QueryBuilders的matchQuery

向右看齐 2022-10-13 00:28 197阅读 0赞

# match query: #

用于执行全文查询的标准查询，包括模糊匹配和短语或者接近查询

控制token之间的布尔关系：operator：or/and

### match\_phrase query: ###

与match查询类型，但用于匹配确切的短语或单次接近匹配

token之间的位置距离：slop参数

### match\_phrase\_prefix query: ###

与match\_phrase查询类型，但是会对最后一个token在倒排序索引列表中进行通配符搜索

# 插入一下数据 #

> 插入一下数据：
> 
> \{ "id" : 1,"content":"关注我,系统学编程" \}  
> \{ "id" : 2,"content":"系统学编程,关注我" \}  
> \{ "id" : 3,"content":"系统编程,关注我" \}  
> \{ "id" : 4,"content":"关注我,间隔系统学编程" \}

### match query 对应到mysql  ###

# DSL 语句
        GET /tehero_index/_doc/_search
        {
          "query":{
            "match":{
              "content.ik_smart_analyzer":"系统编程"
            }
          }
        }

*  检索词“系统编程”被ik\_smart分词器分词为**两个Token【系统】【编程】；**
 *  将这两个Token在【倒排索引】中，针对Token字段进行检索，**等价于sql：【where Token = 系统 or Token = 编程】；**

### match\_phrase query ###

match\_phrase查询分 **析文本并根据分析的文本创建一个短语查询。**match\_phrase  **会将检索关键词分词**。match\_phrase的分词结果必 **须在被检索字段的分词中都包含**，而且 **顺序必须相同，**而且 **默认必须都是连续的。**

# 使用match_phrase查询，ik_smart分词
    GET /tehero_index/_doc/_search
    {
        "query": {
            "match_phrase": {
                "content.ik_smart_analyzer": {
                	"query": "关注我,系统学"
                }
            }
        }
    }
     
    # 结果：只有文档1
    {
      "took": 1,
      "timed_out": false,
      "_shards": {
        "total": 1,
        "successful": 1,
        "skipped": 0,
        "failed": 0
      },
      "hits": {
        "total": 1,
        "max_score": 0.7370664,
        "hits": [
          {
            "_index": "tehero_index",
            "_type": "_doc",
            "_id": "1",
            "_score": 0.7370664,
            "_source": {
              "id": 1,
              "content": "关注我,系统学编程"
            }
          }
        ]
      }
    }

> 分析：上面的例子使用的 分词器是ik\_smart，所以 检索词“关注我，系统学”会被分词为3个Token【关注、我、系统学】；而文档1、文档2和文档4 的content被分词后 都包含这3个关键词，但是 只有文档1的Token的顺序和检索词一致，且连续。所以使用 match\_phrase 查询 只能查询到文档1（ps：文档2 Token顺序不一致；文档4 Token不连续；文档3 Token没有完全包含）。 使用 match查询可以查询到所有文档，是因为所有文档 都有【关注、我】这两个Token。

**match\_phrase 核心参数：slop 参数-Token之间的位置距离容差值**

# 将上面的 match_phrase 查询新增一个 slop参数
    GET /tehero_index/_doc/_search
    {
        "query": {
            "match_phrase": {
                "content.ik_smart_analyzer": {
                	"query": "关注我,系统学",
                	"slop":1
                }
            }
        }
    }
    # 结果：文档1和文档4都被检索出来

**分析：使用 analyze 接口 分析下文档4的Token**

# 文档4 content 的分词
    GET /_analyze
    {
      "text": ["关注我,间隔系统学编程"],
      "analyzer": "ik_smart"
    }
    # 结果
    {
      "tokens": [
        {
          "token": "关注",
          "start_offset": 0,
          "end_offset": 2,
          "type": "CN_WORD",
          "position": 0
        },
        {
          "token": "我",
          "start_offset": 2,
          "end_offset": 3,
          "type": "CN_CHAR",
          "position": 1
        },
        {
          "token": "间隔",
          "start_offset": 4,
          "end_offset": 6,
          "type": "CN_WORD",
          "position": 2
        },
        {
          "token": "系统学",
          "start_offset": 6,
          "end_offset": 9,
          "type": "CN_WORD",
          "position": 3
        },
        {
          "token": "编程",
          "start_offset": 9,
          "end_offset": 11,
          "type": "CN_WORD",
          "position": 4
        }
      ]
    }

通过分词测试，发现Token【我】与【系统学】的 **position差值为1(**等于slop的值 **)**， **所以文档4也被检索出来了。**

### match\_phrase\_prefix query ###

> 与match\_phrase查询类似，但是 会对最后一个Token在倒排序索引列表中进行通配符搜索。Token的模糊匹配数控制： max\_expansions 默认值为50。我们使用 content.ik\_smart\_analyzer 这个字段中的 【系统学】（文档1、2、4 包含）和 【系统】（文档3包含）这 两个Token来讲解match\_phraseprefix 的用法：（因为 使用的是ik\_smart分词器，所以【系统学】就只能被分词为一个Token）

# 1、先使用match_phrase查询，没有结果
    GET tehero_index/_doc/_search
    {
      "query": {
        "match_phrase": {
          "content.ik_smart_analyzer": {
            "query": "系"
          }
        }
      }
    }
     
    # 2、使用match_phrase_prefix查询， "max_expansions": 1，得到文档3
    GET tehero_index/_doc/_search
    {
      "query": {
        "match_phrase_prefix": {
          "content.ik_smart_analyzer": {
            "query": "系",
            "max_expansions": 1
          }
        }
      }
    }
     
    # 3、使用match_phrase_prefix查询， "max_expansions": 2，得到所有文档
    GET tehero_index/_doc/_search
    {
      "query": {
        "match_phrase_prefix": {
          "content.ik_smart_analyzer": {
            "query": "系",
            "max_expansions": 2
          }
        }
      }
    }

结果分析：【语句1】查不到结果，是因为 根据ik\_smart分词器生成的倒排序索引中，所有文档中都 不包含Token【系】；【语句2】查询到文档3，是因为 文档3包含Token【系统】，同时 "max\_expansions": 1，所以 检索关键词【系】+ 1个通配符匹配，就可以匹配到 一个Token【系统】；【语句3】查询到所有文档，是因为"max\_expansions": 2，所以 检索关键词【系】+ 2个通配符匹配，就可以匹配到 两个Token【系统、系统学】，所以就可以查询到所有

注意："max\_expansions"的**值最小为1**，**哪怕你设置为0，依然会 + 1个通配符匹配；所以，**尽量不要用该语句，因为，**最后一个Token始终要去扫描大量的索引**，**性能可能会很差**