概述

查询上下文

使用query关键字进行检索，倾向于相关度搜索，故需要计算评分。搜索是ES最关键和重要的部分。

元数据：_source

禁用_source：
1. 好处：节省存储开销。
2. 坏处：
  - 不支持update、update_by_query和reindex API。
  - 不支持高亮。
  - 不支持reindex、更改mapping分析器和版本升级。
  - 通过查看索引时使用的原始文档来调试查询或聚合的功能。
  - 将来有可能自动修复索引损坏。
    总结：如果只是为了节省磁盘，可以采用压缩索引比禁用_source更好。
数据源过滤器
including：结果中返回哪些field
excluding：结果中不要返回哪些field，不返回的field不代表不能通过该字段进行检索，因为元数据不存在不代表索引不存在。
- 在mapping中定义过滤，支持通配符，但是这种方式不推荐，因为mapping不可变。

PUT product
{
  "mappings": {
    "_source": {
      "includes": [
        "name",
        "price"
      ],
      "excludes": [
        "desc",
        "tags"
      ]
    }
  }
}

常用过滤规则
1. “_source”:“false”
2. “_source”:“obj.*”
3. “_source”:[“obj1.*”,“xxx”],
4. “_source”:{
  “includes”: [“field1”,“field2”],
  “excludes”:[“xxx”,“xxx”]
  }

Query String

查询所有

GET /product/_search

带参数

GET /product/_search?q=name:xiaomi

分页

- GET /product/_search?from=0&size=2&sort=price:asc

精准匹配 exact value

GET /product/_search?q=date:2021-06-01

_all 搜索相当于在所有有索引的字段中检索

GET /product/_search?q=2021-06-01

全文检索-fulltext query

语法：

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

match：匹配包含某个term(词项）的子句，相对mysql中的模糊匹配

下面示例中”xiaomi nfc phone” 会被拆分成3个词项，满足任何一个词项的doc，都会被搜索出来。

GET /product/_search
{
  "query": {
    "match": {
      "name": "xiaomi nfc phone"
    }
  }
}

match_all：匹配所有结果的子句

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

multi_match：多字段条件

在多个字段中查询，一个字段中包含查询条件就搜索出，match只是在一个字段中查询。

GET /product/_search
{
  "query": {
    "multi_match": {
      "query": "phone",
      "fields": ["name", "desc"]
    }
  }
}

match_phrase:短语查询

查询的字段中必须包含该短语。

GET /product/_search
{
  "query": {
    "match_phrase": {
      "name": "xiaomi nfc"
    }
  }
}

精准查询

term：匹配和搜索词项完全相等的结果

也就是搜索的字段中必须包含指定的词项，且term指定的就是完整的词项，不会向match那样进行拆分。

GET /product/_search
{
  "query": {
    "term": {
      "name": {
        "value": "nfc"
      }
    }
  }
}

term和match_phrase区别：
match_phrase会将检索关键词分词，match_phrase的分词结果必须被检索字段的分词中都包含，而且顺序必须相同，而且默认必须都是联系的。
term搜索不会将搜索词分词。
term和keyword区别
term是对于搜索词不分词。
keyword是字段类型，是对于source data中的字段不分词，是一个完整的词项。

GET /product/_search
{
  "query": {
    "term": {
      "name.keyword": {
        "value": "xiaomi nfc phone"
      }
    }
  }
}

terms：匹配和搜索词项列表中任意项匹配的结果

term是搜索字段包含其中的词项即可，terms是指搜索字段中只要包含其中的一个词项即可，也就是terms中可以包含多个词项。

GET /product/_search
{
  "query": {
    "terms": {
      "name": [
        "phone",
        "xiaomi"
      ]
    }
  }
}

range：范围查找

GET /product/_search
{
  "query": {
    "range": {
      "price": {
        "gte": 1000,
        "lte": 50000
      }
    }
  }
}

filter 查询

filter查询的性能比query要高，主要原因是filter查询对结果不在进行评分，减少了评分所消耗的时间。
示例如下：

// 给定具体的评分，不给定默认是1分
GET /product/_search
{
  "query": {
    "constant_score": {
      "filter": {
        "match": {
          "name": "huawei"
        }
      }
      "boost":1
    }
  }
}
// 放在组合查询中
GET /product/_search
{
  "query": {
    "bool": {
      "filter": [
        {
          "term": {
            "name": "huawei"
          }
        }
      ]
    }
  }
}

filter与query的主要区别

filter是结果导向的，速度更快，而query是过程导向的。
query倾向于“当前文档和查询的语句的相关度”，而filter倾向于“当前文档和查询到条件是不是相符”。即在查询过程中，query是要对查询的每个结果计算相关性得分的，而filter不会。另外filter有相应的缓存机制，可以提高查询效率。

组合查询-Bool query

bool：可以组合多个查询条件，bool查询也是采用more_matches_is_better的机制，bool组合的条件之间通过and结合起来。
因此满足must和should子句的文档会合并起来计算分值。

must：必须满足子句（查询）必须出现在匹配的文档中，并将有助于得分。
filter：过滤器，不计算相关度分数，子句（查询）必须出现在匹配的文档中，与must类似。但是不像must查询那样计算分数。Filter子句在filter上下文中执行，这意味着计分被忽略，并且子句被考虑用于缓存。
should：可能满足，相当于or子句（查询）满足其中一个条件即可查询出匹配的文档。
must_not：必须不满足，不计算相关度分数，not子句（查询）不得出现在匹配的文档中。子句在过滤器上下文中执行，这意味着计分被忽略，并且子句被视为用于缓存。由于忽略计分，因此所以匹配的文档分数都是0。
minimum_should_match：参数指定should返回的文档必须匹配的子句的数量或百分比。如果bool查询包含至少一个should子句，而没有must或filter子句，则默认为1，否则，默认值为0。

GET /product/_search
{
  "query": {
    "bool": {
      "filter": [
        {
          "match":{
            "name": "phone"
          }
        }
      ],
      "should": [
        {
          "match_phrase": {
            "name": "xiaomi phone"
          }
        }
      ],
      "minimum_should_match": 1
    }
  }
}