es 使用分词和不适用分词的区别

ES

ES Restful API GET、POST、PUT、DELETe、HEAD含义：
1）GET：获取请求对象的当前状态。
2）POST：改变对象的当前状态。
3）PUT：创建一个对象。
4）DELETE：销毁对象。
5）HEAD：请求获取对象的基础信息。

Mysql与Elasticsearch核心概念对比示意图

将SQL转化为DSL：

• query: 用于包含查询使用到的语法
• match_all: 最简单的查询，获取索引所有数据，类似搜索 *。如：”query”:{“match_all”:{}}
• bool: 复合查询，可以包含多个查询条件，主要有(must,must_not,should)
• must: 用于包含逻辑与查询条件，即所有查询条件都满足才行
• must_not: 用于包含逻辑非查询条件，即不包含所有查询的条件数据
• should: 用于包含逻辑或查询条件，即其中有一个条件满足即可
• filter: 与must一样，包含的所有条件都要满足，但不会参与计算分值，查询速度上会提升不少
• match: 匹配查询，用于匹配指定属性数据，也可以匹配时间，IP等特殊数据 注意： match匹配不会解析通配符，匹配的效果受到索引属性类型影响，如果索引属性设置了分词，那么match匹配也会分词匹配，他也不解析”“，但可以设置逻辑关系来处理
• operator: 匹配逻辑关系，默认是or，可设置为and，这样可达到精确匹配的效果
• query_string: 使用查询解析器来解析查询内容，如port:80 AND server:http。**注意：**此类型请求有很多选项属性，可以设置一些特殊的行为
• term: 查找包含在反向索引中指定的确切术语的文档 ，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
• terms: 筛选具有匹配任何条件的字段，如”terms” : { “user” : [“kimchy”, “elasticsearch”]}
• range: 将文档与具有特定范围内的字段相匹配。Lucene查询的类型依赖于字段类型，对于字符串字段，即TermRangeQuery，而对于number/date字段，查询是一个数字的范围。如：”range”:{“port”:{“gte”:10,”lte”:20,”boost”:2.0}}
• gte: 大于或等于
• gt: 大于
• lte: 小于或等于
• lt: 小于
• boost: 设置查询的boost值，默认值为1.0
• exists: 返回在原始字段中至少有一个非空值的文档，注意：”“,”-“这些都不算是空值
• prefix: 匹配包含带有指定前缀字段的字段(没有分析)，前缀查询映射到Lucene前缀查询，如：”prefix” : { “user” : “ki” }，查询user数据前缀为ki的doc
• wildcard: 匹配具有匹配通配符表达式的字段(未分析)的文档。支持**(*通配符)是匹配任何字符序列(包括空的序列)和(?通配符)**它匹配任何一个字符。注意，这个查询可能比较慢，因为它需要迭代多个术语。为了防止非常慢的通配符查询，一个通配符项不应该从通配符开始，或者?通配符查询映射到Lucene通配符查询。如：”wildcard” : { “user” : “ki*y” }
• regexp: regexp查询允许您使用正则表达式术语查询，意味着Elasticsearch将把regexp应用到该字段的标记器所产生的词汇，而不是该字段的原始文本。regexp查询的性能严重依赖于所选择的正则表达式，通配符往往会降低查询性能。如：”regexp”:{ “name.first”:”s.*y” }
• fuzzy: 模糊查询使用基于Levenshtein编辑距离的相似性。如：”fuzzy” : { “user” : “ki” }
• type: 过滤文档匹配所提供的文档/映射类型。如：”type”:{ “value” : “my_type” }
• ids: 过滤只具有提供的id的文档。注意：这个查询使用了_uid字段，类型是可选的，可以省略，也可以接受一组值。如果没有指定类型，那么将尝试在索引映射中定义的所有类型。如：”ids”:{ “type” : “my_type”,”values” : [“1”,”4”,”100”] }。
• highlight: 允许在一个或多个字段中突出显示搜索结果，基于lucene plain highlighter。在默认情况下，高亮显示会将高亮显示的文本包装在 and ，可以通过设置pre_tags 与 post_tags来自定义，如：”highlight”:{ “pre_tags” : [““], “post_tags” : [““], “fields” : {“_all”:{}} }
• pre_tags: 自定义包含搜索关键字的前缀
• post_tags: 自定义包含搜索关键字的后缀
• fields: 用于指定要高亮的属性，_all表示所以属性都需要高亮，如：”fields”:{ “_all” : {} }，也可以指定具体属性 “fields”:{ “app” : {} }，也可以给每个属性单独指定设置 “fields”:{ “app” : {“fragment_size” : 150, “number_of_fragments” : 3} }
• highlight_query: 可以通过设置highlight_query来突出显示搜索查询之外的查询，通常，最好将搜索查询包含在highlight_query中。如：”highlight_query”:{ “bool”:{“must”:[{“query_string”:{“query”:app:apache,”analyze_wildcard”:True,”all_fields”:True}}]} }
• fragment_size: 用于指定高亮显示时，碎片的长度，如果过短，高亮内容会被切分为多个碎片。默认情况下，当使用高亮显示的内容时，碎片大小会被忽略，因为它会输出句子，而不管它们的长度
• number_of_fragments 用于指定高亮显示时，碎片的数量，如果指定为0，那么就不会产生任何片段
• from: 可以通过使用from和size参数来对结果进行分页，from参数指定您想要获取的第一个结果的偏移量
• size: 可以通过使用from和size参数来对结果进行分页，size参数指定要返回结果的最大数量
• sort: 允许在特定的字段上添加一个或多个排序，排序是在每个字段级别上定义的，用特殊的字段名来排序，然后根据索引排序进行排序，如”sort”: [ { “date”: { “order”: “desc” } } ],desc降序，asc升序
• aggs: aggs主要用于分类集合，可以将查询的数据按指定属性进行分类集合统计.如：”aggs”:{ “deviceType”:{ “terms”:{ “field”:”deviceType”, “size”:6 } } }
• field: 用于指定要分类的属性名称
• size: 用于指定分类集合的数量，即只集合前N名

