
序是根据相关度分数算法计算得到。
那么如果需要在结果中兼顾召回率和精准度的时候，就需要将match和
proximity search混合使用，来得到搜索结果。
测试案例：
POST /test_a/_doc/3 { "f" : "hello, java is very good, spark is also very good" } POST /test_a/_doc/4 { "f" : "java and spark, development language " } POST /test_a/_doc/5 { "f" : "Java Spark is a fast and general‐purpose cluster computing system. I t provides high‐level APIs in Java, Scala, Python and R, and an optimized engi ne that supports general execution graphs." } POST /test_a/_doc/6 { "f" : "java spark and, development language " } GET /test_a/_search { "query": { "match": { "f": "java spark" } } } GET /test_a/_search { "query": { "bool": { "must": [ { "match": { "f": "java spark" } } ], "should": [ { "match_phrase": { "f": { "query": "java spark", "slop" : 50 } } } ] } } }
七、前缀搜索 prefix search
使用前缀匹配实现搜索能力。通常针对keyword类型字段，也就是不分词的字段。
语法：
GET /test_a/_search { "query": { "prefix": { "f.keyword": { "value": "J" } } } }
**注意：针对前缀搜索，是对keyword类型字段而言。而keyword类型字段数据大小写敏感。 **
前缀搜索效率比较低。前缀搜索不会计算相关度分数。前缀越短，效率越低。
如果使用前缀搜索，建议使用长前缀。因为前缀搜索需要扫描完整的索引内容，所以前缀越长，相对效率越高。
八、通配符搜索
ES中也有通配符。但是和java还有数据库不太一样。通配符可以在倒排索引中使用，也可以在keyword类型字段中使用。
常用通配符：
? - 一个任意字符
* - 0~n个任意字符
GET /test_a/_search { "query": { "wildcard": { "f.keyword": { "value": "?e*o*" } } } }
性能也很低，也是需要扫描完整的索引。不推荐使用。
九、正则搜索
ES支持正则表达式。可以在倒排索引或keyword类型字段中使用。 常用符号：
[] - 范围，如： [0-9]是0~9的范围数字
. - 一个字符
+ - 前面的表达式可以出现多次。
GET /test_a/_search { "query": { "regexp" : { "f.keyword" : "[A‐z].+" } } }
性能也很低，需要扫描完整索引。
十、搜索推荐
搜索推荐： search as your type， 搜索提示。如：索引中有若干数据以“hello”开头，那么在输入hello的时候，推荐相关信息。（类似百度输入框）
语法：
GET /test_a/_search { "query": { "match_phrase_prefix": { "f": { "query": "java s", "slop" : 10, "max_expansions": 10 } } } }
其原理和match phrase类似，是先使用match匹配term数据（java），然后在指定的slop移动次数范围内，前缀匹配（s），max_expansions是用于指定prefix 最多匹配多少个term（单词），超过这个数量就不再匹配了。
这种语法的限制是，只有最后一个term会执行前缀搜索。
执行性能很差，毕竟最后一个term是需要扫描所有符合slop要求的倒排索引的 term。
因为效率较低，如果必须使用，则一定要使用参数max_expansions。
十一、fuzzy模糊搜索技术
搜索的时候，可能搜索条件文本输入错误，如：hello world -> hello word。
这种拼写错误还是很常见的。fuzzy技术就是用于解决错误拼写的（在英文中很有效，在中文中几乎无效。）。其中fuzziness代表value的值word可以修改多少个字母来进行拼写错误的纠正（修改字母的数量包含字母变更，增加或减少字母。）。f代表要搜索的字段名称。
GET /test_a/_search { "query": { "fuzzy": { "f" : { "value" : "word", "fuzziness": 2 } } } }
