Elasticsearch: 高级搜索

一、match_all匹配所有文档

1、介绍：

match_all查询是一个特殊的查询类型，它用于匹配索引中的所有文档，而不考虑任何特定的查询条件。

• 基本语法：

GET /<your-index-name>/_search
{"query": {"match_all": {}}
}

• 高级用法
  可以再match_all查询中添加额外的参数来控制搜索结果的显示，例如设置返回的文档数量（size）、开始返回的文档位置（from）、排序规则（sort）以及选择返回哪些字段（source）。
  例如，如果返回索引中的前10个文档，并且按照文档的评分进行排序，可以使用以下查询。

实现分页效果：

GET /<your-index-name>/_search
{"query": {"match_all": {}},"from": 0,"size": 3
}

实现排序：

GET /<your-index-name>/_search
{"query": {"match_all": {}},"size": 10,"sort":[{"_source": {"order":"desc"}}]
}

_source的用法：
不查看源数据，仅查看元字段：

GET /<your-index-name>/_search
{"query": {"match_all": {}},"_source": false
}

返回指定的字段：

GET /<your-index-name>/_search
{"query": {"match_all": {}},"_source": ["field1","field2"]
}

二、精确匹配

精确匹配指的是搜索内容不经过文本分析直接用于文本匹配，这个过程类似于数据库的SQL查询，搜索的对象大多是索引的非text类型字段。此类检索主要应用于结构化数据，如ID、状态和标签等。

1、term单字段精确匹配查询

对bool，日期，数字，结构化的文本可以利用term做精确匹配，查询姓名为张三的员工信息：

GET /<your-index-name>/_search
{"query": {"term": {"name": {"value": "张三"}}}
}

注意：最好不要再term查询的字段中使用text字段，因为text字段会被分词，这样做既没有意义，还很有可能什么也查不到。

在ES中，Term查询，对输入不做分词。会将输入作为一个整体，在倒排索引中查找准确的词项，并且使用相关度算分公式为每个包含该词项的文档进行相关度算分。
可以通过Constant Score将查询转换成一个Filtering，避免算分，并利用缓存，提高性能：

• 将Query转成Filter，忽略TF-IDF计算，避免相关性算分的开销

GET /<your-index-name>/_search
{"query": {"constant_score": {"filter": {"term": {"address.keyword":"value"}}}}
}

2、terms多字段精确匹配

主要应用与多值精确匹配场景，它允许用户在单个查询中指定多个词条进行精确匹配。这种查询方式适合从文档中查找包含多个特定值的字段，例如筛选出具有多个特定标签或状态的项目。而terms检索是针对未分析的字段及逆行精确匹配的，因此他在处理关键词、数字、日期等结构化数据时表现良好。

GET /<your-index-name>/_search
{"query": {"terms": {"<filed_name>": ["value1","value2","value3"]}}
}

3、range范围查询

range检索时Elasticsearch中一种针对指定字段值在给定范围内的文档的检索类型。这种查询适合对数字、日期或者其他可排序数据类型的字段进行范围赛选。range检索支持多种比较操作符，如大于（gt）、大于等于（gte）、小于（lt）和小于等于（lte）等，可以实现灵活的区间查询。

GET /<your-index-name>/_search
{"query": {"range": {"<filed_name>": ["gte":"<lower_bound>","lte":"<upper_bound>","gt":"<greater_than_bound>","lt":"less_than_bound"]}}
}

4、exists是否存在查询

exists检索在Elasticsearch中用于筛选具有特定字段值的文档。这种查询类型适用于检查文档中是否存在某个字段，或者该字段是否包含非空值。通过使用exists检索，你可以有效地过滤掉缺少关键信息的文档，从而专注于包含所需数据的结果。应用场景包括但不限于数据完整性检查、查询特定属性的文档以及对可选字段进行筛选等。

GET /<your-index-name>/_search
{"query": {"exists": {"field": "<field_name>"}}
}

5、ids根据一组id查询

可以基于ID组快速召回相关数据，从而实现高效的文档检索。

GET /<your-index-name>/_search
{"query": {"inds": {"values": ["id1","id2","id3",...]}}
}