term主要用于精确匹配哪些值，比如数字，日期，布尔值或 not_analyzed 的字符串(未经分析的文本数据类型)：

完整的例子， hostname 字段完全匹配成 saaap.wangpos.com 的数据：

terms 跟 term 有点类似，但 terms 允许指定多个匹配条件。 如果某个字段指定了多个值，那么文档需要一起去做匹配：

完整的例子，所有http的状态是 302 、304 的， 由于ES中状态是数字类型的字段，所有这里我们可以直接这么写。：

range过滤允许我们按照指定范围查找一批数据：

范围操作符包含：

• gt :: 大于
• gte:: 大于等于
• lt :: 小于
• lte:: 小于等于

一个完整的例子， 请求页面耗时大于1秒的数据，upstream_response_time 是 nginx 日志中的耗时，ES中是数字类型。

exists 和 missing 过滤可以用于查找文档中是否包含指定字段或没有某个字段，类似于SQL语句中的IS_NULL条件.

这两个过滤只是针对已经查出一批数据来，但是想区分出某个字段是否存在的时候使用。

bool 过滤可以用来合并多个过滤条件查询结果的布尔逻辑，它包含一下操作符：

• must :: 多个查询条件的完全匹配,相当于 and。
• must_not :: 多个查询条件的相反匹配，相当于 not。
• should :: 至少有一个查询条件匹配, 相当于 or。

这些参数可以分别继承一个过滤条件或者一个过滤条件的数组：

可以查询到所有文档，是没有查询条件下的默认语句。

此查询常用于合并过滤条件。 比如说你需要检索所有的邮箱,所有的文档相关性都是相同的，所以得到的_score为1.

match查询是一个标准查询，不管你需要全文本查询还是精确查询基本上都要用到它。

如果你使用 match 查询一个全文本字段，它会在真正查询之前用分析器先分析match一下查询字符：

如果用match下指定了一个确切值，在遇到数字，日期，布尔值或者not_analyzed 的字符串时，它将为你搜索你给定的值：

提示： 做精确匹配搜索时，你最好用过滤语句，因为过滤语句可以缓存数据。

match查询只能就指定某个确切字段某个确切的值进行搜索，而你要做的就是为它指定正确的字段名以避免语法错误。

multi_match查询允许你做match查询的基础上同时搜索多个字段，在多个字段中同时查一个：

bool 查询与 bool 过滤相似，用于合并多个查询子句。不同的是，bool 过滤可以直接给出是否匹配成功， 而bool 查询要计算每一个查询子句的 _score （相关性分值）。

