掌握 ElasticSearch 四种match查询的原理与应用

一、引言 (Introduction)

在信息爆炸的时代，快速准确地找到所需信息至关重要。全文检索技术应运而生，它允许我们对文本内容进行深入搜索，而不仅仅是简单的关键词匹配。Elasticsearch 作为一个强大的分布式搜索和分析引擎，提供了丰富的全文检索功能。

本文将重点介绍 Elasticsearch 7.10 版本中四种核心的全文检索查询：match、match_all、multi_match 和 match_phrase。通过本文，你将掌握这些查询的基本概念、语法和使用场景，并通过丰富的示例学会如何在实践中应用它们。

版本说明： 本文所有示例均基于 Elasticsearch 7.10 版本。

二、准备工作：创建索引和添加示例数据

在开始学习查询之前，我们需要先创建一个索引并添加一些示例数据。请确保你已经安装并启动了 Elasticsearch 7.10。推荐使用 Kibana 的 Dev Tools 来执行以下操作。

1. 创建索引 movies:

   我们创建一个名为 movies 的索引，其中包含两个字段：title (电影标题) 和 description (电影描述)。这两个字段都使用 text 类型，以便进行全文检索。

PUT movies
{
  "mappings": {
    "properties": {
      "title": {
        "type": "text"
      },
      "description": {
        "type": "text"
      }
    }
  }
}

2. 添加示例数据:

   我们添加几条电影数据，以便后续进行查询演示。

   POST movies/_bulk
   {"index":{"_index": "movies"}}
   {"title": "The Dark Knight", "description": "A dark and gritty superhero film."}
   {"index":{"_index": "movies"}}
   {"title": "The Dark Knight Rises", "description": "The epic conclusion to the Dark Knight trilogy."}
   {"index":{"_index": "movies"}}
   {"title": "Batman Begins", "description": "The origin story of the Dark Knight."}
   {"index":{"_index": "movies"}}
   {"title": "Inception", "description": "A mind-bending science fiction thriller about dream sharing."}
   {"index":{"_index": "movies"}}
   {"title": "Interstellar", "description": "A visually stunning science fiction film about space travel."}
   

三、match 查询

match 查询是 Elasticsearch 中执行全文搜索的标准查询。它的工作原理是：

1. 分析 (Analysis): match 查询首先会对你提供的查询字符串进行 分析。分析过程会将文本分解成一系列的 词项 (terms)。这个过程通常包括：

   • 字符过滤 (Character Filtering): 去除 HTML 标签等。
   • 分词 (Tokenization): 将文本分割成单词。
   • 词项过滤 (Token Filtering): 将单词转换为小写、移除停用词（如 “a”, “the”, “is” 等）、进行词干提取（stemming）等。

2. 匹配 (Matching): 然后，match 查询会在指定的字段中查找包含 至少一个 分词结果的文档。

基本概念:

• match 查询执行全文搜索，会对查询字符串进行分词。
• 默认情况下，只要文档中包含 任意一个 分词结果，就会被认为是匹配的（or 逻辑）。
• 可以通过 operator 参数将匹配逻辑改为 and，要求文档包含 所有 分词结果。

语法:

GET index/_search
{
  "query": {
    "match": {
      "field_name": {
        "query": "your search text",
        "operator": "or"
      }
    }
  }
}

参数说明:

• field_name: 要搜索的字段名。
• query: 要搜索的文本。
• operator (可选): 默认为 or，可以设置为 and。

示例:

• 示例 1：搜索包含 “dark” 或 “knight” 的电影

  GET movies/_search
  {
    "query": {
      "match": {
        "title": {
          "query": "Knight Rises"
        }
      }
    }
  }
  

  结果解释: 这个查询会返回所有标题中包含 “Rises” 或 “knight” 或两者都包含的电影（因为默认 operator 是 or）。根据我们之前添加的数据，会返回以下两条结果：

  • “The Dark Knight”
  • “The Dark Knight Rises” 。

• 示例 2：搜索同时包含 “dark” 和 “knight” 的电影

  GET movies/_search
  {
    "query": {
      "match": {
        "title": {
          "query": "Knight Rises",
          "operator": "and"
        }
      }
    }
  }
  