6、prefix前缀匹配

prefix会对分词后的term进行前缀搜索：

• 它不会对要搜索的字符串分词，传入的前缀就是想要查找的前缀。
• 默认状态下，前缀查询不做相关性分数计算，它只是将所有匹配的文档返回，然后赋予所有相关分数值为1。

prefix的原理：
需要遍历所有倒排索引，并比较每个词项是否以所搜索的前缀开头。

GET /<your-index-name>/_search
{"query": {"prefix": {"your_field_name":{"value":"your_prefix_string"} }}
}

需要注意的是，这种查询方式仅适用于关键字类型（keyword）的字段。

7、wildcard通配符匹配

wildcard检索是Elasticsearch中一种支持通配符匹配的查询类型，它允许在检索时使用通配符表达式来匹配文档的字段值。通配符包括两种：

• 星号（*）：表示零或多个字符，可用于匹配任意长度的字符串。
• 问号（?）：表示一个字符，用于匹配任意单个字符。

wildcard检索适用于对部分已知内容的文本字段进行模糊检索。例如，在文件名或产品型号等具有一定规律的字段中，使用通配符检索可以方便地找到满足特定模式的文档。

需要注意的是，通配符查询可能会导致较高的计算负担，因此在实际应用中应该谨慎使用，尤其是在涉及大量文档的情况下。

GET /<your-index-name>/_search
{"query": {"wildcard": {"your_field_name":{"value":"your_prefix_string"} }}
}

8、fuzzy支持编辑距离的模糊查询

是一种强大的搜索功能，它能够在用户输入内容存在拼写错误或上下文不一致时，仍然返回与搜索词相似的文档。通过使用编辑距离算法来度量输入词与文档中词条的相似度，模糊查询在保证搜索结果相关性的同时，有效地提高了搜索容错能力。

编辑距离是指从一个单词转换到另一个单词需要编辑单字符的次数。如中文集团到中威集团编辑距离就是1，只需要修改一个字符；如果fuzziness值在这里设置成2，会把编辑距离为2的东东集团也查出来。

GET /<your-index-name>/_search
{"query": {"fuzzy": {"your_field":{"value":"search_term","fuzziness":"AUTO","prefix_length":1} }}
}

• fuzziness参数用于编辑距离的设置，其默认值为AUTO，支持的数值为[0,1,2]。如果值设置越界会报错。
• prefix_length: 搜索词的前缀长度，在此长度内不会应用模糊匹配。默认是0，即整个词都会被模糊匹配。

9、regexp正则匹配查询

10、term set用于解决多字段中的文档匹配问题

terms set检索是Elasticsearch中一种功能强大的检索类型，主要用于解决多值字段中的文档匹配问题，在处理具有多个属性、分类或标签的复杂数据时非常有用。

从应用场景来说，terms set检索在处理多值字段和特定匹配条件时具有很大的优势。它适用于标签系统、搜索引擎、电子商务系统、文档管理系统和技能匹配等场景。

GET /<your-index-name>/_search
{"query": {"terms_set": {"<field_name>":{"terms":["<term1>","<term2>",...],"minimum_should_match_field":"<minimum_should_match_field_name>" or"minimum_should_match_script":{"source":"<script>"}} }}
}

• <field_name>: 指定要查询的字段名，这个字段通常是一个多值字段。
• terms：提供一组词项，用于在指定字段中进行匹配。
• minimum_should_match_field: 指定一个包含匹配数量的字段名，其值应用作要匹配的最少术语数，以便返回文档。
• minimum_should_match_script: 提供一个自定义脚本，用于动态计算匹配数量。如果需要动态设置匹配所需的术语数，这个参数将非常有用。

三、全文检索

全文检索查询旨在基于相关性搜索和匹配文本数据。这些查询会对输入的文本进行分析，将其拆分为词项（单个单词），并执行诸如分词、词干处理和标准化等操作。此类检索主要应用于非结构化文本数据，如文章和评论等。

1、match分词查询

match是一种全文检索查询，它使用分析器将查询字符串分解成单独的词条，并在倒排索引中搜索这些词条。match查询适用于文本字段，并且可以通过多种参数来调整搜索行为。
对于match查询，其底层逻辑的概述：