• must:: 查询指定文档一定要被包含。
• must_not:: 查询指定文档一定不要被包含。
• should:: 查询指定文档，有则可以为文档相关性加分。

以下查询将会找到 title 字段中包含 “how to make millions”，并且 “tag” 字段没有被标为 spam。 如果有标识为 “starred” 或者发布日期为2014年之前，那么这些匹配的文档将比同类网站等级高：

提示： 如果bool 查询下没有must子句，那至少应该有一个should子句。但是 如果有must子句，那么没有should子句也可以进行查询。

上面内容来自： [http://es.xiaoleilu.com/054_Query_DSL/70_important_clauses.html](javascript:void())

ElasticSearch 查询（match和term）
[](javascript:void())

使用标准的shell通配符查询

参考： [https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl-wildcard-query.html](javascript:void())

以下查询能够匹配包含W1F 7HW和W2F 8HW的文档：

又比如下面查询 hostname 匹配下面shell通配符的：

假设您只想匹配以W开头，紧跟着数字的邮政编码。使用regexp查询能够让你写下更复杂的模式：

这个正则表达式的规定了词条需要以W开头，紧跟着一个0到9的数字，然后是一个或者多个其它字符。

下面例子是所有以 wxopen 开头的正则

参考： [https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl-regexp-query.html](javascript:void())

以什么字符开头的，可以更简单地用 prefix，如下面的例子：

参考 ： [https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl-prefix-query.html](javascript:void())

更多的查询命令，可以看： [https://www.elastic.co/guide/en/elasticsearch/reference/current/term-level-queries.html#term-level-queries](javascript:void())

当你需要寻找邻近的几个单词时，你会使用match_phrase查询：

match_phrase查询也可以写成类型为phrase的match查询：

DSL查询语言中存在两种：查询DSL（query DSL）和过滤DSL（filter DSL）。

它们两个的区别如下图：

在查询上下文中，查询会回答这个问题——“这个文档匹不匹配这个查询，它的相关度高么？”

如何验证匹配很好理解，如何计算相关度呢？ES中索引的数据都会存储一个_score分值，分值越高就代表越匹配。另外关于某个搜索的分值计算还是很复杂的，因此也需要一定的时间。

查询上下文 是在 使用query进行查询时的执行环境，比如使用search的时候。

一些query的场景：

• 与full text search的匹配度最高
• 包含run单词，如果包含这些单词：runs、running、jog、sprint，也被视为包含run单词
• 包含quick、brown、fox。这些词越接近，这份文档的相关性就越高

在过滤器上下文中，查询会回答这个问题——“这个文档匹不匹配？”

答案很简单，是或者不是。它不会去计算任何分值，也不会关心返回的排序问题，因此效率会高一点。

过滤上下文 是在使用filter参数时候的执行环境，比如在bool查询中使用Must_not或者filter

另外，经常使用过滤器，ES会自动的缓存过滤器的内容，这对于查询来说，会提高很多性能。

一些过滤的情况：

• 创建日期是否在2013-2014年间？
• status字段是否为published？
• lat_lon字段是否在某个坐标的10公里范围内？

参考：

下图的查询就是一个组合查询， 既有 filter 也有 query：

上面文章提供了一个测试例子。

• query语句查询结果,第一次查询用了300ms,第二次用了280ms.
• filter查询出来的结果,第一次查询时间是280ms,第二次130ms。

具体如何写 查询和 过滤并存的请看下面这篇文章：

查询与过滤条件的合并
http://es.xiaoleilu.com/054_Query_DSL/75_Queries_with_filters.html

比如说我们有这样一条查询语句，获取右键内容中带“” 的：

然后我们想要让这条语句加入 term 过滤，只在收信箱中匹配邮件：

search API中只能包含 query 语句，所以我们需要用 filtered 来同时包含 “query” 和 “filter” 子句：

我们在外层再加入 query 的上下文关系：

参考： http://www.voidcn.com/article/p-fuexrdtf-pv.html
http://es.xiaoleilu.com/054_Query_DSL/75_Queries_with_filters.html https://www.elastic.co/guide/cn/elasticsearch/guide/current/highlighting-intro.html