ElasticSearch教程——前缀搜索、通配符搜索、正则搜索、推荐搜索和模糊搜索

墨蓝 2021-09-27 20:38 412阅读 0赞

**ElasticSearch汇总请查看：[ElasticSearch教程——汇总篇][ElasticSearch]**

# **前缀搜索** #

搜索包含KDKE前缀的articleID

GET /forum/article/_search 
    {
      "query": {
        "prefix": {
          "articleID": {
            "value": "KDKE"
          }
        }
      }
    }
     
    {
      "took": 52,
      "timed_out": false,
      "_shards": {
        "total": 5,
        "successful": 5,
        "failed": 0
      },
      "hits": {
        "total": 1,
        "max_score": 1,
        "hits": [
          {
            "_index": "forum",
            "_type": "article",
            "_id": "2",
            "_score": 1,
            "_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",
              "content": "i think java is the best programming language",
              "sub_title": "learned a lot of course",
              "author_first_name": "Smith",
              "author_last_name": "Williams"
            }
          }
        ]
      }
    }

## **前缀搜索的原理** ##

prefix query不计算relevance score，与prefix filter唯一的区别就是，filter会cache bitset

扫描整个倒排索引，举例说明

前缀越短，要处理的doc越多，性能越差，尽可能用长前缀搜索

前缀搜索，它是怎么执行的？性能为什么差呢？

match"articleID": "KDKE-B-9947-\#kL5""articleID": "QQPX-R-3956-\#aD8""articleID": "XHDK-A-1293-\#fJ3"

全文检索

每个字符串都需要被分词

KDKE          doc1,doc2  
KDKE  
B  
9947  
\#kL5  
QQPX  
....

KDKE --> 扫描倒排索引 --> 一旦扫描到KDKE，就可以停了，因为带KDKE的就1个doc，已经找到了 --> 没有必要继续去搜索其他的term了

match性能往往是很高的

不分词

"articleID": "KDKE-B-9947-\#kL5"

"articleID": "QQPX-R-3956-\#aD8""articleID": "XHDK-A-1293-\#fJ3"

KDKE --> 先扫描到了KDKE-B-9947-\#kL5，很棒，找到了一个前缀带KDKE的字符串 --> 还是要继续搜索的，因为也许还有其他很多的前缀带KDKE的字符串 --> 你扫描到了一个前缀匹配的term，不能停，必须继续搜索 --> 直到扫描完整个的倒排索引，才能结束

因为实际场景中，可能有些场景是全文检索解决不了的

KDKE-B-9947-\#kL5

KD --> match --> 扫描整个倒排索引，能找到吗

KD --> 只能用prefix

prefix性能很差

#    **通配符搜索**     #

跟前缀搜索类似，功能更加强大

5字符-D任意个字符5

5?-\*5：通配符去表达更加复杂的模糊搜索的语义

GET /forum/article/_search
    {
      "query": {
        "wildcard": {
          "articleID": {
            "value": "*Q?PX*8"
          }
        }
      }
    }

?：任意字符

\*：0个或任意多个字符

性能一样差，必须扫描整个倒排索引，才ok

# **正则搜索** #

GET forum/article/_search
    {
      "query": {
        "regexp": {
          "articleID": "K[A-Z].+"
        }
      }
    }

K\[A-Z\].+

\[0-9\]：指定范围内的数字  
\[a-z\]：指定范围内的字母  
.：一个字符  
\+：前面的正则表达式可以出现一次或多次

wildcard和regexp，与prefix原理一致，都会扫描整个索引，性能很差

主要是给大家介绍一些高级的搜索语法。在实际应用中，能不用尽量别用。性能太差了。

# 搜索推荐     #

搜索推荐，search as you type，搜索提示

hello w --> 搜索
     
    hello world
    hello we
    hello win
    hello wind
    hello dog
    hello cat
     
    hello w -->
     
    hello world
    hello we
    hello win
    hello wind

## 搜索推荐的功能     ##

百度 --> elas --> elasticsearch --> elasticsearch权威指南

GET forum/article/_search
    {
      "query": {
        "match_phrase_prefix": {
          "content": {
            "query": "i elas",
            "slop":5,
            "max_expansions": 1
          }
        }
      }
    }

原理跟match\_phrase类似，唯一的区别，就是把最后一个term作为前缀去搜索

i就是去进行match，搜索对应的doc  
elas，会作为前缀，去扫描整个倒排索引，找到所有elas开头的doc  
然后找到所有doc中，即包含i，又包含elas开头的字符的doc  
根据你的slop去计算，看在slop范围内，能不能让hello w，正好跟doc中的hello和w开头的单词的position相匹配  
也可以指定slop，但是只有最后一个term会作为前缀

max\_expansions：指定prefix最多匹配多少个term，超过这个数量就不继续匹配了，限定性能

默认情况下，前缀要扫描所有的倒排索引中的term，去查找w打头的单词，但是这样性能太差。可以用max\_expansions限定，w前缀最多匹配多少个term，就不再继续搜索倒排索引了。

尽量不要用，因为，最后一个前缀始终要去扫描大量的索引，性能可能会很差

# 误拼写时的fuzzy模糊搜索 #

搜索的时候，可能输入的搜索文本会出现误拼写的情况

doc1: hello world  
doc2: hello java

搜索：hallo world

fuzzy搜索技术 --> 自动将拼写错误的搜索文本，进行纠正，纠正以后去尝试匹配索引中的数据

POST /my_index/my_type/_bulk
    { "index": { "_id": 1 }}
    { "text": "Surprise me!"}
    { "index": { "_id": 2 }}
    { "text": "That was surprising."}
    { "index": { "_id": 3 }}
    { "text": "I wasn't surprised."}

GET /my_index/my_type/_search 
    {
      "query": {
        "fuzzy": {
          "text": {
            "value": "surprize",
            "fuzziness": 2
          }
        }
      }
    }

surprize --> 拼写错误 --> surprise --> s -> z

surprize --> surprise -> z -> s，纠正一个字母，就可以匹配上，所以在fuziness指定的2范围内  
surprize --> surprised -> z -> s，末尾加个d，纠正了2次，也可以匹配上，在fuziness指定的2范围内  
surprize --> surprising -> z -> s，去掉e，ing，3次，总共要5次，才可以匹配上，始终纠正不了

fuzzy搜索以后，会自动尝试将你的搜索文本进行纠错，然后去跟文本进行匹配  
fuzziness，你的搜索文本最多可以纠正几个字母去跟你的数据进行匹配，默认如果不设置，就是2

GET /my_index/my_type/_search 
    {
      "query": {
        "match": {
          "text": {
            "query": "SURPIZE ME",
            "fuzziness": "AUTO",
            "operator": "and"
          }
        }
      }
    }

[ElasticSearch]: https://blog.csdn.net/gwd1154978352/article/details/82781731