• 分词：首先，输入的查询文本会被分词器进行分词。分词器会将文本拆分成一个个词项（terms），如单词、短语或特定字符。分词器通常根据特定的语言规则和配置进行操作。
• 匹配计算：一旦查询被分词，ES将根据查询类型和参数计算文档与查询的匹配度。对于match查询，ES将比较查询的词项与倒排索引中的词项，并计算文档的相关性得分。相关性得分衡量了文档与查询的匹配程度。
• 结果返回：根据相关性得分，ES将返回最匹配的文档作为搜索结果。搜索结果通常按照相关性得分进行排序，以便最相关的文档排在前面。

GET /<your-index-name>/_search
{"query": {"match": {"field_name":"value"}}
}

2、mutil_match多字段查询

multi_match查询在Elasticsearch中用于在多个字段上执行相同的搜索操作。它可以接受一个查询字符串，并在指定的字段集合中搜索这个字符串。multi_match查询提供了灵活的匹配类型和操作符选项，以便根据不同的搜索需求调整搜索行为。

GET /<your-index-name>/_search
{"query": {"multi_match": {"query":"<query_string>","fields":["<field1>","<field2>",...]}}
}

3、match_phrase短语查询

用于执行短语搜索，它不仅仅匹配整个短语，而且还考虑了短语中各个词的顺序和位置。这种查询类型对于搜索精确短语非常有用，尤其是在用户输入的查询与文档中的文本表达方式需要严格匹配时。

GET /<your-index-name>/_search
{"query": {"match_parse": {"<field_name>": {"query":"<phrase>"}}}
}

4、query_string支持与或非表达式的查询

是一种灵活的查询类型，它允许使用Lucene查询语法来构建复杂的搜索查询。这种查询类型支持多种逻辑运算符，包括与（AND）、或（OR）和非（NOT），以及通配符、模糊搜索和正则表达式等功能。query_string查询可以在单个或多个字段上进行搜索，并且可以处理复杂的查询逻辑。

应用场景包括高级搜索、数据分析和报表等，适合处理满足特定需求、要求支持与或非表达式的复杂查询任务，通常用于专业领域或需要高级查询功能的应用中。

GET /<your-index-name>/_search
{"query": {"query_string": {"query":"<query_string>","default_field":"<field_name>"}}
}

• <your_query_string>是查询逻辑，可以包含上述提到的逻辑运算符和通配符等。
• <field_name>是默认搜索字段，如果省略则会搜索所有可索引字段。

5、simple_query_string

类似Query String，但是会忽略错误的语法，同时支持部分查询语法，不支持AND OR NOT，会当作字符串处理。支持部分逻辑：

• +替代AND
• |替代OR
• -替代NOT
  在生产环境中推荐使用simple_query_string而不是query_string，主要是因为simple_query_string提供了宽松的语法，能够容忍一定程度的输入错误，而不会导致整个查询失败。

GET /<your-index-name>/_search
{"query": {"simple_query_string": {"query":"<query_string>","fields":["<field1>","<field2>",...],"default_operator":"OR" 或 "AND"}}
}

其中<query_string>是要搜索的查询表达式，,,…是搜索可以在其中进行的字段列表，default_operator定义了查询字符串中未指定操作符时的默认逻辑运算符，可以使OR或AND。

四、bool query布尔查询

布尔查询可以按照布尔逻辑条件组织多条查询语句，只有符合整个布尔条件的文档才会被搜索出来。
在布尔条件中，可以包含两种不同的上下文：

• 搜索上下文（query context）：使用搜索上下文时，Elasticsearch需要计算每个文档与搜索条件的相关度得分，这个得分的计算需要使用一套复杂的计算公式，有一定的性能开销，带文本分析的全文检索的查询语句很适合放在搜索上下文中。
• 过滤上下文（filter context）：使用过滤上下文时，Elasticsearch只需要判断搜索条件跟文档数据是否匹配，例如使用term query判断一个值是否跟搜索内容一致，使用Range query判断某数据是否位于某个区间等。过滤上下文的查询不需要进行相关度得分计算，还可以使用缓存加快响应速度，很多术语级查询语句都适合放在过滤上下文中。

布尔查询一种支持4中组合类型：

五、highlight高亮显示

六、地理空间位置查询

七、ElasticSearch8.x 向量检索