  结果解释: 通过设置 "operator": "and"，这个查询要求标题中 同时 包含 “Knight” 和 “Rises” 分词后的结果。根据我们之前添加的数据，“The Dark Knight Rises” 会被匹配，因为它的标题分词后包含 “Knight” 和 “Rises”。

四、match_all 查询

match_all 查询非常简单，它会返回索引中的 所有 文档。这相当于没有任何查询条件，就像 SQL 中的 SELECT * FROM table。

基本概念:

• match_all 匹配所有文档。
• 通常用于与其他查询或过滤器结合使用。

语法:

GET index/_search
{
  "query": {
    "match_all": {}
  }
}

示例:

GET movies/_search
{
  "query": {
    "match_all": {}
  }
}

这个查询会返回 movies 索引中的所有文档，也就是我们之前添加的五条电影数据。

五、multi_match 查询

multi_match 查询允许你在 多个 字段中搜索相同的文本。这对于需要在多个字段中查找关键词的场景非常有用。

基本概念:

• multi_match 在多个字段中搜索相同的查询字符串。
• 默认情况下，它使用 best_fields 策略，即找到匹配度最高的字段。

语法:

GET index/_search
{
  "query": {
    "multi_match": {
      "query": "your search text",
      "fields": ["field1", "field2"]
    }
  }
}

参数说明:

• query: 要搜索的文本。
• fields: 一个数组，包含要搜索的字段名。
• type (可选): 确定如何组合多个字段的匹配结果。默认为 best_fields。其他选项包括 most_fields、cross_fields 等（这里不深入展开）。

示例:

GET movies/_search
{
  "query": {
    "multi_match": {
      "query": "dark knight",
      "fields": ["title", "description"]
    }
  }
}

结果解释: 这个查询会在 title 和 description 两个字段中搜索 “dark knight”。它会返回在这两个字段的任意一个中匹配到该文本(分词后的词项)的电影。根据示例数据和match的分析,它应该会返回以下结果：

• “The Dark Knight”
• “The Dark Knight Rises”
• “Batman Begins” (因为其 description 包含 “the Dark Knight”)

// 部分json
{
"hits" : [
      {
        "_index" : "movies",
        "_type" : "_doc",
        "_id" : "mmjpI5UBFTEr5wdTXFgU",
        "_score" : 1.5241971,
        "_source" : {
          "title" : "The Dark Knight",
          "description" : "A dark and gritty superhero film."
        }
      },
      {
        "_index" : "movies",
        "_type" : "_doc",
        "_id" : "nGjpI5UBFTEr5wdTXFgU",
        "_score" : 1.4764125,
        "_source" : {
          "title" : "Batman Begins",
          "description" : "The origin story of the Dark Knight."
        }
      },
      {
        "_index" : "movies",
        "_type" : "_doc",
        "_id" : "m2jpI5UBFTEr5wdTXFgU",
        "_score" : 1.3997822,
        "_source" : {
          "title" : "The Dark Knight Rises",
          "description" : "The epic conclusion to the Dark Knight trilogy."
        }
      }
    ]
}

六、match_phrase 查询

match_phrase 查询用于执行 短语匹配。它要求：

1. 所有 查询词项都必须出现在文档中。
2. 查询词项的 顺序 必须与文档中的顺序完全一致。
3. 查询词项在文档中必须是 相邻 的（默认情况下）。

基本概念:

• match_phrase 用于精确的短语匹配。
• 它要求词项的顺序和邻近度与查询字符串完全一致。
• slop 参数允许短语中的词项之间存在一定间隔。

语法:

GET index/_search
{
  "query": {
    "match_phrase": {
      "field_name": {
        "query": "your exact phrase"
      }
    }
  }
}

• 参数说明:
  • field_name:字段名称
  • query:短语内容

示例:

GET movies/_search
{
  "query": {
    "match_phrase": {
      "title": {
        "query": "Dark Knight Rises"
      }
    }
  }
}

结果解释: 根据数据，只有 title 为"The Dark Knight Rises"的数据会被搜索到。如果一部电影的标题是 “The Dark Knight”，则不会被匹配到，因为词项不完全一致。

七、总结 (Conclusion)

下表总结了本文介绍的四种全文检索查询：