es 常用查询介绍

1.1  es查询总述

对于文本的查询分两大种类：

1.基于词条的查询(Term-basedQueries)

 类似term和fuzzy的查询是不含有解析阶段的低级查询，它们在单一词条上进行操作，一个针对词条Foo的term查询会在倒排索引中寻找词条的精确匹配，然后对每一份含有该词条的文档通过TF/IDF进行相关度_score的计算。

2.全文查询

  类似match和query_string这样的查询是高级查询，它们能够理解一个字段的映射：

1.          如果你使用它们去查询一个date或integer字段，它们会将查询字符串分别当做日期或者整形数。

2.          如果你查询一个精确值（not_analyzed）字符串字段，它们会将查询字符串当做一个单独的词条。

3.          如果你查询一个全文字段（analyzed），它们会首先将查询字符串传入到合适的解析器中，用来得到需要查询的词条列表。它们会使用词条列表中的的每个词来执行合适的低级查询，然后将得到的结果进行合并，最终产生每份文档的相关度分值。

3.全文检索的流程

1.      提交查询的搜素词

2.      使用分词器对搜索词进行分词

3.      用分过的词条去倒排索引中查询文档，

4.      对查找的文档进行相关度计算（文档频率，词条频率，字段的长度等考虑因素），然后进行打分

5.      最后对结果进行排序响应输出。

6.2  es常用查询

1.      tremQuery:代表完全匹配，即不进行分词器分析，文档中必须包含整个搜索的词汇.可理解为：不解析，精确的低级查询。

1.      假设name字段设置not_analyzed: 向索引库name字段赋值：我是张三李四2；这个时候索引库存储(not_analyzed，不分词)的是一个整体：【我是张三李四2】

eu.queryByTerm(indexName,indexType, "name", "我是张三李四2");

         //使用term去查询，name的值必须是“我是张三李四2”，少一个单词都查询不到，因为索引库中存的就是【我是张三李四2】，搜索的时候必须用这个完整的值的去查询，才能匹配搜索到。

2.假设name字段设置analyzed: 向索引库name字段赋值：我是张三李四2；

这个时候索引库存储(analyzed，standard分词器分词)的是：【我，是，张，三，李，四，2】

       eu.queryByTerm(indexName, indexType,"name", "我");

//这个时候必须用【我是张三李四2】其中的任意一个单独的词去查询，才可以有结果，大于一个词的组合，均查询不出数据，因为索引经过分词后存储的为一个个单独的词【我，是，张，三，李，四，2】，所以查询不到。

           使用的条件：你确实要在一个not_analyzed字段上查询一个精确值。

2.matchQuery：使用某一字段的值对文档进行检索；如查询和"宝马多少马力"，查询匹配就会进行分词《宝马，多少，马力》，那么所有包含这三个词中的一个或多个的文档就会被搜索出来。

它是一个高级查询，它知道如何处理全文字段（full-text,analyzed）和精确值字段（exact-value，not_analyzed）,主要用于全文收索。

Match的例子：

首先，我们会创建一个新的索引并通过bulk API索引一些文档：

PUT /my_index

{ "settings":{ "number_of_shards": 1 }}

 

POST/my_index/my_type/_bulk

{ "index":{ "_id": 1 }}

{ "title":"The quick brown fox" }

{ "index":{ "_id": 2 }}

{ "title":"The quick brown fox jumps over the lazy dog" }

{ "index":{ "_id": 3 }}

{ "title":"The quick brown fox jumps over the quick dog" }

{ "index":{ "_id": 4 }}

{ "title": "Brown fox browndog" }

使用match查询在一个全文字段中搜索一个单词：如下

GET/my_index/my_type/_search

{

    "query": {

        "match": {

            "title": "QUICK!"

        }

    }

}

ES会按照如下的方式执行上面的match查询：

1.    检查字段类型

Title字段是一个全文字符串字段（analyezed），额查询字符串也需要被解析。

2.    解析查询字符串

查询字符串“QUICK”会被传入到标准解析器中，得到的结果是单一词条“quick”。因为我们得到的只有一个词条，match查询会使用一个term低级查询来执行查询。

3.    找到匹配的文档

Term查询会在倒排索引中查询“quick”，然后获取到含有该词条的文档列表，在这个例子中，文档1,2,3会被返回。

4.     对每份文档打分

Term查询会为每份匹配的文档计算其相关度分值_score,该分值通过综合考虑词条频度（“quick”在匹配的每份文档的titile字段中出现的频繁程度）、倒排频度（“quick”在整个索引中的所有文档的title字段中的出现程度），以及每个字段的长度（较短的字段会被认为相关度更高）来得到。

"hits": [

 {

    "_id":      "1",

    "_score":   0.5, 

    "_source": {

       "title": "The quick brown fox"

    }

 },

 {

    "_id":      "3",

    "_score":   0.44194174, 

    "_source": {

       "title": "The quick brown fox jumps over the quick dog"

    }

 },

 {

    "_id":      "2",

    "_score":   0.3125, 

    "_source": {

       "title": "The quick brown fox jumps over the lazy dog"

    }

 }

]

文档1最相关，因为它的title字段短，意味着quick在它所表达的内容中占比较大。文档3比文档2的相关度更高，因为quick出现了两次。

参考网址:http://blog.csdn.net/dm_vincent/article/details/41693125

http://www.cnblogs.com/yjf512/p/4897294.html

 

3 .  matchAllQuery:用于匹配文档中的所有字段；相当于select * from语句；

4 .  MultiMatchQuery:针对多个字段进行搜索。

5.      WildcardQuery:检索指定字段中含有通配符的查询词。

6.      QueryString：使用查询解析器构造实际的查询。如querystring（“+中国-日本”）

7.      Morelikethis:查询与这个id对应文档相似的文档。

未完待续。。。。。。。。。